1、数据分析金字塔

2、【文件】-【改变工作目录】

3、【程序包】-【设定CRAN镜像】

    【程序包】-【安装程序包】

4、向量 c()

   例：x=c(2,5,8,3,5,9)

   例：x=c(1:100) 表示把1 - 100的所有数字都给x这个变量

5、查看x的类型：>mode(x)

6、查看x的长度：>length(x)

7、将两个向量组成一个矩阵：

   >rbind(x1, x2)  注：r是row的意思，即行，按行组成矩阵。

   >cbind(x1, x2)  注c是column的意思，即列，按列组成矩阵。

8、求平均值：>mean(x)  注：R语言大小写敏感

   对列求平均值：colMeans(x)

   apply(x, 2, mean)  --对x在列的方向求平均值，如果2改成1则对行求平均值。很强大。

   求和：>sum(x)

   求最小值：>max(x)

   求最大值：>min(x)

   求方差：>var(x) 作用：反应数据离散的情况，方差越大离散情况越大。

求标准差：>sd(x)  作用：和方差反应的差不多

求连乘：>prod(x)

9、帮助：>help(mode) 或 ?mode

10、等号：<- 的功能等同于 =，都是赋值的意思。

11、向量的产生

1）形成等差向量：>1:10

2）形成的向量每个都减1：>1:10-1

3）形成的向量每个都乘以2：>1:10*2

4）形成的向量先乘以2再加1：>1:10-2+1

5）显示向量x的第n个元素：>x[n]

6）向量x除了第n个元素不显示，其它都显示：>x[-n]

7）把向量x中的第1到5个元素显示出来：>x[1:5]

8）向量x除了第1到5个元素不显示，其它都显示：>x[-(1:5)]

9）把向量x中小于20的元素显示出来：>x[x<20]

12、按照指定的规律形成向量：>seq(5, 20)  --形成从5到20的向量，步长为1。

   >seq(5, 20, by=2)  --步长为2进行增长，可以简写为：>seq(5, 20, 2)

   >seq(5, 200, length=10)  --形成10个从2到200的向量。

13、产生26个字母的向量：>letters[1:30]

14、which()函数

   >x=(2,4,5,6,8,4,5,8,6,9,0,7,1)

   >which.max(x)  --取得向量x中最大值的下标。

   >x[which.max(x)]  --这个可以取出向量x中的最大修正。

   >which(x==2)  --取出向量x中值为2的元素下标。

   >which(x>5)

15、将向量颠倒：>rev(x)

16、升序：>sort(x)

      除序：>rev(sort(x))

17、生成矩阵的函数：>matrix()

   >x=(1:20)

   >matrix(x, nrow=4, ncol=5)  --把向量x生成一个4行5列的矩阵，默认是按列生成。

   >matrix(x, nrow=4, ncol=5, byrow=T)  --把向量x生成一个4行5列的矩阵，按行生成。

18、矩阵行列转换函数：>t()

   例如：矩阵x 4行5列

   >t(x)  --x变成了5行4列

   矩阵加减时，两个矩阵要有相同的行列数。

19、矩阵相乘：>x%*%y

20、求方阵的对角线：>diag(x)  --x是矩阵，方阵。

生成以向量x为对角线的矩阵：>diag(x)  --x是向量

形成4阶的单位矩阵：>diag(4)

21、按正态分步形成一个16个数字的向量：>rnorm(16)

22、矩阵求逆：>solve(x)  --运算结果是解线性方程组ax = b，若b缺省，则系统默认为单位矩阵，因此可用其进行矩阵求逆。

例：>solve(2, 6) 结果为：3，注：参数可以是向量也可以是矩阵。

23、求矩阵的特征值：>eigen()

24、判断是否是向量：>is.vector(x)

      判断是否是数组：>is.array(x)

      判断是否是矩阵：>is.matrix(x)

25、将一个向量转化成矩阵（数组）

      >x=c(3:8)

      >dim(x)<-c(2,3)  --形成一个2行3列的矩阵，矩阵就是一个多维的数组。

26、数据框与矩阵

      矩阵里的数据都是数字类型，但是数据框里是各种形态。在实际应用中，数据框更贴合我们。

      行称为观测值，列称为变量。

      生成数据框：>data.frame(x1, x2)  --x1、x2是两个长度相等的向量，也就是两个列。

27、散点图函数：>plot(x)  --x是上面形成的数据框。

      plot()是一个博大精深的函数。

28、读文本数据。首先要设置工作目录，然后把文件放于该目录下。

      >(x=read.table(“abc.txt”))

      文本或excel的数据均可通过剪切板操作。

      >y<-read.table(“clipboard”, header=F)

29、读excel数据方法一

      首先另存为csv文件，然后：>read.csv(“1234.csv”, header=T)

30、读excel数据方法二

      首先安装RODBC包，安装方法见上；

      然后装载RODBC：>library(RODBC)

      接着读取excel文件：>z<-odbcConnectExcel(“test.xls”)

