R语言作为一种广泛应用于统计分析、数据可视化和科学计算的工具，其基本命令是掌握该语言的核心基础，R语言的命令通常通过交互式控制台执行，也可编写为脚本批量运行，以下从数据结构、对象操作、基本计算、数据管理和函数调用五个方面详细介绍R语言的基本命令。
R语言中最常用的数据结构包括向量、矩阵、数据框和列表，向量是R语言的基本单位，可通过c()函数创建，如x <- c(1, 2, 3)创建了一个数值向量，矩阵通过matrix()函数生成，需指定数据、行数和列数，例如mat <- matrix(1:6, nrow=2, ncol=3)，数据框是类似表格的结构，用data.frame()函数创建，如df <- data.frame(name=c("Alice", "Bob"), age=c(25, 30))，是数据分析中最常用的结构，列表则可容纳不同类型对象，通过list()函数构建，如lst <- list(num=1:3, char="hello")。
对象操作方面,ls()命令用于查看当前环境中的所有对象，rm()用于删除对象，如rm(x)会删除名为x的对象，str()函数可查看对象的结构，summary()则提供对象的描述性统计，如summary(df)会显示数据框各列的最小值、最大值、中位数等，head()和tail()分别用于查看对象的前几行和后几行，默认显示前6行或后6行，可通过参数调整行数，如head(df, n=10)。
基本计算命令中,算术运算符包括+、-、*、/、^（幂运算），如2^3结果为8，比较运算符如>、<、==、!=用于逻辑判断，如x > 2会返回逻辑向量，逻辑运算符包括&（与）、|（或）、!（非），如(x > 1) & (x < 3)会判断x是否在1和3之间，统计函数如mean()、median()、sd()（标准差）、var()（方差）等，如mean(x)计算x的平均值，sd(x)计算标准差。
数据管理命令中,subset()用于提取子集，如subset(df, age > 25)会筛选age大于25的行，merge()用于合并数据框，类似SQL的join操作，如merge(df1, df2, by="id")以id列为键合并，reshape2包中的melt()和cast()函数可实现数据的宽转长和长转宽操作，处理缺失值时，is.na()用于判断缺失值，na.omit()用于删除含缺失值的行，如na.omit(df)会返回删除缺失值后的数据框。
函数调用方面,R语言通过函数名加括号调用函数，参数可通过位置或名称传递，如mean(x, trim=0.1)计算x的10%截尾均值，自定义函数使用function()关键字，如square <- function(x) {x^2}定义了一个计算平方的函数，apply()系列函数是高效处理数据结构的工具，apply()用于矩阵或数组，lapply()返回列表，sapply()简化为向量，如apply(mat, 1, mean)计算矩阵每行的平均值。
以下是一些常见问题的解答：
FAQs
-
如何检查R语言对象的类型？
可使用class()函数查看对象的类型，如class(x)会返回x的数据类型（如"numeric"、"character"、"data.frame"等），mode()函数也可返回对象的存储模式，如numeric、character等，若x <- c(1, 2, 3)，则class(x)返回"numeric"，mode(x)也返回"numeric"。
（图片来源网络，侵删） -
如何将数据从CSV文件读入R语言？
使用read.csv()函数读取CSV文件，基本语法为data <- read.csv("文件路径.csv")，若文件包含列名，需设置header=TRUE（默认为TRUE）；若分隔符不是逗号，可用sep参数指定，如read.csv("file.txt", sep="\t")读取制表符分隔的文件，读取后，可用str(data)检查数据结构，确保导入正确。
