R语言学习笔记-内附实例及代码
R语言教程笔记
R 编程笔记2简介1.突出特点：【多领域的统计资源】目前在R 网站上约有2400个程序包，涵盖了基础统计学、社会学、经济学、生态学、空 间分析、系统发冇分析、生物信息学等诸多方而。
【免费】2.缺点:【占用内存】所有的数据处理在内存中进行，不适于处理超大规模的数据。
【运行速度稍慢】即时编译，约相当于C 语言的1/20。
3. CRAN :全称 The Comprehensive R Archive Networks由世界几十个镜像网站组成网络.提供F 载安装程序和相向软件包。
0镜像更新频率一般为天。
推荐镜像： 中国的镜像:数学所：即时更新的CRAN 源：界而下如下（版本）4.R 程序包（R packages ）什么是R 程序包R 程序包是多个函数的集合，具有详细的说明和示例。
每个程序包包含R 函数、数据、帮助文件、描述 文件等window 下是zip 形式，安装时不要解压缩，R 程序包是R 功能扩展，特定的分析功能，需要用相 应的程序包实现。
例如：系统发冇分析，常用到ape 程序包，群落生态学vegan 包等。
4.2常用R 程序包ade4 adephylo ape利用欧几里得方法进行生态学数据分析 系统进化数据挖掘与比较方法系统发育与进化分析apTreeshape boot cluster ecodist FD进化树分析Bootstrap 检验聚类分析生态学数据相异性分析 功能多样性分析geiger 物种形成速率f j 进化分析Graphics lattice 栅格图绘图maptools空间对象的读取和处理R Console7PJ2S1R version Z.L1.1 (2010-05-31)Copyrlght IC) 2010 The R FouDd^t-aon £oc C OBDU S DJTSE« 3-M0OSL-07-DD 是自由恢件，不带任何担佩・在菓些条件下你可以梓我口由散布.用'llcerwe |) *或，licenced *来希阪布的库融*件.P •是个合作tt 划，利许多入为NiS 出丁贡献・•contcibut.ora I)，来石合作吉的i#细用会警诉你如何在出版樹中正礎也引用卩戒口性序包・ffi'derrcO 1来着一些示范徑序，ffl* heLp (I •M 文件，戏用'lielp.atatcd '迪过时血列觅密隶薈？ft 助gf4. 用51 ■退出R ・(處来滋存的工隹空间已圧胆】> hlflLotry(|> rate<-c(2D z 22, 2今.26, 2B, 30, 32. 3" 36, 3B Z 40, 121> tmpMrLty <-c(0.4z 9・» 11.0z 10.^f 15.3, 14・6 13 2/ X4.7Z 15.4Z 10.5r 1D.9J > ploi | impxiif Lty^6ca| >rca<-(xnpurit ?-e)ceg<-1 tn (in pur it 产 rat e) J 1 -r.u ： M .；, • . •« c«r ■] 丈再施9（蔑他tfffsva 屯in-nix)rate<-c(ZD, ZZ, 2仇 ZC r Z0z 、0, 32, 3G Z 3 0z 今 impMtLCy <-C(8.4, 9・5, 11.8Z 10.13・3, L4・8, 13 plot | Uiputlty-totcl6LXlft(lornula - lrwpurlty - cate) JSecidMala:XlhiQ Ftedlan 如 Soxs\unrar7(recj) ^ve.m,gerFrVi^习筋料X 救梧井桁黃花宝典\\R 语专 hiatocycimgev mvpart nlme ouch pgirmessphangorn picante广义加性模型相关 多变量分解线性及非线性混合效应模型 系统发弃比较 生态学数据分析系统发育分析群落系统发育多样性分析raster ffi 格数据分析与处理 seqinrDNA 序列分析sp空间数据处理spatstat spla ncs stats SDMTools vegan CRAN Task Views空间点格局分析，模型拟合与检验 空间与时空点格局分析R 统计学包物种分布模型工具植物与植物群落的排序，生物多样性计算中有对程序包的分类介绍4.3 R 程序包安装1.用函数()，如果已经连接到互联网，在括号中输入要安装的程序包洛称，选择镜像后，程序将自动下载并安装程序 包。
r语言编程例子
r语言编程例子标题：R语言编程例子1. 使用R语言进行数据清洗和处理R语言是一种广泛应用于数据分析和统计建模的编程语言。
通过使用R语言，我们可以对数据进行清洗和处理，以便进行进一步的分析和建模。
例如，我们可以使用R语言来删除缺失值、处理异常值、标准化数据等。
2. 使用R语言进行数据可视化R语言提供了丰富的数据可视化功能，可以帮助我们更好地理解数据和发现其中的模式和趋势。
