R语言-常用命令

最新推荐文章于 2025-07-04 08:15:00 发布
最新推荐文章于 2025-07-04 08:15:00 发布
阅读量6k 收藏 39
点赞数 5
分类专栏： 技术层-R语言
本文提供了R语言的快捷键总结及常用操作指令，包括数据处理、包管理、帮助查询等方面的内容，有助于提高R语言编程效率。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

------------快捷键

ctrl+R 脚本可直接运行



控制台:
Up/down         回忆之前的命令
Ctrl+Up         回顾命令列表(可先输入前缀进行查找)

焦点:
ctrl+1          移动焦点到source编辑器
ctrl+2          移动焦点到console
ctrl+L          清理控制台

Esc             中断R

Ctrl+Shift+N    创建新文件
Ctrl+O          打开已有文件
Ctrl+S          保存活动文档
Ctrl+W          关闭活动文档
Ctrl+Shift+W    关闭所有打开文档
Ctrl+.          go to file/function
Ctrl+Shift+O    source a file


Ctrl+F          打开查找与替换栏

Ctrl+Shift+U    RStudio可以在source编辑器中分析一组选择的代码，并自动将其转化成再次使用的函数。任何选择中的"free"变量（选择引用对象但不创建）将转化为函数参数。
 

Ctrl+Shift+C    注释或取消注释
Ctrl+D          删除行

Ctrl+Enter      执行一行代码,光标自动跳转下一行(也可选中后执行多行代码)
Ctrl+Shift+P    再次运行相同的选择/或之前的操作[包括增删该等]
Ctrl+Shift+Enter    运行整个文件
Ctrl+Alt+R          运行当前文档
Ctrl+Alt+E          从当前行运行到结尾
Ctrl+Alt+C          运行当前块
Ctrl+Alt+N          运行下一块

Alt+L           代码折叠
Alt+Shift+L     折叠代码展开
Alt+A           折叠全部


Alt+Shift+J     代码段间漫游

F2 或 Ctrl+Click  访问函数定义

Ctrl+F9/Ctrl+F10    Back/Forward


删除所有对象:                         rm(list=ls(all=TRUE))
列出查找路径,即当前使用的程序包:        search()
加载程序包                            library('MASS')
安装程序包                            install.packages('packagename')
R函数帮助                             help.search('Fun_name')
                                     或help.search(Fun_name)
                                     或?Fun_name
搜索帮助(在整个程序包中查找)            help.search('Func_name')
                                     ??Fun_name
模糊查找对象                          apropos('Func_name')


----------R下载包更换镜像语句

local(

{

r <- getOption("repos")

r["CRAN"] <- "http://mirrors.ustc.edu.cn/CRAN/"

options(repos=r)

})

install.packages("arulesSequences")

library(arulesSequences)

备用镜像：
http://mirror.bjtu.edu.cn/cran/

http://mirrors.ustc.edu.cn/CRAN/

http://mirrors.tuna.tsinghua.edu.cn/CRAN/

http://mirrors.xmu.edu.cn/CRAN/


----------安装包

install.packages('包名字'）

install.packages('包名字', lib='安装目录', repos='包所在的网址')

install.packages('/home/R/assertthat_0.1.tar.gz')

R CMD INSTALL 包文件的完整路径


---------查看所有已经安装的包

.packages(all.available=T)

---------设定和查看工作目录

设定工作目录

setwd()

setwd('D:\\R')
注意：用'\\' 代替原本的'\'

查看工作目录

getwd()


------------查看前10行

a[1:10,]

-------------查看行数

nrow(a)



-----------查看前10列

iris[,1:5]


-----------------查看开始部分

> head(iris)

  Sepal.Length Sepal.Width Petal.Length Petal.Width Species

1          5.1         3.5          1.4         0.2  setosa

2          4.9         3.0          1.4         0.2  setosa

3          4.7         3.2          1.3         0.2  setosa

4          4.6         3.1          1.5         0.2  setosa

5          5.0         3.6          1.4         0.2  setosa

6          5.4         3.9          1.7         0.4  setosa


-----------------查看开始的一行

> head(iris,1)
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa




-----------------查看结束部分

> tail(iris)