      最后读取数据：(w<-sqlFetch(z, “Sheet1”))

31、for循环语句

      >for(i in 1:59) {a[i]=i}

      >a

32、while循环语句

      >while (a[i]<121) {i=i+1; a[i]=a[i-1]+2}

33、运行R脚本函数：>source(“D:\\h.r”)

      在脚本中输出要用print()函数，否则看不到结果。这个和控制台输出不一样。

34、几个常用函数

      正态分步函数：rnorm()

      泊松分步函数：rpois()

      指数分步函数：rexp()

      Gamma分步函数：rgamma()

      均匀分步函数：runif()

      二项分步函数：rbinom

      几何分步函数：rgeom()

      四舍五入函数：round()

35、将数据框写入文本文件

      >write.table(x, file=”D:\\mark.txt”, col.name=F, row.name=F, sep=””)

36、绘制直方图函数：hist()

      对x数据框中的x1列进行绘制直方图：>hist(x$x1)

37、体现某两列的关联关系，绘制x1,x2列的散点图：>plot(x$x1, x$x2)

38、列联表分析

      首先进行列联分析：>table(x$x1)

      然后绘制柱状图：>barplot(table(x$x1))

39、饼图函数：<pie()

      例：pie(table(x$x1))  --同样要先进行列联

40、箱尾图：>boxplot(x$x1, x$x2, x$x3)  --体现数据的集中情况，与方差的作用差不多。

      异常值、孤立点要排除掉

      水平箱尾图：>boxplot(x$x1, x$x2, x$x3, horizontal=T)

41、星相图：>stars(x[c(“x1”, ”x2”, ”x3”)])

      其它样式：> stars(x[c(“x1”, ”x2”, ”x3”)], full=T, draw.segment=T)

42、脸谱图：>faces(x[c(“x1”, ”x2”, ”x3”)])

      首先要安装aplpack包。

43、茎叶图：>stem(x$x1)

      体现每一个区间段有多少人。

44、QQ图

      >qqnorm(x1)

      >qqline(x1)

      用于判断是否正态分步、直线的斜率等

45、散点图

46、连线图

47、画线函数：>lines(x$x1, type=”l”, col=”blue”, lwd=2)  --lwd：线宽

48、密度函数：>density()

49、R语言内置数据集：>data()

50、热力图函数：>heatmap()

51、散点图集：>pairs()

52、在同一个device中输出多个散点图：>par(mfrow=c(3,1))

53、查看有多少颜色：>colors()

54、关于绘图参数

55、三维散点图

      首先安装scatterplot3d包

      >scatterplot3d(x[2:4])

56、调和曲线图，目的是用于聚类判断非常方便

      >source(“D:\\unison.R”)

      >unison(x[2:4])

57、地图

      首先安装maps包

      >map(“world”, fill=TRUE, col=head.colors(10))

58、社交数据可视化

      首先安装maps包和geosphere包，并加载。

      画出美国地图：>map(“state”)

      更多……

59、概率的相关知识（自己学习）

      概率：

      必然事件：

      不可能事件：

      对立事件：

      互斥事件：

      概率密度：

离散型分步：两点分步、二项分步、泊松分步

连续型分步：均匀分步、指数分步、正态分步

60、向量可以形象化地表示为带箭头的线段。箭头所指：代表向量的方向；线段长度：代表向量的大小。

61、R语言的各种分步函数

62、随机变量的数字特征

      1）期望（平均值）

      2）方差，可以理解为样本点距均值点的距离。

         标准差

63、总体与抽样

      大数定理与中心极限定理的意义

      常用统计量：样本均值，样本方差，标准差，众数，最小值，最大值，分位数，中位数 median()，百分位数 quantile()，上下四分位数。

64、五数总括：>fivenum(x$x1, na.rm=TRUE)

      中位数，下四分位数，上四分位数，最小值和最大值

65、相关系数：>cor(x$x1, x$x2)，  cor.test(x$x1, x$x2)

      协方差：>cov(x$x1, x$x2)

66、一元线性回归，解决预测。

      最重要的是把回归直线求出来。

      >lm(w~1+h)   --线性模型函数

      >summary(a)  --查看详情信息

      预测函数：

      >z=data.frame(x=185)

      >priedict(a, z)

      前提：数据必须是正态分步、因变量和自变量必须是线性关系。

67、建立多元线性回归模型

      >s=lm(Fertility ~ ., data=swiss)  --点的含义是除因变量外所有的自变量

      >print(s)

      >summary(s)  --查看模型汇总信息

      注：如果不合适就要不停的修正，直到最好。方法如下：

      --逐步回归

      --向前引入法

      --向后剔除法

      --逐步筛选法

      >step(s, direction=”forward”)  --上面的方法无需手动操作，公式自动完成。

68、正态分步检验函数：>Shapiro.test()

69、R抽取随机数：> sample(0:1, size=30, replace=TRUE)

70、MIC