下面通过例子来了解这些函数的用法：
我们知道，通过下标索引 [i, j] 可以访问矩阵的某一部分，索引如果没有提供意味着“所有行”或“所有列”。来看个例子，比如：
在R中，可以用一些特殊的函数来进行矩阵的行、列计算。来看些例子：
上述矩阵的行、列计算，还可以使用 apply() 函数来实现。 apply() 函数的原型为 apply(X, MARGIN, FUN, ...) ，其中： X 为矩阵或数组； MARGIN 用来指定是对行运算还是对列运算， MARGIN＝1 表示对行运算， MARGIN＝2 表示对列运算； FUN 用来指定运算函数； ... 用来指定 FUN 中需要的其它参数。来看些例子：
用 apply() 函数来实现上面的例子
apply() 函数功能很强大，我们可以对矩阵的行或列进行其它运算，例如：
如果矩阵存在 NA 值，可通过设置 na.rm=TRUE 来忽略 NA 值，然后再计算。比如：
甚至我们还可以自定义运算函数，来看个例子：
在R中， rbind() 和 cbind() 函数可分别为矩阵添加行和列，来看一个例子：
在R中， row() 和 col() 函数将分别返回元素的行和列下标矩阵，来看个例子：
通过这两个函数，可以获取矩阵的对角元素以及上下三角矩阵，例如：
有时，你可能需要对每行进行分组，然后组内每列求和。在R中可以用 rowsum() 函数来解决，而且效率也非常高。先看个例子：
你也可以用 aggregate() 函数获得类似结果：
有人就会问“为啥没有列分组求和的操作？”，其实你可以先将矩阵转置，然后行分组求和；这两步就等同于列分组求和。
sweep() 函数的原型为 sweep(x, MARGIN, STATS, FUN = "-", check.margin = TRUE, ...) ，其中： x 为矩阵或数组； MARGIN 用来指定是对行运算还是对列运算， MARGIN＝1 表示对行运算， MARGIN＝2 表示对列运算； STATS 表示想要清除的统计量； FUN 用来指定运算函数，默认为减法 - ； check.margin 用来核实 x 的维度是否与 STATS 的匹配，如果事先知道它们匹配的话，将其设为 FALSE 将提高运算速度； ... 用来指定 FUN 中需要的其它参数。来看些例子：
事实上，通过改变 FUN 参数的具体形式或自定义函数， sweep() 函数可以实现很多不同操作，这里就不细讲了。
max.col() 函数返回矩阵每行最大值所在的列位置（即列下标），其原型为 max.col(m, ties.method = c("random", "first", "last")) ，其中： m 为矩阵；当存在多个最大值时， ties.method 指定用哪种方式来处理这种情况，默认为"random"（随机），"first"指使用第一个最大值，"last"指使用最后一个最大值。来看个官网例子：
我们也可以结合 apply() 和 which.max() 函数来实现 max.col(mm, 'first') 。看个例子，
R矩阵的最后一部分内容就讲到这。
如若有遗漏，后期将会添加至本博客。
Sys.Date( ) returns today's date.date() returns the current date and time.
# print today's date
today <-Sys.Date()
format(today, format="%B %d %Y")
"June 20 2007"
# convert date info in format 'mm/dd/yyyy'
strDates <- c("01/05/1965", "08/16/1975")
dates <- as.Date(strDates, "%m/%d/%Y")
# convert dates to character data
strDates <- as.character(dates)
--------------------------------------
>as.Date('1915-6-16')
[1] "1915-06-16"
>as.Date('1990/02/17')
[1] "1990-02-17"
>as.Date('1/15/2001',format='%m/%d/%Y')
[1] "2001-01-15"
>as.Date('April 26, 2001',format='%B %d, %Y')
[1] "2001-04-26"
>as.Date('22JUN01',format='%d%b%y') # %y is system-specificuse with caution
[1] "2001-06-22"
>bdays = c(tukey=as.Date('1915-06-16'),fisher=as.Date('1890-02-17'),
+ cramer=as.Date('1893-09-25'), kendall=as.Date('1907-09-06'))
>weekdays(bdays)
tukey fisher cramer kendall
"Wednesday""Monday""Monday""Friday"
>dtimes = c("2002-06-09 12:45:40","2003-01-29 09:30:40",
+"2002-09-04 16:45:40","2002-11-13 20:00:40",
+"2002-07-07 17:30:40")
>dtparts = t(as.data.frame(strsplit(dtimes,' ')))
>row.names(dtparts) = NULL
>thetimes = chron(dates=dtparts[,1],times=dtparts[,2],
+ format=c('y-m-d','h:m:s'))
>thetimes
[1] (02-06-09 12:45:40) (03-01-29 09:30:40) (02-09-04 16:45:40)
[4] (02-11-13 20:00:40) (02-07-07 17:30:40)
>dts = c("2005-10-21 18:47:22","2005-12-24 16:39:58",
+ "2005-10-28 07:30:05 PDT")
>as.POSIXlt(dts)
[1] "2005-10-21 18:47:22" "2005-12-24 16:39:58"
[3] "2005-10-28 07:30:05"
>dts = c(1127056501,1104295502,1129233601,1113547501,
+ 1119826801,1132519502,1125298801,1113289201)
>mydates = dts
>class(mydates) = c('POSIXt','POSIXct')
>mydates
[1] "2005-09-18 08:15:01 PDT" "2004-12-28 20:45:02 PST"
[3] "2005-10-13 13:00:01 PDT" "2005-04-14 23:45:01 PDT"
[5] "2005-06-26 16:00:01 PDT" "2005-11-20 12:45:02 PST"
[7] "2005-08-29 00:00:01 PDT" "2005-04-12 00:00:01 PDT"
>mydate = strptime('16/Oct/2005:07:51:00',format='%d/%b/%Y:%H:%M:%S')
[1] "2005-10-16 07:51:00"
>ISOdate(2005,10,21,18,47,22,tz="PDT")
[1] "2005-10-21 18:47:22 PDT"
>thedate = ISOdate(2005,10,21,18,47,22,tz="PDT")
>format(thedate,'%A, %B %d, %Y %H:%M:%S')
[1] "Friday, October 21, 2005 18:47:22"
>mydate = as.POSIXlt('2005-4-19 7:01:00')
>names(mydate)
[1] "sec" "min" "hour" "mday" "mon" "year"
[7] "wday" "yday" "isdst"
>mydate$mday
[1] 19
将4张图分屏显示在同一图中，代码如下：
数据：
pie.sales <-c(39,200,42,15,67,276,27,66)
names(pie.sales) <- c("EUL","PES","EFA","EDD","ELDR","EPP","UNE","other")
分屏：
split.screen(c(2,2))
figure 1：
screen(1)
pie(pie.sales,radius = 0.9，main = "Ordinary chart")
figure 2：
screen(2)
pie(pie.sales,radius = 0.9,col = rainbow(8)，clock = T,main = "Rainbow colours")
figure 3：
screen(3)
pie(pie.sales,radius = 0.9,clock = T,col = gray(seq(0.4,1.0,length = 8))，main = "Grey colours")
figure 4：
screen(4)
pie(pie.sales,radius = 0.9,density = 10,angle = 15 + 15*1:8,main = "The density of shading lines")
图像个数可以根据需要自定义添加。
扩展资料
R语言是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。
R语言是一套完整的数据处理、计算和制图软件系统。其功能包括：数据存储和处理系统；数组运算工具；完整连贯的统计分析工具；优秀的统计制图功能。
参考资料来源：百度百科-R语言
