sumarry().str()

subset(),airquality[airquality$Temp>80,]

 subset(airquality,Temp>80,select = c(Ozone,Temp)),all,any,with()

sqldf()

apply函数，非常实用！apply(iris[,-5],1,mean)

sapply(iris[,-5],mean),按列操作

控制流：if-else,if(){}else();switch(case,case1,case2)

for循环语句：

x<-1:200

count<-function(x){
  count1<-0
  for(i in 1:length(x)){
    if(x[i]%%2==1){
      count1<-count1+1
    }
  }
  return(count1)
}
count(x)

count2<-function(x){
  cou<-sum(x%%2==1)
  return((cou))
}
count2(x)

while循环语句：while(){},条件判断

a<-0
calcu<-0
while (a<=10) {
a=a+1
if(a%%2==1){
  calcu<-calcu+1
}#求奇数个数
}

repeat，break

a<-0
repeat{
  a<-a+1
  if(a%%2==1){
    print("I LOVE YOU")
  }else{print("I LOVE HIM")}
  
  if(a>=100){
     break
 }
}

x<-1:20
Num<-function(x){
  stopifnot(is.numeric(x))
  k<-sum(x%%2==0)
  return(k)
  }

Num(x)

x<-1:20
Num<-function(x){
  k=0
  stopifnot(is.numeric(x))
  for (i in 1:length(x)) {
    if(i%%2==0){
      k=k+1
    }
  }
  return(k)
}

Num(x)

txt<-readLines("/Users/git/Desktop/Word.txt")
txt<-strsplit(txt,' ')
class(txt)
txt=unlist(txt)
class(txt)
txt<-chartr("A-Z", "a-z", txt)
txt1<-gsub('[[:punct:]]\\w?','',txt)
txt2<-table(txt1)
txt2<-sort(txt2,decreasing = T)
barplot(txt2[1:100])

sum(txt2)

##############鸢尾花神经网络识别####################
#随机抽取80%样本作为训练样本
library(nnet)
iris
trIn<-c(sample(1:50,40),sample(51:100,40),sample(101:150,40))
trainD<-iris[trIn,]#训练样本集
testD<-iris[-trIn,]#测试样本集
ide<-class.ind(iris$Species)#类别识别预处理
#构建神经网络，模型训练
#Net<-nnet(trainD[,-5],ide[trIn,],size =5,softmax = TRUE,decay=0.05)
Net<-nnet(trainD[,-5],ide[trIn,],size =5,softmax = TRUE)
#测试神经网络
Result<-predict(Net,testD[,-5],type='class')
#分类结果
OUTCOME<-table(testD$Species,Result)

iris#调用鸢尾花样本集
library(rpart)#加载决策树包
par(family='STXihei')#图形设置避免出现中文乱码
ct<-rpart.control(minsplit = 20,cp=0.1)
#minsplit表示每个节点中所含样本值，cp为复杂度参数,表示建模过程中仅仅保留模拟拟合度提升0.1及以上的节点
fit<-rpart(Species~Sepal.Length+Sepal.Width+Petal.Length+Petal.Width,data = iris,method = "class",control = ct)
#第一种分类
par(mfrow=c(1,3))
plot(fit)
text(fit,use.n=T,all=T,cex = 0.9)

#查看比较
iris[iris$Petal.Length<2.45,]
x<-iris[iris$Petal.Length>=2.45 & iris$Petal.Width<1.75,'Species']
table(x)

行列名称

colnames(iris) 花函数

matrix构造矩阵

cbind列拼

rbind行拼

R

工作空间

getwd()       查看当前的工作目录

setwd()        设定当前的工作目录

读入一个不在工作空间里面

Windows系统下

C:\\Users\\dell\\Desktop\\Mathor\\C的主成分

C:/Users/dell/Desktop/Mathor/C的主成分

tools-------install.packages()

class()查看是什么字符型

字符型单引号或者双引号

数值型逻辑性字符型三种

c()构造向量

Rstudio可以

mathsoft完善s语言
 rRobert gentieman 和 ross ihaka 完善r系统 
 两个软件有一定的兼容性
 
开源 
庞大且活跃的社区维护 
可扩展能力强 灵活度高 
多平台运行
ws lx mox
都兼容 
专业数据分析领域的标准工具

解释性语言 速度慢
 计算都在内存中进行的
标准相对不不统一

ws 等所有都是二进制版本
  启动r会自动运行 不需手动
 users chenmo//
 


包 是r函数 数据 预编译代码以一种定义完善的个十足场的集合 
comman dmoondanlk ndiknaaldakjsz'
  ir

1.class用于查看数据类型

2.符号c用于创造向量

3.cbind 按列合并    rbind 按行合并

4.函数data frame 构造数据框

5.函数list

课堂练习

 2+1 

  2*3 

12^2+21^2

  sin(40)+cos(30)