    Sepal.Length Sepal.Width Petal.Length Petal.Width   Species

145          6.7         3.3          5.7         2.5 virginica

146          6.7         3.0          5.2         2.3 virginica

147          6.3         2.5          5.0         1.9 virginica

148          6.5         3.0          5.2         2.0 virginica

149          6.2         3.4          5.4         2.3 virginica

150          5.9         3.0          5.1         1.8 virginica


----------使用stringsAsFactors

使用stringsAsFactors=F来防止data.frame把向量转为factor
apache = data.frame(httpCode=c(200,200,200,404,404,500),
                    time=c(100,111,210,10,10,500),
                    api=c('index','index','logout','show','show','index'),
                    stringsAsFactors=F)


---------查看数据的范围

a=c(1,2,3,4,5,9,4,1,2,3,5,4,1)

range(a)

[1] 1 9


-------------查看包中的函数

library(topicmodels)
ls("package:包的名称")

library(topicmodels)
ls("package:topicmodels")


-----------查找包的帮助信息

??"ggplot2"


---------------查看数据框基本信息

str(ad_msg)


----------------which函数

which.max(a)：最大值的项的下标；
which.min(a): 最小值的项的下标；
a[which.max(a)]：最大值；
a[which.min(a)]：最小值；
which(a==2)：向量的项为2的下标；
a[which(a==2)]：向量项为2的值；
which(a>5):向量的项大于5的下标；
a[which(a>5)]:向量的项大于5的值；

 

> a=c(2,3,4,2,5,1,6,3,2,5,8,5,7,3)
> which.max(a)
[1] 11
> which.min(a)
[1] 6
> a[which.max(a)]
[1] 8
> a[which.min(a)]
[1] 1
> which(a==2)
[1] 1 4 9
> a[which(a==2)]
[1] 2 2 2
> which(a>5)
[1]  7 11 13
> a[which(a>5)]
[1] 6 8 7


----------------nchar()和length()

x为字符串向量，返回每个字符串的长度。

> nchar("hello world")
[1] 11
>  nchar(c("I love R  language", "R is free"))
[1] 18  9
 

length()计算向量的长度

> length("hello world")
[1] 1
> length(c("I love R  language", "R is free"))
[1] 2


------------正则替换

> a<-"AB(CD)EFG(I)JK"
> gsub("[(.*)]", "", a)
[1] "ABCDEFGIJK"
> gsub("\\(.*?\\)","",a)
[1] "ABEFGJK"

--------------R ceiling、round & floor

ceiling返回对应数字的'天花板'值，就是不小于该数字的最小整数

> a <-c (1,2.5,3.2,3.5,3.6)
> ceiling(a)
[1] 1 3 4 4 4


floor与ceiling相对，返回'地板'值,即不大于该数字的最大值

> floor(a)
[1] 1 2 3 3 3
trunc的特性是'向零截取'， 也就是说对于一个数字a，它将数轴分成两侧，
trunc(a)将返回数轴上包含数字0的那一侧离a最近的那个整数，例如：

> a
[1] 1.0 2.5 3.2 3.5 3.6
> trunc(a)
[1] 1 2 3 3 3
> b<-c(-1,-2.5,-3.2,-3.5,-3.6)
> trunc(b)
[1] -1 -2 -3 -3 -3


round是R里的'四舍五入'函数，具体的规则采用banker's rounding，即四舍六入五留双规则(wiki)

round的原型是round(x, digits = 0), digits设定小数点位置，默认为零即小数点后零位(取整)。

> c<-c(1.4,1.6,1.5,2.5,2.51)
> round(c)
[1] 1 2 2 2 3


----    看数据类型

> a<-c(1,1)
> a
[1] 1 1
> class(a)
[1] "numeric"


