R语言常用数学函数
语言的数学运算和一些简单的函数整理如下：
向量可以进行那些常规的算术运算，不同长度的向量可以相加，这种情况下最短的向量将被循环使用。
& x &- 1:4
[1] 10 20 30 40
[1] 11 12 13 14
& sum(x) & &
& &#对x中的元素求和
& prod(x) & &
& #对x中的元素求连乘积
& prod(2:8) & &
& & #8的阶乘
& prod(2:4) & &
& & #4的阶乘
& max(x) & &
&#x中元素的最大值
& min(x) & &
&#x中元素的最小值
& which.max(x) & &
&#返回x中最大元素的下标
& which.min(x) & &
&#返回x中最小元素的下标
& x &- 4:1 & &
&#对向量x重新赋值
[1] 4 3 2 1
& which.min(x)
& which.max(x)
& range(x) & &
#与c(min(x), max(x))作用相同
& mean(x) & &
&#x中元素的均值
& median(x) & &
&#x中元素的中位数
& var(x) & &
& & #x中元素的的方差（用n-1做分母）
[1] 1.666667
[1] 4 3 2 1
& rev(x) & &
& & #对x中的元素取逆序
[1] 1 2 3 4
& sort(x) & &
& &#将x中的元素按升序排列；
[1] 1 2 3 4
[1] 4 3 2 1
& cumsum(x) & &
&#求累积和，返回一个向量，它的第i个元素是从x[1]到x[i]的和
[1] 4 &7 &9 10
& cumsum(rev(x))
[1] 1 &3 &6 10
& y &- 11:14
& pmin(x,y) & &
&#返回一个向量，它的第i个元素是x[i], y[i], . . .中最小值
[1] 4 3 2 1
& x &- rev(x) #重新赋值
& pmin(x,y)
[1] 1 2 3 4
& pmax(x,y) &
#返回一个向量，它的每个元素是向量x和y在相应位置的元素的最大者
[1] 11 12 13 14
& cumprod(x) #求累积（从左向右）乘积
[1] 1 &2 &6 24
& cummin(x) &#求累积最小值（从左向右）
[1] 1 1 1 1
& cummax(x) &#求累积最大值（从左向右）
[1] 1 2 3 4
& match(x, y)
&#返回一个和x的长度相同的向量，表示x中与y中元素相同的元素在y中的位置（没有则返回NA）
[1] NA NA NA NA
& y[c(2,4)] &- c(2,4)
[1] 11 2 13 &4
& match(x, y)
[1] NA 2 & NA &4
na.omit(x)函数忽略有缺失值（NA）的观察数据（如果x是矩阵或数据框则忽略相应的行）
& na.omit(match(x,y))
attr(,"na.action")
attr(,"class")
[1] "omit"
& na.fail(match(x,y)) #na.fail(x)
如果x包含至少一个NA则返回一个错误消息
错误于na.fail.default(match(x,y)) : 对象里有遺漏值
which（）函数返回一个包含x符合条件（当比较运算结果为真（TRUE）的下标的向量，在这个结果向量中数值i说明x[i]
== a（这个函数的参数必须是逻辑型变量）
& which( x == 2)
& which( x &= 2)
& choose(4,2)
& choose(3,1)
& choose(-3,1)
& choose(-4,2)
& y &- c(1:4, rep(4,1))
[1] 1 2 3 4 4
& unique(y) &
&#如果y是一个向量或者数据框，则返回一个类似的对象但是去掉所有重复的元素（对于重复的元素只取一个）
[1] 1 2 3 4
& table(y) & &
&#返回一个表格，给出y中重复元素的个数列表(尤其对于整数型或者因子型变量)
& subset(x, x&2) #返回x中的一个满足特定条件...的子集
& sample(x, 2) #从x中无放回抽取size个样本，选项replace=
TRUE表示有放回的抽样
& sample(x, 2, replace = TRUE) #有放回的抽样
R中用来处理数据的函数太多了而不能全部列在这里。读者可以找到所有的基本数学函数(log, exp, log10, log2,
sin, cos, tan, asin, acos, atan, abs, sqrt,. . . ),
专业函数(gamma,digamma, beta, besselI, . . . )，同样包括各种统计学中有用的函数。
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。苹果/安卓/wp
积分 523, 距离下一级还需 277 积分
权限: 自定义头衔, 签名中使用图片
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡, 抢沙发下一级可获得
权限: 隐身
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
开心签到天数: 54 天连续签到: 1 天[LV.5]常住居民I
zz&-rnorm(300)
c=0
for (i in 1:(300-2)) {
& &c[i]=zz[i]+zz[i+1]+zz[i+2]
& &c
}复制代码
向这样不是累加，而是每三个加在一起，有没有这样一个函数，就不用循环了！
载入中......
