189 8069 5689
用法：assign(x, value, pos = -1, envir = as.environment(pos), inherits = FALSE, immediate = TRUE)
为台前等地区用户提供了全套网页设计制作服务，及台前网站建设行业解决方案。主营业务为成都网站制作、网站设计、台前网站设计，以传统方式定制建设网站，并提供域名空间备案等一条龙服务，秉承以专业、用心的态度为用户提供真诚的服务。我们深信只要达到每一位用户的要求，就会得到认可，从而选择与我们长期合作。这样，我们也可以走得更远！
assign函数在循环时候，给变量赋值。
举例说明：
1、
for (i in 1:(length(rowSeq)-1)){
assign(paste("nginx_server_fields7_", i, sep = ""), nginx_server_fields7[(rowSeq[(i-1)+1]):(rowSeq[i+1]), ])
}
2、
for (i in 1:3){
assign(paste("a", i, sep = ""), i:10)
}
ls()
[1] "a1" "a2" "a3" "i"
a1
[1] 1 2 3 4 5 6 7 8 9 10
a2
[1] 2 3 4 5 6 7 8 9 10
a3
[1] 3 4 5 6 7 8 9 10
1、paste函数可用于字符串连接
用法：paste (..., sep = " ", collapse = NULL)，分隔符默认为空格
我们简单举个例子
1）paste("a","b") ##能连接a b
[1] "a b"
paste("a","b","c")
[1] "a b c"
2）设置分隔符paste("a","b",sep="=") ##注意到用等号分隔了
[1] "a=b"
3）连接多个元素paste("a",1:5,sep="") ##会自动每个元素与a相连
[1] "a1""a2""a3""a4""a5"
4）paste("a",1:5,".pdf",sep="") ##比如想批量输出文件名
[1] "a1.pdf""a2.pdf""a3.pdf""a4.pdf""a5.pdf"、
2、collapse参数
谢益辉大佬说这个参数引无数英雄竞折腰啊，大家只会sep
1）paste("a",1,collapse="+") ##注意到了吧，collapse没用上
[1] "a 1"
2）paste(c("a","b","c"),collapse="+") ##这样就很容易理解了，collapse折叠起了元素
[1] "a+b+c"
3）paste("a",1:5,sep="") ##再来更明显的举例
[1] "a1""a2""a3""a4""a5"
4）paste("a",1:5,sep="",collapse="+") ##先在元素间连接，然后折叠
[1] "a1+a2+a3+a4+a5"
3、与paste0函数的区别
paste0函数，默认sep=""是两个函数唯一的区别
paste(c("a","b","c"),1:3)##默认空格符
[1] "a 1""b 2""c 3"
paste(c("a","b","c"),1:3,sep=" ")
[1] "a 1""b 2""c 3"
paste(c("a","b","c"),1:3,sep="")
[1] "a1""b2""c3"
如果两个向量长度不同paste(c("a","b","c"),1:5) ##超出范围后继续从前向后连接
[1] "a 1" "b 2" "c 3" "a 4" "b 5"
paste0(c("a","b","c"),1:3)#默认元素连接为sep=""
[1] "a1""b2""c3"
用法：unlist()函数的作用，就是将list结构的数据du，变zhi成非list的数据，即将list数据变成 字符串向量 或者数字向量的形式
如果是向量的话就直接输出向量
例子：
%in%相当于match()函数的一个缩写。用来判断一个数组或矩阵是否包含在另一个数组或矩阵里。举个例子一目了然：
#首先复制两个变量a和b
a - 1:5
b - 3:7
a %in% b #看a的元素是否包含在b中输出结果如下：
[1] FALSE FALSE TRUE TRUE TRUE
用法：apply(x, MARGIN, FUN, ...)
作用：对 矩阵 的行或列使用函数，或者对 数组 的各个维度使用函数
x为数据对象，MARGIN是维度的下标，MARGIN=1表示行，MARGIN=2表示列，FUN是自己指定的任意或自定义函数
注：数据框dataframe也可以使用apply函数，该函数会自动将数据框转化为矩阵，但前提是数据框中各列的数据类型 必须是数值型，否则会报错。
用法：lapply(x,FUN,...)
