R语言基础包：base, stats

环境设置

系统函数

packages操作函数

函数	说明
install.package(“pkg”)	安装包
devtools::install_github(“pkg”)	安装github开发版包
library(pkg, warn.conflicts = TRUE)	加载包
detach(“package:pkg”)	移除加载的包
(.packages())	展示加载的包
`installr::updateR()`	更新R（复制包）或者将老版本的R包复制到新版本后，`update.packages()`
help(package=”pkg”)	展示包的信息
update.packages()	更新包
remove.packages(pkgs, lib)	卸载包
if(!require(“installr”)) install.packages(‘installr’) library(“installr”)	安装并加载

输入输出

函数	说明
system.file()	获取系统文件路径
getwd(),setwd()	获得/设置工作路径
dir.create()	创建新目录
list.files(path,pattern=NULL, all.files = FALSE, full.names = FALSE)	path列出文件名,pattern筛选文件 all.files是否子文件夹下的全部文件 full.names是否输出文件名包含路径全称
choose.dir(default = “”,caption)	交互式选择文件夹
choose.files(default = “”,caption,multi = TRUE, filters = Filters)	交互式选择文件，multi:复选,filters:文件过滤向量
menu(choices, graphics = FALSE, title = NULL)	菜单交互函数
winDialog(type =“yesno”,message)	type in c(“ok”, “okcancel”, “yesno”, “yesnocancel”)

函数	说明
txtProgressBar(min=0,max=1,initial=0,char ="=",width=NA,style=1)	初始化文本进度条参数: 进度最小值,最大值,初始值,文本,宽度,格式(1,2:支持换行,3:进度值)
setTxtProgressBar(pb, value)	加载进度条,value进度值
winProgressBar(title,label,min, max, initial, width)	win进度条
setWinProgressBar(pb, value, title = NULL, label = NULL)
close(con,…)	关闭进度条

函数	说明
c(…); list(…)	向量
matrix(data, nrow, ncol, byrow = FALSE,dimnames=list(rownames,colnames))	矩阵
array(data, dim, dimnames)	数组
data.frame(col1,col2,col3,…, row.names)	数据框
factor(x, levels, labels, ordered)	`sex<-factor(sex,levels=c(1,2),labels=c("Male","Female"))`
seq(from = 1, to = 1, by)	等差数列
rep(x,…) `rep(c("character","integer","numberic"),c(4,1,2))`	times每个元素重复的次数 length.out期望长度,each

函数	说明
str(),summary()	概要
x[-(1:n)] x[‘rows’,‘cols’]	索引和切片
x$name x[x>3] x[x %in% c(…)]	索引和切片
head(x,n),tail(x,n)
dim(x), dimnames(x), names(x)	信息
nrow(),ncol(x), length(x)	行数，列数，长度
which.max(), which.min(), which()	返回索引
cut(x,breaks,labels = NULL,right,ordered)	返回切割而后的factor breaks切割点向量或切割间隔数,right是否右开区间,ordered是否有序

函数	说明
table(var1, var2,…,useNA=“no”)	useNA in c(“no”, “ifany”, “always”)
prop.table(x, margin)	小数比例的形式
xtabs(formula=~., data)	formula:var~var+var+… 左边为要透视的值(默认sum函数,左边缺失时计数)，右边为列联表的维度
ftable(table)	将多维table对象转为二维table(data.frame)
xtabs(mpg+cyl~am+gear,mtcars)%>%ftable()

函数	说明
`ˆ, %%, %/%`	求幂(`**`)，求余数(mod)，整除
sign()	提取正负(1,0,-1)
log(x, base),exp(x)
round(x, digits = 0)	四舍五入
signif(x, digits = 6)	有效数字
trunc(x)	取整
ceiling(x)	天花板
floor(x)	地板
max,min,median,mean(x,trim=0,na.rm=FALSE)
range,IQR	极差,四分位距
quantile(x, probs = seq(0, 1, 0.25))	百分位数
abs,sqrt
sum,prod
rank(x, na.last = TRUE,ties.method = c(“average”, “first”, “last”, “random”, “max”, “min”))	na.last：NA排名处置方式
diff	差分
cum_sum	返回向量x[i]=sum{x[1]:x[i]}
cum_prod
scale(x, center = TRUE, scale = TRUE)
combn(x, m, FUN = NULL)	x中m个元素的所有(统计)组合

Matrix包中的函数使得R可以处理高密度矩阵或稀疏矩阵。可以高效的访问BLAS（Basic Linear Algebra Subroutines）、Lapack（密集矩阵）、TAUCS（稀疏矩阵）和UMFPACK（稀疏矩阵）。

运算符或函数	描述
`+ - * / ^`	分别是逐个元素的加、减、乘、除和幂运算
A %*% B	矩阵乘法
A %o% B	外积：AB
cbind(A, B, …)	横向合并矩阵或向量
chol(A)	A的Choleski分解。若`R <- chol(A)`，那么chol(A)包含上三角因子，即R’R=A
colMeans(A)	返回A的列均值组成的向量
crossprod(A)	返回A’A
crossprod(A, B)	返回A’B
colSums(A)	返回A的列总和组成的向量
diag(A)	返回主对角元素组成的向量
diag(x)	用x中元素作为主对角元素创建对角矩阵
diag(k)	如果k是标量，就创建k × k的单位矩阵
eigen(A)	A的特征值和特征向量。若y <- eigen(A)，那么： `y$val`是A的特征值 `y$vec`是A的特征向量
ginv(A)	A的Moore-Penrose广义逆（需要MASS包）
qr(A)	A的QR分解。若 `y <- qr(A)`，那么： `y$qr`的上三角是分解结果，下三角是分解的信息 `y$rank`是A的秩 `y$qraux`是Q的附加信息向量 `y$pivot`是所使用的主元素选择策略
rbind(A, B, …)	纵向合并矩阵或向量
rowMeans(A)	返回A的行均值组成的向量
rowSums(A)	返回A的行总和组成的向量
solve(A, b)	求解方程b = Ax中的向量x
svd(A)	A的奇异值分解。若 `y <- svd(A)`，那么： `y$d`是A的奇异值组成的向量 `y$u`是矩阵且每一列都是A的左奇异向量 `y$v`是矩阵且每一列都是A的右奇异向量
t(A)	A的转置

函数	说明
var,sd,cov
cor(x, y = NULL, use = “everything”,method = “pearson”)	data%>%cor%>%symnum(相关系数矩阵可视化) method in c(‘person’,‘spearman’,‘kendall’)
cor.test	相关性检验
anova	单因素方差分析
ancova	单因素协方差分析
lm/glm	线性回归
aov	方差分析模型