r basic

r-basic.r

rm(list=ls()) # 清空所有obj
x<-"R is easy to learn!"
y<-3
y<-pi
bol1 <- T
bol2 <- TRUE
bol3 <- F
bol1 == bol2
bol1 & bol2
bol3 | 4 > 5
4>2
1>=2
"Chia"=="Chia"
"Chia"=="chia"
a<-NA
a==NA # 注意：不能用==，要用 is.na(a) 才會回傳 TRUE。(另外還有 is.nan)
      # NA: not available, NAN: not a number
is.na(a)


# if/else
value <- 5
if (value > 4) {
  print("The value is greater than 4")
} else if (2 < value & value <= 4) {
  print("The value is greater than 2 and no greater than 4.")
} else {
  print("The value is no greater than 2.")
}

# for loop
final_result <- 0
for (i in 1:10) {
  final_result <- final_result + i
}

# while loop
while (T){
  handsome <- readline('Are you handsome? ')
  if (handsome == 'yes'){
    print('Really....!?')
  } else {
    print('Now we are talking.')
    break
  }
}

(final_result)



############
#  Vector  #
############
# c()為 R 中建立向量的內建函式
# c(): concatenation function

# vector 中所有元素都必須是同一種資料屬性。
vec1 <- c(1, 2, 3)
vec2 <- c("a", "b", "c") 

# 字串優先於數字, 數字優先於布林值
mix_vec1 <- c("a", 2) 
# [1] "a" "2"
mix_vec2 <- c(2, T) 
# [1] 2 1

# Named Vector:
Bob <- c(age = 27, height = 187, weight = 80)
Bob
##    age height weight 
##     27    187     80


vec1 <- c(1, 2, 3)
vec2 <- c(4, 5, 6)
vec1 + vec2 
## [1] 5 7 9
vec1 - vec2
## [1] -3 -3 -3
vec1 * vec2
## [1]  4 10 18
vec1[1] + vec2[3]
## [1] 7
names(Bob)
## [1] "age"    "height" "weight"
Bob["age"]  # reference by name.



############
#  Matrix  #
############
# 語法: matrix(elements, norw, ncol, byrow = F)

My_matrix1 <- matrix(1:6, 2, 3)
My_matrix2 <- matrix(1:6, 2, 3, byrow = T) # 先從row開始填
My_matrix1
##      [,1] [,2] [,3]
## [1,]    1    3    5
## [2,]    2    4    6
My_matrix2
##      [,1] [,2] [,3]
## [1,]    1    2    3
## [2,]    4    5    6
My_matrix1 + My_matrix2
##      [,1] [,2] [,3]
## [1,]    2    5    8
## [2,]    6    9   12
My_matrix1 * My_matrix2 # matlab裡面的.*
##      [,1] [,2] [,3]
## [1,]    1    6   15
## [2,]    8   20   36


# t(): Transpose
vec <- c(1:3)
(t(vec))
##      [,1] [,2] [,3]
## [1,]    1    2    3
# 如果是vector，雖然看起來像是row matrix，但R就會先原封不動轉成matrix，
# 所以要變成column matrix就要轉兩次
t(t(vec))
#      [,1]
# [1,]    1
# [2,]    2
# [3,]    3


# %*%: Matrix Mulplication 矩陣乘法
my_vec <- matrix(1:3, ncol = 1)  # 用 c() 也跑得動。
My_matrix1 %*% my_vec
# My_matrix1 %*% t(my_vec)
## Error: 非調和引數
My_matrix1[1, c(1, 3)] # row 1 的col 1, 3
## [1] 1 5
My_matrix2[, c(2, 3)] # 所有row的col 2, 3
##      [,1] [,2]
## [1,]    2    3
## [2,]    5    6

dim(My_matrix1) # 2乘3
## [1] 2 3 



###########################
#  Factor and Data Frame  #
###########################
# R 中有很多內建資料庫，其中包括你不可以不知道的 iris 資料庫。
data(iris)
head(iris) # 前6筆
##   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
head(iris, n = 10)  # 顯示 iris 前 10 筆資料 (預設為 6 筆)
tail(iris, n = 10)  # 顯示 iris 後 10 筆資料 (預設為 6 筆)

