个性化阅读
专注于IT技术分析

R内置函数用法解析

本文概述

在编程框架中已经创建或定义的功能称为内置功能。 R具有丰富的功能集, 可用于为用户执行几乎所有任务。这些内置功能根据其功能分为以下几类。

R内置函数

数学函数

R提供了各种数学函数来执行数学计算。这些数学函数对查找绝对值, 平方值和更多计算非常有用。在R中, 使用了以下功能:

S.没有 Function Description Example
1. abs(x) 它返回输入x的绝对值。 x <–4 打印(绝对(x))  输出量 [1] 4
2. sqrt(x) 它返回输入x的平方根。 x <-4 打印(sqrt(x))  输出量 [1] 2
3. ceiling(x) 它返回大于或等于x的最小整数。 x <-4.5 打印(天花板(x))  输出量 [1] 5
4. floor(x) 它返回小于或等于x的最大整数。 x <-2.5 打印(地板(x))  输出量 [1] 2
5. trunc(x) 它返回输入x的截断值。 x <-c(1.2, 2.5, 8.1) 打印(trunc(x))  输出量 [1] 1 2 8
6. 回合(x, digits = n) 它返回输入x的舍入值。 x <–4 打印(绝对(x))  输出量 4
7. cos(x), sin(x), tan(x) 它返回输入x的cos(x), sin(x)值。 x <-4 打印(cos(x)) 打印(sin(x)) 打印(棕褐色(x))  输出量 [1] -06536436 [2] -0.7568025 [3] 1.157821
8. log(x) 它返回输入x的自然对数。 x <-4 打印(log(x))  输出量 [1] 1.386294
9. log10(x) 它返回输入x的公共对数。 x <-4 打印(log10(x))  输出量 [1] 0.60206
10. exp(x) 它返回指数。 x <-4 打印(exp(x))  输出量 [1] 54.59815

字符串功能

R提供了各种字符串函数来执行任务。这些字符串函数使我们能够从字符串, 搜索模式等中提取子字符串。R中包含以下字符串函数:

S.没有 Function Description Example
1. substr(x, 开始= n1, 停止= n2) 它用于提取字符向量中的子字符串。 一个<-” 987654321″ substr(a, 3, 3)  输出量 [1]” 3″
2. grep(pattern, x, ignore.case = FALSE, fixed = FALSE) 它在x中搜索模式。 st1 <-c(‘abcd’, ‘bdcd’, ‘abcdabcd’) 模式<-‘^ abc’ 打印(grep(pattern, st1))  输出量 [1] 1 3
3. sub(模式, 替换, x, ignore.case = FALSE, fixed = FALSE) 它在x中找到模式并将其替换为替换(新)文本。 st1 <-“英格兰很美, 但没有欧盟的一部分” sub(” England’, ” UK”, st1)  输出量 [1]”英国很美, 但不是欧盟的一部分”
4. 粘贴(…, sep =””) 在使用sep字符串分隔字符串之后, 它将字符串连接起来。 粘贴(‘一个’, 2, ‘三个’, 4, ‘五个’)  输出量 [1]一2三4五
5. strsplit(x, 拆分) 它在分割点分割字符向量x的元素。 a <-“拆分所有字符” 打印(strsplit(a, “”))  输出量 [[1] [1]”拆分””全部”” the”” character”
6. tolower(x) 用于将字符串转换为小写。 st1 <-” shuBHAm” 打印(tolower(st1))  输出量 [1] shubham
7. toupper(x) 用于将字符串转换为大写。 st1 <-” shuBHAm” 打印(toupper(st1))  输出量 [1] SHUBHAM

统计概率函数

R提供了各种统计概率函数来执行统计任务。这些统计功能对于查找法线密度, 法线分位数和更多计算非常有用。在R中, 使用了以下功能:

