R内置函数用法解析 _函数

本文概述

数学函数
字符串功能
统计概率函数
其他统计功能

【R内置函数用法解析】在编程框架中已经创建或定义的功能称为内置功能。 R具有丰富的功能集, 可用于为用户执行几乎所有任务。这些内置功能根据其功能分为以下几类。

文章图片
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, 使用了以下功能：

S.没有	Function	Description	Example
1.	abs(x)	它返回输入x的绝对值。	x < – 4 打印(绝对(x)) 输出量 [1] 4
2.	sqrt(x)	它返回输入x的平方根。	x < -4 打印(sqrt(x)) 输出量 [1] 2
3.	ceiling(x)	它返回大于或等于x的最小整数。	x < -4.5 打印(天花板(x)) 输出量 [1] 5
4.	floor(x)	它返回小于或等于x的最大整数。	x < -2.5 打印(地板(x)) 输出量 [1] 2
5.	trunc(x)	它返回输入x的截断值。	x < -c(1.2, 2.5, 8.1) 打印(trunc(x)) 输出量 [1] 1 2 8
6.	回合(x, digits = n)	它返回输入x的舍入值。	x < – 4 打印(绝对(x)) 输出量 4
7.	cos(x), sin(x), tan(x)	它返回输入x的cos(x), sin(x)值。	x < -4 打印(cos(x)) 打印(sin(x)) 打印(棕褐色(x)) 输出量 [1] -06536436 [2] -0.7568025 [3] 1.157821
8.	log(x)	它返回输入x的自然对数。	x < -4 打印(log(x)) 输出量 [1] 1.386294
9.	log10(x)	它返回输入x的公共对数。	x < -4 打印(log10(x)) 输出量 [1] 0.60206
10.	exp(x)	它返回指数。	x < -4 打印(exp(x)) 输出量 [1] 54.59815

字符串功能 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.没有	Function	Description	Example
1.	substr(x, 开始= n1, 停止= n2)	它用于提取字符向量中的子字符串。	一个< -” 987654321″ substr(a, 3, 3) 输出量 [1]” 3″
2.	grep(pattern, x, ignore.case = FALSE, fixed = FALSE)	它在x中搜索模式。	st1 < -c(‘ abcd’ , ‘ bdcd’ , ‘ abcdabcd’ ) 模式< -‘ ^ abc’ 打印(grep(pattern, st1)) 输出量 [1] 1 3
3.	sub(模式, 替换, 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 < -“ 英格兰很美, 但没有欧盟的一部分” sub(” England’ , ” UK” , st1) 输出量 [1]” 英国很美, 但不是欧盟的一部分”
4.	粘贴(… , sep =” ” )	在使用sep字符串分隔字符串之后, 它将字符串连接起来。	粘贴(‘ 一个’ , 2, ‘ 三个’ , 4, ‘ 五个’ ) 输出量 [1]一2三4五
5.	strsplit(x, 拆分)	它在分割点分割字符向量x的元素。	a < -“ 拆分所有字符” 打印(strsplit(a, “ ” )) 输出量 [[1] [1]” 拆分” ” 全部” ” the” ” character”
6.	tolower(x)	用于将字符串转换为小写。	st1 < -” shuBHAm” 打印(tolower(st1)) 输出量 [1] shubham
7.	toupper(x)	用于将字符串转换为大写。	st1 < -” shuBHAm” 打印(toupper(st1)) 输出量 [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。这些统计功能对于查找法线密度, 法线分位数和更多计算非常有用。在R中, 使用了以下功能：

S.没有	Function	Description	Example
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	一个< -seq(-7, 7, by = 0.1) b < -dnorm(a, 平均值= 2.5, sd = 0.5) png(file =” dnorm.png” ) 情节(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。	一个< -seq(-7, 7, by = 0.2) b < -dnorm(a, 平均值= 2.5, sd = 2) png(file =” pnorm.png” ) 情节(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。	一个< -seq(1, 2, by = 002) b < -qnorm(a, 平均值= 2.5, sd = 0.5) png(file =” qnorm.png” ) 情节(x, y) dev.off()
4.	rnorm(n, m = 0, sd = 1)	用于生成正态分布的随机数。	y < -rnorm(40) png(file =” rnorm.png” ) hist(y, main =” 正态分布” ) dev.off()
5.	dbinom(x, 大小, 概率)	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” ) 情节(x, y) dev.off()
6.	pbinom(q, 大小, 概率)	它用于查找事件的累积概率(代表概率的单个值)。	一个< -pbinom(25, 40, 0.5) 打印(a) 输出量 [1] 0.9596548
7.	qbinom(p, 大小, 概率)	用于查找其累积值与概率值匹配的数字。	一个< -qbinom(0.25, 40, 01 / 2) 打印(a) 输出量 [1] 18
8.	rbinom(n, 大小, 概率)	它用于从给定样本生成给定概率的所需数量的随机值。	一个< -rbinom(6, 140, 0.4) 打印(a) 输出量 [1] 55 61 46 56 58 49
9.	之后(x, 舔)	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) 输出量 [1] 0.616115
10.	ppois(q, 腰带)	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) 输出量 [1] 0.6434504
11.	重复(n, 舔)	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)	此功能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)	它提供了分布式功能	punif(q, min = 0, max = 1, lower.tail = TRUE, log.p = FALSE)
14.	qunif(p, min = 0, max = 1)	它提供了分位数功能。	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)

其他统计功能除上述功能外, 还有一些其他有用的功能可用于统计目的。有以下功能：

S.没有	Function	Description	Example
1.	平均值(x, trim = 0, na.rm = FALSE)	用于查找x对象的均值	a < -c(0:10, 40) xm < -平均值(a) 打印(xm) 输出量 [1] 7.916667
2.	sd(x)	它返回对象的标准偏差。	a < -c(0:10, 40) xm < -sd(a) 打印(xm) 输出量 [1] 10.58694
3.	median(x)	它返回中位数。	a < -c(0:10, 40) xm < -meadian(a) 打印(xm) 输出量 [1] 5.5
4.	量化(x, 概率)	它返回分位数, 其中x是需要分位数的数值向量, 而probs是概率在[0, 1]中的数值向量
5.	range(x)	它返回范围。	a < -c(0:10, 40) xm < -范围(a) 打印(xm) 输出量 [1] 0 40
6.	sum(x)	它返回总和。	a < -c(0:10, 40) xm < -sum(a) 打印(xm) 输出量 [1] 95
7.	diff(x, 滞后= 1)	它返回带有滞后的差异, 指示要使用哪个滞后。	a < -c(0:10, 40) xm < -diff(a) 打印(xm) 输出量 [1] 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) 打印(xm) 输出量 [1] 0
9.	max(x)	返回最大值	a < -c(0:10, 40) xm < -最大(a) 打印(xm) 输出量 [1] 40
10.	比例尺(x, center = TRUE, scale = TRUE)	列中心或标准化矩阵。	一个< -矩阵(1：9, 3, 3) 比例(x) 输出量 [, 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