企业官网建设流程全解析

简介：《R语言期末知识点汇总》以单份docx文档整理，面向K12阶段接触编程的学生、计算机相关专业初学者以及临近课程考核的复习者，用于在短时间内串联数据分析与统计计算的核心概念。资源包共1个docx文件，约157KB，轻量易携带，便于打印或导入笔记软件逐条勾画。内容按数据结构、操作与访问、绘图与图形参数、帮助与历史、脚本与函数等模块编排，覆盖向量、矩阵、数组与数据框的创建和索引方式，matrix()的byrow填充、array()的dimensions、levels自定义排序等易错点均有说明；绘图部分梳理plot()的type=“b”、par()参数设置、col与lty、lwd、cex等控制，并归纳axis()自定义坐标轴、ann=FALSE移除默认标签等考点。目前已有198人学习，适合考前对照命令与参数查漏补缺，也可作为日常随手查阅的手册。

1. R语言期末复习：从 getwd() 到数据结构的一份知识点地图

R 区分大小写，这一点很多人是踩过坑才记住的。Getwd()报错、setwd("mydirectory")的引号漏掉、目录不存在时才发现 setwd 不会自动创建——这些在卷面上只值两分，在实验室里能耗掉半小时。这份「R语言期末知识点汇总」覆盖的范围其实很集中：向量、矩阵、数组、数据框与因子的构造和索引，工作空间与文件读写函数，字符串处理与 apply 族，par() 图形参数与自定义坐标轴，以及描述性统计和分组聚合。

它适合两类人。一类是刚入门 R、需要把 matrix() 的 byrow、array() 的 dimnames、factor() 的 order 这些参数一次性理清的初学者；另一类是有别的语言基础、想用最短时间补上 R 的索引语义和基础绘图系统的从业者。后面几章按数据结构、工作空间与函数式操作、图形参数、统计与分组四段推进，代码都能直接粘进控制台复现，不管是在 RStudio 还是在 VSCode 里配置好的 R 语言环境里跑都一样。

2. 向量、矩阵、数组与数据框的构造和索引

2.1 向量与标量：单一模式约束与位置索引

单个向量中的数据必须拥有相同的类型或模式，同一向量中无法混杂不同模式的数据。真混进一个字符，整条向量会被强制转换，数字悄悄变成字符串，后续做算术就直接报错。只含一个元素的向量就是标量，它不是独立类型，只是长度为 1 的向量，理解这一点在写函数默认值时会省很多判断。

索引从 1 开始而不是 0，方括号中的数表示给定元素中所处的位置，这一点和 C、Python 都不一样，是初学者最容易写错的地方。

v <- c(10, 20, 30, 40) v[2] # 第 2 个元素，返回 20 v[c(1, 4)] # 一次取多个位置，返回 10 40 v[-2] # 负号表示排除，返回 10 30 40 v[v > 20] # 逻辑索引，返回 30 40 mixed <- c(1, "a") # 数字被强制转为字符 class(mixed) # "character"

逻辑索引和负号索引是 R 里最具辨识度的两套写法，前者可以直接把条件表达式塞进方括号，后者用来剔除元素。注意负号和正号不能混用，v[c(-1, 2)]会直接报错。

R 还把反斜杠\当作转义符，\n是新行、\t是制表符、\'是单引号、\b是退格，用在 cat() 输出和正则字符串里。写 Windows 路径时要么用正斜杠，要么写双反斜杠，否则"D:\r-course"里的\r会被当成回车。

2.2 矩阵与数组：byrow 填充方向与 dimnames 标签

矩阵由向量构造，一般格式是matrix(vector, nrow, ncol, byrow, dimnames)。其中 vector 包含矩阵的元素，nrow 和 ncol 指定行列维数，dimnames 是可选的、以字符型向量表示的行名和列名。byrow 决定按行填充（TRUE）还是按列填充（FALSE），默认情况下按列，这是默认值和直觉相反的一个参数。

m <- matrix(1:6, nrow = 2, ncol = 3, byrow = TRUE, dimnames = list(c("r1", "r2"), c("c1", "c2", "c3"))) m # c1 c2 c3 # r1 1 2 3 # r2 4 5 6 m[1, ] # 第 1 行，返回向量 m[, 2] # 第 2 列 m[1, 2] # 第 1 行第 2 列，返回标量 m["r2", "c3"] # 用行名列名索引，可读性更好

