R语言中有哪些基本语法

本篇文章为大家展示了R语言中有哪些基本语法，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。

基本数据类型

数据类型

• 向量 vector

• 矩阵 matrix

• 数组 array

• 数据框 data frame

• 因子 factor

• 列表 list

向量

• 单个数值（标量）没有单独的数据类型，它只不过是向量的一种特例

• 向量的元素必须属于某种模式（mode），可以整型（integer）、数值型（numeric）、字符型（character）、逻辑型（logical）、复数型（complex）

• 循环补齐（recycle）：在一定情况下自动延长向量

• 筛选：提取向量子集

• 向量化：对向量的每一个元素应用函数

• 使用seq()创建向量

• 使用rep()重复向量常数

矩阵

矩阵（matrix）是一种特殊的向量，包含两个附加的属性：行数和列数。所以矩阵也和向量一样，有模式的概念，例如数值型或字符型。（但反过来，向量却不能看作是只有一列或一行的矩阵。）

• 创建矩阵

• 矩阵运算

• 索引

• 增加或删除行（列）

数组

数组（array）是R里一个更一般的对象，矩阵是数组的一个特殊情形。数组可以是多维的。例如一个三维的数组可以包含行、列和层（layer），而一个矩阵只有行和列两个维度。

array(data = NA, dim = length(data), dimnames = NULL)
as.array(x, ...)
is.array(x)

列表

向量的元素要求都是同类型的，而列表（list）与向量不同，可以组合多个不同类型的对象

数据框

数据框类似矩阵，有行和列这两个维度。然而，数据框与矩阵不同的是，数据框的每一列可以是不同的模式（mode）。例如，某列可能由数字组成，另一列可能由字符串组成。

因子

因子的设计思想来源于统计学中的名义变量（nominal variables），或称之为分类变量（categorical variables）。这些变量的值本质上不是数字，而是对应为分类，例如民主党、共和党和无党派，尽管它们可以用数字编码。

算术运算

• x + y 加法

• x - y 减法

• x * y 乘法

• x / y 除法

• x ^ y 乘幂

• x %% y 模运算

• x %/% y 整数除法

逻辑运算

• x == y 判断是否相等

• x <= y 判断是否小于等于

• x >= y 判断是否大于等于

• x && y 标量的逻辑“与”运算

• x || y 标量的逻辑“或”运算

• x & y 向量的逻辑“与”运算（x、y以及运算结果都是向量）

• x | y 向量的逻辑“或”运算（x、y以及运算结果都是向量）

• !x 逻辑非

• 逻辑值TRUE和FALSE可以缩写为T和F（两者都必须是大写）。而在算术表达式它们会转换为1和0

函数

 g <- function(x) {
  return(x+1)
}

函数也是对象

条件语句

if (r == 4) {
 x <- 1
} else {
 x <- 3
 y <- 4
}

循环语句

• for

• while

• repeat

repeat没有逻辑判断退出条件，必须利用break（或者类似return()）的语句。当然，break也可以用在for循环中。

代码格式化工具

library(formatR)

上述内容就是R语言中有哪些基本语法，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注亿速云行业资讯频道。