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
变量课归结为名义型、有序型或连续型变量。
名义型变量是美哟顺序之分的类别变量。有序型变量表示一种顺序关系，而非数量关系。连续型变量可以呈现为某个范围内的任意值，并同事表示了顺序和数量。
类别（名义型）变量和有序类别（有序型）变量在R中称为因子（factor）。因子决定了数据的分析方式以及如何进行诗句呈现。
函数（factor）以一个整数向量的形式存储类别值，整数的取值范围是[1...k]（其中k是名义型变量中唯一值的个数）同时一个由字符串（原始值）组成的内部向量将映射到这些整数上。
要表示有序型变量，需要为函数factor（）指定参数order=TRUE。
对于字符型向量，因子的水平默认依字母顺序创建。但按字母顺粗排序的因子很少能让人满意，可通过指定levels选项来默认覆盖默认排序。
数值型变量可以用levels和lables参数来编码成因子。
首先，以向量形式输入数据，然后将diabetes和status分别制定为普通因子和有序型因子。最后，将数据合并为一个数据框。函数str（object）可提供R中某个对象的信息，它清楚的显示diabetes是一个因子，而status是一个有序型因子，以及此数据框在内部是如何进行编码的。
函数summary（）会区别对待各个变量，它显示了连续性变量age的最小值、最大值、均值和各四分位数【四分位数（Quartile）也称四分位点，是指在统计学中把所有数值由小到大排列并分成四等份，处于三个分割点位置的数值。多应用于统计学中的箱线图绘制。它是一组数据排序后处于25%和75%位置上的值。四分位数是通过3个点将全部数据等分为4部分，其中每部分包含25%的数据。很显然，中间的四分位数就是中位数，因此通常所说的四分位数是指处在25%位置上的数值（称为下四分位数）和处在75%位置上的数值（称为上四分位数）。与中位数的计算方法类似，根据未分组数据计算四分位数时，首先对数据进行排序，然后确定四分位数所在的位置，该位置上的数值就是四分位数。与中位数不同的是，四分位数位置的确定方法有几种，每种方法得到的结果会有一定差异，但差异不会很大，该解释来源于百度百科】，并显示了类别型变量diabetes和status的频数值。
