R語言高效的操作技巧有哪些

這篇文章主要介紹了R語言高效的操作技巧有哪些的相關(guān)知識(shí)，內(nèi)容詳細(xì)易懂，操作簡(jiǎn)單快捷，具有一定借鑒價(jià)值，相信大家閱讀完這篇R語言高效的操作技巧有哪些文章都會(huì)有所收獲，下面我們一起來看看吧。

R語言中的一些特殊技藝

1 修改默認(rèn)提示語言

R默認(rèn)提示的語言有的人是英文，有的人是中文，這是因?yàn)槊總€(gè)人系統(tǒng)默認(rèn)語言不同，可以通過下面方式進(jìn)行修改

Sys.getlocale() #顯示系統(tǒng)語言
Sys.setenv(LANG="en") # 更換默認(rèn)語言為英文

2 查看R所消耗內(nèi)存大小

可以使用memory.size() #獲取內(nèi)存大小，不過該函數(shù)值只是和windows系統(tǒng)。

memory.size() #獲取內(nèi)存大小
[1] 341

3 查看某個(gè)數(shù)據(jù)集內(nèi)存大小

> object.size(mtcars)
7208 bytes
> object.size(mtcars)/1024 #以kb顯示
7 bytes

4 代碼中換行

默認(rèn)回車是運(yùn)行代碼，在Rstudio中有自動(dòng)補(bǔ)齊，比如定義一個(gè)函數(shù)，直接自動(dòng)補(bǔ)齊了{(lán)}，回車就運(yùn)行了，可以使用shift+enter #換行

function(x,y) {
}

5 邊賦值邊顯示

默認(rèn)賦值完，直接敲變量名就打印數(shù)據(jù)，可以利用下面方式一步完成兩個(gè)操作。

 (x <- runif(10))
 [1] 0.5795985 0.4661326 0.9730974 0.6697417 0.2431985 0.3988545 0.4064351 0.8403910
 [9] 0.3136191 0.9979925

7 查看源代碼

如果想查看R函數(shù)的源代碼，直接輸入函數(shù)名，不加括號(hào)即可。

> mean
function (x, ...) 
UseMethod("mean")
<bytecode: 0x0000023e3b8db998>
<environment: namespace:base>

8 利用函數(shù)修改鏡像

如果不設(shè)置R鏡像，每次安裝R包是都會(huì)彈出選擇框，可以在安裝之前通過函數(shù)進(jìn)行設(shè)置，使用chooseCRANmirror()函數(shù)，給定ind選項(xiàng)一個(gè)數(shù)值即可。數(shù)值代表鏡像編號(hào)。

> chooseCRANmirror()
Secure CRAN mirrors 
 1: 0-Cloud [https]                       2: Australia (Canberra) [https]       
 3: Australia (Melbourne 1) [https]       4: Australia (Melbourne 2) [https]    
 5: Australia (Perth) [https]             6: Austria [https]                    
 7: Brazil (BA) [https]                   8: Brazil (PR) [https]                
 9: Brazil (RJ) [https]                  10: Brazil (SP 1) [https]              
11: Brazil (SP 2) [https]                12: Bulgaria [https]                   
13: Canada (MB) [https]                  14: Chile (Santiago) [https]           
15: China (Beijing 2) [https]            16: China (Hefei) [https]              
17: China (Hong Kong) [https]            18: China (Guangzhou) [https] 
> chooseCRANmirror(ind = 18)

9 顯示更多數(shù)據(jù)

默認(rèn)R顯示1000行數(shù)據(jù)，如果想顯示更多，可以通過設(shè)置max.print選項(xiàng)。

> options('max.print')
$max.print
[1] 1000
> options('max.print'=2000)
> options('max.print')
$max.print
[1] 2000

10 默認(rèn)保留小數(shù)點(diǎn)

默認(rèn)R顯示7為小數(shù)，如果想默認(rèn)保留兩位小數(shù)，可以通過設(shè)置digits選項(xiàng)。

> options('digits')
$digits
[1] 7
> options('digits'=2)
> options('digits')
$digits
[1] 2