Species <- iris[, "Species"]
class(Species)  # R 會告訴你他是個 factor。
Species2 <- as.numeric(Species)  # 直接把 factor 轉成 numeric 向量。
Species2
# 你覺得上面這行 code 會跑出什麼呢? 試試看吧!
##   [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
##  [36] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
##  [71] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3
## [106] 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
## [141] 3 3 3 3 3 3 3 3 3 3
# 用數字記下
View(iris)
nrow(iris)  # 顯示 iris 的列數
## [1] 150
ncol(iris)  # 顯示 iris 的行數
## [1] 5
dim(iris)  # 顯示 iris 的行、列數
## [1] 150   5
names(iris)  #顯示 iris 的欄位名稱
## [1] "Sepal.Length" "Sepal.Width"  "Petal.Length" "Petal.Width" 
## [5] "Species"

ind1 <- which(iris[, "Sepal.Length"] >= 6.5 & iris[, "Species"] == "virginica")
class(ind1)
## [1] "integer"
iris1 <- iris[ind1, ]
head(iris1)
##     Sepal.Length Sepal.Width Petal.Length Petal.Width   Species
## 103          7.1         3.0          5.9         2.1 virginica
## 105          6.5         3.0          5.8         2.2 virginica
## 106          7.6         3.0          6.6         2.1 virginica
## 108          7.3         2.9          6.3         1.8 virginica
## 109          6.7         2.5          5.8         1.8 virginica
## 110          7.2         3.6          6.1         2.5 virginica
ind2 <- which(iris[, "Sepal.Length"] < 5.8 & iris[, "Species"] == "setosa")
iris2 <- iris[ind2, ]
head(iris2)
##   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

iris3 <- rbind(iris1, iris2) # 把兩張table上下疊在一起
head(iris3)
iris4 <- cbind(iris1[1:10, ], iris2[1:10, ])
head(iris4)  # View(iris4)

sort(iris[1:30, 2])
ind5 <- order(iris[, "Sepal.Length"], iris[, "Petal.Length"]) # 先對sepal.length小到大排序, 當其相等, 就用petal.length排, 回傳index
ind5[1:20]
# [1] 14 39 43  9 42 23  7 48  4  3 30 13 46 12 31 25  2 38 10 35
class(ind5)
# [1] "integer"
iris5 <- iris[ind5, ]
head(iris5)

# 改變欄位名字
iris6 <- iris
colnames(iris6) <- c("SLength", "SWidth", "PLength", "PWidth", "Sp")
# 也可以用 names(iris6) <- c('SLength', 'SWidth', 'PLength', 'PWidth', 'Sp')
head(iris6)
##   SLength SWidth PLength PWidth     Sp
## 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


##########
#  List  #
########## 
# list 是非常方便好用的資料形態。尤其是需儲存不同類型資料的時候，特別好用。
list(1,'2')
list(1, T)
Bob <- list(age = 27, weight = 80, favorite_data_name = "iris", favorite_data = iris) # 可以塞各種
(age1 <- Bob[1])  # 用一個[]會回傳整個list
## $age
## [1] 27
class(age1)
## [1] "list"
(age2 <- Bob[[1]]) # 只回傳值
## [1] 27
class(age2)
## [1] "numeric"

(Age_and_DataName <- Bob[c(1, 3)]) # 回傳list
## $age
## [1] 27
## 
## $favorite_data_name
## [1] "iris"
head(Bob[["favorite_data"]]) # 用兩個[[]], 回傳值
##   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

my_sum <- function(lst) {
  final_result <- 0
  for (num in lst) {
    final_result <- final_result + num
  }
  return(final_result)
}
numbers <- c(1, 2, 5, 6, 8, 33)
my_sum(numbers)
## [1] 55

# Global v.s. Local
x <- 5
my_fun <- function() {
  x <- 6
  return(x + 1)
}
my_fun() # 7
print(x) # 5