在R中有 6中索引编写方式 ，包括 正整数、负整数、零、空格、逻辑值、名称
与正整数索引相反，它的含义是 不包含 负整数索引所对应的元素。
说实话，零索引并没有多大用处。这里就不介绍了
代表选取该索引位置所代表维度的所有元素。
当索引提供一个包含TRUE和FALSE逻辑值的向量时，R会匹配索引值为TRUE的元素。 此索引方式非常重要
编写一个可以返回第一行所有元素的函数
问题：这样每次发牌都是黑桃K，所以我们要在每次发完牌后进行洗牌，然后再发，现在写一个洗牌的函数
下面写一个输入进去deck输出一个洗牌后的数据框的函数
$ 可以提取数据框或列表对象中的值。
列表提取元素
掌握R语言的索引，最基本操作为 写出对象名字，并在随后中括号里写出对应的索引即可 。若对象是一维的，如向量，只需要提供一个位置索引；若对象是二维的，如数据框，则提供两个位置索引，中间用逗号隔开。n维则用n个索引。另外数据框和列表还可用 $ 来索引。
“ 矩阵是可以看作一种特殊的向量的，它比向量多了两个附加属性，行数和列数，因此让它的复杂程度获得了提高。 ”
向量作为R中的一种非常基础的数据类型，大家通过过去的学习一定已经彻底的掌握了。但是，这个世界上的数据是复杂多变的，我们只使用向量是无法表示更加复杂的数据情况。
我们在线性代数课上学过一种数学概念，矩阵。这个概念在为了统计学家开发的R语言中同样适用，并且只需要在基础环境中，我们可以具有很多对矩阵的操作方法。
( 由于R其实处理数据框较多，矩阵并不会讲很多的东西，如果非要使用矩阵，我其实还是更推荐去隔壁Python学习np和scipy )
任何数据类型学习的开始都是如何得到它，也就是如何创建它。矩阵也不例外，我们首要的 创建方式就是直接使用matrix函数进行创建 。而且其实说是创建矩阵，我们其实是在把一个向量转化为矩阵，
上面就是最基本的创建矩阵的方法了。我们 需要给matrix一个向量 (其实矩阵也可以，不过就会让你产生一些奇奇怪怪的误导，后面讲解了矩阵转向量的时候你就明白了)，这个向量的内容就会成为创建的矩阵的内容。
然后跟着需要 指定你想创建的行数或者列数 ，这两个只需要指定其一即可，R会给我们计算另一个数字是几的，这样，我们就创建好了一个矩阵。
但是我们可以发现一个问题，我们创 建的矩阵是竖着一排排放的，这个叫做，****列优先原则 ，我们也可以通过指定参数 byrow，来让矩阵变成行优先 的
这就是行优先矩阵了，存储的内容都是一样的，就是行列优先顺序不同。
到这里你可能就会问了，R是不是只能创建方阵呢，普通的矩阵能不能创建呢？那当然可以了
我本人是习惯列优先进行存储的，所以我一般不指定byrow参数。
任何一种数据类型，我们对它最优先的操作学习，都是索引操作。任何一种结构的数据，我们存储它的目的都是为了使用，所以学习如果取到它的值，是非常重要的事情。
对矩阵的基本索引方式和向量非常相似，如果不了解向量的直接索引，布尔索引和连续索引，请看
由于有了上面的基础，所以我们先索引点简单的，然后做两个不一样的案例。矩阵和向量最大的区别再与矩阵具有两个维度，索引的时候需要两个位置
这里停一下，我们取第一行的所有列就已经是不同了，要注意， 当我们想取某一行的所有列，或者某列的所有行，或者当你想取所有的时候，把位置空出来 ，R就会自动给你取到所有。
说完了上面的，下面就都非常简单了
大家尤其要注意最后一种，取前两行和后两列的操作，很多时候这是非常有用的步骤，会减少你使用循环，提高程序的运行速度。
讲解完了索引，我们来讲一下如何矩阵的内容以及删除矩阵的行列。
其实修改特定位置的值非常简单，我们都已经找到了，修改就是一瞬间的事情，
除了单个值的修改，我们 还可以对索引到的行和列进行修改 ，一般来说，我们会直接把要修改的结果放进向量中，然后进行修改，但是如果修改的值不够长，也是可以操作的，如下
如果你对上面的内容表示有些困惑，那么你应该回忆一下，
这里有着你需要了解的一切。
最后讲解如何删除矩阵的行列，这里的操作也和向量是一样的，具体请回顾
本文的全部内容就到此结束了，这篇文章讲解了 最最基本的矩阵创建方法，以及对矩阵进行索引的操作，加上修改矩阵元素和删除矩阵的列等等 ，这些都是使用矩阵的基础知识，需要彻底掌握，才能在矩阵的使用中得心应手。
下一篇文章将会介绍矩阵维度，矩阵转化为向量以及矩阵的各种运算，矩阵的转置等内容。
1、向量是用于存储数值型，字符型或者逻辑型数据的一维数组。执行组合功能的函数为c()，可以用来创建向量。向量可根据位置进行索引，需要用[]。 2、矩阵是一个二维数组，每个元素都拥有相同的模式，可通过函数matrix()创建矩阵。 3、数组是一个可以在两个以上维度存储数据的数据对象。例如，如果创建尺寸(2,3,4)的数组，那么就是创建4个矩形矩阵每个2行3列。数组只能存储数据类型。 4、矩阵和数组一样都只能包含一种数据类型，当有多种模式的数据时，使用数据框就更为方便。数据框可以用函数data.frame () 创建。 5、$ 被用来选取一个给定数据框中的某个特定变量。 6、attach()绑定数据集，detach()解除数据集。 7、with：attach，detach最好在单独的数据框内使用，在多个同名对象最好不要使用，函数with()，可以再具有多个同名对象的数据框内使用，但是必须加入花括号{}，这样就无须担心名称冲突了，但是它也有局限性，赋值仅在此函数的括号内生效。 8、列表是一些对象的有序集合。 9,、数据导入 read.table()，其中header = T，代表第一行为变量名称，不作为数据，header = F相反。sep代表数据分隔符，txt为"\t",csv为","。 