获取帮助

# 帮助文档
?solve
help(solve)

# 搜索文档
??"[["
help.search("[[")

# 在线文档
help.start()

# 运行文档中的例子
example(solve)

命令行

R  # 进入R环境
source("script.r") #执行R脚本
system("ls") #执行shell命令
q() # 退出R环境

输出展示和保存

( x<-1:10 ) # 加括号可以在赋值的同时也打印结果
dput(x) # 打印对象的纯文本表示

sink("log.txt") # 开始记录输出日志（同时展示输出）
sink() #保存日志

对象

类型查询

R 总共有 4 个类型查询函数，分别是：

• class()
• typeof()
• mode()
• storage.mode()
  它们之间的区别十分繁琐，大多数时候使用 class() 即可。

有人整理了它们所有可能的返回值及其对应关系（参考链接）：

类型判断

R 有一系列 is 开头的类型判断函数。

• 数据类型
  • is.numeric(x)：是否为数值型（包括整数和双精度）。
    • is.integer(x)：是否为整数型。
    • is.double(x)：是否为双精度浮点数。
  • is.character(x)：是否为字符型。
  • is.logical(x)：是否为逻辑型（TRUE/FALSE）。
  • is.complex(x)：是否为复数型。
  • is.raw(x)：是否为原始字节。
• 数据结构
  • is.vector(x)：是否为向量（原子向量或 list，且没有除 names 外的属性）。⚠️ 很严格，很多带属性的对象会返回 FALSE。
    • is.atomic(x)：是否为原子向量（数值、字符、逻辑等，不包括 list）。
    • is.list(x)：是否为列表。
  • is.matrix(x)：是否为矩阵。
  • is.array(x)：是否为数组。
  • is.data.frame(x)：是否为数据框。
  • is.factor(x)：是否为因子。
• 特殊数值
  • is.na(x)：是否为缺失值 NA (Not Available)。
  • is.nan(x)：是否为非数值 NaN (Not a Number)，是 NA 的子集。
  • is.finite(x)：是否为有限数值。
  • is.infinite(x)：是否为 ±Inf。
• 对象系统
  • is.object(x)：是否为对象（即有类属性）。
  • is.function(x)：是否为函数。
  • is.environment(x)：是否为环境。

列表

alist<-list(a = 10, b = 20, c = 30)
# 判断对象是否属于列表
is.list(alist)
#返回第一元素子列（list）
alist[1]
alist["a"]

#返回第一元素的值（vector）
alist1
alist[["a"]]
alist$a

#返回若干元素子列
alist[1:2]
alist[c("a","c")]

#返回若干元素的值
unname(unlist(alist[c("a", "c")]))
unname(sapply(alist[c("a", "c")], identity))

难点：子列和数值不同

使用 unname(list[1]) 得到的结果和 list 1 完全一致？

不完全一样。

简要说明：list[1] 返回一个长度为 1 的子列表（仍是 list）；list1 返回第 1 个元素本身（元素的类型可能是向量、data.frame、list 等）。unname() 去掉的是对象的 names 属性：对 list[1] 去名后仍是一个长度 1 的 list；对 list[[1]] 去名则是去掉该元素的名字（如果它有名字）。

# R
lst <list(a = 1:3, b = 4)

lst[1]
# -> list(a = 1:3)

unname(lst[1])
# -> list(1:3)      # 仍是一个 list（只是没有名字）

lst[[1]]
# -> 1 2 3          # 直接是数值向量

identical(unname(lst[1]), lst[[1]])
# -> FALSE

# 若要比较子列表中实际元素与提取元素是否相同：
identical(unname(lst[1])[[1]], lst[[1]])
# -> TRUE

# 若想得到没有名字的元素，使用 unname(lst[[1]])
unname(lst[[1]])

数据框

• 使用 names(data) 返回数据可用变量名
  • 通过 names$var 返回指定变量
• 使用 colnames(data) 得到的结果是一样的
• 几乎不用 rownames(data)，因为返回的只是 ID

提取变量的三种方法

# 方法一：逐个提取
data$var1
data$var2
# 方法二：将所有变量加入命名空间
attach(data)
var1
var2
detach(data)
# 方法三：临时加入命名空间
with(data,plot(var1,var2))

subset()

模型

使用 names(model) 返回模型对象所有可用属性名称向量。

要访问某个指定属性，可以

• 通过 model$atrr
• 通过特定函数
  其中，比较常用的几个如下表所示：

此外，可以

• 使用 summary(model) 返回回归表格
• 使用 nobs(model) 返回观测值数量
• 使用 coef(model)["var1"] 或 coef(model)[1] 返回回归系数向量切片
• 使用 coef(model)[["var1"]] 或 coef(model)[[1]] 返回回归系数向量切片的值

其他可用变量如下表所示：

对象存取

#===纯文本格式===
dput(df,file="df.R")   #保存单个对象/返回原始格式
new.df<-dget("df.R")   #读取单个对象
dput(names(df))        #用例：返回df的变量名向量

dump(c("df1", "df2"), file = "data.R")  # 保存多个对象
source("data.R")                        # 读取多个对象

#===二进制格式===
save(df, file = "df.rda")         # 保存单个对象
save.image(file = "all.RData")    # 保存所有对象
load("df.rda")                    # 加载单个对象
load("all.RData")                 # 加载所有对象
# .rda和.RData 是完全相同的格式

环境管理

一切对象都存在于环境中。环境可看作对象名到对象映射的集合，每个环境都有一个父环境环环相扣，R 会沿着环境链条逐级查找对象。

搜索路径（Search Path）展示了部分环境链，包括：

• 存放工作对象的 .GlobalEnv 环境
• 当前已加载的数据框环境和包环境

search() #列出当前搜索路径

library(ggplot2) #将包环境加入搜索路径（不加参数则展示所有已安装的包）
detach("package:ggplot2") #从搜索路径移除包环境
renv::init() #直接访问包环境内的对象

attach(data) #将data环境加入搜索路径，变量即为对象
detach(data) #将data环境移出搜索路径
with(data, plot(x, y)) #直接访问数据框环境内的变量

ls() #列出`.GlobalEnv`中的对象
ls(3) #列出搜索空间第3位环境中的对象
rm(x) #删除`.GlobalEnv`中的对象x
rm(list = ls()) #删除`.GlobalEnv`中的所有对象