R 内置函数

R 内置函数 首页 / R入门教程 / R 内置函数

在编程框架中已经创建或定义的函数称为内置函数。 R具有丰富的函数集,可用于为用户执行几乎所有任务。这些内置函数根据其函数分为以下几类。

R Built-in Functions

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,使用了以下函数:

S. NoFunctionDescriptionExample
1.abs(x)它返回输入x的绝对值。
x<- -4
print(abs(x))
Output
[1]  4
2.sqrt(x)它返回输入x的平方根。
x<- 4
print(sqrt(x))
Output
[1]  2
3.ceiling(x)它返回大于或等于x的最小整数。
x<- 4.5
print(ceiling(x))
Output
[1]  5
4.floor(x)它返回小于或等于x的最大整数。
x<- 2.5
print(floor(x))
Output
[1]  2
5.trunc(x)它返回输入x的整数值。
x<- c(1.2,2.5,8.1)
print(trunc(x))
Output
[1]  1  2  8
6.round(x, digits=n)它返回输入x的舍入值。
x<- -4
print(abs(x))
Output
4
7.cos(x), sin(x), tan(x)它返回输入x的cos(x),sin(x)值。
x<- 4
print(cos(x))
print(sin(x))
print(tan(x))
Output
[1]  -06536436
[2]  -0.7568025
[3]  1.157821
8.log(x)它返回输入x的自然对数。
x<- 4
print(log(x))
Output
[1]  1.386294
9.log10(x)它返回输入x的公共对数。
x<- 4
print(log10(x))
Output
[1]  0.60206
10.exp(x)它返回指数。
x<- 4
print(exp(x))
Output
[1]  54.59815

字符串函数

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. NoFunctionDescriptionExample
1.substr(x, start=n1,stop=n2)它用于提取字符向量中的子字符串。
a <- "987654321"
substr(a, 3, 3)
Output
[1]  "3"
2.grep(pattern, x , ignore.case=FALSE, fixed=FALSE)它在x中搜索模式。
st1 <- c('abcd','bdcd','abcdabcd')
pattern<- '^abc'
print(grep(pattern, st1))
Output
[1]  1  3   
3.sub(pattern, replacement, 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<- "England is beautiful but no the part of EU"
sub("England', "UK", st1)
Output
[1]  "UK is beautiful but not a part of EU"
4.paste(..., sep="")在使用sep字符串分隔字符串之后,它将字符串连接起来。
paste('one',2,'three',4,'five')
Output
[1]  one 2 three 4 five
5.strsplit(x, split)它在分割点分割字符向量x的元素。
a<-"Split all the character"
print(strsplit(a, ""))
Output
[[1]]
[1]  "split"    "all"     "the"     "character"      
6.tolower(x)用于将字符串转换为小写。
st1<- "shuBHAm"
print(tolower(st1))
Output
[1]  shubham
7.toupper(x)用于将字符串转换为大写。
st1<- "shuBHAm"
print(toupper(st1))
Output
[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。这些统计函数对于查找法线密度,法线分位数和更多计算非常有用。在R中,使用了以下函数:

S. NoFunctionDescriptionExample
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
a <- seq(-7, 7, by=0.1)
b <- dnorm(a, mean=2.5, sd=0.5)
png(file="dnorm.png")
plot(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。
a <- seq(-7, 7, by=0.2)
b <- dnorm(a, mean=2.5, sd=2)
png(file="pnorm.png")
plot(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。
a <- seq(1, 2, by=002)
b <- qnorm(a, mean=2.5, sd=0.5)
png(file="qnorm.png")
plot(x,y)
dev.off()
4.rnorm(n, m=0, sd=1)它用于生成正态分布的随机数。
y <- rnorm(40)
png(file="rnorm.png")
hist(y, main="Normal Distribution")
dev.off()
5.dbinom(x, size, prob)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")
plot(x,y)
dev.off()
6.pbinom(q, size, prob)它用于查找事件的累积概率(代表概率的单个值)。
a <- pbinom(25, 40,0.5)
print(a)
Output
[1]  0.9596548
7.qbinom(p, size, prob)用于查找其累积值与概率值匹配的数字。
a <- qbinom(0.25, 40,01/2)
print(a)
Output
[1]  18
8.rbinom(n, size, prob)它用于从给定样本中生成所需数量的给定概率的给定概率。
a <- rbinom(6, 140,0.4)
print(a)
Output
[1]  55  61  46  56  58  49
9.dpois(x, lamba)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)
Output
[1]  0.616115
10.ppois(q, lamba)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)
Output
[1]  0.6434504
11.rpois(n, lamba)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)此函数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)它提供了分布式函数
punif(q, min=0, max=1, lower.tail=TRUE, log.p=FALSE)
14.qunif(p, min=0, max=1)它提供了分位数函数。
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)

其他统计函数

除上述函数外,还有一些其他有用的函数可用于统计目的。有以下函数:

S. NoFunctionDescriptionExample
1.mean(x, trim=0, na.rm=FALSE)用于查找x对象的均值
a<-c(0:10, 40)
xm<-mean(a)
print(xm)
Output
[1]  7.916667
2.sd(x)它返回对象的标准偏差。
a<-c(0:10, 40)
xm<-sd(a)
print(xm)
Output
[1]  10.58694
3.median(x)它返回中位数。
a<-c(0:10, 40)
xm<-meadian(a)
print(xm)
Output
[1]  5.5
4.quantilie(x, probs)它返回分位数,其中x是需要分位数的数值向量,而probs是具有[0,1]的概率的数值向量
5.range(x)它返回参数值。
a<-c(0:10, 40)
xm<-range(a)
print(xm)
Output
[1]  0  40
6.sum(x)它返回总和值。
a<-c(0:10, 40)
xm<-sum(a)
print(xm)
Output
[1]  95
7.diff(x, lag=1)它返回差异值。
a<-c(0:10, 40)
xm<-diff(a)
print(xm)
Output
[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)
print(xm)
Output
[1]  0
9.max(x)返回最大值
a<-c(0:10, 40)
xm<-max(a)
print(xm)
Output
[1]  40
10.scale(x, center=TRUE, scale=TRUE)列中心或标准化矩阵。
a <- matrix(1:9,3,3)
scale(x)
Output
[,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

祝学习愉快!(内容编辑有误?请选中要编辑内容 -> 右键 -> 修改 -> 提交!)

技术教程推荐

Go语言核心36讲 -〔郝林〕

代码精进之路 -〔范学雷〕

苏杰的产品创新课 -〔苏杰〕

移动端自动化测试实战 -〔思寒〕

雷蓓蓓的项目管理实战课 -〔雷蓓蓓〕

手把手带你搭建秒杀系统 -〔佘志东〕

玩转Vue 3全家桶 -〔大圣〕

Go进阶 · 分布式爬虫实战 -〔郑建勋〕

现代C++20实战高手课 -〔卢誉声〕

好记忆不如烂笔头。留下您的足迹吧 :)