总评分:&学术水平 + 1&
filter(zz, rep(1, 3))
热心帮助其他会员
热心帮助其他会员
热心帮助其他会员
总评分:&经验 + 50&
学术水平 + 4&
热心指数 + 3&
ntsean 发表于
filter(zz, rep(1, 3))嗯。谢谢！以前在时间序列的时候也用过这个函数，不过忘记了！移动平均。
ntsean 发表于
filter(zz, rep(1, 3))高手
最好的医生是自己，最好的药物是时间……
请问上面的一段程序 设置成复制代码是怎么弄的啊
Use rollapply from &zoo& package:
rollapply(zz,3,sum)
无限扩大经管职场人脉圈！每天抽选10位免费名额，现在就扫& 论坛VIP& 贵宾会员& 可免费加入
加入我们,立即就学扫码下载「就学」app& Join us!& JoinLearn&
  |
  |
  |
  |
  |
  |
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
京公网安备号
论坛法律顾问：王进律师R语言学习系列07-数值计算与自带函数_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
R语言学习系列07-数值计算与自带函数
上传于||文档简介
&&R​语​言​,​数​值​计​算​,​数​学​函​数​,​统​计​函​数​,​概​率​函​数
阅读已结束，如果下载本文需要使用1下载券
想免费下载本文？
定制HR最喜欢的简历
下载文档到电脑，查找使用更方便
还剩3页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢一、数据管理
vector：向量 numeric：数值型向量 logical：逻辑型向量 character；字符型向量 list：列表 data.frame：数据框 c：连接为向量或列表 length：求长度 subset：求子集 seq，from:to，sequence：等差序列 rep：重复 NA：缺失值 NULL：空对象 sort，order，unique，rev：排序 unlist：展平列表 attr，attributes：对象属性 mode，typeof：对象存储模式与类型 names：对象的名字属性
二、字符串处理
character：字符型向量 nchar：字符数 substr：取子串 format，formatC：把对象用格式转换为字符串 paste，strsplit：连接或拆分 charmatch，pmatch：字符串匹配 grep，sub，gsub：模式匹配与替换
complex，Re，Im，Mod，Arg，Conj：复数函数
factor：因子 codes：因子的编码 levels：因子的各水平的名字 nlevels：因子的水平个数 cut：把数值型对象分区间转换为因子 table：交叉频数表 split：按因子分组 aggregate：计算各数据子集的概括统计量 tapply：对&不规则&数组应用函数
+, -, *, /, ^, %%, %/%：四则运算 ceiling，floor，round，signif，trunc，zapsmall：舍入 max，min，pmax，pmin：最大最小值 range：最大值和最小值 sum，prod：向量元素和，积 cumsum，cumprod，cummax，cummin：累加、累乘 sort：排序 approx和approx fun：插值 diff：差分 sign：符号函数
二、数学函数
abs，sqrt：绝对值，平方根 log, exp, log10, log2：对数与指数函数 sin，cos，tan，asin，acos，atan，atan2：三角函数 sinh，cosh，tanh，asinh，acosh，atanh：双曲函数
beta，lbeta，gamma，lgamma，digamma，trigamma，tetragamma，pentagamma，choose ，lchoose：与贝塔函数、伽玛函数、组合数有关的特殊函数
fft，mvfft，convolve：富利叶变换及卷积 polyroot：多项式求根 poly：正交多项式 spline，splinefun：样条差值 besselI，besselK，besselJ，besselY，gammaCody：Bessel函数 deriv：简单表达式的符号微分或算法微分
