R函数 、选项参数、数学统计函数、描述性统计函数

R函数

state <- as.data.frame(state.x77[,c("Murder","Population","Illiteracy","Income","Frost")])
#将其转换为数据框
fit<- lm (Murder ~ Population+Illiteracy+Income+Frost,data=state)
#使用lm函数进行回归分析
summary(fit)#使用summary来总结分析结果
ls()#查看当前R环境中的对象
Sys.Date()#返回系统时间
a <- 1:100#同下
rm(a)#成功操作，但是函数不返回值
?heatmap#需要输入数字的矩阵
help(sort)#查看帮助文档
help(heatmap)

选项参数

ls("package:base")#列出基本包的函数
par()#查看par函数的参数列表
#帮助文档中的三个点表示参数可传递
length(par())#统计选项
?sum
#一般函数的选项参数分为输入控制部分
#输出控制部分、调节部分
#na.rm表示删除缺失值
?read.table
library(scatterplot3d)
?scatterplot3d
?plot
plot(c(1:20),c(seq(1,89,length.out = 20)),type="l",lty=1)
plot(c(1:20),c(seq(1,89,length.out = 20)),type="l",lty=2)
#修改参数值来推断某个参数的含义

数学统计函数

round(rnorm(n=100,mean = 15,sd=2))
#生成100个均值为15，方差为2的，服从正态分布的数，并且使用round取整
?Geometric
#查看几何分布
?Hypergeometric
#查看超几何分布
x=rnorm(n=100,mean = 15,sd=1)
qqnorm(x)#对一个随机数集画图
runif(1)#生成一个0到1之间的数
runif(50)
runif(10)*10
runif(50,min=1,max=100)#生成50个从1到100间的随机数
dgamma(c(1:9),shape = 2,rate = 1)#生成gamma分布的概率密度
set.seed(666)#使用randomseed，在随机中取确定
runif(50)
runif(50)
set.seed(666)
runif(50)

描述性统计函数

myvars <- mtcars[c("mpg", "hp", "wt", "am")]
summary(myvars)#直接进行统计
fivenum(myvars$hp)#返回五个基本统计量

#Descriptive stats via describe (Hmisc)
install.packages("Hmisc")
library(Hmisc)
myvars <- c("mpg", "hp", "wt")
describe(mtcars[myvars])

#Descriptive stats via stat.desc (pastecs)
install.packages("pastecs")
library(pastecs)
stat.desc(mtcars[myvars])
stat.desc(mtcars,basic = TRUE,desc = TRUE,norm = TRUE)
#使用stat.desc计算一些描述值、统计值
#Descriptive stats via describe (psych)
library(psych)
describe(mtcars[myvars],trim = 0.1)
Hmisc::describe(mtcars)#计算各自统计内容
#R中，后面载入的包的函数会覆盖掉前面载入的包的函数
#Descriptive stats by group with aggregate
library(MASS)

aggregate(Cars93[c("Min.Price","Price","Max.Price","MPG.city")],
          by=list(Manufacturer=Cars93$Manufacturer),mean)
#对数据按照分组信息进行统计，这里计算的价格
aggregate(Cars93[c("Min.Price","Price","Max.Price","MPG.city")],
          by=list(Manufacturer=Cars93$Manufacturer),sd)
#按照产地来分组
aggregate(Cars93[c("Min.Price","Price","Max.Price","MPG.city")],
          by=list(Origin=Cars93$Origin),mean)
aggregate(Cars93[c("Min.Price","Price","Max.Price","MPG.city")],
          by=list(Origin=Cars93$Origin),sd)
#按照产地分类计算标准差
aggregate(Cars93[c("Min.Price","Price","Max.Price","MPG.city")],
          by=list(Origin=Cars93$Origin,Manufacturer=Cars93$Manufacturer),mean)
#Descriptive stats by group with by
mystats <- function(x){
  m <- mean(x)
  s <- sd(x)
  return(c(mean=m, stdev=s))
}
dstats <- function(x)sapply(x,mystats)
by(mtcars[myvars], mtcars$am, dstats)

#Descriptive stats by group via summaryBy
install.packages("doBy")
library(doBy)
summaryBy(mpg+hp+wt~am, data=mtcars, FUN=mystats)

#Descriptive stats by group via describe.by (psych)
library(psych)
describeBy(mtcars[myvars], list(am=mtcars$am))

R函数 、选项参数、数学统计函数、描述性统计函数

原文：https://www.cnblogs.com/kwq717/p/14678358.html