R语言的下载地址（Windows版本）：http://ftp.ctex.org/mirrors/CRAN/
R语言的安装，需要额外安装mikTex,Rtools,htmlhelp：
R:D:\Program Files\R\R-3.0.3
mikTex:D:\Program Files\MiKTeX 2.7
Rtools:d:\Rtools
htmlhelp:D:\Program Files\htmlhelp
Path需要配置如下：
d:\Rtools\bin;D:\Rtools\gcc-4.6.3\bin;d:\Rtools\MinGW\bin;D:\Program Files\htmlhelp
;D:\Program Files\MiKTeX 2.7\miktex\bin;
Log(2), log10(2)
boxplot(count ~ spray, data = InsectSprays,col="lightgray")
加载包library(MASS)
q()，退出R，但是强烈建议在询问是否保存工作空间时，不要把它保存在默认目录下，如果这样做，当R重新启动时会自动载入所有的结果。
q(save=”no”) R不做保存直接退出。
改变默认工作目录：setwd(file=”c:\\doc\\”)
我们推荐把R代码保存在文本比机器中而不要保存在你的工作空间中。下次使用时，打开编辑好的存档文件，复制代码并把它黏贴到R里。
Extending the linear Models with R
citation("lattice")
R允许在一个变量中存储多个值，这个任务由c()函数来完成，c代表Concatenate
arr = c(22,33,44,55)
arr[1],arr[1:5]
arr[-2]表示查看除了第二个值之外的其他值。
R有很多内置函数：sum,mean,max,min,median,var和sd等等。
R中变量名可以是s.win的形式，”.”也属于变量的一部分。
R中的变量名最好使用大写字母开头，这样可以避免将它和一些内部函数名混淆。
Sum(arr,na.rm=TRUE)将忽略掉数据中的NA项。
Rep(c(1,2,3,4),each=8)，重复输入值1-4，每个8次。
Seq(from=1,to=4,by=1)和1:4的效果一样。
Cbind函数将所结合的变量以列的形式输出。
Dim(Z)可以输出Z的维数。
Rbind函数具有
http://www.xplatform.co.kr:8080/edu/xp/employees_select.jsp
W = vector(length=8)
Vector函数的优点是我吗可以事先定义向量的长度，在做循环运算就比较有用。
Dmat = matrix(nrow=8,ncol=4) //生成8*4的矩阵。
as.matrix(cbind(a,b,c,d))可以通过这种方式生成
is.matrix返回是否是矩阵。
对于矩阵A和B专门的操作符还有进行转置运算的t(A)，进行矩阵的乘法的A %*% B，求逆矩阵的solve(A)等。
线性代数，n元序列的逆序和对换：
大的数排在小的数前，则成为逆序，一个排列的逆序个数的总和就称为这个排列的逆序数。
排列的逆序为奇数偶数，则称此排列为奇排列偶排列。
定理：一次对换改变排列的奇偶性。奇数次对换改变奇偶性，偶次对换奇偶性不变。
推论2，全体n元排列的集合中，奇排列与偶排列各一半。
行列式与转置行列式相等。
若行列式的第i行(列)的每一个元素都可以表示为两数之和，则行列式可表示成两个行列式之和。
用一个数乘行列式，等于将行列式的某一行（列）元素都乘以K
若对换行列式的任意两行(列),则行列式变号。
推论，若行列式的两行(列)相同，则行列式为零。两行(列)元素成比列，则行列式为零。
把行列式的第j行(列)元素的K倍加到第i行(列)的对应元素上，行列式的值不变。
我们可以使用数据框结合具有相同长度的变量，而数据框的每一行包含有同一样本的不同观察值。这一点上它和matrix或者cbind函数是比较类似的。
Dfrm = data.frame(WC=wingcrd,TS=tarsus,hd=head,w=wt)
移除变量rm(变量)
List函数结合数据。
Lst = list(x1=x1,x2=x2)
List里边的内容通过入Lst$x1，Lst$x2来访问。引入list函数的原因是因为几乎所有R中的函数（比如线性回归，广义线性模型，t-检验等等）的输出结果都是保存在列表中的。
数据的载入：
一般情况下有两种将数据从Excel（或电子数据表、数据框程序）载入R的方法。
第一种方法：将EXCEL数据准备好后，将其提取到制表符分割的Ascii文件中，关闭Excel，使用read.table函数将数据载入到R中。第二种方法是一个专门的R程序包，RODBC，可以访问Excel中选定的行和列。
read.table(file="D:\\R\\user.txt",header=TRUE)
R认为ascii文本文件中的数据实用点作为小数点，事实上，其还有一个属性dec=”.”，如果要使用逗号作为小数点，可以使用dec=”,”。
