R 实用工具教程

在本教程中，您将学习 R 编程语言中一些简单而常用的函数和工具。我们将先讨论一些与数学相关的函数，然后再看看与 R 的数据结构更密切相关的函数，例如操作嵌套列表、正则表达式、时间和日期。

数学函数

先来看几段使用多个数学函数的代码。

您将先定义两个向量，分别为 x 和 y，它们包含正数和负数。

x <- c(1.1, -2.3, -4.5)
y <- c(2.4,-44, -2.2)
技术支持

print(x)
技术支持

[1]  1.1 -2.3 -4.5技术支持

print(y)
技术支持

[1]   2.4 -44.0  -2.2技术支持

让我们对这两个向量 x 和 y 进行如下操作：

• 取其绝对值，
• 四舍五入到 0 位小数，
• 分别求和，
• 最后，计算二者的平均值。

mean(c(sum(round(abs(x))),sum(round(abs(y)))))
技术支持

27.5技术支持

不妨把上面这行代码拆开，逐个函数仔细看看。

• abs() 函数会将向量 x 和 y 的元素取为正值（绝对值）。

例如，对 x 和 y 应用 abs() 后，您会得到如下全为正数的结果。

abs(x)
技术支持

1. 1.1
2. 2.3
3. 4.5

abs(y)
技术支持

1. 2.4
2. 44
3. 2.2

• 接下来是 round() 函数。它用于对输入数值进行四舍五入。该函数可接受一个额外参数，用于指定要保留的小数位数。一般情况下，round() 会四舍五入到 0 位小数。

例如，将 round() 应用于向量 x 和 y 后，输出如下：

round(x)
技术支持

1. 1
2. -2
3. -4

round(y)
技术支持

1. 2
2. -44
3. -2

• sum() 函数会计算向量或矩阵元素之和。例如，如果传入一个行向量，函数会返回该行向量所有元素之和（标量）。

此处将向量 x 和 y 传给了 sum()。因此，R 会分别计算各自的元素之和，并返回标量结果。

sum(abs(round(x)))
技术支持

7技术支持

sum(abs(round(y)))
技术支持

 48技术支持

• 最后，mean()（平均值）函数会计算算术平均数，即将一组数值相加后除以该组数值的个数。

在此例中，传入 mean() 的是一个长度为 2 的行向量，包含 7 和 48。因此其均值为这两个数的和除以元素个数（即 2）。

mean(c(7,48))
技术支持

27.5技术支持

这还不算难，对吧？

现在进入本教程下一个更有趣的部分！

数据结构相关函数

现在来看看一些数据结构，如列表和向量。您将学习对 list 数据结构进行操作、反转一个 list，以及如何在列表与向量之间互相转换。

下面的函数是一个 list()，也可以说是一个 list of lists（列表的列表），也称为嵌套列表。它创建一个元素列表，这些元素可以是逻辑值、数值和字符串。

在下面的示例中，一个列表中包含三个子列表，分别为 log、ch 和 int_vec。它们分别对应逻辑、数值和字符串/字符类型的 R 对象。

list_define <- list(log = TRUE, ch = "hello_datacamp", int_vec = sort(rep(seq(8,2, by = -2), times = 2)))
技术支持

list_define
技术支持

$log

TRUE

$ch

'hello_datacamp'

$int_vec

1. 2
2. 2
3. 4
4. 4
5. 6
6. 6
7. 8
8. 8

• log 是一个逻辑值，TRUE 或 FALSE
• ch 是字符字符串 hello_datacamp
• int_vec 是一个数值序列。

由于 log 和 ch 比较直观，我们重点看看 int_vec。

int_vec = sort(rep(seq(8,2, by = -2), times = 2))
技术支持

int_vec
技术支持

1. 2
2. 2
3. 4
4. 4
5. 6
6. 6
7. 8
8. 8

我们一步步理解上面的表达式。

seq 函数按降序生成一个从 8 到 2 的数列。

seq() 的语法为：seq(x1,x2, by = y)