---------去除重复行 

> a<-c(1,1)
> a
[1] 1 1
> unique(a)
[1] 1

---------替换缺失值

A[A == 0] <- y

--------------添加列

> str(iris)
'data.frame':	150 obs. of  5 variables:
 $ Sepal.Length: num  5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
 $ Sepal.Width : num  3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
 $ Petal.Length: num  1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
 $ Petal.Width : num  0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
 $ Species     : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...
> iris$a<-iris$Sepal.Length/iris$Sepal.Width
> str(iris)
'data.frame':	150 obs. of  6 variables:
 $ Sepal.Length: num  5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
 $ Sepal.Width : num  3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
 $ Petal.Length: num  1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
 $ Petal.Width : num  0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
 $ Species     : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...
 $ a           : num  1.46 1.63 1.47 1.48 1.39 ...


 -----------数据标准化

> iris[1:6,1:2]
  Sepal.Length Sepal.Width
1          5.1         3.5
2          4.9         3.0
3          4.7         3.2
4          4.6         3.1
5          5.0         3.6
6          5.4         3.9
> iris2<- scale(iris[,1:2])

> head(iris2)
     Sepal.Length Sepal.Width
[1,]   -0.8976739  1.01560199
[2,]   -1.1392005 -0.13153881
[3,]   -1.3807271  0.32731751
[4,]   -1.5014904  0.09788935
[5,]   -1.0184372  1.24503015
[6,]   -0.5353840  1.93331463

---------------表格合并

列合并 cbind

> iris4<-cbind(iris,iris2)
> head(iris)
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species        a
1          5.1         3.5          1.4         0.2  setosa 1.457143
2          4.9         3.0          1.4         0.2  setosa 1.633333
3          4.7         3.2          1.3         0.2  setosa 1.468750
4          4.6         3.1          1.5         0.2  setosa 1.483871
5          5.0         3.6          1.4         0.2  setosa 1.388889
6          5.4         3.9          1.7         0.4  setosa 1.384615
> head(iris4)
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species        a Sepal.Length Sepal.Width
1          5.1         3.5          1.4         0.2  setosa 1.457143   -0.8976739  1.01560199
2          4.9         3.0          1.4         0.2  setosa 1.633333   -1.1392005 -0.13153881
3          4.7         3.2          1.3         0.2  setosa 1.468750   -1.3807271  0.32731751
4          4.6         3.1          1.5         0.2  setosa 1.483871   -1.5014904  0.09788935
5          5.0         3.6          1.4         0.2  setosa 1.388889   -1.0184372  1.24503015
6          5.4         3.9          1.7         0.4  setosa 1.384615   -0.5353840  1.93331463
行合并 rbind 

> a<-iris[1:2,]
> a
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species        a
1          5.1         3.5          1.4         0.2  setosa 1.457143
2          4.9         3.0          1.4         0.2  setosa 1.633333
> b<-iris[3:4,]
> b
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species        a
3          4.7         3.2          1.3         0.2  setosa 1.468750
4          4.6         3.1          1.5         0.2  setosa 1.483871
> c<-rbind(a,b)
> c
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species        a
1          5.1         3.5          1.4         0.2  setosa 1.457143
2          4.9         3.0          1.4         0.2  setosa 1.633333
3          4.7         3.2          1.3         0.2  setosa 1.468750
4          4.6         3.1          1.5         0.2  setosa 1.483871

-------------------提取某种规则的数据 

> c
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species        a
1          5.1         3.5          1.4         0.2  setosa 1.457143
2          4.9         3.0          1.4         0.2  setosa 1.633333
3          4.7         3.2          1.3         0.2  setosa 1.468750
4          4.6         3.1          1.5         0.2  setosa 1.483871

> c[c[,"Petal.Length"]=="1.4",]
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species        a
1          5.1         3.5          1.4         0.2  setosa 1.457143
2          4.9         3.0          1.4         0.2  setosa 1.633333
> c[c[,"Petal.Length"]=="1.4"&c[,"Sepal.Length"]=='5.1',]
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species        a
1          5.1         3.5          1.4         0.2  setosa 1.457143