array：建立数组 matrix：生成矩阵 data.matrix：把数据框转换为数值型矩阵 lower.tri：矩阵的下三角部分 mat.or.vec：生成矩阵或向量 t：矩阵转置 cbind：把列合并为矩阵 rbind：把行合并为矩阵 diag：矩阵对角元素向量或生成对角矩阵 aperm：数组转置 nrow, ncol：计算数组的行数和列数 dim：对象的维向量 dimnames：对象的维名 row/colnames：行名或列名 %*%：矩阵乘法 crossprod：矩阵交叉乘积（内积） outer：数组外积 kronecker：数组的Kronecker积 apply：对数组的某些维应用函数 tapply：对&不规则&数组应用函数 sweep：计算数组的概括统计量 aggregate：计算数据子集的概括统计量 scale：矩阵标准化 matplot：对矩阵各列绘图 cor：相关阵或协差阵 Contrast：对照矩阵 row：矩阵的行下标集 col：求列下标集
四、线性代数
solve：解线性方程组或求逆 eigen：矩阵的特征值分解 svd：矩阵的奇异值分解 backsolve：解上三角或下三角方程组 chol：Choleski分解 qr：矩阵的QR分解 chol2inv：由Choleski分解求逆
五、逻辑运算
&，&，&=，&=，==，!=：比较运算符 !，&，&&，|，||，xor()：逻辑运算符 logical：生成逻辑向量 all，any：逻辑向量都为真或存在真ifelse()：二者择一 match，%in%：查找 unique：找出互不相同的元素 which：找到真值下标集合 duplicated：找到重复元素
六、优化及求根
optimize，uniroot，polyroot：一维优化与求根
一、控制结构
if，else，ifelse，switch：分支 for，while，repeat，break，next：循环 apply，lapply，sapply，tapply，sweep：替代循环的函数。
function：函数定义 source：调用文件 call：函数调用 .C，.Fortran：调用C或者Fortran子程序的动态链接库。 Recall：递归调用 browser，debug，trace，traceback：程序调试 options：指定系统参数 missing：判断虚参是否有对应实参 nargs：参数个数 stop：终止函数执行on.exit：指定退出时执行 eval，expression：表达式计算 system.time：表达式计算计时 invisible：使变量不显示 menu：选择菜单（字符列表菜单）
其它与函数有关的还有：delay，delete.response，deparse，do.call，dput，environment ，，formals，，interactive，is.finite，is.function，is.language，is.recursive ，match.arg，match.call，match.fun，model.extract，name，parse，substitute，sys.parent ，warning，machine
三、输入输出
cat，print：显示对象 sink：输出转向到指定文件 dump，save，dput，write：输出对象 scan，read.table，load，dget：读入
四、工作环境
ls，objects：显示对象列表 rm, remove：删除对象 q，quit：退出系统 .First，.Last：初始运行函数与退出运行函数。 options：系统选项 ?，help，help.start，apropos：帮助功能 data：列出数据集
一、统计分布
每一种分布有四个函数：d――density（密度函数），p――分布函数，q――分位数函数，r――随机数函数。比如，正态分布的这四个函数为dnorm，pnorm，qnorm，rnorm。下面我们列出各分布后缀，前面加前缀d、p、q或r就构成函数名：
norm：正态，t：t分布，f：F分布，chisq：卡方（包括非中心） unif：均匀，exp：指数，weibull：威布尔，gamma：伽玛，beta：贝塔 lnorm：对数正态，logis：逻辑分布，cauchy：柯西， binom：二项分布，geom：几何分布，hyper：超几何，nbinom：负二项，pois：泊松 signrank：符号秩，wilcox：秩和，tukey：学生化极差
二、简单统计量
