R语言的排序函数(order, sort, rank)及匹配函数（match,%in%)用法详解

R语言中，和排序相关的常用函数有： order() ， sort() ， rank() ，一般是对向量进行 *** 作，也可以对数据框的列进行 *** 作。

1 order(, decreasing = FALSE)

“” 中可以是一个向量（数值型，字符型，逻辑型， 因子型 均可），也可以是多个向量（ 长度必须相同 ）

它返回的是排列后（默认是升序）的元素在该向量中所处的位置，即 索引 ，所以返回的不是原来向量的那些数值，而是排序后那些数值所对应的位置。它在常在数据框中运用，可以根据某一列和某几列来调整数据框。

11 单个向量

12 多个向量（数据框的多列）

上面最左边的一列数值（不是var1这一列）就是 order(df$var1) 生成的，列var1的顺序就是order后的，注意和前面df 的列var1进行比较，还有一点要牢记的就是这种在数据框里的调整，是 整行变动(都按列var1来) 。故而本质上，对于数据框而言， order函数出来的是原始数据框中的行号，行号顺序一变，意味着行号代表的整行跟着变 。

接着再按列var2排序（注意是在列var1已经排好的基础上再按列var2重新排序，即此时列var1里的 非重复值的行顺序不会再变了，只有列var1里有重复值（数值相同的）的行才会变换 ，而且是按照列var2来变换，。如还要按其它列再排，以此类推）：

最后再按列var3排序，此时只有列var2中 有重复值的行 （当然这时var1肯定也是重复的）才会变换------这里是含有9的那两行，并且是按照这些重复值对应到列var3的那些行的数值（数值1和2）来变的

总结提升，order()函数中，如果第一个向量（或者说是数据框里你想要根据它来调整的那一列）里没有重复值，那么按照后面的所有向量（不管有多少个）的重排都不会进行（或者说重排的结果不会变），order(vec1,vec2,vec3,) 返回的行号及其顺序和 order(vec1) 的是一样。

同理，也可以处理对应的行（比如矩阵或是数据框的行）

13 factor（因子型向量）

2 sort(x, decreasing = FALSE)

x 只能是 一个 向量（数值型，字符型，逻辑型， 因子型 均可）

返回的是排序后（默认是升序）的那个数值向量（ 还是那些数值，只不过是排序过了的 ）

3 rank(x, nalast = TRUE)

求秩的函数，x 只能是 一个向量（数值型，字符型，逻辑型）， 该向量一般不会有重复值 ，返回的是该向量中对应元素的“排名”，即元素顺序它不会改变，只是告诉你每个元素在整个向量中的名次（如果要排序（默认是升序）的话）。

如果向量有重复值，出现的结果会有些不太好处理

匹配两个向量，返回的是第一个向量 x中的各个元素在第二个向量 y中所匹配的元素的位置值（索引，下标值），即 返回的是第二个向量的下标值组成的向量 。

注意事项：

1 返回的下标值向量的长度与第一个向量相等，即 length(x) == length(match(x,y)) 为 TRUE。

2 第一个向量可以是只有一个元素的向量。

3 两个向量的长度不一定要相等。

4 返回的是 x中每个元素在y中的位置，可用来提取y中的元素，没有匹配上的会返回 NA。

拓展用法：

y [match(x, y)] ： x中 和y 相同的元素都是哪些，前提是x中的元素在y中都有（即x是y的子集），否则会返回 NA。（ 最好是用x[ x %in y] ）

y[-match(x, y)] ： 找出 y里面有 x里面没有的数值，前提是x中的元素在y中都有（即x是y的子集），否则会报错。

当两个向量类型不一样时, match函数会进行类型转换，然后再匹配。

x %in% y

判断x中的元素是否都在y中，返回的是个长度和 x 一样的逻辑值向量，存在的话返回TRUE，否则返回FALSE。

sum(x %in% y) ： 统计 x 中有多少个元素在y中，或者说 x 和 y 有几个相同元素

x[x %in% y] ： x中 和y 相同的元素都是哪些

%>%是管道符的意思，把左边的输出（不包括 <- 之前的）当成右边的输入。

都可以shift + alt + 上下 ：快速复制粘贴

alt + 上下 ：移动行

ctrl + alt + 上下 ：多重光标

首先选中要注释掉的行，然后按Ctrl+shift+C ，这样就注释掉了。

sessionInfo()

libPaths()

一篇关于包的博客

library(installr)

updateR()

COS中文论坛 统计之都旗下的论坛网站(dcosxorg),它和其主站(cosxorg)一 起，是一个致力于推广与应用统计学知识的网站和社区。

1 help("ttest")

2 ttest

3 helpsearch("ttest")

4 apropos("ttest")

5 RGui>Help>Html help

6 查看R包pdf手册

getwd() 显示工作目录

setwd() 设定工作目录

listfiles() 列出目录或文件夹下的文件

demo( ) 显示R的基本程序包

example( ) 显示在线帮助的例子

example(barplot)

