Basic包是R語言預裝的開發包，包含了常用的數據處理函數，可以對數據進行簡單地清理和轉換，也可以在使用其他轉換函數之前，對數據進行預處理，必須熟練掌握常用的數據處理函數。
一，合並向量
函數append()用於修改合並向量，可以把兩個向量合並為一個：
append(x, values, after = length(x))
例如：從一個向量的指定位置處，插入另一個向量：
> append(1:5, 0:1, after = 3) [1] 1 2 3 0 1 4 5
二，匹配函數
匹配函數（match）返回一個位置向量，表示 x 匹配table的位置。%in% 返回一個邏輯向量，表示左邊的操作符是否匹配右邊的操作符。
match(x, table, nomatch = NA_integer_, incomparables = NULL) x %in% table
參數注釋：
- x：被匹配的向量
- table：其他向量跟該向量進行匹配，x向量中的每一個元素都跟table向量中的每一個元素進行比較；
- nomatch：不匹配時，函數返回的整數值。默認值是NA
- incomparables ：指定不能匹配的值的向量，在x向量中的任何值，如果是incomparables參數中的值，那么返回nomatch參數的值。由於歷史原因，FALSE 和NULL相等。
match()函數返回的是一個整數向量，長度和參數x相同，每一個元素的值是x元素第一次匹配table元素的位置，如果x元素不在table向量中，那么相應位置上的元素值是nomatch（nomatch參數指定的值，默認值是NA）。
match: An integer vector giving the position in table of the first match if there is a match, otherwise nomatch.
If x[i] is found to equal table[j] then the value returned in the i-th position of the return value is j, for the smallest possible j. If no match is found, the value is nomatch.
1，match()函數的用法
match()函數的基本用法
x <- c(3,1,7) tb <- c(-1:5) match(x,tb) [1] 5 3 NA
match()函數可以用於批量修改數據框的列名：
names(df)[match(c('a',"b", "c)","d"),names(df))]<- c('C1','C2','C3','C4')
2，操作符 %in%的用法
操作符 %in% 返回的是一個邏輯向量，指定x元素是否匹配table元素，其長度和x向量相同。如果x元素能夠匹配到table元素，那么相應位置的元素值是TRUE，否則，元素值是FALSE。
操作符 %in% 在底層使用match()函數實現：
function(x, table) match(x, table, nomatch = 0) > 0
例如，返回左側向量的元素匹配右側向量的邏輯值：
> 1:10 %in% c(1,3,5,9) [1] TRUE FALSE TRUE FALSE TRUE FALSE FALSE FALSE TRUE FALSE
三，cut函數
cut()函數用於切割x的范圍，每一個范圍是一個分區；cut()函數根據分區的順序對x中的值進行編碼，也就是說，每一個分區從左向右依次對應lables向量中的一個因子，最左邊的分區對應於lables向量的第一個因子，第二個分區對應lables向量中的第二個因子，以此類推。
cut(x, breaks, labels = NULL,
include.lowest = FALSE, right = TRUE, dig.lab = 3, ordered_result = FALSE, ...)