例如，我们可以使用R语言绘制折线图、柱状图、散点图等来展示数据的分布和关系。
3. 使用R语言进行回归分析回归分析是统计学中常用的一种方法，用于研究因变量与一个或多个自变量之间的关系。
通过使用R语言，我们可以进行简单线性回归、多元线性回归等分析，并得出相应的模型和结果。
4. 使用R语言进行分类和聚类分析分类和聚类分析是机器学习和数据挖掘中常用的方法，用于将数据样本划分为不同的类别或群组。
通过使用R语言，我们可以进行K 均值聚类、层次聚类、支持向量机等分析，并得出相应的分类或聚类结果。
5. 使用R语言进行时间序列分析时间序列分析是研究时间相关数据的一种统计方法，常用于预测和模型建立。
通过使用R语言，我们可以进行时间序列的平稳性检验、自相关分析、移动平均模型等分析，并进行相应的预测。
6. 使用R语言进行机器学习机器学习是一种通过训练模型来使计算机能够自动学习和改进的方法。
通过使用R语言中的机器学习库，如caret、randomForest等，我们可以进行分类、回归、聚类等任务，并得出相应的模型和预测结果。
7. 使用R语言进行文本挖掘文本挖掘是从大量的文本数据中发现有用信息的一种方法。
通过使用R语言中的tm、wordcloud等库，我们可以进行文本的清洗、分词、主题建模等分析，并得出相应的结论。
8. 使用R语言进行网络分析网络分析是研究网络结构和关系的一种方法，常用于社交网络、互联网等领域。
通过使用R语言中的igraph、network等库，我们可以进行网络的可视化、中心性分析、社区发现等分析，并得出相应的结论。
r语言基础案例
r语言基础案例标题：R语言基础案例：使用R进行数据分析与可视化导语：R语言是一种广泛应用于数据科学与统计分析领域的编程语言和环境。
它具有丰富的数据处理和可视化功能，让用户能够更高效地进行数据探索、分析和可视化。
本篇文章将从R语言的基础概念入手，结合实例，介绍如何使用R语言进行数据分析与可视化。
一、R语言基础概念：1.变量：在R中，变量用于存储数据。
为了赋值，可以使用赋值操作符“<-”或“=”，例如：x <- 10。
2.数据类型：R中有多种数据类型，常用的包括数值型、字符型、逻辑型和因子型等。
3.向量：向量是R中最基本的数据结构，可以存储相同类型的多个元素。
使用c()函数创建向量，例如：vec <- c(1, 2, 3, 4, 5)。
4.矩阵：矩阵是二维的数据结构，包含相同类型的元素。
使用matrix()函数创建矩阵，例如：mat <- matrix(c(1, 2, 3, 4, 5, 6), nrow = 2, ncol = 3)。
5.数据框：数据框是用于存储表格数据的数据结构，类似于Excel 表格。
使用data.frame()函数创建数据框，例如：df <-data.frame(name = c("Alice", "Bob", "Charlie"), age = c(25, 30, 35))。
二、数据分析案例：假设我们有一份学生考试成绩数据，包括学生的姓名、科目和成绩。
我们希望使用R语言对该数据进行分析。
1.数据读取：首先，我们需要将数据读取到R中。
假设数据保存在一个名为"data.csv"的文件中，可以使用read.csv()函数读取数据：data <- read.csv("data.csv")。
2.数据处理：接下来，我们可以进行一些数据处理的操作。
例如，计算每个学生的总成绩：data$total <- rowSums(data[, 3:5])。
R语言笔记
Learning R from ScratchBlabla##通过在命令、变量、逗号等附近添加空格来提高R的可读性.##可使用control+tab键来在控制台console和图形设备graphic device间切换. >help.start()：得到HTML 格式的帮助(等价于:帮助->html帮助)>?xxx or >help(x)：得到任何特定名字的函数的帮助##对于关键字和运算符，与函数的帮助类似，但是需要加上引号，如：> ?'+' 或>?”+” #等价于help('+') help(“+”)>??xx :在help.start()启动的浏览页上,”Search Engine &Keywords”>objects() or>ls():用来显示当前保存在R 环境中的对象名字>ls(pat=“x”):只显示在名称中带有某个指定字符的对象>ls(pat=“^x”):只显示在名称中以某个指定字符开头的对象>ls()不能列出名称以点号开头的向量可使用ls(all = T)>history():看到之前保存的数据和命令。