前两个参数 x1 和 x2 指定序列的范围，即从哪里开始、到哪里结束。by 参数指定每一步的增量或减量。

例如，下面这行代码将生成一个从 100 到 200、步长为 20 的序列。

seq(100,200, by = 20)
技术支持

1. 100
2. 120
3. 140
4. 160
5. 180
6. 200

在我们的示例中，序列函数会输出从 8 到 2（包含端点）、步长为 -2 的序列，得到长度为 4 的向量。

a = seq(8,2, by = -2)
技术支持

a
技术支持

1. 8
2. 6
3. 4
4. 2

接着理解 rep 函数。

它可以使用 times 参数重复输入参数（通常是向量或列表），times 接受整数，表示要重复的次数。rep 接受两个参数：输入对象和要重复（复制）的次数。

将 rep 应用于我们的示例（长度为 4 的向量），会得到长度为 8 的输出向量。

b = rep(a, times = 2)
技术支持

如果您想重复向量或列表的每个元素（而不是整个向量），可以用 each 参数作为 times 的替代。

使用 times 与 each 的显著区别是元素出现的模式不同。

rep(a, each = 2)
技术支持

1. 8
2. 8
3. 6
4. 6
5. 4
6. 4
7. 2
8. 2

最后是 sort() 函数。它是一个用途直观且通用的排序函数，可用于对向量或列表等多种数据结构排序。不仅限于数值，也可用于逻辑值和字符。默认按升序排序。

让我们把 rep 的输出传给 sort，得到最终结果。

sort(b)
技术支持

1. 2
2. 2
3. 4
4. 4
5. 6
6. 6
7. 8
8. 8

很好！您用这样简单的方式就搞定了列表 list_define 中的长表达式 int_vec。

接下来，我们查看列表 list_define 的内容，这里将用到 str() 函数。R 中的 str() 可用于显示 R 对象的结构。

str(list_define)
技术支持

List of 3
 $ log    : logi TRUE
 $ ch     : chr "hello_datacamp"
 $ int_vec: num [1:8] 2 2 4 4 6 6 8 8技术支持

来看看一些很实用的 R 表达式：

• is 系列函数可用于检查数据结构的类型，返回逻辑值，这在处理条件语句时很有用。

is.list(list_define) #如果参数是列表则返回 true。
技术支持

TRUE技术支持

而如果传入的是向量（非列表），则会返回 FALSE，如下所示。

is.list(c(1,2,3)) #传入向量，因此返回 false。
技术支持

FALSE技术支持

• 在 R 中，将向量转换为列表非常简单。使用 as 函数配合 .list()，并将向量作为参数传入即可完成转换。

vec_to_list <- as.list(c(1,2,3))
技术支持

is.list(vec_to_list) #用 is.list() 验证
技术支持

TRUE技术支持

• 反过来，可以使用 unlist 将列表展开为向量。R 会通过“压平”整个列表结构来完成转换，并最终输出单个向量。

list_to_vec <- unlist(vec_to_list)
技术支持

list_to_vec
技术支持

1. 1
2. 2
3. 3

类似于 is.list()，您可以使用 is.vector() 判断给定参数是否为向量。

is.vector(list_to_vec)
技术支持

TRUE技术支持

让我们把大列表 list_define 转换为向量。需要注意的是，向量只能包含单一数据类型或 R 对象。因此，logical 和 numerical 值都会被转换为字符串。

unlist(list_define)
技术支持

log

'TRUE'

ch

'hello_datacamp'

int_vec1

'2'

int_vec2

'2'

int_vec3

'4'

int_vec4

'4'

int_vec5

'6'

int_vec6

'6'

int_vec7

'8'

int_vec8

'8'

在进入下一主题前，看看 append() 和 rev() 函数。

• 顾名思义，append() 函数可将两个或多个向量或列表追加到已有或新建的向量或列表中。

我们在 list_define 上试试 append()。您会发现列表元素数量从 3 变为 6，因为我们把同一个列表追加到了自身。

str(append(list_define, list_define))
技术支持

List of 6
 $ log    : logi TRUE
 $ ch     : chr "hello_datacamp"
 $ int_vec: num [1:8] 2 2 4 4 6 6 8 8
 $ log    : logi TRUE
 $ ch     : chr "hello_datacamp"
 $ int_vec: num [1:8] 2 2 4 4 6 6 8 8技术支持

• 最后，使用 R 中的 rev() 函数反转（改变顺序）list_define 列表。

str(rev(list_define))
技术支持

List of 3
 $ int_vec: num [1:8] 2 2 4 4 6 6 8 8
 $ ch     : chr "hello_datacamp"
 $ log    : logi TRUE技术支持

正则表达式

很多人觉得正则表达式比较难学。然而它不仅在 R 中至关重要，在 Python 等多种编程语言中也同样重要。包括 R 在内的许多语言都内置了正则表达式能力。

正则表达式应用广泛，尤其在需要对文本数据进行预处理时非常有用。它也常用于各种自然语言处理（NLP）问题。

它还被用于查询搜索引擎和文本编辑器中。

正则表达式（也称 regex、regexp 或 rational operators）是一串定义搜索模式的字符序列。通常，这些搜索模式被各种字符串搜索算法用于查找模式、查找并替换模式，或筛选匹配的模式。

