XUranus

data.table是对R的原生包data.table的扩展版本，无论是编码效率和执行效率都要比data.table快的多

在本章中:
– subset特指对行的选择
– select特指对列的选择

创建

DT <- data.table(ID = c("b","b","b","a","a","c"), A = 1:6, B = 7:12,C=13:18)

可见data.table的创建和data.frame类似，都是传入若干个向量，不同的是，data.frame中的character类型向量会自动转化为factor,data.table则不会，使用class(DT$ID)查看该属性的类型，返回”character”

也可以根据已有的data.frame类型直接转化为data.table：A是data.frame类型

B <- as.data.table(A)

描述性统计分析

统计函数：

对于向量类型x:
| 统计量 | 函数 |
| ——- | ——- |
| 平均数 | mean(x) |
| 中位数 | median(x) |
| 方差 | var(x) |
| 标准差 | sd(x) |
| 值域 | range(x) |
| 求和 | sum(x) |
| 求最小值 | min(x) |
| 求最大值 | max(x) |

数据可视化

条形图(Bar plots)

基本条形图：barplot(height)，其中height是一个向量或者矩阵
例子：

# vertical barplot
barplot(counts,main="Simple Bar Plot",xlab="Improvement",ylab="Frequency")

# horizontal bar plot
barplot(counts,main="Horizontal Bar Plot",xlab="Frequency", ylab="Improvement",horiz=TRUE)

R语言是一门数据处理语言，本文记录R语言学习的过程和一些注意点

基本数据结构

对于数据集行和列的不同术语：

• 统计学：观测(observation)/变量(variable)
• 数据分析师：记录(record)/字段(field)
• 机器学习与数据挖掘：示例(example)/属性(attribute)

R的数据结构包括向量，数组，数据框和列表，R可以处理的数据类型成为模式(modes)，包括数值型，字符型，布尔型，复数型和原生型（字节）

向量，矩阵，数组的本质是数组，唯独分别是一维，二维，更高，三者必须有相同的模式，而列表每一个元素可以是不同类型，是一个广义表。

记录Archlinux下RStudio使用的一些坑

安装R

yaourt -S r #安装R
yaourt rstudio-desktop-bin #安装R的IDE

控制台输入R进入交互界面