Scan也可用于导入文件，在数据都是数值的情况下,scan运行更快。
访问或者载入数据库中的数据都是比较简单的，R提供了快速访问任何类型数据库的一些工具：
Library(RODBC)。当驱动程序存在于主系统是，程序包应用标准数据库实施开放式数据库连接ODBC。安装数据库程序包时设置必要地驱动程序是很重要的。
假定已安装了正确的驱动程序，可以使用odbcConnectAccess命令来建立一个与Microsoft Access数据库的连接：
Chanel = odbcConnectAccess(file=”mydb.mdb”,uid=””,pwd=””)
获取表：sqlFetch(channel,”MyTable”);
sqlQuery(channel,querysentense);
Windows用户可以使用odbcConnectExcel直接连接Excel中的电子数据表，并且从任意表单中选择行和列。
Str(结构)命令告诉我们数据框中每个变量的属性。
Names(a)查看载入的数据的header； str(a)查看其结构。
访问数据框中变量最有效的方法如下。确定R中的一个函数，例如，线性回归桉树lm；
也可以使用a$Age方式去访问。
如果我们想使用Age数据集中的某个变量，每次都输入a$时繁琐的。使用attach命令可以避免这样的麻烦。
Attach(a)后就可以直接访问Age变量。
Detach命令与attach命令相反。
Unique(a$sex)可以查看变量sex的变量有多少个唯一值。
1如果表示雄性，要访问所有的雄性数据：
Sel = a$sex == 1 //生成一个向量Sel与变量Sex具有相同的长度
Am = a[Sel,]
&是布尔和运算符。
数据排序：
Ord1 = order(a$age)
A[Ord1,]
R有一个有用的工具能合并文件，即merge函数。
Amerge = merge(a1,a2,by=”Sample”);
All属性如果配置为TRUE，如果sq1里没有sq2里出现的样本数据，将用NAs填充。
输出数据：write.table命令。
write.table(a,file="d:/R/output.txt",sep="",quote=FALSE,append=FALSE,na="NA")
重新编码分类变量：如sex不要1和2，需要F和M表示，可以增加新列：
A$fSex = factor(a$sex)
A$fSex = factor(a$sex,levels=c(1,2), labels=c(“M”,”F”)
boxplot(Age ~ Id, data = a)
M1 = lm(Age ~ Id, data = a)
M2 = lm(Age ~ factor(Id), data = a)
除了命令factor，你也可以使用as.factor。为了把因子转换成数值向量，可以使用as.numeric。这在画图时把雄性和雌性绘制不同的颜色随是很有用的。
R提供了计算单变量、多变量或观察值子集的均值、长度、标准差、最小值、最大值、方差等的函数。
tapply(a$Age,a$arr,mean)，Age列根据arr列进行group求mean。
tapply(a$Age,a$arr,sum), Age列根据arr列进行group求sum。
完整的来看，是tapply(X = a$Age, INDEX=a$arr, FUN=mean)
我还可以对其求标准差(sd函数)，方差(var函数)，长度(length函数)等操作。
Sapply(a[,5:24],FUN=mean)对数据框a的5-24列进行求平均。
需要注意的是tapply函数计算的是一个变量观察值子集的均值，而lapply和sapply函数计算的是一个或多个变量全部观察值的均值(或其它函数)。
Lappy和sapply的不同，前者输出列表，后者输出向量。
Lapply和sapply中包含数据的变量必须是数据框。如cbind命令的输出不是数据框，可以使用data.frame来使得其变为数据框。注意到这样做我们将丢失变量标签。我们可以在cbind函数结合完数据后再用colnames函数来加上标签。
另一个可以提供变量信息的函数式summary命令，它的参数可以是一个变量，cbind命令的输出，或者数据框。
Table(a$age)用来不同age上的记录的数量。
table(a$sex,a$Age)查看sex,age组合各自的记录的数量。
plot(a$Id,a$Age)
对图形最常见的修改是添加标题和x,y轴标签以及设置x,y轴坐标界限。这个可以通过扩展绘图命令完成：
plot(a$Id,a$Age,xlab="User Id",ylab="User Age", main="Id Age Plot",
+ xlim=c(1000,1100),ylim=c(15,25))
也可以用xlim = c(min(a$Id,na.rm=TRUE),
Max(a$Id,na.rm=TRUE))
改变绘图字符：默认使用空心圆作为绘图字符，但其可以从另外20多个符号中选择。Pch选项制定绘图字符，缺省值为1.