作用：对列表中的各个元素使用函数
x是格式为列表的数据源，FUN是任意函数。
intersect(data1，data2)：交集
union(data1，data2)：并集
r语言中的c()函数，用来把一些数据组合成向量。
如：x-c(1,2)
把1，2两个数，组合成向量（1，2），并存入变量x。
C语言中，函数调用的一般形式为：
函数名(实际参数表)
对无参函数调用时则无实际参数表。实际参数表中的参数可以是常数、变量或其它构造类型数据及表达式。各实参之间用逗号分隔。
#includestdio.h
int fun(int x, int y); // 函数声明，如果函数写在被调用处之前，可以不用声明
void main()
{
int a=1, b=2, c;
c = fun(a, b); // 函数的调用，调用自定义函数fun，其中a，b为实际参数，传递给被调用函数的输入值
}
// 自定义函数fun
int fun(int x, int y) // 函数首部
{ // {}中的语言为函数体
return xy ? x : y; // 返回x和y中较大的一个数
}
扩展资料
C语言中不允许作嵌套的函数定义。因此各函数之间是平行的，不存在上一级函数和下一级函数的问题。但是C语言允许在一个函数的定义中出现对另一个函数的调用。
这样就出现了函数的嵌套调用。即在被调函数中又调用其它函数。这与其它语言的子程序嵌套的情形是类似的。其关系可表示如图。
图表示了两层嵌套的情形。其执行过程是：执行main函数中调用a函数的语句时，即转去执行a函数，在a函数中调用b 函数时，又转去执行b函数，b函数执行完毕返回a函数的断点继续执行，a函数执行完毕返回main函数的断点继续执行。
参考资料：函数调用_百度百科
1. 判断存在：一个元素是不是在向量中用 a%in%b
a="TT"
b=c("AA","AT","TT")
a %in% b
[1] TRUE
2. 判断某一元素这向量中的索引（第几个位置）： index.TT=which(b==”TT”)
index.TT=which(b=="TT")#index.TT是想知道的索引号，which是判断函数，b是想知道的元素所在的向量
index.TT
[1] 3
3. 相当于 python 中的字典， names 函数
b
[1] "AA" "AT" "TT"
names(b)=c("geno1","geno2","geno3")#geno mean genotype
names(b)
[1] "geno1" "geno2" "geno3"
names(b)[1]
[1] "geno1"
names(b)[1]="test"
names(b)
[1] "test""geno2" "geno3"
names(b)=NULL
b
[1] "AA" "AT"
b["geno2"]
"AT"
pop_name=c(“CEU”,"YRI")
names(pop_name)=c(1,2)
names(pop_name[1])=1
4. 去除某一元素： b[-index.nu]
#想去除元素”TT”,如果你不知道是第几个索引，可以先判断索引，再删除。
b=c("AA","AT","TT")
names(b)=c("geno1","geno2","geno3")
index.TT=which(b=="TT")
b=b[-index.TT]
b
geno1 geno2
"AA""AT"
5. 相当于 Python 中的 set() 函数 和 count() 函数： unique() ， table()
b=c("TT","AT","AT","TT","AA")
unique(b)#即相当于去除所有的重复，只保留一个
[1] "TT" "AT" "AA"
table(b)#以元素为name,统计各元素的个数
b
AA AT TT
122
6. 字符串的分割： strsplit()
test="AA"
strsplit(test)
错误于strsplit(test) :缺少参数"split",也没有缺省值
strsplit(test,split='')
[[1]]
[1] "A" "A"
test=strsplit(test,split='')[[1]]
test
[1] "A" "A"
7. 文本文档的写入： write.table()
write.table( res.matrix,file=new.file,sep='\t',quote=F,row.names=F,col.names=F,append=T)#quote=F去掉引号后写入，row.names=F去掉行的名字写入，否则会把名字写进去
##写入数据时候最好把数据存储成一个matrix然后直接写。要是每行每行写的话要注意数据的格式了。先建立一个空的matrix，见8，然后通过rbind或者cbind叠加上去。
方法一：
a=c()
b=c(“AA”,”TT”,”CC”)
for (i in 1:3){
a=c(a,b)
}
write.table(a,file=”test.txt”)#你会发现结果是
AA
TT
CC
….
##而且还有行和列的名字，因为没有设置参数。因为对于c向量来说，写的话默认是竖着写的，每个元素占一行。所以比较方便的就是rbind
方法二：
a=c()
b=c(“AA”,”TT”,”CC”)
for (i in 1:3){
a=rbind(a,b)
}
write.table(a,file=”test.txt”，quote=F,row.names=F,col.names=F)#你会发现结果是
AA TT CC
AA TT CC
AA TT CC
##原因是rbind把最总结果当做矩阵了。对于R数据的写入最好能生成最后的矩阵再写入。但是西面的梅一行写一次和方法二的效果是想通的，但是要用到append参数。
a=c()
b=c(“AA”,”TT”,”CC”)
for (i in 1:3){
a=rbind(a,b)
write.table(a,file=”test.txt”，quote=F,row.names=F,col.names=F,append=T)
}
8. 建立一个空的 matrix ：
res.matrix - matrix( ,nrow=0,ncol=6 )##这样就建立了一个0行6列的空matrix了。
9. 如何将 R 运行结果输出到文件
x=read.table("F:/my/work/chengxu/PValue/pc2jieguo/pc2302.txt")
z=t(x)
ks.test(y,z)
Two-sample Kolmogorov-Smirnov test
data:y and z
D = 0.207, p-value 2.2e-16
alternative hypothesis: two-sided
如上面运行结果，我想将p-value 2.2e-16自动保存到一个文件中，如何用R程序实现，谢谢！
sink("output.txt")
print(ks.test(y,z)$p.value)
sink()
10 降序排列：
a=c(1,1.2,0.1,4,5,-0.1)
a=sort(a,decreasing=T)
a
[1]5.04.01.21.00.1 -0.1
11. 取前1％的数
a=c(1:10,4:20,1:100,1:1000)
a=sort(a,decreasing=T)#先降序
sig=a[round(length(a)*0.01)]
sig
[1] 990
12.在shell中直接执行R脚本
R CMD BATCH --argstest.R
13. R中高级作图的方法
14:设置字体类型：
par(family='Times New Roman')
15:控制图形四周的空白大小
par(mfrow=c(3,1),mar=c(0,0,0,0))
其中mar是四周的间距,分别为x,y上下的距离
16控制作图区域的大小layout
layout(c(1,2,3),height=c(1,1,0.5))
分成竖着三份， 其中三份比列依次为（高度依次为2：2：1）
17保留两位小数
round(0.123,digits=2)
18 在原有图的基础上画图：
par(fig=c(0.1,0.5,0.43,0.65), new=TRUE)
19 只显示y轴
plot(1:10,1:10,axes=F)
axis(2,at.....)
