R语言作为统计分析和数据处理的重要工具，提供了大量的内置函数来简化数据操作和分析。在此，我将介绍一些常用的R语言函数，并简单说明它们的应用。

基础统计函数

1. mean(): 计算平均值。

   data <- c(1, 2, 3, 4, 5)  
   mean_value <- mean(data)  
   # mean_value => 3  

2. median(): 计算中位数。

   median_value <- median(data)  
   # median_value => 3  

3. sd(): 计算标准差。

   standard_deviation <- sd(data)  
   # standard_deviation => 1.58 (approx)  

4. var(): 计算方差。

   variance <- var(data)  
   # variance => 2.5  

5. summary(): 提供数据的摘要统计。

   summary_data <- summary(data)  
   # Outputs Min, 1st Qu., Median, Mean, 3rd Qu., Max  

数据操作函数

1. c(): 创建向量。

   vector <- c(1, 2, 3, 4, 5)  

2. data.frame(): 创建数据框。

   df <- data.frame(Name=c("John", "Doe"), Age=c(28, 30))  

3. dim(): 获取数据框或矩阵的维度。

   dimensions <- dim(df)  
   # dimensions => 2 rows, 2 columns  

4. names(): 获取或设置对象的名称。

   names(df) <- c("Name", "Age")  

5. head() / tail(): 查看数据的前几行或后几行。

   head_data <- head(df, n = 1)  

子集和索引

1. subset(): 根据条件筛选数据子集。

   subset_df <- subset(df, Age > 28)  

2. which(): 返回符合条件的索引。

   index <- which(df$Age > 28)  
   # index => 2  

3. unique(): 返回唯一值。

   unique_values <- unique(data)  

图形绘制函数

1. plot(): 创建简单的二维图形。

   plot(data)  

2. hist(): 绘制直方图。

   hist(data)  

3. boxplot(): 绘制箱线图。

   boxplot(data)  

数据转换函数

1. as.numeric(), as.character(), as.factor(): 类型转换。

   num_data <- as.numeric(c("1", "2", "3"))  

2. as.matrix(), as.data.frame(): 数据框和矩阵相互转换。

   matrix_data <- as.matrix(df)  

高级功能

1. apply(): 对数组或矩阵应用函数。

   result <- apply(matrix_data, 2, sum)  # 对每列求和  

2. lapply() / sapply(): 对列表应用函数。

   list_data <- list(a=1:5, b=6:10)  
   lapply_result <- lapply(list_data, sum)  

3. tapply(): 按分类因子计算函数。

   group_sum <- tapply(df$Age, df$Name, sum)  

这些函数只是R语言功能广泛的冰山一角。通过结合这些函数，你可以进行数据导入、清理、分析和可视化，帮助揭示数据中隐藏的模式和关系。