函数大总结

函数大总结，包括统计计算、按照某种规律生成某一数据（从0到有）、处理分割某一向量、保存工作目录、工作空间等等。

函数大总结

• 统计计算
  • 通用参数
    • na.rm
      • 输入逻辑值
        • = TRUE, 就不删除NA的数据
  • 对一个数据内部的计算
    • mean
      • 求平均值
    • median
      • 求中位数
    • max
      • 求最大值
    • min
      • 求最小值
    • sd
      • 求标准差
  • 两组数据间的对照计算
    • lm
      • 求回归线方程...
      • • 可以见到要指定Y轴变量名和X轴变量名，可以用Y ~ X，后边是数据框的名称
        • 只好要用 abline 函数加在plot上哦
    • t.test
    • anova
  • apply function to elements of lists
    • tapply
      • 根据x的不同水平对y使用FUN的函数
      • tapply(X = Veg$R, INDEX = Veg$Transect, FUN = mean)
    • sapply
      • 对y的每一个变量使用FUN的函数
      • 输出向量
      • 输入必须是数据框
      • sapply(data.frame(Veg$R, Veg$ROCK, Veg$LITTER, Veg$ML, Veg$BARESOIL), FUN = mean)
        • 改为cbind是不行的
    • lapply
      • 对y的每一个变量使用FUN的函数
      • 输出列表
      • 原理同上
  • summary
    • 算并显示各种信息
• 按照某种规律生成某一数据（从0到有）
  • rnorm
    • 生成一个里边数值成正太分布的向量（随机分布），输入的量是这个数据的长度
    • • 还可以规定sd..即生成这组正态分布数据的标准差
  • gl
    • 输入
      • 第一个位置，级的个数
        • 第二个位置，每个级包含的单元数
          • 第三个位置，最后的总长度，等于前两者的乘积的整数倍，多于1倍就整个的去重复
    • 输出
      • 一参数
  • rep
    • 第一个位置参数
      • 向量，表面要重复的单元
    • 第二个位置的参数
      • each =
        • 单元中的每个数的重复的次数
      • 直接输入
        • 就是把单元整个重复的次数
  • seq
    • 生成一个有序数列
    • 参数1
      • 从几
    • 参数2
      • 到几
    • by =
      • 间隔是多少
  • c（）
    • 将括号内的东西按顺序结合为一个向量
    • 输入
      • 整数，数值，向量，矩阵，数据框，字符串，变量
      • 数值变量，字符串
    • 输出
      • 向量
        • 即list
        • 按照一定顺序排列的一系列单元
  • factor()
    • 这里是很关键的，因为pdata1的levels是随着pdata的levels的信息，并未随着数据子集范围的更改而更改....
      • 原因是布尔逻辑向量扣除了那些值，但它们的levels信息还存在
    • 所以factor函数可以运算出真正存在的levels,这是重新赋值到数据框那个向量中，然后其levels就是仅仅有其存在的两个了
  • data.frame()
    • 将输入的单元按列排列，生成一个数据框
    • 输入
      • 数值变量，字符串，因子
    • 输出
      • 数据框
        • 数据框会独立其输入变量外生成一组全新备份变量
          • 其实际名称为------数据框变量名$子变量名
          • 所以变量名不和直接注册的变量名冲突
      • 列标签
        • 变量名会按顺序作为列标签
  • vector()
    • 功能和c一样，但更严谨和死板
    • 输入
      • 先输入一个整数定义长度
      • 再输入每个位置的值
    • 输出
      • 向量
  • matrix()
    • 创建一个具体的矩阵
    • 输入
      • 维数
      • 数值变量
    • 输出
      • 矩阵
    • 例子
      • 例子
        • > Dmat <- matrix(nrow = 8, ncol = 4)
        • > Dmat[, 1] <- c(59, 55, 53.5, 55, 52.5, 57.5, 53, 55)
        • > Dmat[, 2] <- c(22.3, 19.7, 20.8, 20.3, 20.8, 21.5, 20.6, 21.5)
        • > Dmat[, 3] <- c(31.2, 30.4, 30.6, 30.3, 30.3, 30.8, 32.5, NA)
        • > Dmat[, 4] <- c(9.5, 13.8, 14.8, 15.2, 15.5, 15.6, 15.6, 15.7)
        • > Dmat
        • [,1] [,2] [,3] [,4]
        • [1,] 59.0 22.3 31.2 9.5
        • [2,] 55.0 19.7 30.4 13.8
        • [3,] 53.5 20.8 30.6 14.8
        • [4,] 55.0 20.3 30.3 15.2
        • [5,] 52.5 20.8 30.3 15.5
        • [6,] 57.5 21.5 30.8 15.6
        • [7,] 53.0 20.6 32.5 15.6
        • [8,] 55.0 21.5 NA 15.7
    • 加标签
      • 给列加上名称
        • colnames()