S.没有 Function Description Example
1. dnorm(x, m = 0, sd = 1, log = False) 它用于查找每个点到给定的均值和标准差的概率分布的高度 一个<-seq(-7, 7, by = 0.1) b <-dnorm(a, 平均值= 2.5, sd = 0.5) png(file =” dnorm.png”) 情节(x, y) dev.off()
2. pnorm(q, m = 0, sd = 1, lower.tail = TRUE, log.p = FALSE) 它用于查找小于给定值的正态分布随机数的概率。 一个<-seq(-7, 7, by = 0.2) b <-dnorm(a, 平均值= 2.5, sd = 2) png(file =” pnorm.png”) 情节(x, y) dev.off()
3. qnorm(p, m = 0, sd = 1) 用于查找其累积值与概率值匹配的数字。 一个<-seq(1, 2, by = 002) b <-qnorm(a, 平均值= 2.5, sd = 0.5) png(file =” qnorm.png”) 情节(x, y) dev.off()
4. rnorm(n, m = 0, sd = 1) 用于生成正态分布的随机数。 y <-rnorm(40) png(file =” rnorm.png”) hist(y, main =”正态分布”) dev.off()
5. dbinom(x, 大小, 概率) 它用于查找每个点的概率密度分布。 a <-seq(0, 40, by = 1) b <-dbinom(a, 40, 0.5) png(file =” pnorm.png”) 情节(x, y) dev.off()
6. pbinom(q, 大小, 概率) 它用于查找事件的累积概率(代表概率的单个值)。 一个<-pbinom(25, 40, 0.5) 打印(a)  输出量 [1] 0.9596548
7. qbinom(p, 大小, 概率) 用于查找其累积值与概率值匹配的数字。 一个<-qbinom(0.25, 40, 01 / 2) 打印(a)  输出量 [1] 18
8. rbinom(n, 大小, 概率) 它用于从给定样本生成给定概率的所需数量的随机值。 一个<-rbinom(6, 140, 0.4) 打印(a)  输出量 [1] 55 61 46 56 58 49
9. 之后(x, 舔) 它是预期事件数为lambda(λ)的时间段内x成功的概率 dpois(a = 2, lambda = 3)+ dpois(a = 3, lambda = 3)+ dpois(z = 4, labda = 4)  输出量 [1] 0.616115
10. ppois(q, 腰带) 它是小于或等于q个成功的累积概率。 ppois(q = 4, lambda = 3, lower.tail = TRUE)-ppois(q = 1, lambda = 3, lower.tail = TRUE)  输出量 [1] 0.6434504
11. 重复(n, 舔) 它用于根据泊松分布生成随机数。 rpois(10, 10) [1] 6 10 11 3 10 7 7 8 14 12
12. dunif(x, min = 0, max = 1) 此功能提供有关从最小到最大间隔的均匀分布的信息。它给出了密度。 dunif(x, min = 0, max = 1, log = FALSE)
13. punif(q, min = 0, max = 1) 它提供了分布式功能 punif(q, min = 0, max = 1, lower.tail = TRUE, log.p = FALSE)
14. qunif(p, min = 0, max = 1) 它提供了分位数功能。 qunif(p, min = 0, max = 1, lower.tail = TRUE, log.p = FALSE)
15. runif(x, min = 0, max = 1) 它产生随机偏差。 runif(x, min = 0, max = 1)

其他统计功能

除上述功能外, 还有一些其他有用的功能可用于统计目的。有以下功能:

S.没有 Function Description Example
1. 平均值(x, trim = 0, na.rm = FALSE) 用于查找x对象的均值 a <-c(0:10, 40) xm <-平均值(a) 打印(xm)  输出量 [1] 7.916667
2. sd(x) 它返回对象的标准偏差。 a <-c(0:10, 40) xm <-sd(a) 打印(xm)  输出量 [1] 10.58694
3. median(x) 它返回中位数。 a <-c(0:10, 40) xm <-meadian(a) 打印(xm)  输出量 [1] 5.5
4. 量化(x, 概率) 它返回分位数, 其中x是需要分位数的数值向量, 而probs是概率在[0, 1]中的数值向量
5. range(x) 它返回范围。 a <-c(0:10, 40) xm <-范围(a) 打印(xm)  输出量 [1] 0 40
6. sum(x) 它返回总和。 a <-c(0:10, 40) xm <-sum(a) 打印(xm)  输出量 [1] 95
7. diff(x, 滞后= 1) 它返回带有滞后的差异, 指示要使用哪个滞后。 a <-c(0:10, 40) xm <-diff(a) 打印(xm)  输出量 [1] 1 1 1 1 1 1 1 1 1 1 1 30
8. min(x) 它返回最小值。 a <-c(0:10, 40) xm <-min(a) 打印(xm)  输出量 [1] 0
9. max(x) 返回最大值 a <-c(0:10, 40) xm <-最大(a) 打印(xm)  输出量 [1] 40
10. 比例尺(x, center = TRUE, scale = TRUE) 列中心或标准化矩阵。 一个<-矩阵(1:9, 3, 3) 比例(x)  输出量 [, 1]  [1, ] -0.747776547  [2, ] -0.653320562  [3, ] -0.558864577  [4, ] -0.464408592  [5, ] -0.369952608  [6, ] -0.275496623  [7, ] -0.181040638  [8, ] -0.086584653  [9, ] 0.007871332 [10, ] 0.102327317 [11, ] 0.196783302 [12, ] 3.030462849 attr(, ” scaled:center”) [1] 7.916667 attr(, ” scaled:scale”) [1] 10.58694

赞(0) 打赏
未经允许不得转载:srcmini » R内置函数用法解析
分享到: 更多 (0)

评论 抢沙发

评论前必须登录!

 

觉得文章有用就打赏一下文章作者

微信扫一扫打赏