--------------------查看分类变量的信息 

> table(iris$Species)

    setosa versicolor  virginica 
        50         50         50 
> unique(iris$Species) 
[1] setosa     versicolor virginica 
Levels: setosa versicolor virginica

-------------dim用法

> a<-c(1:20)
> a
 [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20
> dim(a)
NULL
> dim(a)<-c(2,10)
> a
     [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
[1,]    1    3    5    7    9   11   13   15   17    19
[2,]    2    4    6    8   10   12   14   16   18    20
> dim(a)<-c(10,2)
> a
      [,1] [,2]
 [1,]    1   11
 [2,]    2   12
 [3,]    3   13
 [4,]    4   14
 [5,]    5   15
 [6,]    6   16
 [7,]    7   17
 [8,]    8   18
 [9,]    9   19
[10,]   10   20
> dim(a)
[1] 10  2

---------------做列联表 

> b<-unlist(sapply(c("setosa", "versicolor"), function(x)dim(iris[iris[,"Species"]==x,])[1]))
> a<-unlist(sapply(c("setosa", "versicolor"), function(x)dim(iris[iris[,"Species"]==x,])[1]))
> a
    setosa versicolor 
        50         50 
> b
    setosa versicolor 
        50         50 

> cbind(a,b)
            a  b
setosa     50 50
versicolor 50 50

> data.frame(a=a,b=b)
            a  b
setosa     50 50
versicolor 50 50
> data.frame(a,b)
            a  b
setosa     50 50
versicolor 50 50

------------rep()函数

Rep(a,times= ),后边的数是重复前面数的次数。就是将3重复2次，将5重复4次。

> rep(3,5)
[1] 3 3 3 3 3
> rep(3,times=5)
[1] 3 3 3 3 3
> rep(c(1,2),c(5,5))
 [1] 1 1 1 1 1 2 2 2 2 2


---------------:sort()，rank()，order() 

sort(x)是对向量x进行排序，返回值排序后的数值向量。rank()是求秩的函数，它的返回值是这个向量中对应元素的“排名”。而order()的返回值是对应“排名”的元素所在向量中的位置。

> x<-c(97,93,85,74,32,100,99,67)
> sort(x)
[1]  32  67  74  85  93  97  99 100
> order(x)
[1] 5 8 4 3 2 1 7 6
> rank(x)
[1] 6 5 4 3 1 8 7 2


---------------求累积和

cumsum(x)  求累计和

a=c(1,2,3,4,5,9,4,1,2,3,5,4,1)

> cumsum(a)
 [1]  1  3  6 10 15 24 28 29 31 34 39 43 44


------------Rstudio解决中文乱码问题

name=names(futures_user)
name<-iconv(name,"UTF-8","gbk")


----R中文乱码问题

Linux

dbSendQuery(con,"SET NAMES utf8;")


windows

dbSendQuery(con,"SET NAMES GBK;")


-------------------选取字段

d[dname=="de"|dname=="ji",]