我们先通过 grep() 和 grepl() 函数来入门。

为简单起见，先定义一个长度为 5 的行向量 animals_regex，后续我们将在其上应用正则模式。

animals_regex <- c('cat','dog','cheetah','lion','mice')
技术支持

先来了解 grepl()。grepl() 返回逻辑值：若字符串匹配模式则为 TRUE，否则为 FALSE。

下面是 grepl() 的简单直观语法：第一个参数是要匹配的模式，第二个参数是要在其中查找或筛选模式的字符串或输入。暂时可以忽略其余参数。grepl(pattern, x, ignore.case = FALSE, perl = FALSE, fixed = FALSE, useBytes = FALSE) 让我们用 grepl() 找出上面五种动物名称中包含字母 c 的。

此处我们要找的是包含 c 的动物名，因此模式就是 c 本身。

grepl(pattern = 'c', x = animals_regex)
技术支持

1. TRUE
2. FALSE
3. TRUE
4. FALSE
5. TRUE

从上面的输出可见，cat、cheetah 和 mice 中含有 c，因此在向量 animals_regex 的这些位置返回 TRUE，而不匹配模式 c 的则返回 FALSE。

我们再找找以 c 开头的元素，而不仅仅是名称中包含 c 的。

要实现这一点，只需在要查找的模式开头使用脱字符号 ^。

grepl(pattern = '^c', x = animals_regex) #只有 cat 和 cheetah 以 `c` 开头。
技术支持

1. TRUE
2. FALSE
3. TRUE
4. FALSE
5. FALSE

由此可见，只有 cat 和 cheetah 以 c 开头，因此仅这些位置返回 TRUE。

与 ^ 类似，$ 可用于要查找的模式末尾，以匹配以该模式结尾的元素。要找出以 n 结尾的动物，只需使用 n 后跟 $。

grepl(pattern = 'n$', x = animals_regex) #只有 lion 以 `n` 结尾。
技术支持

1. FALSE
2. FALSE
3. FALSE
4. TRUE
5. FALSE

注意：想了解更多正则表达式内容，可在 jupyter notebook 代码单元中输入 ?regex，即会弹出 regex 文档。另外，您也可以查看这个资源，它提供了设计搜索模式的工具，并支持在输入字符串上测试。

• 与 grepl() 类似，grep() 函数返回的不是逻辑值，而是匹配给定模式的向量/矩阵元素的索引。

grep() 的语法与 grepl() 完全相同：grep(pattern, x, ignore.case = FALSE, perl = FALSE, value = FALSE, fixed = FALSE, useBytes = FALSE, invert = FALSE)。让我们用与上面相同的例子，这次应用 grep()！

grep(pattern = 'c', x = animals_regex)
技术支持

1. 1
2. 3
3. 5

如您所料，上面输出的是 cat、cheetah 和 mice 的索引，而不是 TRUE/FALSE。基本就是这样！

我们再用 which 来比较 grep() 和 grepl()。which() 会返回逻辑对象中为 TRUE 的索引。

把这些联系起来：由于 grepl() 能返回逻辑对象，我们可以将其结果传给 which()，从而得到与 grep() 类似的输出。

which(grepl(pattern = 'c', x = animals_regex))
技术支持

1. 1
2. 3
3. 5

与 grepl() 一样，grep() 也能处理不同类型的正则模式。

如果用 grep() 查找 animals_regex 向量中以 n 结尾的元素，预期输出为 4，因为只有 lion 以 n 结尾，如下所示。

grep(pattern = 'n$', x = animals_regex)
技术支持

4技术支持

干得好！

您已经学会了正则表达式的一些基础用法，例如如何从向量中过滤出匹配给定模式的元素。不过，R 的能力远不止于模式匹配。它还有很多相关函数，其中 sub() 就是一个。

sub() 函数不是筛选匹配的模式，而是将匹配项替换为其他字符串。我们更深入地理解一下！

• sub() 主要接受三个输入参数：
  • pattern：您要匹配的正则表达式，
  • replacement：用于替换匹配元素的值，
  • x：要应用正则的输入向量字符串。