省略某个维度下标就表示取整行或整列，m[1, ]返回的是向量而不是 1×3 的矩阵，这个降维行为经常导致后续%*%维度不匹配。要保留维度可以加drop = FALSE。

数组是矩阵的推广，一般格式是array(vector, dimensions, dimnames)。vector 包含数据，dimensions 是一个数值型向量，给出各维度下标的最大值，可以是两维也可以是三维甚至更高，dimnames 是可选的、给维度名称标签的列表。

a <- array(1:8, dim = c(2, 2, 2), dimnames = list(c("r1","r2"), c("c1","c2"), c("p1","p2"))) a[1, 2, 1] # 第一个 2×2 切片里第 1 行第 2 列 a[, , "p2"] # 按名字取第二个切片

维度名称在三维以上时价值最大，纯数字索引到第三层基本已经读不懂了。

2.3 数据框、因子与搜索路径

数据框是 R 里最接近「一张表」的结构，每一列可以是不同的模式，数值列和字符列能共存，这正好和矩阵的同质性要求相反。用 data.frame() 创建时，列向量长度必须一致，否则会报错。

df <- data.frame(id = 1:3, name = c("a", "b", "c"), score = c(90, 85, 77)) df$score # $ 取列 df[["score"]] # 双重括号，按名字取 df[, "score"] # 方括号加列名 attach(df) # 把数据框加入搜索路径 mean(score) # 直接写列名即可 detach(df) # 从搜索路径移除，不改动数据框本身

attach() 把数据框添加到 R 的搜索路径中，写列名不用再带df$，交互式分析很省事；detach() 从搜索路径里移除它，对数据框本身不做任何处理。同一个名字在多个数据框里出现时，attach 的先后顺序会决定谁被命中，脚本里尽量别依赖它。

类别变量和有序类别变量在 R 中称为因子。函数 factor() 以一个整数向量的形式存储类别值，取值范围是 1 到 k，同时一个由字符串原始值组成的内部向量投影到这些整数上。默认排序是升序的字母序，可以指定 levels 来改变默认排序，要表示有序型变量还需要指定 order = TRUE。

f <- factor(c("low", "high", "mid"), levels = c("low", "mid", "high"), ordered = TRUE) f # [1] low high mid # Levels: low < mid < high levels(f) # 查看排序规则

指定了 levels 之后，low 会排在 mid 和 high 前面，而不是按字母序把 high 顶到最前。做医学数据分析这类场景时，剂量组、分期这类变量的排序全靠 levels 控制，写错了图表和统计模型的参考水平都会跟着错。

3. 工作空间管理、字符串函数与 apply 族向量化

3.1 工作目录、对象与脚本执行

函数 getwd() 用来查看当前的工作目录，setwd() 设定当前目录，使用引号闭合目录名和文件名。setwd() 不会自动创建一个不存在的目录，路径写错只会报错，需要先用 dir.create() 把目录建出来。相对路径全部相对于工作目录，而不是脚本文件所在目录，这一点在项目里切换脚本时最容易出问题。

getwd() # 显示当前工作目录 setwd("D:/r-course/data") # 切换目录，引号必须闭合 dir.create("output") # 创建新目录 ls() # 列出当前工作空间的对象 rm(list = ls()) # 清空环境，rm 需要传入名字向量 source("clean.R") # 执行脚本；不含路径则在当前工作目录找 save(a, b, file = "objs.RData") # 保存指定对象到文件 load("objs.RData") # 读取工作空间到当前会话 q() # 退出 R，会询问是否保存工作空间

source() 让脚本在当前会话中执行，脚本里定义的变量会留在全局环境里，适合把数据清洗和建模拆成多个文件串起来。ls() 只能列出名字，要看类型还得配合 class() 或者 str()。rm() 的参数是对象名组成的向量，rm(list = ls())是最常用的清空写法，执行前确认没有想留的中间结果。

命令历史用 savehistory() 和 loadhistory() 存取，默认文件名是 .Rhistory；工作空间用 save.image() 保存，默认文件名是 .RData。两者都落在当前工作目录下，切目录之后历史记录就找不着了，这也是「明明保存过却读不到」的常见原因。