改变绘图符号的颜色：col属性 col=3为绿色。
改变绘图符号的尺寸：cex选项
添加一条平滑线：
Plot完成后，使用如下命令：
M.loess = loess(Id ~ Age, data = a)
> Fit = fitted(M.loess)
> lines(a$Age,Fit)
Ｒ起码有两个包可以方便获取全球范围内的股票数据：
quantmod
tseries
我更喜欢后者：data_ts<-get.hist.quote(instrument='601398.ss',start='2008-05-10',end='2010-03-20')
但quantmod的作图比较猛。
这些包应该也是通过抓取相关网站的HTML/XML分析得出数据的。
保存图像JPEG：
jpeg(file="D:\\R\\user.jpeg")
>plot(User$Id,User$Age)
>dev.off()
可以使用paste命令来连接两个字符串，并且之间不加空格。
Paste(Nest.i,”.jpg”,sep=””)
For循环for(I in 1:27){
}
for(iin 1:27){
print(i)
}
循环矩阵：
nD=dim(User)
nRow= vector(length = nD[1])
for(iin 1:nD[1]){
nRow[i] = User[i,1]+User[i,3]
}
在执行统计分析前，查找并处理所有的缺失值是非常重要的，因为它们经常回带来一些困难。某些方法，例如线性回归，将会移除所有包含有缺失值的情形（观察值）。
自定义函数：
NAPerVariable<- function(X1){
D1 = is.na(X1)
colSums(D1)
}
这时候就可以通过NAPerVariable(User[,])来调用函数了。
colSums(D1)命令的输出结果是每个变量的缺失值个数。而rowSums可以得出每个观察值缺失值的个数。
判断0的个数：
ZerosPerVariable<- function(X1){
D1 = (X1 == 0)
colSums(D1,na.rm=TRUE)
}
设定函数参数中变量的默认值，如：
VariableInfo= function(X1, Choice1 = “Zeros”)
Print(“Youmade a error”)打印出错误。
Ifelse命令可以用来替代if命令:
Ifelse(Choice1== “Zeros”, D1 = (X1==0),D1 = is.na(X1))
计算香农指数：
RS= rowSums(Species, na.rm=TRUE)
Pro= Species / RS
H= -rowSums(prop * log10(prop), na.rm = TRUE)
给数据加上标签：
Names(User) = users[,1]
图形工具：
饼图,Pie
Par函数：mfrow = c(2,2)生成一个具有4个面板的图形窗口。把c(2,2)改成c(1,4)或者c(4,1)会生成一行(或列)4个饼图。Mar选项制定每个图形周围空白的大小。空白定义为四侧边缘的线的数目，底部、左侧、顶部、右侧。各自的缺省值分别是c(5,4,4,2)+0.1.增加这些值将会出现更多空白。
条形图：barplot
绘画箭头：
Bp= barplot(…
arrows(bp,….)
box()
带形图：stripchart
盒图:boxplot
Text函数和aixs函数。
R函数pairs可以用来生成多面板散点图。
Pie,pie3D,par,barplot,arrows,box,boxplot,text,points.
Legend,title,expression,pairs,coplot
格包：R中提供了很多可以对各种特殊类型数据进行绘图的函数。格包可以使R调动全部的潜能来对各种高维数据进行绘图。