          • colnames(Dmat) <- ("wingcrd", "Tarsus", "Head", "Wt")
      • 给行加上名称
        • rownames()
  • list()
    • 将输入的单元按行排列，生成一个数据列
    • 输入
      • 数值变量，字符串，因子
      • 例子
        • > x1 <- c(1, 2, 3)
        • > x2 <- c("a","b","c","d")
        • > x3 <- 3
        • > x4 <- matrix(nrow = 2, ncol = 2)
        • > x4[, 1] <- c(1, 2)
        • > x4[, 2] <- c(3, 4)
        • > Y <- list(x1 = x1, x2 = x2, x3 = x3, x4 = x4)
        • > Y
        • $x1
        • [1] 1 2 3
        • $x2
        • [1] "a" "b" "c" "d"
        • $x3
        • [1] 3
        • $x4
          • [,1] [,2]
        • [1,] 1 3
        • [2,] 2 4
    • 输出
      • 数据列
        • 数据列中的每一项不必有相同格式
      • 行标签
        • 输入的变量名
  • rbind（）
    • 将输入的多个单元按输入顺序排成行，生成一个“便于查看的”向量
    • 其它都跟cbind相同
    • 按变量名输出行标签
  • cbind（）
    • 将输入的多个单元按输入顺序排成列，生成一个“便于查看的”向量
    • 输入
      • 整数，数值，向量，矩阵，数据框，字符串，变量
      • 或数值变量，字符串
    • 输出
      • 向量
        • 但其有2维，可以用[,]选定
      • 列标签
        • 最上面带有输入时的变量名作为“标签”
        • 其不参与任何计算，只是便于查看而已
    • 有一个默认现象...
      • 若输入的那个元素没达到维数，那就自动补充其自己到那么多
        • 见最右那个一
  • merge
    • 合并两个数据框
      • 其比cbind的优越性是，其可以按照两个数据框共同的一列来智能的填充其它的缺省
    • x, y, by = "ID"
      • by=
        • 输入某一变量名，其作为相同的标示符合并两个数据集
          • 这两个标识不必全等，有大部分吻合即可
          • 然后按照长的那个处理。其它的用NA
      • all=
        • FALSE
          • 缺省值
        • TRUE
          • 如果数据框1里没有数据框2的样本数据，用NA填充，反之亦然
• 处理分割某一向量
  • split
  • cut
  • Operate on charactor vectors
    • strsplit
    • grep
    • sub
• 绘图
  • Cluster data
    • dist
    • hclust
    • heatmap
  • plot data
    • plot
• 总结某一data属性！
  • length
    • 确定一数据的长度
  • dim
    • 输入：向量，矩阵，cbind，数据框
    • 输出：维数...
  • unique
    • 输入
      • 任何向量，矩阵，数据框
    • 输出
      • 所有拥有独特组合的行，或值的单元组成的向量
        • 但并未排序
  • colnames()
    • 多维数据的列名，用于查明和修改
  • rownames()
    • 多维数据的行名，也用于查明和修改
  • order
    • 确定数据每一位的顺序...然后输出一个对应序数的向量
  • str
    • 显示一个对象的内部结构，优点是任何对象..
  • names
    • 显示一个数据框或cbind,矩阵的所有变量名称！
  • summary
    • 计算每个变量的基本信息
    • 其优势是能显示每个变量内的数据属性，还有一大优势是显示NA值的个数
    • 还有其levels?
    • 其实和str很像
  • table
    • 计算列链表
    • 就是输入的向量变量中每一个levels的出现次数
      • useNA = "ifany" 允许我们显示NA的个数
  • xtabs
  • ls
    • list objects in one variable
  • class
    • 输入必须是一个向量
    • 其显示出该向量中元素的具体属性
  • head
    • 查看向量数据的前几行（自定），并列出数据的级信息
• 跟格式相关的转换
  • 基础操作
    • 结合数值，字符串，变量的方法
      • c（）
        • 将括号内的东西按顺序结合为一个向量
        • 输入
          • 整数，数值，向量，矩阵，数据框，字符串，变量
          • 数值变量，字符串
        • 输出
          • 向量
            • 即list
            • 按照一定顺序排列的一系列单元
      • cbind（）
        • 将输入的多个单元按输入顺序排成列，生成一个“便于查看的”向量
        • 输入
          • 整数，数值，向量，矩阵，数据框，字符串，变量
          • 或数值变量，字符串
        • 输出
          • 向量
            • 但其有2维，可以用[,]选定
          • 列标签
            • 最上面带有输入时的变量名作为“标签”
            • 其不参与任何计算，只是便于查看而已
        • 有一个默认现象...