3.2 输出重定向与图形设备

sink("filename") 将输出重定向到文件，对图形输出没有影响，图形走的是绘图设备那条路。参数 append = TRUE 可以把文本追加到文件后而不是覆盖它，split = TRUE 则让输出同时发送到屏幕和文件。

sink("run.log") # 开始重定向 sink("run.log", append = TRUE, split = TRUE) # 追加模式 + 屏幕同步 print(summary(1:10)) sink() # 关闭重定向，务必成对出现 pdf("plot.pdf") plot(1:10) dev.off() # 关闭设备，输出回到终端

sink() 忘记配对是脚本里最常见的坑，日志文件会一直增长，屏幕却什么都看不到。dev.off() 的作用是把输出返回到终端，同时把图形文件写完整，不调用它生成的 PDF 有可能是零字节。

3.3 paste、substr、grep 与字符串处理

字符串函数在数据清洗里出现频率极高，尤其是把变量名和序号拼成文件名、从乱码里提取编号这几类操作。

x <- c("ab", "cde", "fghij") nchar(x[3]) # 5，字符数量 length(x) # 3，元素个数，两者含义不同 paste("x", 1:3, sep = "M") # "xM1" "xM2" "xM3" paste(c("a","b"), collapse = "-") # "a-b"，collapse 负责合并成一条 substr("abcdef", 2, 4) # "bcd"，start 到 stop 闭区间 toupper("abc") # "ABC" tolower("ABC") # "abc" grep("A", c("b", "A", "c"), fixed = TRUE) # 返回 2 sub("a", "2", "abcdef") # "2bcdef"，只替换第一个 gsub("a", "2", "abac") # "2b2c"，替换全部 strsplit("a,b,c", split = ",") # 返回列表 cat("Hello", "Jane", "\n") # cat 在对象之间补空格

grep()、sub()、strsplit() 都带 fixed 参数：fixed = FALSE 时 pattern 按正则表达式处理，fixed = TRUE 时按纯文本字符串处理。搜索含.*(这类字符的内容时必须设 fixed = TRUE，否则.会匹配任意字符，结果看起来对但实际是错的。grep() 返回的是匹配的下标，想要匹配到的值需要加 value = TRUE。

排序相关的一步也常和字符串一起用：函数 order() 对一个数据框进行排序，默认排序顺序是升序，在排列变量前加一个减号即可得到降序的排列结果，例如df[order(-df$score), ]。sort() 返回排好序的值，order() 返回的是位置，写数据框筛选时用的是后者。

3.4 apply 族与转置

apply() 可以把一个任意函数「应用」到矩阵、数组、数据框的任何维度上，格式为apply(x, MARGIN, FUN, ...)。其中 x 为数据对象，MARGIN 是维度下标，1 表示行、2 表示列，FUN 是自定义函数，...是传递给 FUN 的额外参数。

m <- matrix(1:6, nrow = 2, byrow = TRUE) apply(m, 1, sum) # 按行求和，返回长度 2 的向量 apply(m, 2, mean) # 按列求均值，返回长度 3 的向量 apply(m, 1, function(r) r / sum(r)) # 每行做归一化 t(m) # 矩阵转置 lst <- list(a = 1:3, b = 4:6) lapply(lst, mean) # 返回列表 sapply(lst, mean) # 返回向量，能简化就简化

MARGIN = 1 表示行、MARGIN = 2 表示列，这个映射关系写在参数里，记反了结果整体会错位但不会报错，只能靠结果量纲去核对。sapply() 是 lapply() 的简化版，结果能压成向量就压成向量，适合取列表里每个成分的第一个元素这类操作。t() 对矩阵或数据框做转置，转置后的数据框列类型可能被强制统一，转置前最好先确认列是否同质。

4. par() 图形参数、axis() 自定义坐标轴与统计图形

4.1 par() 的可改参数与只读列表

函数 par() 可以修改图形的参数。不加参数地执行 par() 会生成一个含有当前图形参数设置的列表，参数 no.readonly = TRUE 则生成一个可以修改当前参数的列表——默认返回的列表里有一批不能改的只读项，直接整体套用会报错。

op <- par(no.readonly = TRUE) # 先存一份当前设置 par(col.axis = "grey30", col.lab = "black", cex.axis = 0.9, cex.lab = 1.1, pch = 16, lty = 2, lwd = 1, font.main = 2, ps = 12, family = "sans") plot(1:10, type = "b") par(op) # 还原，避免污染后续图形

