2.2 从帮助页面获取帮助
R自带的核心函数超过1000个，并且一直都有新成员加入其函数大家族。要想记住和学会所有函数几乎是不可能的。但所幸每一个R函数都有自己的帮助页面，你只需要键入问号加上一个函数的名称即可查看该函数的帮助页面。下面的代码示例中，每一个命令都会打开相应函数的帮助页面。这些帮助页面会出现在RStudio右下面板的Help选项卡中。
?sqrt
?log10
?sample
帮助页面涵盖了函数的主要功能和使用方法等诸多有用信息。帮助页面同样有代码文档的功能，因此读起来可能是苦乐参半的。它们常常看起来是专门为已经对该函数有所理解，压根用不着帮助的那群用户所写的。
但也不用灰心，即便如此，从一个函数的帮助页面仍然能得到很多信息。可以只关注其中能理解的部分，而比较晦涩难懂的部分可以一带而过。这种做法必然会将你带到每个帮助页面中最有用的部分：最底部的代码示例部分。在这个部分，几乎每一个帮助页面都会给出一些使用该函数的代码示例。运行这些示例代码，有助于快速掌握该函数的基本功能。
如果一个函数来自某个R包，而你并没有安装或者加载该包，那么在R的控制台用问号加函数名的方式并不能调出该函数的帮助页面。
2.2.1 帮助页面的组成部分
每一个帮助页面都被分成了数个部分。各个部分因函数而异，但通常来说你都可以看到以下几个部分。
· 函数描述（Description）
一段简短的有关该函数功能的描述。
· 使用方法（Usage）
告诉你应该如何键入该函数和相应的参数名。参数的排列顺序应该符合R的预期，也就是该函数被定义时参数的排列顺序（这里指的是没有明确写出参数名的情况）。
· 参数（Arguments）
列出该函数所包含的所有参数，它们所接受的赋值类型以及每个参数在函数中的作用。
· 相关细节（Details）
关于该函数工作原理的进一步描述。函数的作者通常会利用这个部分提出该函数使用时的一些注意事项，以引起用户的注意。
· 返回值（Value）
一段关于该函数运行后的返回值的简短描述。
· 另请参阅（See Also）
与该函数相关的函数列表。
· 代码示例（Examples）
确保可以无错运行的代码示例。帮助页面内的代码示例通常会展示给用户数种使用该函数的方法，这有助于用户更好地了解该函数的作用。
如果不小心忘记了函数的确切名称，但又想找到这个函数的帮助页面，可以尝试关键词搜索。具体做法：进入R的命令行界面，在关键词之前键入两个问号再按回车键。R会列出所有与该关键词有关的帮助页面的超链接。你可以将此看作帮助页面的帮助页面。
?? log
让我们仔细看看sample函数的帮助页面。记住：我们想找到关于如何改变抽样过程中的抽样概率的信息。这里没有展示整个帮助页面（而只是有选择性地展示最相关的部分），你可以在自己的计算机上跟着下面的提示一步一步操作。
第一步，打开帮助页面。在RStudio中，帮助页面与绘图页面处于同一个面板中（但帮助页面在Help选项卡中，而绘图页面在Plots选项卡中）。
?sample
你看到了什么呢？从上往下应该是这样的信息。
Random Samples and Permutations（随机抽样与置换）
Description（说明）
sample takes a sample of the specified size from the elements of x using either
with or without replacement.（sample函数从x中随机抽取放回样本或者不放回样本，样本的大
小由用户设置。）
还不错，我们都知道这些话代表什么意思。进入下一部分：Usage（使用方法）。这里包含了一个有价值的线索。它提到一个叫作prob的参数。
Usage
sample(x, size, replace = FALSE, prob = NULL)
如果将帮助页面下拉至参数部分，可以看到此处关于prob参数的描述看起来非常像我们需要的信息。
A vector of probability weights for obtaining the elements of the vector being sampled.