可以把若干行命令保存在一个文本文件（比如Eg3R）中，然 后用source函数来运行整个文件： source("E:/R demo/Chapter1-Eg3R")

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

-1:1/0 当中/是优先级靠后的 *** 作。相当于c(-1,0,1)/0

names(df) <- c("male", "female", "unknown")

对于矩阵，我们可以使用属性rownames和colnames来访问行名和列名。

我们也可以先定义矩阵x然后再为dimnames(x)赋值：

数值型数据 ：12345e30

复数常量就用35-21i

缺失值：NA（Not Available）

是否含有缺失值：

NaN表示不确定的数

• NaN属于NA的一种

• NA不是NaN

注意下面例子的比较 :

assign("x1", c(1, 2))

sort(x)返回x的元素从小到大排序的结果向量。

x=c(2,10,6,8,4,5); sort(x) [1] 2 4 5 6 8 10  order(x)返回使得x从小到大排列的元素下标向量(x[order(x)]等效于sort(x))。

此外numeric(n)可以产生一个长度为n的零向量（numeric(n)是一个 很好用的外部存储器）

paste函数用来把它的自变量连成一个字符串，中间用空格分开

Re( )计算实部，Im( )计算虚部， Mod( ) 计算复数模，Arg( )计算复数幅角。

v为一个向量，取值在－length(x)到－1之间，表示扣除相应 位置的元素。例如:

可以用x[]的写法：

R的对象有两个基本的属性：类型属性(mode)和长度属性(length)。

长度为零的向量 numeric( ) 或者 numeric(0) character( ) 或者 character(0)

数组(array): 带多个下标的类型相同的元素的集合，

函数matrix()：用于构造二维数组，即矩阵

函数factor( )用来把一个向量编码成为一个因子。

可以自行指定各离散取值水平（levels），不指定时由x的不同值来求得。

• labels可以用来指定各水平的标签，不指定时用各离散取值的对应字符串。

• exclude参数用来指定要转换为缺失值（NA）的元素值集合。

• ordered取真值时表示因子水平（Levels）是有次序的

因子可以用来作为另外的同长度变量的分类变量，使用tapply() 函数可以完成分类统计

nchar()这个函数简单，统计向量中每个元素的字符个数

tolower()和toupper()可以进行大小写字母的转换

chartr()把字符串里的元素，按要求进行转换

拆分字符串用strsplit()函数,strsplit得到的结果是列表，后面的处理要调用列表

其任何一个语句都可以看成是一个表达式。

表达式之间以分号分隔或用换行分隔。

表达式可以续行，只要前一行不是完整表达式，则下一行为上一行的继续。

线性回归模型：

lm()函数的返回值叫做模型拟合结果对象，本质上是一个列表， 有model 、coefficients、residuals等成员。lm()的结果显示十分 简单，为了获得更多的拟合信息，可以使用对lm类对象有特 殊 *** 作的通用函数，这些函数包括：

add1 coef effects kappa predict residuals alias deviance family labels print summary anova drop1 formula plot proj

加号+或 者减号－，表示在模型中加入一项或去掉一项，第一项前面如果是加号可以 省略

在非交互运行（程序）中应使用print()来输出。

• digits参数指定每个数输出的有效数字位数；

• quote 参数指定字符串输出时是否带两边的撇号；

• printgap参数指定矩阵或数组输出时列之间的间距

也用来输出，但它可以把多个参数连接起来再输出（具有paste() 的功能）。例如：

读取文件：

strsplit()得到的结果是 列表。

grep() 和 grepl()

sub()和gsub()

但严格地说R语言 没有字符串替换的函数，因为R语言不管什么 *** 作对参数都是传值不传址，区别如下：

用substr()和substring() 可以通过位置进行字符串拆分或提取，两者的参数设置基本相同：

strtrim() 函数可以用于将字符串修剪到特定的显示宽度通过位置进 行字符串拆分或提取：

由于日期内部是用double存储的天数，所以是可以相减的。

weekdays ( )取日期对象所处的周几；

months ( )取日期对象的月份；

quarters ( )取日期对象的季度；

其任何一个语句都可以看成是一个表达式。

表达式之间以分号分隔或用换行分隔。

表达式可以续行，只要前一行不是完整表达式，则下一行为上一行的继续。

quantile(x, probs=seq(0,1,025), narm=FALSE, names=TRUE, type=7, …)

probs给出相应的百分位数，默认值是0，025，05，075，1；narm是处 理缺失数据的，narm=TRUE时，NA和NaN将从数据中移走，向量取值中 若有NA或NaN，要添加这一参数，否则会出错；names若为TRUE，返回 值当中有names这个属性"; type是取值1-9的整数，选择了九种分位数算法 (具体算法见帮助文件)中的一种。

数据的分布主要考察分布函数(p), 密度函数(d), 分位数函数(q)及产生随机数(r)