改参数之前先存一份、画完再还原，是批量出图时的标准习惯。会话级别的 par() 设置会一直生效，忘了还原，后面几十张图全都会带着上一次的颜色和字号。

cex 是一个数值，表示绘图符号相对于默认大小的缩放倍数，默认大小为 1，1.5 表示放大为默认值的 1.5 倍，0.5 表示缩小为默认值的 50%。cex.axis、cex.lab、cex.main、cex.sub 分别控制刻度文字、坐标轴标签、标题、副标题的缩放倍数，投屏演示的图通常要把 cex.axis 提到 1.2 以上才看得清。

4.2 plot() 与 axis() 自定义坐标轴

plot() 的 type 参数控制图形类型，type = "b"表示同时绘制点和线，点和线不会互相覆盖。默认的绘图函数会自动补上标签和标题，可以通过在 plot() 语句或者单独的 par() 语句中添加 ann = FALSE 来移除它们。

创建自定义坐标轴时，应当禁用高级绘图函数自动生成的坐标轴。参数 axes = FALSE 禁用全部坐标轴，xaxt = "n" 和 yaxt = "n" 分别禁用 x 轴或 y 轴。然后调用 axis() 按需绘制，格式为axis(side, at, labels, pos, lty, col, las, tck, ...)。

plot(1:5, c(20, 45, 30, 60, 55), type = "b", axes = FALSE, ann = FALSE, xlim = c(0.5, 5.5), ylim = c(0, 70), pch = 16) axis(1, at = 1:5, labels = LETTERS[1:5], las = 2, tck = -0.02) axis(2, at = seq(0, 70, 10), las = 0, tck = -0.02) box() title(main = "main title", sub = "sub-title", xlab = "x-axis label", ylab = "y-axis label")

side 是一个整数，表示在图形的哪边绘制坐标轴，1 是下、2 是左、3 是上、4 是右；at 是数值型向量，表示需要绘制刻度线的位置；labels 是字符型向量，表示置于刻度线旁边的文字标签，如果为 NULL 则直接使用 at 中的值；pos 指定坐标轴线绘制位置的坐标；las 控制标签是否平行于（= 0）还是垂直于（= 2）坐标轴；tck 是刻度线长度，以相对于绘图区域大小的分数表示，负值在图形外侧、正值在内侧、0 表示禁用刻度线、1 表示绘制网格线，默认值为 -0.01。

标题和标签用 title() 统一加，调用格式为title(main, sub, xlab, ylab)。分两步走的好处是坐标轴位置、刻度密度、标签朝向都能单独调，一次成图很难同时满足期刊和 PPT 两种输出要求。

4.3 条形图、饼图与直方图

条形图用barplot(height)，height 可以是向量或矩阵，选项 horiz = TRUE 会生成水平条形图。如果 height 是矩阵而不是向量，结果将是一幅堆砌条形图或分组条形图：beside = FALSE（默认值）时矩阵中的每一列生成图中的一个条形，各列中的值给出堆砌的「子条」高度；beside = TRUE 时每一列表示一个分组，各列的值并列而不是堆砌。

饼图用pie(x, labels)，x 是一个非负值向量，表示每个扇形的面积。扇形图还可以通过 fan.plot() 函数实现，标签重叠时比饼图更容易读。

直方图用hist(x)，x 是由数据值组成的数值向量。参数 freq = FALSE 表示根据概率密度而不是频数绘制图形，参数 breaks 用于控制组的数量。

counts <- matrix(c(3, 5, 2, 6, 4, 7), nrow = 2) barplot(counts, beside = TRUE, col = c("grey70", "grey40"), names.arg = c("A", "B", "C"), legend.text = c("g1", "g2")) pie(c(30, 20, 50), labels = c("A", "B", "C")) hist(rnorm(500), freq = FALSE, breaks = 20, col = "grey85") lines(density(rnorm(500)), lwd = 2) # 叠加密度曲线

breaks 给单个数字时 R 只当作建议值，实际分组数会按「美观」原则微调，要精确控制分组得传一个切点向量。堆砌和分组只差一个 beside 参数，但表达的含义完全不同，前者强调构成比例，后者强调组间对比，选错了图会误导读者。使用数据整合函数把均值、中位数、标准差这类汇总结果传给 barplot()，就能直接画出带误差信息的条形图。