>rm(x,y):删除对象>rm(list=ls(all=TRUE)): 删除内存中所有对象,all=TRUE可以省略>dir.create("c:/Users/Mr.Young/Desktop/R") 创建新的工作目录>getwd()和>setwd():获取/设置工作空间目录##临时修改，只针对当前文件>setwd(file="c:/users/Mr.Young/Documents")file可以省略，且该操作等价于“文件”菜单“change dir”>getwd()[1] "c:/users/Mr.Young/Documents" （目录的分隔符用“/”(slash)或“\\”）永久修改，R右键->属性->快捷方式->起始位置Windows下默认的分隔符为\ (backslash),注意更改.>example():显示函数的例子（不加引号）>list.files():查看当前目录下的文件>save(x,y,file=”d:/xy.Rdata”); #保存变量>load(”d:/xy.Rdata”); #载入变量%%:求余数%/%:整除逻辑与: &(拉丁文为et)（前后都要判断）or && ( “&&”前为F就结束，结果为F) 逻辑非: | (前后都要判断) or || （“||”前为T就结束，结果为T）##同一行中输入多条命令，用“;”隔开，否则另起一行。
R语言函数详解及实例用法
R语⾔函数详解及实例⽤法函数是⼀组组合在⼀起以执⾏特定任务的语句。
R 语⾔具有⼤量内置函数，⽤户可以创建⾃⼰的函数。
在R语⾔中，函数是⼀个对象，因此R语⾔解释器能够将控制传递给函数，以及函数完成动作所需的参数。
该函数依次执⾏其任务并将控制返回到解释器以及可以存储在其他对象中的任何结果。
函数定义使⽤关键字函数创建 R 语⾔的函数。
R 语⾔的函数定义的基本语法如下function_name <- function(arg_1, arg_2, ...) {Function body}函数组件函数的不同部分 -函数名称 -这是函数的实际名称。
它作为具有此名称的对象存储在 R 环境中。
参数 -参数是⼀个占位符。
当函数被调⽤时，你传递⼀个值到参数。
参数是可选的; 也就是说，⼀个函数可能不包含参数。
参数也可以有默认值。
函数体 -函数体包含定义函数的功能的语句集合。
返回值 -函数的返回值是要评估的函数体中的最后⼀个表达式。
R语⾔有许多内置函数，可以在程序中直接调⽤⽽⽆需先定义它们。
我们还可以创建和使⽤我们⾃⼰的函数，称为⽤户定义的函数。
内置功能内置函数的简单⽰例是 seq()，mean()，max()，sum(x) 和 paste(...) 等。
它们由⽤户编写的程序直接调⽤。
您可以参考最⼴泛使⽤的 R 函数。
# Create a sequence of numbers from 32 to 44.print(seq(32,44))# Find mean of numbers from 25 to 82.print(mean(25:82))# Find sum of numbers frm 41 to 68.print(sum(41:68))当我们执⾏上⾯的代码，它产⽣以下结果 -[1] 32 33 34 35 36 37 38 39 40 41 42 43 44[1] 53.5[1] 1526⽤户定义的函数我们可以在 R 语⾔中创建⽤户定义的函数。
R语言学习笔记-内附实例及代码
R语言学习笔记-内附实例及代码(总18页)--本页仅作为文档封面，使用时请直接删除即可----内页可以根据需求调整合适字体及大小--R语言入门R是开源的统计绘图软件，也是一种脚本语言，有大量的程序包可以利用。
R中的向量、列表、数组、函数等都是对象，可以方便的查询和引用，并进行条件筛选。
R具有精确控制的绘图功能，生成的图可以另存为多种格式。
R编写函数无需声明变量的类型，能利用循环、条件语句，控制程序的流程。
R网络资源：R主页:R资源列表 NCEASR Graphical Manual统计之都:QuikR丁国徽的R文档:R语言中文论坛一、用函数()，[直接输入就可以联网，第一次的话之后选择镜像，然后选择包下载即可]如果已经连接到互联网，在括号中输入要安装的程序包名称，选择镜像后，程序将自动下载并安装程序包。
例如：要安装picante包,在控制台中输入("picante")已经安装了二. 安装本地zip包路径：Packages>install packages from local files选择本地磁盘上存储zip包的文件夹。
(文件，运行R的脚本，选择所在文档)三.调用程序包在控制台中输入如下命令 library(“picnate”)程序包内的函数的用法与R内置的基本函数用法一样。
四.程序包内部都有哪些函数分别有什么功能查询程序包内容最常用的方法：1 菜单帮助>Html帮助；2 查看pdf帮助文档五.查看函数的帮助文件函数的默认值是什么怎么使用使用时需要注意什么问题需要查询函数的帮助。
1 直接打开相关函数的说明和使用模板。
2 RGui>Help>Html help 同样的效果，同上3 apropos("")合理使用T 检验，五种模式的T 检验4 help("")帮助同1-25 ("")有关T 检验的一切东西都可以查出来。