（对于欲抽样的向量中的元素，该参数是一个相同长度的向量，其元素对应被抽样向量中相应元素
的抽样权重。）
Details（相关细节）部分确认了我们刚才的判断，并且包含了进一步的说明和指导。
The optional prob argument can be used to give a vector of weights for obtaining the
elements of the vector being sampled. They need not sum to one, but they should be
nonnegative and not all zero.（prob是一个可选参数，用于在抽样时指定被抽样向量中每个元
素的抽样权重。该参数向量中的元素和可以不为1，但是必须保证每个元素都是非负值且不能同时
为0。）
虽然帮助页面中没有详细说明，但有必要指出的是，这个参数向量中的元素与被抽样向量中的元素是一一对应的。因此，prob的第一个元素对应的就是被抽样向量中第一个元素的抽样权重，第二个元素对应被抽样向量中的第二个元素的抽样权重，以此类推。这种元素对应的方式在R中是颇为常见的。
继续阅读帮助页面，有下面一段文字。
If replace is true, Walker's alias method (Ripley, 1987) is used...（如果replace参数
为true，则会使用Walker的别名方法（Ripley,1987）……）
好了，读到这样的描述也就意味着接下来我们只需略读即可。上面的信息已经足够用来为我们的骰子添加权重了。
练习
重写之前的掷骰子函数以实现一对有不同权重的骰子。
roll <- function() { die <-1:6 dice <- sample(die, size = 2, replace = TRUE) sum(dice) }
你应该在roll函数内部的sample函数中添加一个prob参数。这个参数应该能够指示sample函数在抽样时将1/8的抽样权重交给从1到5的五个点数，而点数6的抽样权重为3/8。
做完这个练习之后，看看下面的参考答案。
为了改变骰子的权重，需要在sample函数中设置prob参数，这个参数是一个包含权重值的向量，做法如下。
roll <- function() { die <-1:6 dice <- sample(die, size = 2, replace = TRUE, prob = c(1/8, 1/8, 1/8, 1/8, 1/8, 3/8)) sum(dice) }
该函数的效果就是在掷骰子时，点数1～5的权重仅为1/8，而点数6的权重为3/8。
用新函数覆盖之前的roll函数（即将上面的参考答案代码键入命令行中并运行），然后将新骰子的长期投掷结果绘制出来。图2-5中右边的图就是新骰子投掷结果的直方图，左边是旧骰子投掷结果的直方图。
rolls <- replicate(10000, roll())
qplot(rolls, binwidth = 1)
图2-5：右图显示，新骰子的投掷点数明显更加倾向于大点数组合，因为大点数组合出现的频率要远高于小点数组合出现的频率
该图说明我们刚才的新骰子函数有效地给点数设置了不同的权重。大点数组合出现的频率要远高于小点数组合出现的频率。但值得注意的是只有观测长期频率才能看到如此明显的效果。单次投掷的骰子点数看似仍是随机的。如果你在玩《卡坦岛移民者》这样的游戏，这可能是个好消息（你可以告诉朋友你丢了骰子）。但是如果你在分析数据，这种情况就会变得十分恼人，因为这意味着如果骰子被做过手脚，在短期内很难发现。
2.2.2 获取更多帮助
R的用户社区非常活跃，你可以通过R帮助邮件列表（https://stat.ethz.ch/mailman/listinfo/r-help）得到更多帮助。你可以在邮件列表中提问，但是很可能你所要提的问题已经存在并已经被解答了。为了避免重复提问，建议在提问之前先在已提问题存档（http://tolstoy. newcastle.edu.au/R/）中搜索确认一下。
相比R邮件列表，Stack Overflow（http://stackoverflow.com）的帮助模式更好。在这个网站上，程序员们会在线回答各种各样的问题，而答案的排序是由用户的打分值决定的，打分值越高代表答案越有用，其排序也就越高。我个人更喜欢Stack Overflow的帮助模式，其用户体验相比R邮件列表更加友好（回答问题的人相对来说也更加友善）。在Stack Overflow上，你可以上传自己的问题或者搜索已经提过的与R相关的问题。现在上面有3万多条与R相关的提问。
无论是使用R邮件列表还是Stack Overflow，如果提问时提供的实例代码具有良好的可重现性，那么得到有用回答的概率就会更大一些。可重现性是指他人在复制粘贴你所提供的代码并运行之后，可以得到与你预想的或碰到的问题一样的信息或者错误提示。