下载R软件后，如果想知道词汇，可以来这里寻找，如果是大佬，那就当没看见就可以。不喜勿喷。

以下内容用Gemini 2.5模型生成！https://gemini.google.com/

R语言拥有丰富的词汇和专门术语，对于初学者和有经验的用户来说，理解这些词汇是至关重要的。以下是一些核心的R语言词汇和概念，分为几个主要类别：
核心语法与数据结构 (Core Syntax & Data Structures)

• <- 或 = (赋值运算符 Assignment Operator): 用于给变量赋值。例如：x <- 10 或 x = 10。<- 是更传统且推荐的R赋值符号。
• # (注释 Comment): 用于添加注释，# 之后到行尾的内容会被R忽略。
• function (函数): 定义一个新的函数。例如：my_function <- function(arg1, arg2) { … }
• vector (向量): R中最基本的数据结构，用于存储一系列相同类型的元素（数值型、字符型、逻辑型等）。例如：c(1, 2, 3) 创建一个数值型向量。
• numeric (数值型): 表示数字的数据类型，包括整数和浮点数。
• character (字符型): 表示文本数据的数据类型，用引号括起来。例如：”hello”。
• logical (逻辑型): 表示真/假值的数据类型 (TRUE 或 FALSE, 可简写为 T 或 F)。
• factor (因子): 用于表示分类数据或名义变量。它们在内部存储为整数，并带有一个标签映射。
• list (列表): 一种可以包含不同类型元素的有序集合。例如：list(name = “John”, age = 30, scores = c(85, 90))。
• data.frame (数据框): R中用于存储表格数据的二维结构，类似于电子表格或SQL表。每一列可以有不同的数据类型，但同一列中的数据类型必须相同。
• matrix (矩阵): 存储相同类型元素的二维数组。
• array (数组): 可以存储多于二维的数据结构，所有元素必须是相同类型。
• NA (Not Available): 表示缺失值。
• NULL: 表示一个空对象或一个不存在的对象。
• NaN (Not a Number): 表示一个不是数字的值，通常是数学上未定义操作的结果 (如 0/0)。
  控制结构 (Control Structures)
• if, else if, else (条件语句): 根据条件执行不同的代码块。
• for (for循环): 对序列中的每个元素重复执行一段代码。例如：for (i in 1:5) { print(i) }
• while (while循环): 当某个条件为真时，重复执行一段代码。
• repeat (repeat循环): 重复执行代码块，直到遇到 break 语句。
• break: 跳出当前循环。
• next: 跳过当前循环的剩余部分，进入下一次迭代。
  常用函数与操作 (Common Functions & Operations)
• c() (concatenate/combine): 用于创建向量或连接多个对象。
• print(): 显示对象的值。
• cat(): 连接并打印其参数，提供更灵活的输出控制。
• summary(): 提供对象的摘要信息，如统计摘要。
• str() (structure): 紧凑地显示对象的内部结构。
• length(): 获取向量或列表的长度（元素个数）。
• nrow(), ncol(): 获取矩阵或数据框的行数和列数。
• names(): 获取或设置对象的名称属性。
• colnames(), rownames(): 获取或设置矩阵或数据框的列名和行名。
• head(), tail(): 显示对象（如向量、数据框）的开头或末尾部分。
• subset(): 根据条件选取数据的子集。
• merge(): 合并两个数据框。
• apply(), lapply(), sapply(), tapply(): 一系列用于对数据集合进行循环操作的函数，是R中向量化编程的重要组成部分。
• plot(): 通用的绘图函数，用于创建各种类型的图形。
• hist(): 创建直方图。
• mean(), median(), sd(), var(): 计算均值、中位数、标准差、方差等统计量。
• lm() (linear model): 用于拟合线性模型。
• read.csv(), write.csv(): 用于读取和写入CSV文件。
  包与环境 (Packages & Environment)
• package (包): R功能的集合，包含了代码、数据和文档。用户可以安装和加载包以扩展R的基础功能。
• library() 或 require(): 加载已安装的包。
• install.packages(): 从CRAN（或其他仓库）安装新的包。
• CRAN (Comprehensive R Archive Network): R官方的软件包、源代码和文档的主要仓库。
• .Rprofile: 一个R启动时会自动执行的脚本文件，用于个性化设置。
• workspace (工作空间): R会话中创建的所有对象的集合。
• working directory (工作目录): R从中读取文件和向其写入文件的默认位置。使用 getwd() 查看，setwd() 设置。
  重要概念 (Important Concepts)
• Vectorization (向量化): R的核心特性之一，指函数可以直接对整个向量进行操作，而无需显式编写循环。这使得代码更简洁、高效。
• Tidyverse: 一个包含了一系列旨在使数据科学更简单、更高效的R包的集合，如 dplyr (数据操作), ggplot2 (数据可视化), tidyr (数据整理), readr (数据读取) 等。
• Data Wrangling/Munging (数据整理/清洗): 将原始数据转换为更适合分析的格式的过程。
• Statistical Modeling (统计建模): 使用数学模型来描述数据中的关系和模式。
• Data Visualization (数据可视化): 通过图形方式展示数据，以帮助理解和洞察。
  学习R语言是一个循序渐进的过程，熟悉这些基本词汇是构建更复杂分析能力的基础。随着您使用R的经验增加，您会遇到更多特定领域的词汇和函数。
  R语言拥有丰富的词汇和概念，专门用于统计计算和数据可视化。理解这些词汇是学习和使用R语言的关键。以下是一些核心的R语言词汇，分为几个主要类别：