(完整)R语言实战前三章图形初阶运行代码
#管理R工作空间的函数getwd()#显示当前的工作目录setwd(“mydirectory“)#修改当前的的工作目录为mydirectoryls()#列出当前工作空间中的对象rm(objectlist)#移除（删除）一个或多个对象help(options)#显示或设置当前选项history(#)#显示最近使用过的#个命令（默认值为25）savehistory(“mylife“)#保存命令历史到文件mylife中（默认值为.Rhistory）loadhistory(“mylife“)#载入一个命令历史文件save.image(“mylife“)#保存工作空间到文件mylife中（默认值为.RData）save(objectlist,file=“mylife“)#保存指定对象到一个文件中load(“mylife“)#读取一个工作空间到当前会话中（默认值为.RData）q()#退出R，将会询问你是否保存工作空间##保存图形输出的函数bmp(“filename.bmp“)jpeg(“filename.jpeg“)pdf(“filename.pdf“)png(“filename.png“)postscript(“filename.ps“)svg(“filename.svg“)win.metafile(“filename.wmf“)libPaths()#显示库所在的位置library()#显示库中有哪些包################################################################# ###########数据的输入#1、使用键盘输入{mydata<-data.frame(age=numeric(0),gender=character(0),weight=numeric(0))mydata<-edit(mydata)}#等价于fix(mydata)#直接在程序中嵌入数据集mydatatxt<-“age gender weight25 m 16630 f 11518 f 120“{mydata<-read.table(header=T,text=mydatatxt)mydata}#2、从带分隔符的文本文件导入数据#mydataframe<-read.table(file,options)#函数read.table()的选项#header表示是文件是否在第一行包含了变量名的逻辑型变量#sep分开数据的分隔符。
赖江山老师讲授R语言课程个人笔记
一、非对称分析（回归）做回归分析的前提条件：方差齐次性、独立、数据满足正态分布如果数据不正态，导致的后果平均值95%置信区间，两边不对称如果方差不等，某一边的标准差、置信区间大，有重叠回归Y定性时，整个式子叫做“分类排序”；X定性又定量时，整个方程叫“协方差分析”二、单因素方差分析（1）验证数据的正态性，零假设：均值相等，一组一组地验证：tapply(df$yield,df$Treat,shapiro.test)，正态分析函数（shapiro.test），当结果P>0.05，则是一种自然分布（2）合并检验正态性：shapiro.test(resid(lm(yield~Treat,df)))（3）方差齐性检验，零假设：方差相等：bartlett.test(yield~Treat,df)（4）方差分析：fit <- aov(yield ~ Treat, df) 【“~”表示回归，aov是单因素方差分析ANOVA函数】（5）小知识：范函数：[summary.] /[plot.]（6）P=1-pf(value组间方差-即组间变异幅度,Df-treat, Df-Residuals)Treat-Meansq/Treat-Value=Residuals-MeansqDf Sum Sq Mean Sq F value Pr(>F)Treat 4 301.2 75.30 11.18 0.000209 ***Residuals 15 101.0 6.73---Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘’ 1（7）多重比较：安装赖老师的写的包（NEwR2），library(NEwR2)，LSD多重比较:Least Significance Difference;多个t检验Install.package(‘agricolae’)（8）（9）结果P值，犯“1类错误，拒接真的原假设”的概率，正常我们说的P=0.05，就是：我们可以接受犯这个错误的概率。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
R语言入门R是开源的统计绘图软件，也是一种脚本语言，有大量的程序包可以利用。
R中的向量、列表、数组、函数等都是对象，可以方便的查询和引用，并进行条件筛选。