參數注釋：
- breaks：分割點，由兩個或更多個唯一切割點構成的數字向量，或者單個數字（大於或等於2）：
- 如果breaks是數字向量，那么向量中的每個分割點從小到大依次排列，cut()按照分割點把x划分為不同的分區；
- 如果breaks是單個數字，那么該數字表示cut()函數把x分割的段數。
- labels：為分割的區間指定標簽，labels中因子的個數和breaks中指定的分區數量保持一致。
- ordered_result：默認值是FALSE，表示結果是無序的因子。
- right：默認值是TRUE，表示分割點屬於左側分區。
示例，breaks是由分割點構成的數字向量，兩個連續的分割點指定一個分區的邊界點，
vc <- c(1:6)
cut(vc,breaks=c(0,2,5,7),labels = c('low','medium','high')) [1] low low medium medium medium high Levels: low medium high
默認情況下，分割點屬於右側的分區，因此，2是屬於右側的分區。分割點如何划分x的分區？
- breaks指定的第一個分區是：x>0 and x<=2
- breaks指定的第二個分區是：x>2 and x<=5
- breaks指定的第三個分區是：x>5 and x<=7
每一個分區按照其在breaks中的順序依次對應lables參數中的一個因子。
四，排名函數
排名函數用於對向量元素進行排名，按照升序的順序對數據進行排序：
rank(x, na.last = TRUE, ties.method = c("average", "first", "last", "random", "max", "min"))
參數注釋：
- na.last ：控制如何對待NA，如果設置為TRUE，那么缺失值排在最后一位；如果為FALSE，那么缺失值排在第一位；如果設置為NA，那么缺失值被移除；如果設置為keep，那么排名為NA。
- ties.method ：控制如何對待tie，一個tie是指值重復的元素。
例如，對向量進行排名，把排名的結果存儲到變量中：
> r1 <- rank(x1 <- c(3, 1, 4, 15, 92)) > r1 [1] 2 1 3 4 5
五，替換
函數replace()用於把向量中指定位置的元素替換為指定的值（或向量）：
replace(x, list, values)
參數注釋：
- list：整數向量，指定被替換的元素的位置
- values：替換的值（或向量）
例如，把向量的第1個、第3個和第7個的元素值替換為0：
> replace(1:9,c(1,3,7),0) [1] 0 2 0 4 5 6 0 8 9
六，重復
rep()函數把輸入的參數重復多次，如果參數是表達式，rep()函數會把表達式的結果重復多次；而replicate()函數是重復調用表達式，每次調用表達式的過程都是獨立的，這意味着，如果產生隨機數，rep()函數產生的隨機數是”偽隨機的“，重復第一次產生的隨機數，而replicate()函數產生的隨機數是真正意義上的隨機數，每次都不相同。
> rep(runif(1),5) [1] 0.8721105 0.8721105 0.8721105 0.8721105 0.8721105 > replicate(5,runif(1)) [1] 0.9426709 0.1280271 0.1926333 0.7091503 0.5404846
七，逆轉
rev()函數用於把一個向量的元素逆轉：
> rev(c(1,5,3,7)) [1] 7 3 5 1
八，排序
sort()函數用於對向量排序，返回有序的向量；order()函數返回向量元素的序號，能夠用於對data.frame排序：
order(..., na.last = TRUE, decreasing = FALSE, method = c("auto", "shell", "radix")) sort(x, decreasing = FALSE, na.last = NA, ...)
例如，使用order()函數按照數據框的y列進行排序：
> df <- data.frame(x=c(6,3,7,5),y=c(5,1,7,3)) > df x y 1 6 5 2 3 1 3 7 7 4 5 3 > df[order(df$y),] x y 2 3 1 4 5 3 1 6 5 3 7 7
九，刪除重復值
使用R去重有兩種做法，第一種做法是把返回向量中的唯一值；第二個方法是返回向量中重復元素的位置，然后刪除重復元素。
1，刪除重復值
unique() 函數用於移除重復數據，用於向量，數據框或數組的去重：
unique(x, incomparables = FALSE)
參數 incomparables：用於指定不能比較的值構成的向量。FALSE是一個特殊的值，表示所有的值都可以比較。
2，檢查重復值
duplicated()函數用於檢查重復的元素，返回元素類型是邏輯值的向量或數據框：當元素的值為FALSE時，表示該元素不是重復值；當元素的值是TRUE時，表示該元素是前面（位置）的某一個元素的重復值。
duplicated(x, incomparables = FALSE, ...)
該函數的處理流程是：下標最小的元素是第一次出現的元素，標記為FALSE，當該元素值再次出現，表明該變量出現重復值，標記該元素為TRUE。
例如，以下代碼用於刪除數據框df中變量var的重復值：
df <- df[!duplicated(df$var),]
十，邏輯TRUE的索引
which()函數，用於從邏輯向量中返回TRUE值在向量中的索引，參數x是一個由邏輯值構成的向量：
which(x)
例如，使用which()函數返回邏輯向量中TRUE值的索引：
> which(lv <- c(TRUE, FALSE, TRUE, NA, FALSE, FALSE, TRUE)) [1] 1 3 7 > which(exper <- c(1:9)>5) [1] 6 7 8 9
十一，構造環境
常用於數據框，使R表達式位於數據框的作用環境中，便於對數據框變量的引用：
with(data, expr, ...)
within(data, expr, ...)
