标签：
一， R语言所处理的工作层：
解释一下：
最下面的一层为数据源，往上是数据仓库层，往上是数据探索层，包括统计分析，统计查询，还有就是报告
再往上的三层，分别是数据挖掘，数据展现和数据决策。
由上图可知，R语言是可以用于数据挖掘，数据展现，而后领导根据展现的数据来决策，R语言在数据展现的方面，拥有很强大的功能。
二，R语言的数据结构：
包括如下的几项：包括向量，矩阵，数组，数据框，列表和因子
1，向量：
创建向量的方法一共有三种，分别如下：
第一种，使用c()的这个方法：
由于博客中木有R语言代码的选项，所以，下面选择截图：
解释一下，就是创建x1向量，x2向量，然后分别使用length()和mode()函数，获得向量的长度和向量的类型，上面显示的向量的类型是numeric，即为数字类型。
然后，分别使用rbind(x1,x2)和cbind(x1,x2)两个方法分别对两个向量进行行组合和列组合。
那么向量是否可以为别的类型呢？答案很显然是可以的，如下所示，向量中只要含有字符串，那么这个向量就是字符类型的。
第二种创建向量的方法，及向量的截取：
由上面的代码可知，不写c的情况下，可以直接使用“：”来完成向量的创建，而切在常见的同时，根据加减乘来决定所创建向量的具体的形式
向量中元素的选取和那啥别的语言中的数组的方法是相同的，不同的是，他可以加上一个负号进行选取，而后选取的结果就是去掉这个元素之后的其他的元素
这种方法不单单适用于单个元素，依旧适用于多个元素，多个元素的时候使用“：”来完成。
第三种创建向量的方式：
这种创建方式，长的和第一种方法有点相同，其效果和第二个方法的效果又有点相似，其中by其表示等差，，length表示的是个数，根据个数来判断方差到底是多少
这三种创建向量方法的总结对比，似乎会得到一个结论：
第一种，适合于创建有限个少量的元素的向量
第二种，适合于创建大量元素，但是这些元素之间关系不是那么强烈的向量
第三种，适合创建拥有等差性质的向量
下面的时候，还有一个创建向量的方法。。。。。
最后还有一个向量，是R语言之中内置的常向量，用来表示a,b,c,d...z等26个字母
2，使用特定的函数，对向量进行操作
这里包括了which函数，其中which.max()和which.min()分别用来取向量中的最大值和最小值的下标，注意是下标，不是对应的值
还可以用来去特定范围和特定值的下标
而后便是rev()函数和sort()函数，分别用来进行反转和排序
2，矩阵
不同于创建向量的方法，矩阵的创建方法只有一种，且是在向量的基础上，对向量进行按列和按行进行排序得到的结果。
由上面可知，前面有关三个创建向量的方法是有误的，c（）方法很显然也可以用来创建大量的元素的向量
用matrix方法对向量进行组合的时候，默认是安装列来进行书序的组合，比如第一个，矩阵，按照列，第一个列是1,2,3，第二列才是4,5,6所以就是明显的按列进行，
如果改为用byrow=T，则改为按行来排列
3，数组
4， 数据框
数据框的构建也只有一种方法，他的也是有向量组合而成，由此可以见得，向量是R语言最根本对的数据结构，如果没有向量，一切都是不行的。
同时不同于矩阵，他的每一个列可以和其他的列是不同的类型
5，factor
下图所示，iris是R语言内置的数据框，如果使用facotor就可以选择其中的一列
如上图所指示，就是去的列的值了，字面的上的意思就是取得影响因子，如果吧每一个当一个事物的特征值的话
6，列表
所谓列表，可以看成是有序个元素的集合，他存进去的顺序很显然是和取出来的书序是相等的。
三，R语言计算相关的函数：
普通运算：
由上图所示，mean()是求平均值，sum（）是求和，max( ）是求最大值，，min() 是求最小值
矩阵运算，
包括加减乘除，求特征值和特征向量等等
其加法减法的表示没有啥特殊的，同时需要注意的是，t()是表示转置，他的功效很大，还可以吧转化为矩阵，如下图所示：
就完成了到行矩阵的转换，同时也完成了行矩阵到列矩阵的转换
矩阵的乘法，就是%*% ,纯粹的*只是矩阵的元素相乘。。
diag()函数，可以根据矩阵获得列表对象线上的元素，当然还可以根据对角线上的元素，来创建一个矩阵
同时可以用来构建单位阵
如下计算，rnorm是去的随机数，solve（）函数是用求得矩阵a的逆矩阵，即为矩阵的除法
如下图所示，solve函数依旧可以用来解方程组：
如下图所示， eigen函数就是用来取得一个矩阵的特征向量和特征值，同时可以使用$来取出
四，R的语句：
for语句：
不同于别的语法，for循环之中，没有必要初始化值，a或者b有一个初始化的值
while 循环语句：
不同于上面的，a需要有初始的值，也还要控制i的加减
五，一些其他的特殊的函数：
注意在，文本中，如果想加载这个文件打印，就需要在文本的代码之中，使用print()函数。。。
标签：
原文地址：http://www.cnblogs.com/beigongfengchen/p/5459588.html