20 调节刻度方向 las
plot(1:10,1:10,las=1)
21 屏幕分割
layout(matrix(1:16,4,4))＃＃＃竖着plot
par(mfrow=c(4,4))##横着plot
22.逻辑表示或者
xor为异或，两值不等为真，两值相等为假。例：xor(0, 1)
23. 从向量中随机取几个数sample
sample(rep(1:1000),10)
23 字符串转换成小数浮点型
as.numeric("0.123")
24. 读取不规范的文本
f=readLines(afile,n=1)＃n表示读几行
f=strsplit(f,'\t')##分割
f[1][[1]]##第一行
f[1][[1]][1]##第一行 第一个字符串
25. write 写入文件
write(afile, "a\tb\t",append=T) #沿着每行一次 写入
26. 不需要循环，这直接对matrix没行或者每列进行筛选操作apply（）
apply（data,col2 or row1, max0）
27.保留2位小数
a=2.300
a=as.numeric(sprintf(“%.3f”,a))
28。调出假设检验的p value
t.test(data1,data2)$p.value
R语言常用函数整理本篇是基础篇，即R语言自带的函数。
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，class，typeof：对象存储模式与类型
names：对象的名字属性
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()、paste0()不仅可以连接多个字符串，还可以将对象自动转换为字符串再相连，另外还能处理向量。
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
dev.new() 新建画板
plot()绘制点线图,条形图,散点图.
barplot( ) 绘制条形图
dotchart( ) 绘制点图
pie( )绘制饼图.
pair( )绘制散点图阵
boxplot( )绘制箱线图
hist( )绘制直方图
scatterplot3D( )绘制3D散点图.
par()可以添加很多参数来修改图形
title( ) 添加标题
axis( ) 调整刻度
rug( ) 添加轴密度
grid( ) 添加网格线
abline( ) 添加直线
lines( ) 添加曲线
text( ) 添加标签
legend(） 添加图例
+, -, *, /, ^, %%, %/%：四则运算 ceiling，floor，round，signif
1、round() #四舍五入
例：x - c(3.1416, 15.377, 269.7)
round(x, 0) #保留整数位
round(x, 2) #保留两位小数
round(x, -1) #保留到十位
2、signif() #取有效数字(跟学过的有效数字不是一个意思)
例：略
3、trunc() #取整
floor() #向下取整
ceiling() #向上取整
例：xx - c(3.60, 12.47, -3.60, -12.47)
trunc(xx)
floor(xx)
ceiling(xx)
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
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
rownames，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
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
，，=，=，==，!=：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
optimize，uniroot，polyroot：一维优化与求根
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，
format.info，
interactive，
is.finite，
is.function，
is.language，
is.recursive ，
match.arg，
match.call，
match.fun，
model.extract，
name，
parse 函数能将字符串转换为表达式expression
deparse 将表达式expression转换为字符串
eval 函数能对表达式求解
substitute，
sys.parent ，
warning，
machine
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，readlines, load，dget：读入
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
head()查看数据的头几行
tail()查看数据的最后几行
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
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。
R中已实现的有chisq.test，prop.test，t.test。
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。
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
lm，glm，aov：线性模型、广义线性模型、方差分析
quo()等价于quote()
enquo()等价于substitute(）
R软件不只是一种统计工具，它还是一种语言，就语法形式而言跟S语言非常相识。所以类似与数据库一样，在客户端不是就只能调用一些函数，而是可以用数据库提供的SQL语言编写出拥有灵活多变，满足各种需求的功能。R语言也一样，可以在客户端，用S语言编写程序，传送到R软件，R软件计算完成后将结果在传回C#
。既然需要来回传送，必然需要中间的桥梁，就像数据库需要驱动程序一样，在C#中调用R软件，需要安装R（D）COM，R（D）COM是一种DCOM组件，可以注册到Windows的组件服务中，供程序调用。如果用C#开发Web程序，由于ASP.NET是用ASPNET这个用户在执行，而这个用户的权限很低，所以如果要调用R（D）COM的服务的化，需要给ASPNET授予权限。
所有具体的操作，使用方法，可以参考：