以正态分布为例：

hist(x, breaks="Sturges", freq=NULL, probability=!freq,… )

break规定了直方图的组距(必须覆盖数据的范围)；freq是逻辑变量，TRUE是频率直方图， FALSE是密度直方图；probability和freq相反，TRUE是密度直方图，FALSE是频率直方图

其形式为 coplot(y ~ x | z)，其中x 和y是数值型向量，z是同长度的因子。 对z的每一水平，绘制相应组的x和y的散点图

R缺省的图形边空常常太大，以至于有时图形窗口较小时边空占了整个图形的很大一部分。

R可以在同一页面开若干个按行、列排列的窗格，在每个窗格中可以作一 幅图。每个图有自己的边空，而所有图的外面可以包一个“外边空”。

一页多图用 mfrow 参数或 mfcol 参数规定，如

函数 mtext 用来在外边空加文字标注。其用法为

在多图环境中还可以用 mfg 参数来直接跳到某一个窗格，比如

可以不使用多图环境而直接在页面中的任意位置产生一个窗格来绘图，参数为 fig ，如：

先用asfactor()转化成因子。因为levels()函数里面必须是因子。

dat$Genre没有转化成因子形式，asfactor(dat$Genre)就可以了

该消息表明文件的最后一行不以行尾 (EOL) 字符结尾（换行符 ( \n ) 或回车 + 换行符 ( \r\n )）。此消息的初衷是警告您该文件可能不完整；大多数数据文件都有一个 EOL 字符作为文件中的最后一个字符。

这是因为R读取文件的时候，是一整段character，所以它只会返回1，适当给他分一下段。

最近身体状况不太好的我，已经懒惰到不太想用脑子思考问题了，但也总不能什么事情都不做就这样蹉跎岁月吧，于是想着把自己之前的知识总结总结。今天就先把R语言的知识总结总结吧。

R语言是一个应用非常广泛的并且免费的用于统计计算和作图的计算机语言，无论什么和数据分析有关的行业，基本都会用到R。R 环境由一组数据 *** 作，计算和图形展示的工具构成。它的特色在于：1有效的数据处理和保存机制；2完整的数组和矩阵计算 *** 作符；3连贯而又完整的数据分析工具；4图形工具可以对数据直接进行分析和展示，同时可用于多种图形设备；5它是一种相当完善，简洁而又高效的程序设计语言(也就是‘S’)。

基本的数据类型：

向量有一些基本运算：

求三角函数的值：sin(x)，cos(x)，tan(x)

向量开根号：sqrt(x)

求向量的和：sum(x)

向量的最大值和最小值：max(x) 和min(x)。

向量的范围： range (x)

向量的长度： length(x)

向量的均值： mean(x)

向量的方差： var(x)

向量的标准差：sd(x)

向量的累乘： prod(x)

数组可以看作是带有多个下标类型相同的元素集合，如数值型。

维度向量（dimension vector）是一个正整数向量。如果它的长度为k，那么该数组就是k-维的，例如矩阵是2-维数组。

数组只允许单一类型的值出现。

在R中数组用array()函数建立。

矩阵是一个2维的数组，一般用matrix()来构建一个矩阵，array()也可以创建一个2维数组（矩阵）。

例子：定义一个从1到20，行数为4，列数为5的矩阵。

向量的合并：

也可以用cbind()和rbind()函数将相同长度的向量接合成矩阵。

t()可以将矩阵进行转置，或用aperm()代替。

同样矩阵也可以做合并，同样是用rbind和cbind。

rbind和cbind,除能合并等长的向量外，还能合并数据框和矩阵。

矩阵工具：1)函数nrow(A) 和ncol(A) 将会分别返回矩阵A 的行数和列数2)colnames(A);rownames(A)会分别返回矩阵A 的列名和行名。3)将一个数组强制转换成简单向量的标准方法是用函数asvector()，或用c()。

因子（factor）是一个对等长的其他向量元素进行分类（分组）的向量对象。 R同时提供有序（ordered）和无序（unordered）因子。有序意味着以字母排序。

函数factor()引入因子。

函数levels()表示因子的水平。

有序因子：函数ordered() 用来创建有序因子。在其他方面，函数ordered() 和factor() 基本完全一样。大多数情况下，有序和无序因子的唯一差别在于前者显示的时候反应了各水平的顺序。

71 R 的列表（list）是一个以对象的有序集合构成的对象。列表中包含的对象又称为它的分量（components）。

72 分量可以是不同的模式或类型，如一个列表可以同时包括数值向量，逻辑向量，矩阵，复向量，字符数组，函数等等。

73 列表的建立采用list()函数，列表通过[[index/name]]进行访问。

81 数据框（data frame）是一个属于“dataframe” 类的列表。

82 数据框常常会被看作是一个由不同模式和属性的列构成的矩阵。它能以矩阵形式出现，行列可以通过矩阵的索引习惯访问。

83 用dataframe()函数构建数据框。