R编程语言在数字分析与机器学习领域已经成为一款重要的工具。随着机器逐步成为愈发核心的数据生成器，该语言的人气也必然会一路攀升。不过R语言当然也拥有着自己的优势与缺点，开发人员只有加以了解后才能充分发挥它的强大能力。
R语言随时间推移正呈现出愈发迅猛的发展态势，并成为能够将不同数据集、工具乃至软件包结合在一起的胶水型语言，R语言是创建可重复性及高质量分析的最佳途径。它拥有数据处理所必需的一切灵活性及强大要素
R语言拥有强大的软件包生态系统与图表优势，R语言的优势主要体现在其软件包生态系统上。庞大的软件包生态系统无疑是R语言最为突出的优势之一，其中内置有大量专门面向统计人员的实用功能，R语言具备可扩展能力且拥有丰富的功能选项，帮助开发人员构建自己的工具及方法，从而顺利实现数据分析，人们能够在无需申请权限的前提下对其进行扩展。，它最大的优势就是以自由软件的姿态出现。其源代码以及所有一切都可供，R语言在图形及图表方面的一切能够都是“无与伦比”的。
R的短板在于安全性与内存管理。说了这么多优势，R语言当然也存在着一定不足。内存管理、速度与效率可能是R语言面临的几大最为严峻的挑战，在这方面，人们仍然需要努力推动，而且也确实正在推动其进展与完善。R语言在设计思路上太太古老。这种语言的设计局限有时候会令大规模数据集处理工作遇到难题，此外，R语言无法被嵌入到网络浏览器当中，我们不能利用它开发Web类或者互联网类应用程序。再有，我们基本上没办法利用R语言当作后端服务器执行计算任务，因为它在网络层面缺乏安全性保障，长久以来，R语言当中始终缺少充足的交互元素。
R语言并不单纯面向高端程序员，我甚至并不认为R语言只适用于程序员。它非常适合那些面向数据并试图解决相关问题的用户，无论他们的实际编程能力如何
运算符是一个符号，通知编译器执行特定的数学或逻辑操作。 R语言具有丰富的内置运算符，并提供以下类型的运算符。
运算符的类型
R语言中拥有如下几种运算符类型：
算术运算符
关系运算符
逻辑运算符
赋值运算符
其他运算符
算术运算符
下表显示了R语言支持的算术运算符。 操作符对向量的每个元素起作用。
运算符 描述 例
关系运算符
下表显示了R语言支持的关系运算符。 将第一向量的每个元素与第二向量的相应元素进行比较。 比较的结果是布尔值。
运算符 描述 例
逻辑运算符
下表显示了R语言支持的逻辑运算符。 它只适用于逻辑，数字或复杂类型的向量。 所有大于1的数字被认为是逻辑值TRUE。
将第一向量的每个元素与第二向量的相应元素进行比较。 比较的结果是布尔值。
运算符 描述 例
& 它被称为元素逻辑AND运算符。 它将第一向量的每个元素与第二向量的相应元素组合，并且如果两个元素都为TRUE，则给出输出TRUE。
v <- c(3,1,TRUE,2+3i)
t <- c(4,1,FALSE,2+3i)
print(v&t)
它产生以下结果 -
TRUE TRUE FALSE TRUE
| 它被称为元素逻辑或运算符。 它将第一向量的每个元素与第二向量的相应元素组合，并且如果元素为真，则给出输出TRUE。
v <- c(3,0,TRUE,2+2i)
t <- c(4,0,FALSE,2+3i)
print(v|t)
它产生以下结果 -
TRUE FALSE TRUE TRUE
! 它被称为逻辑非运算符。 取得向量的每个元素，并给出相反的逻辑值。
v <- c(3,0,TRUE,2+2i)
print(!v)
它产生以下结果 -
FALSE TRUE FALSE FALSE
逻辑运算符&&和|| 只考虑向量的第一个元素，给出单个元素的向量作为输出。
运算符 描述 例
&& 称为逻辑AND运算符。 取两个向量的第一个元素，并且只有两个都为TRUE时才给出TRUE。
v <- c(3,0,TRUE,2+2i)
t <- c(1,3,TRUE,2+3i)
print(v&&t)
它产生以下结果 -
TRUE
|| 称为逻辑OR运算符。 取两个向量的第一个元素，如果其中一个为TRUE，则给出TRUE。
v <- c(0,0,TRUE,2+2i)
t <- c(0,3,TRUE,2+3i)
print(v||t)
它产生以下结果 -
FALSE
赋值运算符
这些运算符用于向向量赋值。
运算符 描述 例
<−
or
=
or
<<−
称为左分配
v1 <- c(3,1,TRUE,2+3i)
v2 <<- c(3,1,TRUE,2+3i)
v3 = c(3,1,TRUE,2+3i)
print(v1)
print(v2)
print(v3)
它产生以下结果 -
3+0i 1+0i 1+0i 2+3i
3+0i 1+0i 1+0i 2+3i
3+0i 1+0i 1+0i 2+3i
->
or
->>
称为右分配
c(3,1,TRUE,2+3i) ->v1
c(3,1,TRUE,2+3i) ->>v2
print(v1)
print(v2)
它产生以下结果 -
3+0i 1+0i 1+0i 2+3i
3+0i 1+0i 1+0i 2+3i
其他运算符
这些运算符用于特定目的，而不是一般的数学或逻辑计算。
运算符 描述 例
: 冒号运算符。 它为向量按顺序创建一系列数字。
v <- 2:8
print(v)
它产生以下结果 -
2 3 4 5 6 7 8
%in%此运算符用于标识元素是否属于向量。
v1 <- 8
v2 <- 12
t <- 1:10
print(v1 %in% t)
print(v2 %in% t)
它产生以下结果 -
TRUE
FALSE
% % 此运算符用于将矩阵与其转置相乘。
M = matrix( c(2,6,5,1,10,4), nrow = 2,ncol = 3,byrow = TRUE)
t = M % % t(M)
print(t)
它产生以下结果 -
[,1] [,2]
[1,] 65 82
[2,] 82 117
最初我是在“ A genome-based model for adjusting radiotherapy dose (GARD): a retrospective, cohort-based study ”这篇文章中看到的一个图。
它形似一张提琴图，展示了来自不同类型疾病患者个体的GARD得分的分布，图中红色点代表了中位数。但与常规提琴图不同的地方在于，提琴图中还添加了密度信息，即数值分布更多区域颜色更为明显。尽管提琴图的宽度足以代表数值的分布区间了，颜色的添加使其更为丰富多彩。
本节内容，就让我来讲一下这种“密度提琴图”如何在R中绘制。
其实，如果从提琴图的角度出发，即首先绘制一个提琴图，然后设法在其中标识出密度，则该图是很难实现的。这点我深有体会，好几个人折腾了老半天也没能成功地在提琴图中设置密度颜色。
因此，我们需要换个角度思考该图的绘制方法。设想一下，既然要表示密度，那么首先不妨绘制一个密度分布图观测数据。
有没有什么感触呢？
对的没错，密度提琴图可以视为两张“相反方向”的密度分布图的叠加。因此，我们再绘制一个反方向的。
最后，将两张图组合在一起，就获得密度提琴图了，是不是？
同时，也计算各个变量的中位数，并以红点的形式标注在图中。
这样，密度提琴图就得到了。和常规的提琴图相比，它是不是更漂亮呢？