R具有精确控制的绘图功能，生成的图可以另存为多种格式。
R编写函数无需声明变量的类型，能利用循环、条件语句，控制程序的流程。
R网络资源：R主页:R资源列表NCEASR Graphical Manual统计之都:QuikR丁国徽的R文档:R语言中文论坛一、用函数install.packages()，[直接输入就可以联网，第一次的话之后选择镜像，然后选择包下载即可]如果已经连接到互联网，在括号中输入要安装的程序包名称，选择镜像后，程序将自动下载并安装程序包。
例如：要安装picante包,在控制台中输入install.packages("picante")已经安装了？二. 安装本地zip包路径：Packages>install packages from local files选择本地磁盘上存储zip包的文件夹。
(文件，运行R的脚本，选择所在文档)三.调用程序包在控制台中输入如下命令library(“picnate”)程序包内的函数的用法与R内置的基本函数用法一样。
四.程序包内部都有哪些函数？分别有什么功能？查询程序包内容最常用的方法：1 菜单帮助>Html帮助；2 查看pdf帮助文档五.查看函数的帮助文件函数的默认值是什么？怎么使用？使用时需要注意什么问题？需要查询函数的帮助。
1 ?t.test 直接打开相关函数的说明和使用模板。
2 RGui>Help>Html help 同样的效果，同上3 apropos("t.test")合理使用T 检验，五种模式的T 检验4 help("t.test")帮助同1-25 help.search("t.test")有关T 检验的一切东西都可以查出来。
6 查看R 包pdf 手册六、帮助很强大• lm{stats} #函数名及所在包 • Fitting Linear Models #标题• Description #函数描述 • Usage #默认选项 • Arguments #参数 • Details #详情 • Author(s) #作者 • References #参考文献 •Examples #举例七、R 图形界面：R commander• 1安装R commander install.packages("Rcmdr")• 2 R 将自动下载并安装Rcmdr 所需的所有程序包调用R Commander图12 R commander 界面library(Rcmdr)八、R 的函数R 是一种解释性语言，输入后可直接给出结果。
功能靠函数实现。
函数形式: 函数(输入数据，参数= )如果没有指定，则参数的以默认值为准。
例如:平均值 mean(x, trim = 0, na.rm = FALSE, ...)线性模型 lm(y~x, data=test)每一个函数执行特定的功能，后面紧跟括号，例如：平均值 mean()； 求和 sum()； 绘图 plot() ；排序 sort()。
除了基本的运算之外，R的函数又分为”高级”和”低级”函数，高级函数可调用低级函数,这里的”高级”函数习惯上称为泛型函数。
如plot()就是泛型函数，可以根据数据的类型，调用底层的函数，应用相应的方法绘制相应的图形。
这就是面向对象编程的思想。
查询的方法：Help>Html help>packageslog() log10() exp() sin() cos()tan()asin()acos()binom.test()fisher.test()chisq.test()friedman.test()mean()sd()var()glm(y~x1+x2+x3, binomial)….九、赋值与注释与对象起名<- 右边的值赋值给左边的变量或者对象；# 注释注释部分不会编译R处理的所有数据、变量、函数和结果都以对象的形式保存。
1.区分大小写,注意China和china的不同。
2.不能用数字作为变量，对象也不能用数字开头，但是数字可以放在中间或结尾，如2result与result2，后者是合法的。
3.建议不要用过短的名称。
可以用”.”作为间隔，例如anova.result1。
4.不要使用保留名：NA, NaN, pi, LETTERS, letters, month.abb, 十、元素与对象的类1.对象是由各元素组成的。
每个元素，都有自己的数据类型。
2.元素种类数值型Numeric 如100, 0, -4.335 字符型Character 如“China”逻辑型Logical 如TRUE, FALSE 因子型Factor 表示不同类别复数型Complex 如：2 + 3i3.对象的类class：因子(factor) 因子是一个分类变量c("a","a","b","b","c")向量(vector)一系列元素的组合。
如c(1,2,3); c("a","a","b","b","c")矩阵(matrix)二维的数据表，是数组的一个特例：x <- 1:12 ; dim(x) <- c(3,4)[,1] [,2] [,3] [,4][1,] 1 4 7 10[2,] 2 5 8 11[3,] 3 6 9 12数组(array) 数组是k维的数据表（k in 1:n,n 为正整数）。
