上一讲通过三个简单的例子体验了一下如何在R中写函数，下面来详细学习有关R语言中函数的知识。




Functions in R

主要分三个部分来讲解函数：


编写函数所需的基础知识
相关语法作用域
R语言作用域的规则




编写函数所需的基础知识

R语言通过function()指令来命名和创建函数。首先要给函数赋值，也就是命名，然后在小括号中写入参数，最后再大括号中写入函数要执行的语句，其基本语法是：



f <- function(<arguments>){
    ## Do something interesting
}

同时在R中，你可以将函数作为参数传递给其他函数，即嵌套。

函数的返回值是函数执行部分中的最后一行表达式。

编写函数的过程中我们可以设置和命名参数，这些参数可以代表数值、矩阵、数据框或逻辑值等等。同时也可以设置一些具有缺省值（默认值）的参数。


形式参数（formal arguments）


形式参数是包含在函数定义里的参数。

formals()会将一个函数作为输入（input），并返回函数所有的形式参数组成的列表。

在R中，不是所有命令都用到所用的形式参数。加入一个函数中设置了10个参数，但我们往往并不需要指定每个参数的值是啥，所以函数可以缺失某些参数。当没有明确赋值是，它的取值就是缺省值（默认值，default value）


匹配参数（argument matching）


可以根据位置或名称来匹配函数参数，这是编写和调用函数的关键。

以计算数据标准差的函数sd()为例。



> data <- rnorm(100)    ## 取100个符合正态分布的随机数
> sd(x = data)          ## 给参数赋值 求标准差
[1] 1.035329
> sd(data)              ## 给参数默认赋值
[1] 1.035329
> sd(data, na.rm = FALSE)
[1] 1.035329
> sd(na.rm = FALSE, data)  ## 调换参数位置后结果不变
[1] 1.035329

以上所有表达式都是等价的，但是最好不要调换参数位置。

如果函数中参数较多，那么最好使用位置匹配。

比如lm()函数（把数据拟合到线性模型），它的参数列表这么长：



> args(lm)
function (formula, data, subset, weights, na.action, method = "qr", 
    model = TRUE, x = FALSE, y = FALSE, qr = TRUE, singular.ok = TRUE, 
    contrasts = NULL, offset, ...) 
NULL

前五个参数都没有缺省值，依次是，公式、数据、子集、权重等。这里使用者必须要指定他们的值。



lm(y ~ x, mydata, 1:100, model = FALSE)

大多数情况下，我们不知道参数的具体位置，所以在命令行中，命名参数来匹配最安全。


  
The order of operations when given an argument is：
  
  

  
Check for exact match for a named argument
  
Check for a partial match
  
Check for a positional match
  



惰性求值（Lazy Evaluation）


惰性求值是R语言的一个关键特性，也是许多编程语言常用的模型。仅在使用函数参数时对其求值。

第一个例子：



> f <- function(a, b) {
+         a^2
+ } 
> f(2)
[1] 4

这里定义函数f，有两个参数，但返回值仅仅是a的平方。所以当运行f(2)时，和b无关，所以系统自动跳过，不会报错。

第二个例子：



> f <- function(a, b) {
+         print(a)
+         print(b)
+ }
> f(45)
[1] 45
Error in print(b): argument "b" is missing, with no default

这里同样定义f有两个参数，但返回值是a和b，所以当输入f(45)时，因为第二个位置上缺少b的赋值，所以会报错。这里就是用了惰性求值，即，仅在使用这个参数的时候进行求值，在这之前的程序都是有效的并可以执行，直至运行到出错的部分。


特殊参数...


...参数是一种特殊的参数，表明一些可以传递给另一个函数的参数。常用于当你需要扩展另一个函数，而你又不想复制原函数的整个参数列表时。

如下例，你希望修改plot()函数中的个别参数，而其他参数保持不变，将其应用于一个新定义的函数中myplot()：



myplot <- function(x, y, type = "l", ...) {
        plot(x, y, type = type, ...)         ## Pass '...' to 'plot' function
}

在泛型函数（generic function）中，...还有另一种用法，它的作用是根据数据类型使用合适的方法


  
泛型函数是一个函数族，其中的每个函数都有相似的功能，但是适用于某个特定的类。




> mean
function (x, ...) 
UseMethod("mean")
<bytecode: 0x5d5e3e8>
<environment: namespace:base>

还有一种情况下，...参数必须使用：

那就是，当传递到函数的参数数量不能事先确定的时候。

比如paste()函数，他的作用是将一连串字符串连接起来，然后新建一个字符串或向量，所以无法预知参数个数：



> args(paste)
function (..., sep = " ", collapse = NULL) 
NULL

还有cat()函数，它的功能是和paste相似，也是连接字符串。



> args(cat)
function (..., file = "", sep = " ", fill = FALSE, labels = NULL, 
    append = FALSE) 
NULL

使用...函数的一个注意事项：

就是任何出现在...之后的参数列表必须明确的给出名称。而且不能够部分匹配或位置匹配

举例：



> paste("a","b",sep = ":")
[1] "a:b"

