1. 常见函数

图1 函数汇总

1.1 lm函数线性回归分析

lm函数使用数据集，他的格式必须是数据框

state<-as.data.frame(state.x77[,c("Murder","Population","Illiteracy","Income","Frost")])#转换数据格式
fit<-lm(Murder~Population+Illiteracy+Income+Frost,data=state)#拟合
summary(fit)#生成报告

其中pr(t)表示t检验，后面的表示该变量能否通过t检验表现出显著相关。总体含义就是通过t检验统计出Population，Illiteracy，Income，Frost这几个参数对犯罪率影响显不显著。三个表示显著相关。

图1 t检验统计出Population+Illiteracy+Income+Frost这些变量是否和犯罪率有关

1.2 ls函数

列出当前环境中的变量

1.3 rm函数

删除当前环境中的某个或全部变量

2. 函数的返回值

最主要要厘清函数返回值的类型，如果返回值的数据类型为列表，就不能用处理向量的函数再对其进行操作。

3. 函数的输入数据格式

不同函数处理的数据类型不同，有些函数只能处理矩阵，有些只能处理列表，有些只能处理数据框。例如，heatmap函数的输入必须是一个矩阵，如果是数据框就不行。对于知道某个函数但是不知道函数的输入数据格式，可以采用?函数名或help("函数名")来查看。

3. 函数处理的数据类型总结

向量:sum , mean , sd , range , median , sort, order
矩阵或数据框:cbind, rbind
数字矩阵:heatmap