sum, mean, var, sd, min, max, range, median, IQR（四分位间距）等为统计量，sort，order，rank与排序有关，其它还有ave，fivenum，mad，quantile，stem等。
三、统计检验
R中已实现的有chisq.test，prop.test，t.test。
四、多元分析
cor，cov.wt，var：协方差阵及相关阵计算 biplot，biplot.princomp：多元数据biplot图 cancor：典则相关 princomp：主成分分析 hclust：谱系聚类 kmeans：k-均值聚类 cmdscale：经典多维标度 其它有dist，mahalanobis，cov.rob。
五、时间序列
ts：时间序列对象 diff：计算差分 time：时间序列的采样时间 window：时间窗
六、统计模型
lm，glm，aov：线性模型、广义线性模型、方差分析
阅读(...) 评论()苹果/安卓/wp
积分 2520, 距离下一级还需 1080 积分
权限: 自定义头衔, 签名中使用图片, 隐身, 设置帖子权限, 设置回复可见
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡, 抢沙发, 提升卡, 沉默卡下一级可获得
道具: 千斤顶
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
开心签到天数: 99 天连续签到: 1 天[LV.6]常住居民II
本帖最后由 李会超 于
14:15 编辑
引言2014年刚到, 就在 Feedly 订阅里看到 RStudio Blog 介绍 dplyr 包已发布 (Introducing dplyr), 此包将原本 plyr 包中的 ddply() 等函数进一步分离强化, 专注接受dataframe对象, 大幅提高了速度, 并且提供了更稳健的与其它数据库对象间的接口. 既然是 Hadley Wickham 的新作, 并自称 a grammar of data manipulation, 当然要先学为快了, 正好新申了域名, 就把原本记在 Rmd 里的笔记组织一下, 放在这里, 算是个简短的教程吧, 仅供入门.正文: 学习笔记以下内容主要参照 Introducing dplyr 和 dplyr 包自带的简介 (Introduction to dplyr), 复制了原文对应代码, 并夹杂了个人理解和观点 (多附于括号内).0 初始化0.1 安装install.packages(&dplyr&)0.2 示范数据library(Lahman): Lahman 包里的棒球比赛数据集 Battinglibrary(hflights): hflights 包里的飞机航班数据
0.3 数据集类型将过长过大的数据集转换为显示更友好的 tbl_df 类型:hflights_df &- tbl_df(hflights)可以 hflights_df 感受一下不再被刷屏的感觉.1 基本操作把常用的数据操作行为归纳为以下五种:1.1 筛选: filter()按给定的逻辑判断筛选出符合要求的子数据集, 类似于 base::subset() 函数例如:filter(hflights_df, Month == 1, DayofMonth == 1)用R自带函数实现:hflights[hflights$Month == 1 & hflights$DayofMonth == 1, ]除了代码简洁外, 还支持对同一对象的任意个条件组合, 如:filter(hflights_df, Month == 1 | Month == 2)注意: 表示 AND 时要使用 & 而避免 &&1.2 排列: arrange()按给定的列名依次对行进行排序.例如:arrange(hflights_df, DayofMonth, Month, Year)对列名加 desc() 进行倒序:arrange(hflights_df, desc(ArrDelay))这个函数和 plyr::arrange() 是一样的, 类似于 order()用R自带函数实现:hflights[order(hflights$DayofMonth, hflights$Month, hflights$Year), ]