不能位置匹配或部分匹配：



> paste("a","b",":")
[1] "a b :"
> paste("a","b",se = ":")
[1] "a b :"




  
参考资料： 

  1. 视频课程 R Programming by Johns Hopkins University：https://www.coursera.org/learn/r-programming/home/welcome  

  2. 讲义 Programming for Data Science ：https://bookdown.org/rdpeng/rprogdatascience/R 

Linux下构建R语言统计模型，前端输入参数，后端获取接受参数，运行程序脚本得到分析结果。都离不开参数的传递。参数传递分为形参和是实参。
形参：指出现在Sub 和Function过程形参表中的变量名、数组名，该过程在被调用前，没有为它们分配内存，其作用是说明自变量的类型和形态以及在过程中的作用。形参可以是除定长字符串变量之外的合法变量名，也可以带括号的数组名。
实参：实参就是在调用Sub 和Function过程时，从主调过程传递给被调用过程的参数值。实参可以是变量名、数组名、常数或表达式。在过程调用传递参数时，形参与实参是按位置结合的，形参表和实参表中对应的变量名可以不必相同，但它们的数据类型、参数个数及位置必须一一对应。
linux下的R语言的参数传递，可理解是将A值传入到B值中。 大致过程如下：
1.首先linux界面执行脚本和参数序号，如下所示：
Rscript   test.R   参数1   参数2 ...

2.在test.R 脚本中进行参数获取系统中得到Args的序号对应数值：
Args <- commandArgs()

上述的commandArgs(),是R自带的参数传递函数**，属于位置参数。**运行Rscript后test.R脚本中将得到Args[1]和Args[2]的含义值。
Args[1]= "参数1"
Args[2]= "参数2"

3.操作演示方法一：
[root@tandelin home]# vi test.R

Args <- commandArgs()
print(Args[1])
print(Args[2])

保存后，在参数终端执行
[root@tandelin home]# Rscript test.R input1 input2

运行查看结果
[root@tandelin home]# Rscript test.R $input1 $input2
[1] "/usr/lib64/R/bin/exec/R"
[1] "--slave

4.操作演示方法二：
[root@tandelin home]# input1=10
[root@tandelin home]# input2=20

赋值参数传入运行：
   [root@tandelin home]# Rscript test.R $input1 $input2
   [1] "10"
   [1] "20"

最终想在固定路径下获取数据，进行输入参数即可得到指定路径下的数据名称。
 [root@tandelin home]#input=“/home/data.csv”
 [root@tandelin home]#Rscript test.R $input
 PArameter=print( Args[1] )
 newdata=read.csv( PArameter )
 [1] "1" "3" "1" "3"
 [2] "1" "3" "1" "3"
 [3] "1" "3" "1" "3"
 [4] "1" "3" "1" "3"
 [5] "1" "3" "1" "3"
 [6] "1" "3" "1" "3"

以上就完成了基本的参数传递，后续细化，即可得到较好的数值/路径引入。

初学R语言
学习R语言，肯定要清楚它能干嘛，它的作用就是把常见的统计方法封装起来了，直接调用起来就非常简单了。比如means(obeject)，这就是一个求均值的方法，直接调用它就行，括号中的元素就是你要求均值的对象。R中包含了基本上所有的数学上的算法，通过它我们能直接得到我们的答案。
第一步，导入数据（想要使用R，你必须把数据导入进去）
read.table(file="%.txt",header=T)
以上就是读入数据的命令，read.table()，file就是文件的目录加文件名（不过我习惯把工作路径直接设在当前文件目录中），header就是说第一行是不是列标识，T就是TRUE，F就是FALSE。
a<-read.table(file="lm1.txt",header=F)
getwd()就是获得工作路径，把lm1.txt文件放在工作目录下,就把文件读入对象a了。
第二步，导出数据
write.table(object,file="export.txt")
把object文件导出在当前工作目录下，并命名为export.txt。
第三步，R中有哪些数据类型
向量(vector)
c(1,2,3)

因子(factor)
factor(x)
矩阵(matrix)
matrix(x,ncol=2)
数据框（data.frame）
data.frame(x)
列表（list）
list(x)
以上这几种数据框架我们做统计经常需要接触，大家一定要熟悉掌握。
到这里我们就结束了第一章

1.python输出函数加上r的作用：即print(r" ")

主要的原因是为防止转义，保证r后面的内容全文输出。

r就是保持字符串原始值的意思，在我们输入路径的时候，总会出现斜杠“\”，这个符号在python语言中具有转义的作用，加上r就是避免转义，直接原文输出。

2.python输出函数加上f的作用：即print(f" ")

主要作用就是格式化字符串，加上f以后，{"变量/表达式"},花括号里的变量和表达式就可以使用了。

举个例子，体会一下：

for i in range(9):

             print(f"本次循环输出值的平方为：{i*i}")

希望对看到的人有帮助，

###因为相信，所以美好###

我们都不孤单，一起努力*_*

加油@_@，