向量
用于储存数值型，字符型，逻辑型数据的一维数组。
x = c(1,2,'a','b',TRUE) ##用函数c连接，不同元素之间用逗号分隔
设置等差数列
seq(from=1,to=100,by=2) ##by设置公差
seq(1,100,by=2)
seq(from=1,to=100,length.out=10) ##length.out设置输出个数
重复序列
rep(x,times)
> x=c(1,2,3,4,5)
> rep(x,5)
[1] 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5
> rep(x,each=5) ##each控制重复的格式，由1234512345变成1122334455
[1] 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 4 4 4 4 4 5 5 5 5 5
> rep(x,each=5,times=2)
[1] 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 4 4 4 4 4 5 5 5 5 5 1 1 1 1 1 2 2 2 2 2 3 3 3
[39] 3 3 4 4 4 4 4 5 5 5 5 5
必须是同一类型的向量才能计算
a=c(1,2,3,4)
b=c(6,7,8,9)
a*2+b
8,11,14,17
向量索引（也叫访问向量）
注意R中的角标是从1开始的，python中是从0开始的。
- 1.访问数值型向量（正，负整数索引）
> a=c(1,2,3,4,5)
> a[1] ##正整数，访问该向量
[1] 1
> a[-1] ##负整数，访问除该向量之外的向量
[1] 2 3 4 5
> a
[1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
[17] 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32
[33] 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48
[49] 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64
[65] 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80
[81] 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96
[97] 97 98 99 100
> a[c(1:10)]
[1] 1 2 3 4 5 6 7 8 9 10
> a[c(1,2,24,56,88)]
[1] 1 2 24 56 88
> a=c(1:10)
> a[a>5] ## 也可以是逻辑值访问
[1] 6 7 8 9 10
> a[a>5 & a<8]
[1] 6 7
> a[c(T,F)] ##循环判断访问
[1] 1 3 5 7 9
访问字符型向量
- 2.利用%in% 判断元素是否在向量中
> 'one' %in% x ##判断'one'字符是否在x向量中，返回逻辑值TRUE
[1] TRUE
再将逻辑条件添加到索引中
> x['one' %in% x] ##相当于x[TURE]，会输出x向量内所有的元素
[1] "one" "two" "three" "four" "five"
> x %in% c('one','two')
[1] TRUE TRUE FALSE FALSE FALSE
> x[x %in% c('one','two')]
[1] "one" "two"
- 3。利用元素名称访问
利用names函数对向量的每个元素添加名称
> y=c(1,2,3,4,5,6,7,8)
> names(y) = c('A','B','C','D','E','F','G','H') ##对元素添加名称
> y
A B C D E F G H
1 2 3 4 5 6 7 8
> y['A'] ##通过元素名称访问
A
1
> names(y) = rep(c('A','B'),each=2,times=2)
> y
A A B B A A B B
1 2 3 4 5 6 7 8
向量添加元素
数值向量直接添加，注意左手边是元素，右手边是向量索引。
> a=c(1:20)
> a
[1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
> a[21] = 21
> a
[1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
利用append添加
> append(x=a,values=6,after=5)
[1] 1 2 3 4 5 6 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
删除向量
rm(a) ##直接rm函数
删除向量中的元素
a=c(1:10)
> a[-c(4:7)]
[1] 1 2 3 8 9 10
修改向量的某个元素
> a
A B C D E
1 2 3 4 5
> a['A']= 10 ##直接找到某个向量进行赋值
> a
A B C D E
10 2 3 4 5
向量运算
+ 相加 2 + 2 =4
- 相减 2 - 2 = 0
* 乘 2 * 2 = 4
** 幂 2 ** 3 = 8
/ 除 10 / 3 =3.3333
%% 取余 10 %% 3 =1
%/% 整除运算 10%/% 3 = 3
> a = -5:5
> a
[1] -5 -4 -3 -2 -1 0 1 2 3 4 5
> abs(a) ##abs函数返回绝对值
[1] 5 4 3 2 1 0 1 2 3 4 5
> sqrt(abs(a)) ## sqrt返回平方根
[1] 2.236068 2.000000 1.732051 1.414214 1.000000 0.000000 1.000000
[8] 1.414214 1.732051 2.000000 2.236068
> log(10,base = 10) ##log取对数，bese为底数
[1] 1
> exp(0) ##取自然对数e的指数函数 ，e的0次方
[1] 1
> ceiling(2.1) ##返回不小于2.1的最小整数
[1] 3
> floor(3.4) ## 返回不大于3.4的最大整数
[3] 3
> trunc(3.4) ##返回整数部分
[1] 3
> round(3.141592,digits = 4) ##round进行四舍五入，digits决定保留位数
[1] 3.1416
> signif(3.144,digits = 3) ##signif保留小数的有效位数，dignits觉得保留位数
[1] 3.14
统计函数
对所有数据进行处理，返回一个值。
> vec = c(1:100)
> sum(vec) ##求和
[1] 5050
> max(vec) ##取最大值
[1] 100
min(vec) ##最小值
range(vec) ##最大值和最小值
mean(vec) ##取均值
> var(vec) ## 方差
[1] 841.6667
> sd(vec) ##标准差
[1] 29.01149
> prod(vec) ##返回所有元素连乘的积
[1] 9.332622e+157
> median(vec) ##中位数
[1] 50.5
> quantile(vec) ##求分位数
0% 25% 50% 75% 100%
1.00 25.75 50.50 75.25 100.00
> quantile(vec,c(0.2,0.5,0.8)) ##取2，4，8分位数
20% 50% 80%
20.8 50.5 80.2
> a = c(1,3,6,8,9)
> which.max(a) ##返回最大元素的索引值
[1] 5
> which(a==6) ##返回a向量元素为6的索引值
[1] 3
> a[which(a>3)] ##利用返回的索引值获取向量的元素
[1] 6 8 9