          • 若输入的那个元素没达到维数，那就自动补充其自己到那么多
            • 见最右那个一
      • rbind（）
        • 将输入的多个单元按输入顺序排成行，生成一个“便于查看的”向量
        • 其它都跟cbind相同
        • 按变量名输出行标签
      • vector()
        • 功能和c一样，但更严谨和死板
        • 输入
          • 先输入一个整数定义长度
          • 再输入每个位置的值
        • 输出
          • 向量
      • matrix()
        • 创建一个具体的矩阵
        • 输入
          • 维数
          • 数值变量
        • 输出
          • 矩阵
        • 例子
          • 例子
            • > Dmat <- matrix(nrow = 8, ncol = 4)
            • > Dmat[, 1] <- c(59, 55, 53.5, 55, 52.5, 57.5, 53, 55)
            • > Dmat[, 2] <- c(22.3, 19.7, 20.8, 20.3, 20.8, 21.5, 20.6, 21.5)
            • > Dmat[, 3] <- c(31.2, 30.4, 30.6, 30.3, 30.3, 30.8, 32.5, NA)
            • > Dmat[, 4] <- c(9.5, 13.8, 14.8, 15.2, 15.5, 15.6, 15.6, 15.7)
            • > Dmat
            • [,1] [,2] [,3] [,4]
            • [1,] 59.0 22.3 31.2 9.5
            • [2,] 55.0 19.7 30.4 13.8
            • [3,] 53.5 20.8 30.6 14.8
            • [4,] 55.0 20.3 30.3 15.2
            • [5,] 52.5 20.8 30.3 15.5
            • [6,] 57.5 21.5 30.8 15.6
            • [7,] 53.0 20.6 32.5 15.6
            • [8,] 55.0 21.5 NA 15.7
        • 加标签
          • 给列加上名称
            • colnames()
              • colnames(Dmat) <- ("wingcrd", "Tarsus", "Head", "Wt")
          • 给行加上名称
            • rownames()
      • data.frame()
        • 将输入的单元按列排列，生成一个数据框
        • 输入
          • 数值变量，字符串，因子
        • 输出
          • 数据框
            • 数据框会独立其输入变量外生成一组全新备份变量
              • 其实际名称为------数据框变量名$子变量名
              • 所以变量名不和直接注册的变量名冲突
          • 列标签
            • 变量名会按顺序作为列标签
      • list()
        • 将输入的单元按行排列，生成一个数据列
        • 输入
          • 数值变量，字符串，因子
          • 例子
            • > x1 <- c(1, 2, 3)
            • > x2 <- c("a","b","c","d")
            • > x3 <- 3
            • > x4 <- matrix(nrow = 2, ncol = 2)
            • > x4[, 1] <- c(1, 2)
            • > x4[, 2] <- c(3, 4)
            • > Y <- list(x1 = x1, x2 = x2, x3 = x3, x4 = x4)
            • > Y
            • $x1
            • [1] 1 2 3
            • $x2
            • [1] "a" "b" "c" "d"
            • $x3
            • [1] 3
            • $x4
              • [,1] [,2]
            • [1,] 1 3
            • [2,] 2 4
        • 输出
          • 数据列
            • 数据列中的每一项不必有相同格式
          • 行标签
            • 输入的变量名
    • 几种格式中的转化
      • as. matrix
        • 输入
          • 数据框
          • cbind生成的向量
        • 输出
          • 矩阵
      • as. dataframe
        • 输入
          • 数据框
          • cbind生成的向量
        • 输出
          • 数据框
    • 几种格式的查看
      • is. matrix
        • 输出若是TRUE则不是矩阵
        • 输出若是FALSE则是
      • is. dataframe
        • 输出若是TRUE则不是数据框
        • 输出若是FALSE则是
    • 给矩阵和数据框修改和添加标签
      • 加列标签
        • colnames()
          • colnames(Dmat) <- ("wingcrd", "Tarsus", "Head", "Wt")
      • 加行标签
        • rownames()
    • 给向量添加标签
      • names()
      • 直接输入一个同样长度的向量即可
    • 选定矩阵，向量，数据框中具体的位置[]
      • 向量中的具体位置
        • 需要一个值来确定
          • [a]
        • cbind生成的向量是例外需要两个值定位
      • 数据框&矩阵中的具体位置
        • 需要两个值来确定它
          • [a,b]
          • 若省略一边则表示所有行或列
    • 转置一个有两个维的cbind，数据框，或矩阵
      • t()
        • 列变成行，行变成列
      • 其实只要是都是纯数字的cbind和数据框都可以输入到用矩阵做变量的函数
  • as系
  • factor
    • 定义变量作为因子
• 对数据加一些标注
  • levels
    • 输入
      • 必须是factor向量，就是带引号的东西的那种单元的向量
    • 输出
      • 没有...其就是可以让其它赋进来的值覆盖其输入的factor向量的对应项
    • 其实你可以见到它是factor函数的一个辅助参数函数，其可以更改一个因子变量的标注
  • table函数
    • 输入（参数）
      • x
        • （一个数据框中的变量）
          • 不能是一个数据框...或其它多维的
      • y
        • （一个数据框中的变量向量，另一个数据框中的变量向量）
    • 输出
      • 按照级显示每个级在向量中出现的频率
      • 按第二个为级，显示第一个各个数的频率
        • 功能上相当于结合布尔向量，length等...