這兩個函數的區別是：with()函數只能定義一個變量，而within()函數可以定義多個變量：
with(mtcars, mpg[cyl == 8 & disp > 350]) #only define one variable mtcars$mpg[mtcars$cyl == 8 & mtcars$disp > 350] #define multiple variables aq <- within(airquality, { # multiple vars can be changed lOzone <- log(Ozone) Month <- factor(month.abb[Month]) cTemp <- round((Temp - 32) * 5/9, 1) S.cT <- Solar.R / cTemp # using the newly created variable rm(Day, Temp) })
十二，Reduce函數
Reduce()函數對一個向量循環執行函數（該函數有兩個參數）,Reduce()函數的定義是：
Reduce(f, x, init, right = FALSE, accumulate = FALSE)
參數注釋：
- f ：有兩個參數的函數對象
- x：向量
- init ：一個標量值，類型和x向量的元素相同；
- right ：邏輯值，當值為FALSE時，從向量的左側開始，依次向右側取出元素傳遞到給函數；當值為TRUE時，從向量的右側開始，依次向左側取出元素，傳遞給函數；
- accumulate：邏輯值，a logical indicating whether the successive reduce combinations should be accumulated. By default, only the final combination is used.
例如，計算一個向量的累加和，首先，把初始值和向量的第一個元素1傳遞給sum()函數，計算出結果11，然后，把11和向量的第二個元素傳遞給函數sum()，計算出結果13，依次類推：
> Reduce(sum,1:5,10) [1] 25
Reduce()函數內部執行的過程等價於：
a <- sum(10,1) b <- sum(a,2) c <- sum(b,3) d <- sum(c,4) sum(d,5)
十三，條件過濾器
按照條件從向量中選擇元素，當條件為TRUE時，把該元素添加到結果向量中。參數 f 是一個返回邏輯值的函數（該函數必須有一個輸入參數），參數x是一個向量：
Filter(f, x)
例如，從一個數值向量中，選擇元素值大於5的元素：
> fx <- function(x) x>5; > Filter(fx,1:10) [1] 6 7 8 9 10
十四，計算累加
使用cumsum(x)來計算向量元素的累加值，累加的計算過程是迭代的：
- step1：從第一個元素向右計算，把第一個元素的值作為第一次計算的結果；
- step2：移動到下一個元素，把前一次計算的結果和當前元素求加和；
- step3：重復步驟step2，直到移動到最后一個元素為止；
例如，計算向量c(1:5)的累加值：
> cumsum(1:5) [1] 1 3 6 10 15
十五，計數出現的次數（tabulate）
tabulate()函數的作用是使用bin構造整數向量v，並計算bin中每個整數在v中出現的次數。
tabulate(bin, nbins = max(1, bin, na.rm = TRUE))
tabulate()函數構造的整數向量是v <- c(rep(0,nbins))，v向量的下標對應bin向量元素的值，因此，v向量可以表示的整數范圍是1:nbins，bin向量中元素值超出該范圍的值或者NA都被忽略。
tabulate()函數的作用是用v向量元素值表示bin元素的出現頻次。
例如，tabulate()函數構造向量c(0,0,0,0,0)，下標為2的元素值1，表示bin向量中元素2出現的頻數是1，依次類推：
> tabulate(bin = c(2,3,3,5)) [1] 0 1 2 0 1
十六，diff
該函數計算向量相鄰元素之間的差異，后者減去前者：
d= c(10,1,1,1,1,1,1,2,1,1,1,1,1,1,1,3,10) diff(d) [1] -9 0 0 0 0 0 1 -1 0 0 0 0 0 0 2 7
參考文檔：