1、先在R中创建简单的矩阵，取名为my_matrix
2、现在对每一行进行求和，要使用到apply函数。apply族函数有很多，在平常的使用中，用到最多的就是tapply函数，第一个参数x是数据；第二个参数index是索引，就比如是分组的标准，第三个参数fun也就是要用到的函数。
3、对于tapply函数调用R本身自带的数据airquality，现在计算按照Month来分组，每一个Month中Solar.R的均值
4、上图中Month等于5和8时，Solar.R的均值为NA，这说明在原数据中存在NA的情况。而且在指定数据的时候比较麻烦，可以使用with函数来简化代码量
5、矩阵与矩阵之间的运算，比如加法，减法
6、矩阵相乘需要使用%*%符号
R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。
w<-seq(1:10)
a<-matrix(w,nrow=5,ncol=2,byrow=T,dimnames=list(paste0("r",1:5),paste0("1",1:2)))#给行和列设置名称
cbind更宽rbind更长
my.dataset<-data.frame(site=c("A","B","A","A","A"),
season＝c（＂winter＂，＂summer＂，＂summer＂，＂spring＂，＂fall＂），
pH＝c（7．4，6．3，8．6，7．2，8．9））
names（my．dateset）＃读取数据框的列名
setwd（＂E：／／dataming＂）＃设置工作路径
getwd（）＃获取工作路径
import.txt<-read.table("iris.txt",header = TRUE) #读入iris.txt文件
import.csv<-read.table("iris.csv",header = TRUE，sep = ",") #读入iris.csv文件
import.csv<-read.csv("iris.csv") #读入iris.csv文件
unstructuredText <- readLines("unstructuredText.txt")#读入非结构化数据
＃Excel文件的导入
＃利用RODBC包读入（须配置odbc）
library（RODBC）
channel<-odbcConnectExcel2007("sample.xlsx")#建立连接
odbcdf<-sqlFetch(channel,'data')#读取工作表data的数据
odbcClose（channel）＃关闭连接
＃利用xlsx包读取Excel数据（需配置java）
library（xlsx）
res <- read.xlsx('sample.xlsx',1)
detach（package：xlsx）
＃访问网络数据
salary_data <- read.csv("http://www.justinmrao.com/salary_data.csv")。
扩展资料
rnorm（16）＃产生16个服从正态分布的随机数：
rnorm（100，3，4）＃产生100个均值是3，标准差为4的随机数。
＊dnorm（x，mean＝0，sd＝1，log＝FALSE）的返回值是正态分布概率密度函数值，比如dnorm（z）则表示：标准正态分布密度函数f（x）在x＝z处的函数值。
pnorm（q，mean＝0，sd＝1，lower．tail＝TRUE，log．p＝FALSE）返回值是正态分布的分布函数值，比如pnorm（z）等价于P［X≤z］。
qnorm（p，mean＝0，sd＝1，lower．tail＝TRUE，log．p＝FALSE）的返回值是给定概率p后的下分位点．。
rnorm（n，mean＝0，sd＝1）的返回值是n个正态分布随机数构成的向量。＊
矩阵的特征值与特征向量
矩阵A的谱分解为A＝UΛU’，其中Λ是由A的特征值组成的对角矩阵，U的列为A的特征值对应的特征向量，在R中可以用函数eigen（）函数得到U和Λ，
eigen（x，symmetric，only．values＝FALSE，EISPACK＝FALSE）
其中：x为矩阵，symmetric项指定矩阵x是否为对称矩阵，若不指定，系统将自动检测x是否为对称矩阵。