hflights[order(desc(hflights$ArrDelay)), ]1.3 选择: select()用列名作参数来选择子数据集:select(hflights_df, Year, Month, DayOfWeek)还可以用 : 来连接列名, 没错, 就是把列名当作数字一样使用:select(hflights_df, Year:DayOfWeek)用 - 来排除列名:select(hflights_df, -(Year:DayOfWeek))同样类似于R自带的 subset() 函数 (但不用再写一长串的 c(&colname1&, &colname2&) 或者 which(colname(data) == &colname3&), 甚至还要去查找列号)1.4 变形: mutate()对已有列进行数据运算并添加为新列:mutate(hflights_df,& &gain = ArrDelay - DepDelay,& &speed = Distance / AirTime * 60)作用与 plyr::mutate() 相同, 与 base::transform() 相似, 优势在于可以在同一语句中对刚增加的列进行操作:mutate(hflights_df,& &gain = ArrDelay - DepDelay,& &gain_per_hour = gain / (AirTime / 60))而同样操作用R自带函数 transform() 的话就会报错:transform(hflights,& &gain = ArrDelay - DepDelay,& &gain_per_hour = gain / (AirTime / 60))1.5 汇总: summarise()对数据框调用其它函数进行汇总操作, 返回一维的结果:summarise(hflights_df,& &delay = mean(DepDelay, na.rm = TRUE))等同于 plyr::summarise(), 原文说该函数功能尚不是非常有用, 大概以后的更新会加强吧.2 分组动作 group_by()以上5个动词函数已经很方便了, 但是当它们跟分组操作这个概念结合起来时, 那才叫真正的强大! 当对数据集通过 group_by() 添加了分组信息后,mutate(), arrange() 和 summarise() 函数会自动对这些 tbl 类数据执行分组操作 (R语言泛型函数的优势).例如: 对飞机航班数据按飞机编号 (TailNum) 进行分组, 计算该飞机航班的次数 (count = n()), 平均飞行距离 (dist = mean(Distance, na.rm = TRUE)) 和 延时 (delay = mean(ArrDelay, na.rm = TRUE))planes &- group_by(hflights_df, TailNum)delay &- summarise(planes,& &count = n(),& &dist = mean(Distance, na.rm = TRUE),& &delay = mean(ArrDelay, na.rm = TRUE))delay &- filter(delay, count & 20, dist & 2000)用 ggplot2 包作个图观察一下, 发现飞机延时不延时跟飞行距离没太大相关性:ggplot(delay, aes(dist, delay)) +& &geom_point(aes(size = count), alpha = 1/2) +& &geom_smooth() +& &scale_size_area()(图就不上了, 右键复制来的链接太凶残了, 看着像是现算的)更多例子见 vignette(&introduction&, package = &dplyr&)另: 一些汇总时的小函数n(): 计算个数n_distinct(): 计算 x 中唯一值的个数. (原文为 count_distinct(x), 测试无用)first(x), last(x) 和 nth(x, n): 返回对应秩的值, 类似于自带函数 x[1], x[length(x)], 和 x[n]
注意: 分组计算得到的统计量要清楚样本已经发生了变化, 此时的中位数是不可靠的3 连接符 %.%包里还新引进了一个操作符, 使用时把数据名作为开头, 然后依次对此数据进行多步操作.比如:Batting %.%& & group_by(playerID) %.%& & summarise(total = sum(G)) %.%& & arrange(desc(total)) %.