向量(n = 1) 矩阵(n = 2)高维数组(n >= 3)数据框(dataframe)是由一个或几个向量和（或）因子构成，它们必须是等长的，但可以是不同的数据类型。
每个数据表可以看作一个数据框(dataframe)。
每一行(row)作为一个记录(entry)，每一列(column)作为一个向量(vector)。
由很多不同类型的向量组成，如字符型，因子型，数值型。
如何生成数据框？两种办法：(1)从外部数据读取；(2)各类型因子组合成数据框。
列表(list)列表可以包含任何类型的对象。
可以包含向量、矩阵、高维数组，也可以包含列表。
十一、运算符数学运算运算后给出数值结果：+, -, *, /, ^ (幂)比较运算运算后给出判别结果：(TRUE FALSE)：>, <, <=, >=, ==（==是计算机编程的二元运算符。
当左边的内容与右边的内容相同时，返回1。
其余时候返回0。
==是判断两个值大小是否相同的运算符。
）, !=不等于逻辑运算与、或、非：!, &, &&, |, ||十二、数据的读取1.最为常用的数据读取方式是用read.table() 函数或read.csv()函数读取外部txt或csv格式的文件。
txt文件，制表符间隔；csv文件，逗号间隔。
一些R程序包（如foreign）也提供了直接读取Excel, SAS, dbf, Matlab, spss, systat, Minitab文件的函数。
2.read.csv()的使用例：test.data<-read.csv("D:/R/test2.csv",header=T)header=T表示将数据的第一行作为标题。
read.table((),header=T)可以弹出对话框，选择文件。
3.数据量较大时用read.table函数从外部txt文件读取第1步将Excel中的数据另存为.txt格式（制表符间隔）或.csv格式。
第2步用read.table()或read.csv()函数将数据读入R工作空间，并赋值给一个对象。
4.例子：mydataframe<-read.csv("F:/KAGGLE1/train.csv",header=F)命名读取函数数据位置文件夹名称是否读取头（T/F）十三、向量、矩阵和数据框的创建有时需要对读入的数据进行操作，将某一向量转换成矩阵，如条件筛选，此时将遇到向量、矩阵和数据框的生成、条件筛选等。
1.1四种类型的向量：字符型character<-c("China", "Korea", "Japan", "UK", "USA", "France", "India", "Russia") ；数值型numeric<-c(1, 3, 6, 7, 3, 8, 6, 4)；逻辑型logical<-c(T, F, T, F, T, F, F, T)；复数型略。
1.2创建向量——用X<-c()函数或者c() , rep() , seq() , ”:”c(2,5,6,9)rep(2,times=4) seq(from=3, to=21, by=3 ) [1] 3 6 9 12 15 18 21“：”1:15 #意思是[1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 通过与向量的组合，产生更为复杂的向量。
rep(1:2,c(10,15))1.3向量创建——产生随机数runif(10, min = 0, max= 1) rnorm(10, mean = 0, sd = 1)1.4几个随机数的相关函数概率密度dunif(x, min=0, max=1, log = FALSE)累积函数punif(q, min=0, max=1, …)分位数qunif(p, min=0, max=1, …)随机均匀分布runif(n, min=0, max=1)2.矩阵的创建生成矩阵的函数dim()和matrix()dim() 定义矩阵的行列数，例如：x <- 1:12dim(x) <- c(3,4)[,1] [,2] [,3] [,4][1,] 1 4 7 10[2,] 2 5 8 11[3,] 3 6 9 12matrix.x <- matrix(1:12,nrow=3,byrow=T)t(x)#转置为行或列添加名称：s() s()3.数据框的创建创建数据框的函数:data.frame(), as.data.frame(), cbind(), rbind()cbind() # 按列组合成数据框rbind() # 按行组合成数据框data.frame() #生成数据框head() #默认访问数据的前6行4.列表的创建列表可以是不同类型甚至不同长度的向量(数值型，逻辑型，字符型等等)、数据框甚至是列表的组合。