其语法为：sub(pattern, replacement, x, ignore.case = FALSE, perl = FALSE,fixed = FALSE, useBytes = FALSE)。这次我们仍然使用与上面相同的示例来理解其功能！

sub(pattern = 'c', replacement = 'a', x = animals_regex)
技术支持

1. 'aat'
2. 'dog'
3. 'aheetah'
4. 'lion'
5. 'miae'

从上面的输出可以看到：cat 被替换为 aat，cheetah 被替换为 aheetah，mice 被替换为 miae。这些元素上的模式都成功匹配并替换了。

另外请注意，sub() 只会查找字符串中的第一个匹配项。这意味着如果一个字符串中有两个 c，只有第一个会被替换为 a，第二个保持不变。

如果您希望替换字符串中所有匹配项，请使用 gsub()，这超出了本教程的范围！

在进入下个主题前，我们再试一个有趣的表达式。

这次将使用 |（或）运算符，它会尝试匹配任何一个已定义的模式，若匹配则替换为 -。请记住，由于这里使用的是 gsub()，它会替换字符串中每一个匹配项。

gsub(pattern = 'c|d|l', replacement = '-', x = animals_regex) #包含 `c`、`d`、`l` 的动物名将被替换为 `-`。
技术支持

1. '-at'
2. '-og'
3. '-heetah'
4. '-ion'
5. 'mi-e'

接下来进入今天教程的最后一个主题：时间与日期！

时间与日期

时间和日期信息在很多场景中都很有用。比如，假设您在做计算机视觉相关问题，想知道算法运行的 FPS（每秒帧数）。在这种用例中，您可以使用时间对象来衡量算法的处理速度。对于时间序列预测、季节性研究等问题，R 的潜力也能得到充分发挥。

先来个入门示例，用 R 打印今天的日期，只需一个简单命令 Sys.Date()。这里的 Sys 指系统，表示返回系统日期。

Sys.Date()
技术支持

2020-02-04

很简单，对吧？

R 的时间和日期属于 Date 对象，或者说其数据类型为 Date。您可以用 class 函数（参见R 中的数据类型教程）来验证。

与日期函数类似，还有 time() 函数会返回系统当前时间，实际上它会同时返回时间和日期。

Sys.time()
技术支持

[1] "2020-02-04 02:05:04 IST"技术支持

创建日期对象

您已经学会了获取当前日期和时间。现在来看看如何通过传入一个字符串来创建其他日期的对象。

要创建 1993 年 5 月 10 日的日期对象，使用以下语法：

date_may <- as.Date('1993-05-10') #将字符字符串转换为日期对象
技术支持

date_may
技术支持

1993-05-10

class(date_may)
技术支持

'Date'技术支持

需要注意的一点是，R 的 Date 函数默认要求日期格式为 YYYY-MM-DD。如果将年与月或日互换，会报错。我们来试试！

date_may <- as.Date('05-1993-10') #R 默认遵循 ISO 日期格式
技术支持

Error in charToDate(x): character string is not in a standard unambiguous format
Traceback:


1. as.Date("05-1993-10")

2. as.Date.character("05-1993-10")

3. charToDate(x)

4. stop("character string is not in a standard unambiguous format")技术支持

好在，您可以通过传入 format 参数显式指定格式并进行自定义。

date_may <- as.Date('05-1993-10', format = '%m-%Y-%d')
技术支持

as.Date() 可以接受不同的日期格式，但最终会将其转换回 ISO 日期格式。打印 date_may 即可看到。

date_may
技术支持

1993-05-10

date_may <- as.Date('05-10-1993', format = '%m-%d-%Y')
技术支持

date_may
技术支持

1993-05-10

日期运算

如果能对 R 中的日期对象进行加减等数学运算，是不是很棒？

我们给 date_may 加 1，您会看到日期会增加一天。

date_may + 1
技术支持

1993-05-11

很好，如上所示，加 1 后日期从 1993 年 5 月 10 日变为 1993 年 5 月 11 日。类似地，您也可以从日期中减去 1。

再比如，假设您想计算自己与年长兄弟姐妹的出生日期之间的时间差。

elder_sib <- as.Date('1989-03-21')
技术支持

date_may - elder_sib
技术支持

Time difference of 1511 days技术支持

结语

恭喜您完成本教程。

本教程是初学者了解 R 中各类实用函数的良好起点。作为练习，您可以进一步学习正则表达式，它应用广泛，在清洗或预处理文本数据时非常强大。

如对本教程有任何疑问，欢迎在下方评论区留言。

如果您想进一步学习 R，请参加 DataCamp 的 Intermediate R 课程，并查看我们的 Using Functions in R 教程。