转自http://blog.sina.com.cn/s/blog_9f23a8da010195qx.html
以下是R编程常用的一些命令（不包括统计分析与作图）。 ################################## #运算符 ################################## 数学运算： +，-，*，/，^，%%。(加，减，乘，除，乘方，求余。) 比较运算： >，<，>=，<=，==，!=。(大于，小于，大于等于，小于等于，等于，不等于。) 逻辑运算： &，|，!。(与，或，非。) ################################## #初始基本操作 ################################## > getwd() #获取工作目录。 > setwd("F:/R/myfun") #设定工作目录为F:/R/myfun。 > help(com) > ?com #获得对命令com的说明。 > example(com) #命令com的使用实例。 > args(com) #查看命令com的变量格式。 > library() #列出已安装的包。 > library(AER) #或用 > require(AER) #载入包AER。 > library(help = AER) #获取包AER的信息。 > detach(package:AER) #去除载入的包AER。 > search() #列出已载入的包。 > data() #列出已载入的包中的所有数据集。 > data(package = .packages(all.available = TRUE)) #列出已安装的包中的所有数据集。 > try(data(package = "AER") ) #列出包AER里的所有数据集。 > data(Affairs, "BankWages") #读入数据集Affairs和BankWages(这些数据集需已在data()中列出)。 > help(Affairs) #获取数据集Affairs的信息。 > attach(Affairs) #贴上数据集Affairs，其作用是可以直接对数据集里的变量进行操作。 > detach(Affairs) #上述操作的逆操作。 ################################## #对一般对象的基本操作 ################################## >objects() >ls() #列出所有对象。 > mode(x) #查看对象x的模式：空，数值，字符，逻辑，复数，列表，函数(NULL，numeric，character，logical，complex，list，function)。 > class(x) #查看对象x的类型：除了mode里列出的几种类型外，还有整数，矩阵，因子，阵列，数据框，时间序列(integer，matrix，factor，array，data frame，ts)等其他类型。mode主要用于区别数据存放的方式，而class是一种更细微的分类方式，比如矩阵，就是一种更“有序”的数据存放方式。此命令比mode常用。 > as.matrix(x) #把对象x转为矩阵型。 > as.numeric(x) #把对象x转为数值型。 > str(x) #查看对象x的结构。str是structure的缩写。 > rm(x) #移除对象x。 > rm(list=ls(all=TRUE)) #移除所有对象。 ################################## #与向量有关的基本操作 ################################## > x = c(1,2,4) #生成元素依次为1,2,4的向量x，这里的c是concatenate的意思。注意其类型是数值，不是矩阵。 > x = c("a","b","cd") #生成元素依次为"a","b","cd"的字符向量x。 > x = paste("a","b","cd") #生成"a b cd"的字符x。 > x[a:b] #向量x的第a到b个元素。 > x[-i] #剔除向量x第i个元素所得的向量。 > length(x) #向量x的长度。 > x = seq(a, b, length = n) #生成以一个n维数值型向量x，第一个元素为a，最后一个元素为b，中间元素依次等距递增。(假设a<b) > x = seq(a, b, c) #生成一个数值型向量x，第一个元素为a，其后元素依次加c，直到最后一个元素加c大于b。(假设a<b) > x = seq(a) #从1开始生成一个递增或递减数值型向量x，最后一个元素绝对值为小于等于|a|的最大整数。 > x = a:b #生成一个从a递增(减)到b的数值型向量x。(a和b都是整数) > x = rep(v, n) #对向量v进行n次复制生成新的向量x。 > x = rep(v, each = n) #依次对向量v的每个元素复制n此生成新的向量x。 > x = round(v) #生成一个向量x，其中每个元素是v对应元素的最近整数。 > order(x) #获得向量x第i大元素在向量中的位置。 > rank(x) #获得向量x每个元素大小位置。 > sort(x) #对向量x从小到大进行排序。降序：sort(x, decreasing = TRUE)。 > tapply(x,f,g) #根据因子f对向量x分类执行函数g。 > split(x,f) #向量x按因子f分类。 > diff(x) #返回向量x的差分向量。 > cumsum(x) #返回向量x的累加向量。 ################################## #与矩阵有关的基本操作 ################################## > M = matrix(0,c(m,n)) #生成m行n列的0矩阵。 > M = rbind(X,Y) #按行合并矩阵X和Y形成新矩阵M。(X和Y列数需相同） > M = cbind(X,Y) #按列合并矩阵X和Y形成新矩阵M。(X和Y行数需相同） > colnames(M) #矩阵M的列名。 > rownames(M) #矩阵M的行名。 > nrow(M) #矩阵M的行数。 > ncol(M) #矩阵M的列数。 > diag(M) #矩阵M的对角线元素形成的向量 > M = diag(x) #生成以向量x为对角线元素，其他位置元素为0的矩阵M。 > dim(M) #矩阵M的维度。 > M[i,] #矩阵M第i行。(数值型) > M[i,,drop = FALSE] #矩阵M第i行。(矩阵型) > M = M[-i,] #删除矩阵M第i行。 > M[,j] #矩阵M第j列。 > M[i,j] #矩阵M第i行j列元素。 > t(M) #矩阵M的转置。若M为数值型向量，则t(M)为矩阵型行向量。 > X%*%Y #矩阵X乘矩阵Y。若Y是数值型的向量，R会自动判断其为行向量还是列向量。若X与Y为维度匹配的数值型向量，则返回的是矩阵型向量的内积。 > x%o%y #数值型向量x与y的外积(矩阵型)。 > X*Y #矩阵X与矩阵Y的Hadamard乘积。加、减、除、求余的规则和乘相同，即相同位置的元素进行运算。 > eigen(M)$val > eigen(M)$vec #求矩阵M的特征值和特征向量。 > solve(M) #矩阵M求逆。 > solve(A,b) #求解线性方程Ax=b。 > apply(M, dimcode, f, fargs) #对矩阵M的行(dimcode=1)或列(dimcode=2)依次进行函数f操作，f的变量(arguments)方正fargs里。 ################################## #与列表有关的基本操作 ################################## > L = list(a = , b = , c = ,...) #建立列表L。 > L$a > L[[a]] #返回列表L里的对象a。 > L$a = NULL #去除列表L里的对象a。 > names(L) #列出列表L里的对象名。 > unname(L) #去掉列表L里的对象名。 > lapply(...) #list apply。功能与apply类似(参考上面的apply)，用于列表型数据。 > sapply(...) #simplified apply。功能与lapply类似，区别在于函数结果的类型不是列表(list)。 ################################## #与数据框有关的基本操作 ################################## #数据框是一种特殊的列表，所以对列表适用的函数往往对数据框也适用。此外，数据框也有矩阵型数据的特征，所以一些适用于矩阵型数据的函数，不如rbind，cbind，apply等也可以作用在数据框上。 > Data = data.frame(...) #创建数据框Data。 > fix(Data) #编辑数据框Data。 > head(Data) #显示数据框Data的前几行。 > attribute(Data) #列出数据框Data的组成部分。 > names(Data) #显示数据框Data的变量名。 > row.names(Data) #显示数据框Data的行名。 > Data$name1 #数据框Data中名为name1的变量。 > Data[i] #数据框Data中第i个变量形成的数据框。 > merge(D1,D2) #合并数据框D1和D2，需要D1和D2中有至少一个相同的变量。 ################################## #与逻辑型数据有关的基本操作 ################################## > is.data.frame(x) #判断是否对象x是数据框。类似命令有is.ts(x)，is.numeric(x)等。 > all(x>a) #判断是否对象x的每个元素都大于a。 > any(x>a) #判断对象x的元素中是否存在一个大于a。 > x>y #判断x的每个元素是否大于y的每个元素。 > x[x>a] #向量x中大于a的元素组成的新向量。 > subset(x, x>a) #向量x中大于a的元素组成的新向量。与上面例子的区别在于若向量元素里有NA，上面的例子会保留在结果中，而subset命令会剔除掉。 > which(x, x>a) #返回向量中大于a的元素的位置。 > x = ifelse(b, u, v) #生成一个与b(逻辑向量)维度相同的数值向量，若b[i]为TRUE，则x[i]为u，反之为v。