1. 基本概念 (Basic Concepts)

• R: 一种主要用于统计计算和图形显示的编程语言和自由软件环境。
• RStudio: 一个流行的R集成开发环境 (IDE)，提供了代码编辑、调试、可视化和工作空间管理等功能。
• 脚本 (Script): 一个包含R代码的文本文件，通常以 .R 为扩展名。
• 控制台 (Console): R的交互式界面，用户可以在此输入命令并查看结果。
• 工作空间 (Workspace): R当前会话中所有对象的集合。
• 对象 (Object): R中存储数据的基本单位，可以是变量、函数、数据集等。R中的一切皆为对象 (“everything in R is an object”)。
• 函数 (Function): 一段预定义的可重复使用的代码块，用于执行特定任务。例如 print(), mean(), plot()。
• 参数 (Argument/Parameter): 传递给函数的值，用于控制函数的行为。
• 赋值 (Assignment): 将一个值存储到一个对象的动作，通常使用赋值运算符 <- 或 =。
• 注释 (Comment): 以 # 开头的文本，R解释器会忽略这些文本，用于解释代码。

1. 数据类型与结构 (Data Types and Structures)

• 向量 (Vector): R中最基本的数据结构，包含相同类型元素的有序集合。类型包括：
• numeric (数值型): 数字，如 10.5, 55。
• integer (整型): 整数，如 1L, 100L (L表示整数)。
• character (字符型): 文本字符串，如 “hello”, ‘R’。
• logical (逻辑型): TRUE 或 FALSE。
• factor (因子): 用于表示分类数据，每个水平 (level) 代表一个类别。
• 矩阵 (Matrix): 具有行和列的二维数组，所有元素必须是相同类型。
• 数组 (Array): 可以是一维、二维或多维的数据结构，所有元素必须是相同类型。
• 列表 (List): 可以包含不同类型元素的有序集合。列表的元素可以是向量、矩阵、其他列表等。
• 数据框 (Data Frame / data.frame): R中最常用于存储表格数据的数据结构，类似于电子表格或SQL表。数据框的列可以是不同的数据类型，但每列中的所有元素必须是相同类型。
• 缺失值 (Missing Value): 用 NA (Not Available) 表示数据中的缺失或未知值。
• NULL: 表示一个空对象或不存在的值。
• NaN (Not a Number): 表示未定义的数学运算结果。
• Inf (Infinity): 表示正无穷大或负无穷大 (-Inf)。

1. 常用运算符 (Common Operators)

• 赋值运算符 (Assignment Operators):
• <- (首选)
• =
• -> (不常用)
• 算术运算符 (Arithmetic Operators): +, -, *, /, ^ (幂), %% (取模), %/% (整除)
• 关系运算符 (Relational Operators): == (等于), != (不等于), <, >, <=, >=
• 逻辑运算符 (Logical Operators): & (元素级与), | (元素级或), ! (非), && (短路与), || (短路或)
• 提取/子集运算符 (Subsetting/Extraction Operators):
• []: 用于提取向量、矩阵、数组、列表、数据框的元素。
• [[]]: 主要用于提取列表或数据框中的单个元素，通常返回该元素的原始类型。
• $: 用于按名称提取列表或数据框中的元素。
• 序列运算符 (Sequence Operator): : (例如 1:10 生成从1到10的序列)
• 成员运算符 (Membership Operator): %in% (检查元素是否存在于向量中)

1. 控制流 (Control Flow)

• if, else if, else: 条件执行语句。
• for: 循环语句，用于迭代序列中的每个元素。
• while: 循环语句，当条件为真时重复执行代码块。
• repeat: 无限循环，通常与 break 结合使用。
• break: 跳出当前循环。
• next: 跳过当前循环的剩余部分，进入下一次迭代。
• return: 从函数中返回值。