11 管道

使用管道讓代碼更加簡(jiǎn)潔，無需定義過多中間變量。R中的管道符號(hào)為“%>%”如果要使用管道，需要加載magrittr包。其實(shí)Rstudio出的各種包都默認(rèn)支持管道，如果加載了tidyverse包也是可以。

> library(magrittr)
> library(ggplot2)
> mtcars %>% ggplot(aes(x=cyl,y=mpg,group=cyl))+geom_boxplot()

12 拆分列數(shù)據(jù)

有些時(shí)候記不住列名，或者容易拼錯(cuò)，想要列名也能夠自動(dòng)補(bǔ)齊，可以使用attach函數(shù)，這樣每一列就變成一個(gè)獨(dú)立的變量。

attach(mtcars)
> cyl
 [1] 6 6 4 6 8 6 8 4 4 6 6 8 8 8 8 8 8 4 4 4 4 8 8 8 8 4 4 4 8 6 8 4
> mpg
 [1] 21.0 21.0 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 17.8 16.4 17.3 15.2 10.4 10.4
[17] 14.7 32.4 30.4 33.9 21.5 15.5 15.2 13.3 19.2 27.3 26.0 30.4 15.8 19.7 15.0 21.4

13 默認(rèn)加載包

如果一些包經(jīng)常使用，想要啟動(dòng)R之后自動(dòng)加載，可以在配置文件中進(jìn)行設(shè)置，例如每期啟動(dòng)R，自動(dòng)加載ggplot2包。

file.edit("~/.Rprofile")
.First <- function() {
library(ggplot2)
}

14 為R添加額外擴(kuò)展包加載路徑

默認(rèn)R包的加載目錄在.libPaths()目錄中，當(dāng)然可以為其添加更多的路徑。

> .libPaths()
[1] "C:/Users/genom/Documents/R/win-library/4.0"
[2] "C:/Program Files/R/R-4.0.3/library"        
> .libPaths(new = "C:/Users/genom/Desktop/nparFiles/")
> .libPaths()
[1] "C:/Users/genom/Desktop/nparFiles"   "C:/Program Files/R/R-4.0.3/library"

15 遷移R包

如果需要將一臺(tái)設(shè)備安裝的R包，在另外一臺(tái)設(shè)備上安裝，首先保存A設(shè)備上的R包名字列表，在另外一臺(tái)設(shè)備上寫一個(gè)循環(huán)進(jìn)行安裝。

#在A設(shè)備上保存名字列表
oldip <- installed.packages()[,1]
save(oldip,file = "installedPacckages.Rdata")
#在B設(shè)備上進(jìn)行安裝；
load("installedPacckages.Rdata")
newip <- installed.packages()[,1]
 for (i in setdiff(oldip,newip)) {
  install.packages(i)
}

16 列出R包中的函數(shù)

如果想查看一個(gè)R包中全部函數(shù)，可以使用下面的語句。

ls(package:base)

17 不加載包使用其中函數(shù)

如果加載R包，還想使用其中的函數(shù)，需要使用“包名字::函數(shù)名”的方式。

dplyr::filter()

18 快速獲取顏色

在繪圖的時(shí)候，想要快速設(shè)置幾個(gè)不同的顏色，又嫌生成顏色比較麻煩?？梢允褂胷ainbow()函數(shù)，給定一個(gè)數(shù)據(jù)，快速生成顏色。

> rainbow(6)
[1] "#FF0000" "#FFFF00" "#00FF00" "#00FFFF" "#0000FF" "#FF00FF"

19 炸開數(shù)據(jù)

前面介紹了attach函數(shù)可以將每一列變成一個(gè)單獨(dú)變量，但這種方式并不推薦，因?yàn)闀?huì)讓變量環(huán)境很混亂。可以使用一個(gè)特殊管道符"%$%"實(shí)現(xiàn)同樣的效果，我稱之為把數(shù)據(jù)“炸開”

> library(magrittr)
Warning message:
程輯包‘magrittr'是用R版本3.6.3 來建造的 
> women %$% plot(weight,height)

