r语言安装详细步骤（编程语言难度排名）

一，合并向量

>append(x, values, after = length(x))#从一个向量的指定位置处，插入另一个向量>append(1:5, 0:1, after = 3)[1] 1 2 3 0 1 4 5

二，匹配函数

匹配函数（match）返回一个位置向量，表示 x 匹配table的位置。%in% 返回一个逻辑向量

x %in% table  #%in% 返回一个逻辑向量，表示左边的操作符是否匹配右边的操作符。

2.1 match()函数的用法

x <- c(3,1,7)tb <- c(-1:5)match(x,tb)# 5  3 NA#实例#match()函数可以用于批量修改数据框的列名：names(df)[match(c('a',"b", "c)","d"),names(df))]<- c('C1','C2','C3','C4')

2.2 操作符 %in%的用法

#操作符 %in% 在底层使用match()函数实现：#用法  function(x, table) match(x, table, nomatch = 0) > 01:10 %in% c(1,3,5,9)#[1]  TRUE FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE

三，cut函数

cut()函数用于切割x的范围，每一个范围是一个分区；cut()函数根据分区的顺序对x中的值进行编码，也就是说，每一个分区从左向右依次对应lables向量中的一个因子，最左边的分区对应于lables向量的第一个因子，第二个分区对应lables向量中的第二个因子，以此类推。

cut(x, breaks, labels = NULL, include.lowest = FALSE, right = TRUE, dig.lab = 3,ordered_result = FALSE, ...) #示例 vc <- c(1:6)cut(vc,breaks=c(0,2,5,7),labels = c('low','medium','high'))#[1] low    low    medium medium medium high  #Levels: low medium high

四，排名函数

功能：rank()排名函数用于对向量元素进行排名，按照升序的顺序对数据进行排序,排名的结果存储到变量中。

#用法：rank(x, na.last = TRUE, ties.method = c("average", "first", "last", "random", "max", "min"))#参数注释#na.last ：控制如何对待NA，如果设置为TRUE，那么缺失值排在最后一位；如果为FALSE，那么缺失值排在第一位；如果设置为NA，那么缺失值被移除；如果设置为keep，那么排名为NA。#ties.method ：控制如何对待tie，一个tie是指值重复的元素。r1 <- rank(x1 <- c(3, 1, 4, 15, 92))#[1] 2 1 3 4 5

五，替换

函数replace()用于把向量中指定位置的元素替换为指定的值（或向量）：

replace(x, list, values)

参数注释：

list：整数向量，指定被替换的元素的位置values：替换的值（或向量）

> replace(1:9,c(1,3,7),0)#[1] 0 2 0 4 5 6 0 8 9

六，重复

功能：rep()函数把输入的参数重复多次，如果参数是表达式，rep()函数会把表达式的结果重复多次；而replicate()函数是重复调用表达式。

> rep(runif(1),5)#[1] 0.8721105 0.8721105 0.8721105 0.8721105 0.8721105> replicate(5,runif(1))#[1] 0.9426709 0.1280271 0.1926333 0.7091503 0.5404846

七，逆转

功能：rev()函数用于把一个向量的元素逆转

> rev(c(1,5,3,7))#[1] 7 3 5 1

八，排序

功能：sort()函数用于对向量排序，返回有序的向量；order()函数返回向量元素的序号，能够用于对data.frame排序

order(..., na.last = TRUE, decreasing = FALSE, method = c("auto", "shell", "radix"))sort(x, decreasing = FALSE, na.last = NA, ...)     df <- data.frame(x=c(6,3,7,5),y=c(5,1,7,3))df[order(df$y),]   x y2 3 14 5 31 6 53 7 7

九，删除重复值

功能：第一种做法是把返回向量中的唯一值；第二个方法是返回向量中重复元素的位置，然后删除重复元素。

9.1，删除重复值

#unique() 函数用于移除重复数据，用于向量，数据框或数组的去重unique(x, incomparables = FALSE)

9.2，检查重复值

#duplicated()函数用于检查重复的元素，返回元素类型是逻辑值的向量或数据框：当元素的值为FALSE时，表示该元素不是重复值；当元素的值是TRUE时，表示该元素是前面（位置）的某一个元素的重复值。#duplicated(x, incomparables = FALSE, ...)df <- df[!duplicated(df$var),]

十，逻辑TRUE的索引

功能：which()函数，用于从逻辑向量中返回TRUE值在向量中的索引，参数x是一个由逻辑值构成的向量

which(x)> which(lv <- c(TRUE, FALSE, TRUE, NA, FALSE, FALSE, TRUE))[1] 1 3 7> which(exper <- c(1:9)>5)[1] 6 7 8 9

十一，构造环境

#数据框，使R表达式位于数据框的作用环境中，便于对数据框变量的引用

with(data, expr, ...)within(data, expr, ...)    with(mtcars, mpg[cyl == 8  &  disp > 350])#only define one variablemtcars$mpg[mtcars$cyl == 8  &  mtcars$disp > 350]#define  multiple variablesaq <- within(airquality, {     # multiple vars can be changed    lOzone <- log(Ozone)    Month <- factor(month.abb[Month])    cTemp <- round((Temp - 32) * 5/9, 1)     S.cT <- Solar.R / cTemp  # using the newly created variable    rm(Day, Temp)})

十二，Reduce函数

功能：Reduce()函数对一个向量循环执行函数（该函数有两个参数）

Reduce(f, x, init, right = FALSE, accumulate = FALSE)

参数注释：

f ：有两个参数的函数对象x：向量init ：一个标量值，类型和x向量的元素相同；right ：逻辑值，当值为FALSE时，从向量的左侧开始，依次向右侧取出元素传递到给函数；当值为TRUE时，从向量的右侧开始，依次向左侧取出元素，传递给函数；accumulate：逻辑值，a logical indicating whether the successive reduce combinations should be accumulated. By default, only the final combination is used.

> Reduce(sum,1:5,10)[1] 25

十三，条件过滤器

功能：按照条件从向量中选择元素，当条件为TRUE时，把该元素添加到结果向量中。参数 f 是一个返回逻辑值的函数（该函数必须有一个输入参数），参数x是一个向量。

Filter(f, x)> fx <- function(x) x>5;> Filter(fx,1:10)[1]  6  7  8  9 10

十四，计算累加

功能：使用cumsum(x)来计算向量元素的累加值，累加的计算过程是迭代的

> cumsum(1:5)[1]  1  3  6 10 15

十五，计数出现的次数（tabulate）

功能：tabulate()函数的作用是使用bin构造整数向量v，并计算bin中每个整数在v中出现的次数。

tabulate(bin, nbins = max(1, bin, na.rm = TRUE))> tabulate(bin = c(2,3,3,5))#[1] 0 1 2 0 1

十六，diff

功能：函数计算向量相邻元素之间的差异，后者减去前者

d= c(10,1,1,1,1,1,1,2,1,1,1,1,1,1,1,3,10)diff(d)[1] -9  0  0  0  0  0  1 -1  0  0  0  0  0  0  2  7