1. 核心函数 (Core Functions – 部分示例)

• 输入/输出 (Input/Output):
• print(): 打印对象。
• cat(): 连接并打印。
• read.csv(), read.table(): 读取CSV或表格文件。
• write.csv(), write.table(): 写入CSV或表格文件。
• save(), load(): 保存和加载R对象。
• 数据生成与操作 (Data Generation & Manipulation):
• c(): 合并或创建向量。
• seq(): 生成序列。
• rep(): 重复元素。
• length(): 获取向量或列表的长度。
• dim(): 获取对象的维度 (如矩阵或数据框的行数和列数)。
• nrow(), ncol(): 获取行数或列数。
• names(): 获取或设置对象的名称。
• rownames(), colnames(): 获取或设置行名或列名。
• subset(): 提取数据子集。
• merge(): 合并数据框。
• rbind(), cbind(): 按行或按列合并对象。
• apply(), lapply(), sapply(), tapply(): 一系列用于对数据进行迭代操作的函数。
• 数学与统计 (Math & Statistics):
• sum(), mean(), median(), sd(), var(): 求和、均值、中位数、标准差、方差。
• min(), max(), range(): 最小值、最大值、范围。
• summary(): 生成对象的摘要统计信息。
• table(): 创建列联表。
• lm(): 拟合线性模型。
• t.test(): 进行t检验。
• 类型检查与转换 (Type Checking & Conversion):
• class(): 查看对象的类别。
• typeof(): 查看对象的内部类型。
• is.numeric(), is.character(), is.logical(), is.na(): 检查对象的类型或是否为缺失值。
• as.numeric(), as.character(), as.data.frame(): 转换对象的类型。
• 帮助 (Help):
• help() 或 ?: 获取函数或主题的帮助文档。
• example(): 查看函数的使用示例。

1. 包与库 (Packages and Libraries)

• 包 (Package): R函数、数据和已编译代码的集合，以良好定义好的格式组织。R通过包来扩展其功能。
• 库 (Library): 计算机上存储包的目录。
• CRAN (Comprehensive R Archive Network): R官方主要的包、源代码和文档的服务器网络。
• install.packages(): 从CRAN安装包的函数。
• library() 或 require(): 加载已安装的包到当前R会话中，使其函数和数据可用。
• Tidyverse: 一个非常流行的R包集合，用于数据科学，包括ggplot2, dplyr, tidyr, readr等，它们共享相同的设计理念、语法和数据结构。

1. 数据处理常用词汇 (Common Data Manipulation Vocabulary – 尤其来自 dplyr 包)

• filter(): 根据条件筛选行。
• select(): 根据名称选择列。
• mutate(): 创建或修改列。
• arrange(): 按一列或多列对行进行排序。
• summarise() 或 summarize(): 将多个值聚合为一个摘要统计量。
• group_by(): 对数据进行分组，以便后续操作在每个组内独立执行。
• 管道操作符 (Pipe Operator) %>% (来自 magrittr 包, Tidyverse核心): 将前一个函数的结果作为下一个函数的第一个参数传递，使代码更易读。

1. 绘图常用词汇 (Common Plotting Vocabulary – 尤其来自 ggplot2 包)

• plot(): R基础绘图系统中的通用绘图函数。
• ggplot2: 一个强大的、基于图形语法的绘图系统。
• ggplot(): 初始化一个ggplot对象，指定数据和美学映射。
• 美学 (Aesthetics / aes()): 图形属性如何映射到数据变量（例如，颜色、形状、大小）。
• 几何对象 (Geometries / geom_): 代表数据的图形元素（例如，geom_point(), geom_line(), geom_bar(), geom_histogram()）。
• 标度 (Scales / scale_): 控制美学映射的具体方式（例如，颜色标度、坐标轴标度）。
• 分面 (Faceting / facet_wrap(), facet_grid()): 将数据划分为子集，并在不同面板中绘制子图。
• 主题 (Themes / theme()): 控制图形的非数据元素（例如，背景、字体、图例）。

1. 统计建模相关词汇 (Statistical Modeling Vocabulary)

• 公式 (Formula): 用于描述模型中变量之间关系的符号表示，例如 response ~ predictor1 + predictor2。
• 模型对象 (Model Object): 拟合统计模型后返回的对象，包含模型的结果和信息。
• summary(): 通常用于查看模型对象的详细摘要。
• predict(): 使用拟合的模型进行预测。
• residuals(): 获取模型的残差。
  掌握这些词汇将为你深入学习和有效使用R语言进行数据分析和可视化打下坚实的基础。