**R语言函数** http://www.ituring.com.cn/book/1699 abs(x) 绝对值 abs(-4)返回值为4 sqrt(x) 平方根 sqrt(25)返回值为5，和25^(0.5)等价 ceiling(x) 不小于_x_的最小整数 ceiling(3.475)返回值为4 floor(x) 不大于_x_的最大整数 floor(3.475)返回值为3 trunc(x) 向0的方向截取的_x_中的整数部分 trunc(5.99)返回值为5 round(x, digits=n) 将_x_舍入为指定位的小数 round(3.475, digits=2)返回值为3.48 signif(x, digits=n) 将_x_舍入为指定的有效数字位数 signif(3.475, digits=2)返回值为3.5 cos(x)、sin(x)、tan(x) 余弦、正弦和正切 cos(2)返回值为-0.416 acos(x)、asin(x)、atan(x) 反余弦、反正弦和反正切 acos(-0.416)返回值为2 cosh(x)、sinh(x)、tanh(x) 双曲余弦、双曲正弦和双曲正切 sinh(2)返回值为3.627 acosh(x)、asinh(x)、atanh(x) 反双曲余弦、反双曲正弦和反双曲正切 asinh(3.627)返回值为2 log(x,base=n) log(x) log10(x) 对_x_取以_n_为底的对数为了方便起见： • log(x)为自然对数 • log10(x)为常用对数 • log(10)返回值为2.3026 • log10(10)返回值为1 exp(x) 指数函数 exp(2.3026)返回值为10 **统计函数** 函数描述 mean(x) 平均数 mean(c(1,2,3,4))返回值为2.5 median(x) 中位数 median(c(1,2,3,4))返回值为2.5 sd(x) 标准差 sd(c(1,2,3,4))返回值为1.29 var(x) 方差 var(c(1,2,3,4))返回值为1.67 mad(x) 绝对中位差（median absolute deviation） mad(c(1,2,3,4))返回值为1.48 quantile(x,probs) 求分位数。其中_x_为待求分位数的数值型向量，probs为一个由[0,1]之间的概率值组成的数值向量 # 求x的30%和84%分位点 y <- quantile(x, c(.3,.84)) range(x) 求值域 x <- c(1,2,3,4) range(x)返回值为c(1,4) diff(range(x))返回值为3 sum(x) 求和 sum(c(1,2,3,4))返回值为10 diff(x, lag=n) 滞后差分，lag用以指定滞后几项。默认的lag值为1 x<- c(1, 5, 23, 29) diff(x)返回值为c(4, 18, 6) min(x) 求最小值 min(c(1,2,3,4))返回值为1 max(x) 求最大值 max(c(1,2,3,4))返回值为4 scale(x,center=TRUE, scale=TRUE) 为数据对象_x_按列进行中心化(center=TRUE)或标准化(center=TRUE,scale=TRUE)；代码清单3-6中给出了一个示例 (1) x等于c(1, 2, 3, 4, 5, 6, 7, 8)，x的平均值等于4.5（length(x)返回了x中元素的数量）； (2) (x - meanx)从x的每个元素中减去了4.5，结果为c(-3.5, -2.5, -1.5, -0.5, 0.5, 1.5, 2.5, 3.5)； (3) (x - meanx)^2将(x - meanx)的每个元素求平方，结果为c(12.25, 6.25, 2.25, 0.25, 0.25, 2.25, 6.25, 12.25)； (4) sum((x - meanx)^2)对(x - meanx)^2)的所有元素求和，结果为42。数据的标准化默认情况下，函数scale()对矩阵或数据框的指定列进行均值为 0、标准差为 1 的标准化： newdata <- scale(mydata) 要对每一列进行任意均值和标准差的标准化，可以使用如下的代码： newdata <- scale(mydata)*SD + M 其中的_M_是想要的均值，_SD_为想要的标准差。在非数值型的列上使用scale()函数将会报错。要对指定列而不是整个矩阵或数据框进行标准化，你可以使用这样的代码： newdata <- transform(mydata, myvar = scale(myvar)*10+50) 此句将变量myvar标准化为均值 50、标准差为 10 的变量。字符处理函数函数描述 nchar(x) 计算_x_中的字符数量 x <- c("ab", "cde", "fghij") length(x)返回值为 3 （参见表3-7） nchar(x[3])返回值为5 substr(x, _start_, _stop_) 提取或替换一个字符向量中的子串 x <- "abcdef" substr(x, 2, 4)返回值为"bcd" substr(x, 2, 4) <- "22222"（x将变成"a222ef"） grep(_pattern_, x, ignore. case=FALSE, fixed=FALSE) 在_x_中搜索某种模式。若fixed=FALSE，则_pattern_为一个正则表达式。若fixed=TRUE，则_pattern_为一个文本字符串。返回值为匹配的下标 grep("A",c("b","A","c"),fixed=TRUE)返回值为2 sub(_pattern_, _replacement_, x, ignore.case=FALSE, fixed=FALSE) 在_x_中搜索_pattern_，并以文本_replacement_将其替换。若fixed=FALSE，则_pattern_为一个正则表达式。若fixed=TRUE，则_pattern_为一个文本字符串。 sub("\\s",".","Hello There")返回值为Hello.There。注意，"\s"是一个用来查找空白的正则表达式；使用"\\s"而不用"\"的原因是，后者是R中的转义字符（参见1.3.3节） strsplit(x, _split_, fixed=FALSE) 在_split_处分割字符向量_x_中的元素。若fixed=FALSE，则_pattern_为一个正则表达式。若fixed=TRUE，则_pattern_为一个文本字符串 y <- strsplit("abc", "")将返回一个含有1个成分、3个元素的列表，包含的内容为"a" "b" "c" unlist(y)[2]和sapply(y, "[", 2)均会返回"b" paste(…, sep="") 连接字符串，分隔符为sep paste("x", 1:3,sep="")返回值为c("x1", "x2", "x3") paste("x",1:3,sep="M")返回值为c("xM1","xM2" "xM3") paste("Today is", date())返回值为Today is Thu Jun 25 14:17:32 2011（我修改了日期以让它看起来更接近当前的时间） toupper(x) 大写转换 toupper("abc")返回值为"ABC" tolower(x) 小写转换 tolower("ABC")返回值为"abc"

“基于R的高级数据管理”实验报告