2.1会话管理
2.1.1工作空间窗口
ls()#查看变量，不能省略括号
1] “bmi” “d” “exp.lean” “exp.obese” “fpain”
[6] “height” “hh” “intake.post” “intake.pre” “intake.sorted”
[11] “l” “m” “mylist” “n” “o”
[16] “oops” “pain” “sel” “thue2” “thue3”
[21] “thue4” “v” “weight” “x” “xbar”
[26] “y”
rm(height,weight)#删除变量height和weight
rm(list = ls())#清空整个工作空间
save.image()#保存工作空间在当前目录下，一个称为.RData的文件
2.1.2文本输出
sink("myfile")#将输出结果保存在myfile文件下
ls()#没有输出，因为结果在myfile文件夹下保存
将第一章全部运行后，再将输出结果保存在myfile.txt的文件夹下，再使用ls（)调用空间变量
这时我们查看工作目录下的myflie.txt文件
sink()#将输出正常显示
getwd()#获取当前工作目录
setwd("C:\\Users\\Kilimanjaro\\Desktop\\博客\\新建文件夹")#更改工作目录
在执行完后一定记得调用sink（），将其设置为正常显示输出
[1] “C:/Users/Kilimanjaro/Desktop/博客/新建文件夹”
2.1.3脚本
source('daima.txt')
source('daima.txt',echo = T)
在工作目录下新建一个daima.txt，通过设置each=T参数将其运行结果在R中显示出来
2+2
[1] 4
exp(-2)
[1] 0.1353353
rnorm(15)
[1] 1.32971766 1.61329381 2.46174948 0.05798975 0.29200531
[6] -0.03028667 1.21906699 -1.28114855 0.21744411 -0.55871386
[11] 1.23137098 0.17678384 -1.19585967 -1.00814544 -1.63469407
2.1.5包
library(survival)#加载程序包
Attaching package: ‘survival’
The following object is masked from ‘package:ISwR’:
lung
2.1.7attach和detach
detach("package:survival")#删除已经加载的包
attach(thuesen)#使数据框thuesen被置于系统的搜索路径（search path）中
blood.glucose#直接可以得到thuesen数据中变量blood.glucose的数据，不需要$符号
[1] 15.3 10.8 8.1 19.5 7.2 5.3 9.3 11.1 7.5 12.2 6.7 5.2 19.0 15.1
[15] 6.7 8.6 4.2 10.3 12.5 16.1 13.3 4.9 8.8 9.5
search()#查看搜索路径，thuesen被置于第二位
[1] “.GlobalEnv” “thuesen” “package:knitr”
[4] “package:ISwR” “tools:rstudio” “package:stats”
[7] “package:graphics” “package:grDevices” “package:utils”
[10] “package:datasets” “package:methods” “Autoloads”
[13] “package:base”
with(thuesen,plot(blood.glucose,short.velocity))#设置一个数据框在.GlobalEvn之前被搜索到
detach()#从搜索路径删除数据框，不给参数是，第二个位置的数据框将被删除
search()
[1] “.GlobalEnv” “package:knitr” “package:ISwR”
[4] “tools:rstudio” “package:stats” “package:graphics”
[7] “package:grDevices” “package:utils” “package:datasets”
[10] “package:methods” “Autoloads” “package:base”
2.1.8subset,transfrom和within
thue2<-subset(thuesen,blood.glucose<7)#将tuesen数据框中变量blood.glucose小于7的数据赋给thue2数据框
thue2
blood.glucose short.velocity
6 5.3 1.49
11 6.7 1.25
12 5.2 1.19
15 6.7 1.52
17 4.2 1.12
22 4.9 1.03
thue3<-transform(thuesen,log.gluc=log(blood.glucose))#将tuesen数据框中变量blood.glucose的数据取对数赋给log.gluc变量并且将新变量与旧变量合并生成新的数据框thue3
thue3
blood.glucose short.velocity log.gluc
1 15.3 1.76 2.727853
2 10.8 1.34 2.379546
3 8.1 1.27 2.091864
4 19.5 1.47 2.970414
5 7.2 1.27 1.974081
6 5.3 1.49 1.667707
7 9.3 1.31 2.230014
8 11.1 1.09 2.406945
9 7.5 1.18 2.014903
10 12.2 1.22 2.501436
11 6.7 1.25 1.902108
12 5.2 1.19 1.648659
13 19.0 1.95 2.944439
14 15.1 1.28 2.714695
15 6.7 1.52 1.902108
16 8.6 NA 2.151762
17 4.2 1.12 1.435085
18 10.3 1.37 2.332144
19 12.5 1.19 2.525729
20 16.1 1.05 2.778819
21 13.3 1.32 2.587764
22 4.9 1.03 1.589235
23 8.8 1.12 2.174752
24 9.5 1.70 2.251292
thue4<-within(thuesen,{
log.gluc<-log(blood.glucose)
m<-mean(log.gluc)#注意m为标量，与其他数据不一致
centered.log.gluc<-log.gluc-m
rm(m)
})#将tuesen数据框中变量blood.glucose的数据取对数赋给log.gluc变量
#将log.gluc变量求平均赋给m，将log.gluc减m的结果赋给centered.log.gluc，删除常数m
thue4
blood.glucose|short.velocity centeredlog.gluc log.gluc
1 15.3 1.76 0.481879807 2.727853
2 10.8 1.34 0.133573113 2.379546
3 8.1 1.27 -0.154108960 2.091864
4 19.5 1.47 0.724441444 2.970414
5 7.2 1.27 -0.271891996 1.974081
6 5.3 1.49 -0.578266201 1.667707
7 9.3 1.31 -0.015958621 2.230014
8 11.1 1.09 0.160972087 2.406945
9 7.5 1.18 -0.231070001 2.014903
10 12.2 1.22 0.255462930 2.501436
11 6.7 1.25 -0.343865495 1.902108
12 5.2 1.19 -0.597314396 1.648659
13 19.0 1.95 0.698465958 2.944439
14 15.1 1.28 0.468721722 2.714695
15 6.7 1.52 -0.343865495 1.902108
16 8.6 NA -0.094210818 2.151762
17 4.2 1.12 -0.810888496 1.435085
18 10.3 1.37 0.086170874 2.332144
19 12.5 1.19 0.279755623 2.525729
20 16.1 1.05 0.532846250 2.778819
21 13.3 1.32 0.341791014 2.587764
22 4.9 1.03 -0.656737817 1.589235
23 8.8 1.12 -0.071221300 2.174752
24 9.5 1.70 0.005318777 2.251292