5. 缺失值处理、scale() 标准化与 aggregate() 分组聚合

5.1 NA、NaN 与 na.rm

在 R 中，缺失值以符号 NA 表示，不可能出现的值通过符号 NaN 来表示，两者不是一回事：NA 是「不知道」，NaN 是「算不出来」，比如 0/0。is.na() 可以检测缺失值是否存在，它对 NA 和 NaN 都返回 TRUE。

x <- c(1, 2, NA, 4) mean(x) # 返回 NA mean(x, na.rm = TRUE) # 3.5，先移除缺失值再计算 sum(x, na.rm = TRUE) is.na(x) # FALSE FALSE TRUE FALSE df <- data.frame(a = c(1, NA, 3), b = c("x", "y", NA)) df2 <- na.omit(df) # 移除含有缺失值的整行观测 nrow(df2) # 1

na.rm = TRUE 选项可以在计算之前移除缺失值并使用剩余值进行计算，几乎每个统计函数都支持它。na.omit() 移除所含缺失值的观测即行，返回的是整行被删掉之后的数据框，样本量会跟着下降，做回归前先看一眼nrow的变化。绝对中位差 mad()、值域 range()、滞后差分 diff(x, lag = n) 这类函数同样受缺失值影响，lag 用于指定滞后几项。

5.2 scale() 标准化与横向合并

默认情况下，函数 scale() 对矩阵或者数据框的指定列进行均值为 0、标准差为 1 的标准化，格式为scale(x, center = TRUE, scale = TRUE)。要对每一列做任意均值和标准差的标准化，可以按下面的方式换算。

mydate <- c(10, 20, 30, 40, 50) z <- scale(mydate) # 均值 0，标准差 1 newdate <- scale(mydate) * 8 + 60 # 想要的 SD = 8，均值 M = 60 df$score_z <- scale(df$score) # 为数据框新增标准化列 scale(df[, c("score", "age")]) # 一次标准化多列

在非数值型的列上使用 scale() 函数会直接报错，所以要么先选列要么先转类型。乘上目标标准差再加上目标均值，就是逆变换回原始量纲的过程，做机器学习特征工程时这套写法比手动写(x - mean(x)) / sd(x)更不容易出错。

横向合并两个数据框用merge(dataframeA, dataframeB, by = "ID")，按公共索引对齐。如果要直接横向合并两个矩阵或者数据框、并且不需要指定公共索引，可以直接使用 cbind()，但每个对象必须拥有相同的行数并且要以相同的顺序排序；纵向合并用 rbind()。cbind() 不做匹配检查，行序错位不会有任何提示，这一点和 merge() 的差别必须记牢。生成序列用seq(from, to, by)，例如 seq(1, 10, 2) 返回 c(1, 3, 5, 7, 9)；重复用rep(x, n)。

5.3 aggregate() 与 by() 分组，以及一个分段函数的写法

使用 aggregate() 函数来分组获取描述性统计量，该函数仅允许在每次调用中使用平均数、标准差这样的单返回值函数，无法一次返回若干个统计量。要一次拿多个指标就换 by() 函数，格式为by(data, INDICES, FUN)，其中 data 是数据框或矩阵，INDICES 是因子或因子组成的列表，定义了分组，FUN 是任意函数。

aggregate(df$score, by = list(df$sex), FUN = mean) # 单返回值 by(df[, c("score", "age")], df$sex, summary) # 多返回值 fun <- function(x) { y <- numeric(length(x)) y[x < -3] <- x[x < -3]^2 y[x >= -3 & x < 2] <- x[x >= -3 & x < 2] y[x >= 2] <- 3 y } x <- c(-4, -3, 0, 1, 2, 2.5, 3) cat("fun=", fun(x), "\n")

分段函数的关键是先用numeric(length(x))建好同长度的容器，再按条件逐段赋值，最后一次性返回。条件必须互斥且覆盖整个定义域，如果某段没写，对应位置会留 0，而 0 在图上看起来和真实的函数值没区别，排查起来很费时间。写完贴一段测试输入，把边界值 -3 和 2 都放进去，比目测代码可靠得多。

如果还要更细的描述性统计量，stat.desc() 的格式为stat.desc(x, basic = TRUE, desc = TRUE, norm = FALSE, p = 0.95)。basic = TRUE（默认值）计算所有值、空值、缺失值的数量以及最小值、最大值、值域和总和；desc = TRUE（默认值）计算中位数、平均值、平均数的标准误、平均数置信度为 95% 的置信区间、方差、标准差以及变异系数；norm = TRUE 时额外返回正态分布统计量，包含偏度和峰度。describe() 函数则返回变量和观测的数量、缺失值和唯一值的数目、平均值、分位数以及五个最大和五个最小的值，用来快速摸清一列数据的长相特别顺手。

本文还有配套的精品资源，点击获取