1. DataFrame的创建以及随机数，字母的生成
example.data <- data.frame(x = rnorm(100),
y = runif(100),
cat = sample(LETTERS[1:2], prob = c(1, 3), size = 100, replace = TRUE))
这段代码完成了以下操作：
x = rnorm(100)：生成了100个服从标准正态分布的随机数，作为x列的数据。y = runif(100)：生成了100个均匀分布的随机数（范围从0到1），作为y列的数据。cat = sample(LETTERS[1:2], prob = c(1, 3), size = 100, replace = TRUE)：生成了100个分类变量的数据，其中类别A和B的概率分别是1和3。这里LETTERS[1:2]表示从字母A和B中随机选择，prob = c(1, 3)定义了选择A和B的概率比率，size = 100表示生成100个值，replace = TRUE表示每次选择后都可以重复。
2. 读取某列并画箱型图:boxplot
boxplot(example.data$x, horizontal = TRUE)
boxplot用来画箱型图， horizontal可以控制水平还是垂直$符号用来提取某列
3. 使用ggplot画boxplot
library(ggplot2)
ggplot(example.data, aes(x = x)) + geom_boxplot() + theme_minimal()
library(ggplot2)：加载ggplot2包，这个包提供了用于数据可视化的功能。ggplot(example.data, aes(x = x))：创建一个基础的 ggplot 图形，example.data是数据集，aes(x = x)设置了 x 轴的数据来源，即数据框中的x列。geom_boxplot()：添加一个箱线图层（box plot），用来展示x变量的分布情况。theme_minimal()：应用minimal主题，使图形背景更加简洁，去除多余的元素。
4. 直方图: hist()
hist(example.data$x)
ggplot(example.data, aes(x = x)) + geom_histogram() + theme_minimal()
5. 柱状图: barplot
barplot(table(example.data$cat))
ggplot(example.data, aes(x = cat)) + geom_bar() + theme_bw()
table(example.data$cat)：table() 函数会计算 cat 列中每个类别（A 和 B）的频数。这会返回一个包含每个类别的计数的表格。
假设 cat 列的频数是：
A类别：25次B类别：75次
barplot(...)：barplot() 函数将这个频数表格绘制为柱状图，显示每
6. 散点图
plot(y ~ x, data = example.data, main = "formula input")
plot(example.data$x, example.data$y, main = "argument input")
main是标题的意思，这两种效果一致
ggplot(example.data, aes(x = x, y = y)) + geom_point()
7. R 语法的特点
1. 赋值符号 (<-)
在 R 中，<- 符号用于赋值。例如：
x <- 14
这将值 14 赋给变量 x。
x <- 14等价于x = 14，当在命令行输入时使用。- 但是，在函数中传递参数时，应该使用
=来进行匹配。例如：
2. 句点符号 (.)
R 中可以使用句点符号 . 作为变量名的一部分。例如：
new.vector <- c("A", "B", "C")
这里 new.vector 就是一个合法的变量名。
3. 元素索引从 1 开始
R 中的向量和数据结构的索引从 1 开始，而不是 0。例如：
new.vector <- c("A", "B", "C")
new.vector[0]
输出：
character(0)
对于索引 1 的值：
new.vector[1]
输出：
[1] "A"
R 中的基本数据类型
1. 因子（Factor）
因子是 R 中用于表示分类数据的一种数据类型，它具有某些附加属性，通常用于处理类别数据。例如：
data("ToothGrowth")
levels(ToothGrowth$supp)
输出：
[1] "OJ" "VC"
ToothGrowth$supp 是一个因子类型的变量，显示了不同的水平（类别）。
2. 经典数据类型
- Numeric：数值型
- Integer：整数型
- Logical：逻辑型（TRUE/FALSE）
- Character：字符型
- Complex：复数型
同质与非同质数据类型
1. 同质数据类型
- 向量（Vector）：一组数据元素，所有元素具有相同的数据类型。
- 矩阵（Matrix）：一个二维数据结构，具有相同的数据类型。
2. 非同质数据类型
- 列表（List）：一个更通用的结构，可以包含不同类型的对象，甚至可以包含其他列表。
- 数据框（Data Frame）：用于存储数据的结构，每列可以是不同的基本数据类型，但所有列的长度必须相同。
向量（Vector）
创建一个向量：
new.vector <- c(1, 2, 3)
class(new.vector)
输出：
[1] "numeric"
length(new.vector)
输出：
[1] 3
访问向量的一部分：
new.vector[1:2]
输出：
[1] 1 2
如果混合了不同类型的数据：
new.vector <- c(1, 2, "hello")
class(new.vector)
输出：
[1] "character"
矩阵（Matrix）
创建一个矩阵：
A <- matrix(c(2, 4, 3, 1, 7, 8), nrow = 3)
A
输出：
[,1] [,2]
[1,] 2 1
[2,] 4 7
[3,] 3 8
访问矩阵中的元素：
A[2, 1]
输出：
[1] 4
访问矩阵的某一行：
A[1, ]
输出：
[1] 2 1
列表（List）
创建一个列表：
vector.a <- c(1, 2, 3)
vector.b <- c("hello", "world", "!!")
new.list <- list(vector.a, vector.b)
new.list
输出：
[[1]]
[1] 1 2 3
[[2]]
[1] "hello" "world" "!!"
访问列表中的元素：
new.list[[1]]
输出：
[1] 1 2 3
数据框（Data Frame）
创建一个数据框：
head(warpbreaks)
输出：
breaks wool tension
1 26 A L
2 30 A L
3 54 A L
4 25 A L
5 70 A L
6 52 A L
查看数据框的结构：
str(warpbreaks)
输出：
'data.frame': 54 obs. of 3 variables:
$ breaks : num 26 30 54 25 70 52 51 26 67 18 ...
$ wool : Factor w/ 2 levels "A","B": 1 1 1 1 1 1 1 1 1 1 ...
$ tension: Factor w/ 3 levels "L","M","H": 1 1 1 1 1 1 1 1 1 2 ...
查看数据框列的名称：
names(warpbreaks)
输出：
[1] "breaks" "wool" "tension"
查看 wool 列的前几项：
head(warpbreaks$wool)
输出：
[1] A A A A A A
Levels: A B