R语言基础

R作为一门统计语言，其灵活性不言而喻。由于课程要求，两个都进行使用，但是Matlab用的更加熟练一些。如果单纯把它当一门语言去学习，会发现它并没有什么优势。所以，学习R最好得有统计学的相关知识，否则不如学习其他语言。R最让人着迷的地方是，它有很多统计学牛人编写的R包，这极大丰富了R语言本身。

一、安装包和加载包

R和Python一样，功能强大是因为R具备丰富的功能包。在R中使用一下packages命令安装一个新的包，比如ggplot2包，注意：包的名字需要用引号括起来。

install.packages("ggplot2")

功能包安装完毕之后，可以加载并使用其提供的数据集、函数和功能，使用library命令加载一个功能包，包的名字不需要用引号括起来。

library(ggplot2)

二、数据结构

R中的数据结构主要有：

• 向量
• 矩阵
• 数组
• 数据框
• 因子
• 列表

1、向量是用于存储数据型、字符型或逻辑型数据的一维数组

单个向量的数据必须拥有相同的类型或模式，即要么都是数值型，要么都是字符型。R中的赋值使用箭头符号<-

# 数值型
a <- c(1, 2, 5, 3, 6, -2, 4)
# 字符型
b <- c("one", "two", "three")
# 逻辑型
c <- c(TRUE, TRUE, TRUE, FALSE, TRUE, FALSE) 

2、矩阵是一个二维数组

每个元素都用相同的类型，必须都为数值型、字符型或逻辑型，可通过函数matrix()创建矩阵

mymatrix <- matrix(vector, nrow=number_of_rows, ncol=number_of_columns, byrow=FALSE, dimnames=list(rownames,colnames))

3、数组的维度可以大于2

数组通过array()函数创建

myarray <- array(vector, demensions, dimnames)

4、数据框可以理解成数据库中的表

数据框通过data.frame()创建，是R中最为重要的一种数据结构

patientID <- c(1, 2, 3, 4)
age <- c(25, 34 ,28, 52)
diabetes <- c("Typel1", "Typel2", "Typel1", "Typel1")
status <- c("Poor", "Improved", "Excellent", "Poor")
patiendata <- data.frame(patientID, age, diabetes, status)

5、因子是无序类别型变量和有序类别类变量

diabetes对于不同的人只能取Typel1或者Type2，因此是一个因子

diabetes <- factor("Typel1", "Typel2", "Typel1", "Typel1")

6、列表是多个元素的排列

使用list()定义一个列表，并可以为各个元素命名

g <- "My FIrst List"
h <- c(25 ,26, 18, 39)
j <- matrix(1:10, nrow=5)
k<- c("one", "two", "three")
mylist <- list(titile=g, age=h ,j ,k)
mylist

三、数据集

R中提供了很多数据集，安装包也会提供一些额外的数据集，这些数据集大多以数据框的形式给出。
例如系统自带的mtcars数据集提供了32款车型的11项参数值，所有参数值都为数值型

head(mtcars)
nrow(mtcars)
names(mtcars)
summary(mtcars)

四、R语言脚本

除了在交互命令行中编写R代码，还可以保存成.R的R语言脚本