    • 例子
      • 数据框的str
• 输出类
  • print
  • paste
    • 将变量连接为字符串
      • paste("a", "b", sep = "")
• 外源数据录入
  • dir
  • scan
    • read.table 把数据储存于数据框中
    • scan 把数据储存于矩阵中
      • 其对大量数据的运算更加迅速
        • （数百万个以上）
      • 但前提是数据必须都是数值
        • 所以不需要什么header = TRUE
        • 所以也不需要那些header标题，你可能要添加些索引变量
  • read.table
    • 4. 使用read.table函数将数据载入到R
      • 小数点
        • read.table 默认是以.做小数点
        • 若ascii中以逗号做小数点，则需
          • Squid <- read.table(file = "C:/RBook/squid.txt", header = TRUE, dec = "，")
        • 对于一些奇葩电脑本身以逗号做小数点则需
          • Squid <- read.table(file = "C:/RBook/squid.txt", header = TRUE, dec = ".")
          • 否则R会把数值做分量载入
      • Squid <- read.table(file = "C:\\RBook\\squid.txt", header = TRUE)
        • 这个地址可以在文件属性中查看
        • 但windows要多加一个/
      • 或Squid <- read.table(file = "C:/RBook/squid.txt", header = TRUE)
      • header = TRUE 表示第一行包括了标题
        • 这个标题不算在数据框真正的第一行...
        • 而是一堆变量名...
      • 若文件中没有标签可改为 header = FALSE
      • read. table函数可以有非常多的选项
        • 数据字段中有空格
          • strip.white = TRUE
      • setwd函数
        • 在同一工作目录多次提取文件，用其可省略read.table函数中的目录路径
        • setwd("C:\\RBook\\")
        • Squid <- read.table(file = "squid.txt", header = TRUE)
• 特殊类
  • find elements of one vector in another
    • match
    • %in%
• Measuring Performance
  • all.equal(), identical() to compare values.
  • system.time() to measure how long evaluation takes.
  • microbenchmark to compare times for different functions.
  • Rprof() to summarize time in each function call.
  • lineprof to profile each line of code.
• Debugging
  • traceback(): what went wrong?
  • debug(): step through a function.
  • browser(): insert a break-point in your own function / script.
    • Help debug errors.
• R脚本
  • 以.R结尾的文本文档
• 选定子集类
  • 变量[，m:n]
    • 第m到第n列
  • 变量[布尔逻辑条件]
    • 满足一定布尔逻辑条件的变量子集
• 生成逻辑输出类
  • 逻辑值可以录入到哪？
  • ==布尔向量
  • is系
  • %in%
    • 将变量转化为逻辑布尔向量，如果是BCR或ABL就转化为TRUE,否则就为FALSE
    • 其实就是==那个的另一种表示法
• 常见错误
  • 0的对数
    • 如果你的数据里有0，你不能对其做对数变换
    • 通常你可以考虑将每个数据都加1
  • 0的色彩
    • 0是没有颜色
    • 所以在图上没有表示，你想让它显示要每个数据加上1
  • 分清l和1
    • plot (x, type = "l")
      • 是l,代表line，别写成1了！
• 工作空间
  • ls()
    • 观察工作空间有哪些变量
  • rm(list = ls(all = TRUE)
    • 清空当前工作空间
• 保存工作目录
  • setwd（）
    • 设置工作目录
  • read.table
    • 从ascii文件读取数据储存在数据框中
  • write.table
    • 将数据框输出生成各种格式的文件
  • scan
    • 从ascii文件读取数据存储于矩阵中
• Packages
  • 已经安装的包要使用
    • library(parallel)
  • 从网络来源安装新包
    • source("http://bioconductor.org/biocLite.R")
      • 指定下载地址
    • biocLite("IRanges")
      • 这一步就安装了，biocLite函数就是从网络安装新包的
    • library("IRanges")
  • 查询已经加载的包
    • head(search(), 3)
  • 查询某个包的使用帮助
    • help(package = "IRanges")