%& & head(5)这样可以按进行数据处理时的思路写代码, 一步步深入, 既易写又易读, 接近于从左到右的自然语言顺序, 对比一下用R自带函数实现的:head(arrange(summarise(group_by(Batting, playerID), total = sum(G)) , desc(total)), 5)或者像这篇文章所用的方法:totals &- aggregate(. ~ playerID, data=Batting[,c(&playerID&,&R&)], sum)ranks &- sort.list(-totals$R)totals[ranks[1:5],]文章里还表示: 用他的 MacBook Air 跑 %.% 那段代码用了 0.036 秒, 跑上面这段代码则用了 0.266 秒, 运算速度提升了近7倍. (当然这只是一例, 还有其它更大的数字.)更多请 ?&%.%&, 至于这个新鲜的概念会不会和 ggplot2 里的 + 连接号一样, 发挥出种种奇妙的功能呢? 还是在实际使用中多体验感受吧.感想可以看到, 用 dplyr 所含函数实现的代码都要简洁易读得多, 说到底, R语言只是一个工具, 作为工具, 就是要拿来用的, 越称手越便利越简洁越好, 可是, 正如 Hadley Wickham 在2013年的访谈中提到的那样:如果你用了8小时进行数据清理和数据整理，而只用了2小时进行建模，那么很明显，你希望了解如何将数据清理和整理的时间尽可能缩短。反思之下, 本人也是将大把的时间花在了对数据的反复调整上, 或许是手生, 当然R语言在这方面也确实有一定不足, 大神又说了:数据分析有两个瓶颈，一是我们的目标是什么，二是我们如何用计算机去实现。我现有的很多作品，如 ggplot2，plyr 和 reshape2，更关注的是如何更简单地表达你的目标，而不是如何让计算机算得更快。这种内在的理念正是要将工具工具化, 把无谓的时间减少, 让精力用在真正需要考虑的地方. 正如 Vim 一样, 在投入一定的学习成本后, 继续用继续学, 不知不觉地就能心手如一, 想做什么, 就已经按下去了, 从而更多地思考要编辑什么, 而不必纠结于光标移动选择等细节. 这其中的巧妙之处在于: 实现过程要以人脑的思维运作方式为标准, 让工具来适应人, 以实现目的为导向, ggplot2 的图形图层语法也是如此. 不管是软件也好, 编程语言也好, 高效的方法都是相通的, 这也正是许多人努力的方向, 另外平素语出惊人的王垠最近也表达了类似观点.顺便肖凯老师在网易云课堂新开的R语言初级教程里提到了十大必学R包的说法, 并把 plyr 列为之一, 有趣的是居然还有人在问答平台上求详情, 好奇之下放狗一搜, 原来出处在此 (脱水版), 其中 ggplot2 和 reshape2 是平时都有在用的, 还有实用的 knitr 和 Slidify , 其它就没什么发言权了.深入学习暂时没有太多的相关资料, 如欲进一步学习, 可参阅:dplyr 包自带的60页详细文档其余几个vignettes (网页) 或 vignette(package = &dplyr&) , 包含了数据库相关, 混合编程, 运算性能比较, 以及新的 window-functions 等内容.
简单看了下vignette(&window-functions&, package = &dplyr&), 提供了一系列函数, 扩展了原来只能返回一个数值的聚焦类函数(如sum(), mean())至返回等长度的值, 变成 cumsum()和 cummean(), 以及 n(), lead() 和 lag()等便捷功能.plyr 包的相关文档: 主页还有 data.table 包也是很强大的哦, 空下来可以学一学
支持楼主：、
购买后，论坛将把您花费的资金全部奖励给楼主，以表示您对TA发好贴的支持
载入中......
总评分:&经验 + 100&
论坛币 + 100&
学术水平 + 5&
热心指数 + 2&
信用等级 + 5&
本帖被以下文库推荐
& |主题: 114, 订阅: 14
学无止境，坚持！
这个包里的管道挺出名
%&%&&%&&%等
yywan0913 发表于
这个包里的管道挺出名
%&%&&%&&%等恩，有点类似于那种数据挖掘软件，一步步的数据处理
学习一下。
这个包在哪里下载啊？
xerlove2008 发表于
这个包在哪里下载啊？http://mirror./cran/
连接符号是%&%,而不是%.%，尽管这两个在键盘是同一个键。
我看了很多转载的文章，都写成后者了。
难道以前是.，后来成了&了吗
浏览过的帖子
浏览过的版块
  |
  |
  |
  |
  |
  |
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
京公网安备号
论坛法律顾问：王进律师