r语言常用命令
haosiwusiyou的专栏
05-12 1425
1：获取帮组 1.1本地资源 help(package=MASS):得到整个包的信息。 R CAMD command --help: 批处理模式获得帮助。 1.2在线资源 1)RSeek搜索引擎：http://rseek.org/ 2)r语言邮箱列表服务器:r-help:http://www.r-project.org/mail.html
R语言安装包-R-4.2.2-win.zip
03-03
R语言是一种广泛应用于统计分析、数据挖掘、机器学习和图形绘制的开源编程语言。它以其强大的数据处理能力和丰富的统计分析库而备受青睐。R-4.2.2-win.zip 是针对Windows操作系统的R语言安装包，它包含了在Windows...
R语言 常用命令
糊里糊涂
12-07 3205
宏包 宏包安装与批量加载 # install.packages 是安装包的函数，包只需要安装一次即可 install.packages("pacman") #pacman是一个批处理包 library(pacman) # library() 是加载包的函数，每次重新打开新的R脚本需要重新加载 p_load(tidyverse,dplyr) #p_load的pacman里的函数，其功能是先检验电脑是否已经安装tidyverse,dplyr包 #如果没有安装，则安装并加载这两个包；如果已经安装，则
R 语言入门
最新发布
candy的博客
07-04 1624
R 语言是一种专为统计分析和数据科学设计的编程语言，由新西兰奥克兰大学的 Ross Ihaka 和 Robert Gentleman 于 1993 年开发。它以其强大的统计计算能力、灵活的数据处理方式和丰富的可视化功能，成为数据科学家、统计学家和研究人员的首选工具之一。
R语言常用命令
石贤芝
08-30 2428
获取字符串前几位 SQL中：substr(riqi,1,7) R语言中：substring(riqi,1,7) , 其中，1为起始位置，7位截取的长度。 把运行的结果保存到一个TXT文件中： write.table(danliang, ‘danliang.txt’, quote = F, row.names = F, sep=’\t’) 解释：把
R语言常用命令（持续更新）
bagadesu的博客
09-02 199
【代码】R语言常用命令（持续更新）
R语言的数字型常用命令
ziixiaoshenwang的博客
04-07 314
R语言参考卡片，包含常用命令
03-14
R语言参考卡片，包含常用命令 R语言是一种流行的编程语言，广泛应用于数据分析、统计学和数据挖掘等领域。本参考卡片旨在提供R语言的常用命令和函数，帮助开发者快速了解R语言的基础知识和应用场景。 1. 帮助命令 ...
开发语言-15-cp和mv命令选项.ev4.rar
03-21
本资源"开发语言-15-cp和mv命令选项.ev4.rar"显然聚焦于两个核心的文件管理命令：`cp`（复制）和`mv`（移动/重命名）。这两个命令是日常开发工作中频繁使用的，尤其是在进行文件操作、版本控制以及自动化脚本编写时...
开发语言-14-mkdir和rm命令选项.ev4.rar
03-21
在IT开发领域，熟悉操作系统中的基础命令是必不可少的技能之一。...提供的`开发语言-14-mkdir和rm命令选项.ev4.mp4`视频资源，应该是对这两个命令的详细讲解和示例演示，观看此视频将有助于巩固这些知识。
R语言常用函数速查手册
03-05
在介绍R语言常用函数速查手册的知识点之前，需要明确R语言是一种用于统计计算和图形表示的编程语言和软件环境。R语言因其功能强大和灵活性，在数据分析、机器学习、统计学和图形表示等领域得到了广泛应用。本手册...
R语言基本命令语法-2.R
04-06
R语言基本命令语法，包括聚类分析，爬取网页数据，适合数据分析工程师入门及生物信息学相关专业本科生研究生
R语言常用函数参考卡片
12-27
原文档（英文）由Tom Short tshort@eprisolutions.com撰写，你可以在www.Rpad.org上得到最新文档。中文版本文档（已获得Tom Short的翻译许可）结构上同原版类似，局部添加了若干常用命令。后续修订以及维护由刘思喆负责，如有建议或疑问请联系邮件 sunbjt@gmail.com 或博客主页 http://bjt.name
常用的R语言命令 | 记录 | 可根据查找看自己需要的
weixin_57699783的博客
05-13 1642
R中命令学习总结，复盘查找专用
R语言常用基础命令总结
twistti的博客
09-04 947
1. 当某个函数使用有冲突时，可以在函数前面加上相应包的信息：dply::filter ()
R语言 常用基础快捷代码及快捷键
m0_59540474的博客
03-30 3452
1.运行类 2.计算类
R语言的基础命令及实例操作
ALPH_的博客
03-01 1854
R语言的基础命令及实例操作
R语言——基本操作（一）
热门推荐
Billie使劲学的博客
12-18 1万+
查看所有历史记录，比直接使用 ↑ 查找更方便中断操作，可中断未完成的操作（未完成回车后是 + ），也可以清空命令。清空屏幕显示R studio中所有的快捷操作。
R语言-快捷键
weixin_44612629的博客
12-12 642
Ctrl +L 删除操作台的命令行 Shift +Ctrl + C 注释所选中（一行或多行）命令
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值