20 巧用example函數(shù)學(xué)習(xí)繪圖

example函數(shù)會(huì)幫助運(yùn)行R幫助文檔中的代碼，有時(shí)候想看一個(gè)函數(shù)如何使用，可以直接運(yùn)行這個(gè)example函數(shù)。

> library(pheatmap)
> example("pheatmap")
phetmp> # Create test matrix
phetmp> test = matrix(rnorm(200), 20, 10)
phetmp> test[1:10, seq(1, 10, 2)] = test[1:10, seq(1, 10, 2)] + 3
phetmp> test[11:20, seq(2, 10, 2)] = test[11:20, seq(2, 10, 2)] + 2
phetmp> test[15:20, seq(2, 10, 2)] = test[15:20, seq(2, 10, 2)] + 4
phetmp> colnames(test) = paste("Test", 1:10, sep = "")
phetmp> rownames(test) = paste("Gene", 1:20, sep = "")
phetmp> # Draw heatmaps
phetmp> pheatmap(test)

21 統(tǒng)計(jì)計(jì)算時(shí)間

想統(tǒng)計(jì)一條代碼運(yùn)行時(shí)間，可以使用system.time()函數(shù)

> system.time(runif(100000000))
用戶 系統(tǒng) 流逝 
2.75 0.08 2.83

21 釋放內(nèi)存

R有一套自己的內(nèi)存回收機(jī)制，因此，即使刪除了變量，內(nèi)存不會(huì)立即變化，可以使用gc()函數(shù)釋放內(nèi)存。

> memory.size()
[1] 297.56
> rm(list = ls())
> memory.size()
[1] 298.54
> gc()
          used (Mb) gc trigger  (Mb) max used  (Mb)
Ncells 1384255 74.0    4046672 216.2  4046672 216.2
Vcells 4288164 32.8   27057220 206.5 33821525 258.1
> memory.size()
[1] 255.5

22 刪除全部變量

#顯示全部變量?jī)?nèi)容
> ls()
#刪除
> rm(list=ls())
#釋放內(nèi)存
> gc()

23 恢復(fù)默認(rèn)數(shù)據(jù)集

如果不小心將內(nèi)置數(shù)據(jù)集刪除了，或者新定義同名變量，就會(huì)替換原有數(shù)據(jù)集。

 head(mtcars)
                   mpg cyl disp  hp drat    wt  qsec vs am gear carb
Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1
> mtcars=1:10
> mtcars
 [1]  1  2  3  4  5  6  7  8  9 10
> data("mtcars")
> head(mtcars)
                   mpg cyl disp  hp drat    wt  qsec vs am gear carb
Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1
>

24 快速獲取函數(shù)選項(xiàng)參數(shù)

R函數(shù)的選項(xiàng)參數(shù)非常多，如果每次都調(diào)出幫助文檔很麻煩，可以使用args()函數(shù)，快速打印出函數(shù)的選項(xiàng)參數(shù)。

> args(heatmap)
function (x, Rowv = NULL, Colv = if (symm) "Rowv" else NULL, 
    distfun = dist, hclustfun = hclust, reorderfun = function(d, 
        w) reorder(d, w), add.expr, symm = FALSE, revC = identical(Colv, 
        "Rowv"), scale = c("row", "column", 
        "none"), na.rm = TRUE, margins = c(5, 5), ColSideColors, 
    RowSideColors, cexRow = 0.2 + 1/log10(nr), cexCol = 0.2 + 
        1/log10(nc), labRow = NULL, labCol = NULL, main = NULL, 
    xlab = NULL, ylab = NULL, keep.dendro = FALSE, verbose = getOption("verbose"), 
    ...) 
NULL

關(guān)于“R語言高效的操作技巧有哪些”這篇文章的內(nèi)容就介紹到這里，感謝各位的閱讀！相信大家對(duì)“R語言高效的操作技巧有哪些”知識(shí)都有一定的了解，大家如果還想學(xué)習(xí)更多知識(shí)，歡迎關(guān)注億速云行業(yè)資訊頻道。