10、table函数，用 table() 函数统计因子各水平的出现次数（称为频数或频率）。 >sex = c("女","女","女","男","男") >table(sex) >sex 男 女 2 3 求众数 >aim = table(sex)[table(sex)==max(table(sex))] >aim 女 3 > max(table(sex)) [1] 3 > table(sex)==max(table(sex)) sex 男 女 FALSE TRUE 11、 无尺度网络： 是指在某一复杂的 系统 中，大部分节点只有少数几个连结，而某些节点却拥有与其他节点的大量连结。这些具有大量连结的节点称为“集散节点”，所拥有的连结可能高达数百、数千甚至数百万。这一特性说明该网络是无尺度的，因此，凡具有这一特性的网络都是无尺度网络。 12、options(stringsAsFactors = F) #在调用as.data.frame的时，将stringsAsFactors设置为FALSE可以避免character类型自动转化为factor类型。 13、class()：查看数据结构：vector、matrix、array、dataframe、list。 14、str()：作用用英语来表示是：check classification of viriables,一般用于检查数据框当中有哪些数据。 15、mode() ：查看数据元素类型。 16、typeof() ：查看数据元素类型，基本等同于mode（），比mode()更为详细。 17、example()：假设有一个函数foo，example("foo")，函数foo的使用示例。 18、apropos()：列出名称中含有foo的所有可用函数。apropos("foo",mode="function")。 19、data()：列出当前已加载包中所含的所有可用示例数据集。 20、ls()：列出当前工作空间中的对象。 21、rm()：移除（删除）一个或多个对象。 22、history(#)：显示最近使用过的#个命令（默认值为25）。 23、options()：显示或设置当前选项。有一个收藏文件有介绍options的功能。 24、boxplot()：生成盒型图。 25、sum()：计算和。sum(x,na.rm = TRUE)。 26、median()：计算中位数。 27、cbind()：以列结合变量。cbind(x,y,z)。 28、rbind()：以行结合变量。 29、vector()：以向量形式结合数据。vector(length = 10)。 30、rep()：以矩阵形式结合数据。rep(c(1,,2,3),each = 10) 31、seq()：生成一个有序的数列。seq(1,10)。 32、dim()：矩阵或者cbind输出的维数。dim(Mydata)。 33、scan()：从ascii文件中读取数据。scan(file = "test.txt")。 34、write.table()：把一个变量写入到ascii文件。write.table(Z,file = "test.txt")。 35、order()：确定数据的顺序。order(x)。 36、merge()：合并两个数据框。merge(x,y,by = "ID")。 37、str()：显示一个对象的内部结构。str(Mydata)。 38、factor()：定义变量作为因子。factor(x)。 39、tapply()：tapply(X = Veg$R,INDEX = Veg$Transect,FUN = mean).tapply函数根据第二个变量(Transect)的不同水平对第一变量(R)进行了求平均值运算。还可以求sd，var，length等操作。R语言初学者指南P75详细介绍了这个函数。 40、下一页介绍了sapply和lapply。 41、summary()：计算基本信息。 42、table()：计算列联表，统计因子各水平的出现次数(频数或频率)。table(x,y)。 43、plot()：y对x的图形。pch形状，col颜色。 44、par()：par(mfrow = c(2,2),mar = c(3,3,2,1)) mfrow生成一个具有4个面板的图形窗口。mar选项指定每个图形周围空白的大小，底部、左侧、顶部、右侧。 45、paste()：将变量连接成字符串。paste("a","b",sep = "")。 46、log()： log = "x",log = "y",log = "xy",生成对数轴。 47、%in%： a<-c(1,3,13,1443,43,43,4,34,3,4,3) b<-c(1,13,11,1313,434,1) a%in%b # 返回内容# [1] TRUE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE # 取反操作 !(a%in%b) 48、sort()函数是对向量进行从小到大的排序 rank()函数返回的是对向量中每个数值对应的秩 order()函数返回的值表示位置，依次对应的是向量的最小值、次小值、第三小值……最大值等（位置索引） arrange()函数（需加载dplyr包）针对数据框，返回基于某列排序后的数据框，方便多重依据排序。 49、subset()： df <- data.frame( a = 1:10, b = 2:11, c = 3:12 )df <- subset(df, select = c(a,c)) #选取列a和c df <- subset(df, select = -c(a,c) ) #去除列a和c
