5.22R语言初步学习-1

今天上课讲R语言，要干什么没讲，分析什么，目的是什么没讲。助教基本上就是让我们打开窗口，按要求抄代码指令，代码原理也没讲......再加上最近正好在学概率论与数理统计，肯定是有用的，所以还是学习总结一下吧。

概述：

R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。

与其说R是一种统计软件，还不如说R是一种数学计算的环境，因为R并不是仅仅提供若干统计程序、使用者只需指定数据库和若干参数便可进行一个统计分析。R的思想是：它可以提供一些集成的统计工具，但更大量的是它提供各种数学计算、统计计算的函数，从而使使用者能灵活机动的进行数据分析，甚至创造出符合需要的新的统计计算方法。

目录

1.安装

2. 简单例程上手以及部分学习

R预备知识

简单指令上手 

1.因子化数据帧

2.交叉制表

3.卡方检验

4.二项式检验

返回值

适用场景

注意事项

示例

---

1.安装

先安装R，再安装Rstudio

  R 官方网站： https://www.r-project.org/

RStudio官网 ： https://www.rstudio.com/products/rstudio/download/

2. 简单例程上手以及部分学习

R预备知识

##1-变量名的命名
### 数字不能开头；
### %号是非法字符，不可以用来命名；
### .号后面不可以跟数字；

##2-赋值（赋值给谁，箭头就指向谁）
### 分别是左箭头<-（<键+-键（等号左边的那个，不要按Shift）），等号=，右箭头->
higth<-c(175,169,179,175,180,183)
higth_mean<-mean(higth)#对身高求均值

##3-变量的显示
a<-2
a #命令行直接输入变量名
print(a) #利用print()函数

##4-安装R包
install.packages()
library()

##5-文件的读取
readLines()
read.csv()#推荐使用
read.table()
read.xlsx()

##6-软件的推出与保存
### 可以直接输入q()函数；也可以右上角直接叉掉
### 有.R、.Rdata等后缀，.R一般是保存代码的，.Rdata是保存处理后的数据的。

##7-快捷键介绍
## 运行当前/被选中的代码：`Ctrl`+`Enter`
## 设置工作环境：`Ctrl`+`Shift`+`H`
## 快捷赋值 <- ：`alt`+`-`
## 查找不懂的函数：`?函数`，如`?plot`
## R会自动提示你需要的东西

简单指令上手 

Tools->Global options->Pane layout 面板设置

##读取文件
getwd() 获取工作目录
setwd("G:/工效学/class_R")  设置工作目录，记得引号
prefsAB <-read.csv("prefsAB.csv")
ide2 <- read.csv("ide2.csv")     读取文件

##查看数据
View(prefsAB)#分类变量，需做因子化
prefsAB$Subject = factor(prefsAB$Subject)
prefsAB$Pref = factor(prefsAB$Pref)   在R中使用factor函数来创建因子
str(prefsAB)#需要对类别数据进行因子化，以实现研究对象的分组、分类计算
#可以看到有多少类别和水平

##基本统计
summary(prefsAB)
plot(prefsAB$Pref) # 画一个基本的柱状图

##执行检验
prfs = xtabs( ~ Pref, data=prefsAB)
prfs
chisq.test(prfs)
binom.test(prfs)

install.packages("plyr")              下载程序包
library(plyr)         加载包

ddply(ide2,~IDE,summarise,Time.mean=mean(Time),Time.sd=sd(Time))
hist(ide2[ide2$IDE == "VStudio",]$Time)
hist(ide2[ide2$IDE == "Eclipse",]$Time)
plot(Time ~ IDE,data=ide2)

#首先是正态性假设
# Shapiro-Wilk normality test(夏皮罗-威尔克检验)
shapiro.test(ide2[ide2$IDE == "VStudio",]$Time) #H0：研究对象符合正态分布。
shapiro.test(ide2[ide2$IDE == "Eclipse",]$Time)
## 满足正态性假设
m = aov(Time ~ IDE, data=ide2) # fit model
shapiro.test(residuals(m)) # test residuals
qqnorm(residuals(m)); qqline(residuals(m))

读取CSV文件、查看数据框、对数据框的特定列进行因子化，并对因子化后的数据进行摘要和绘图。

1.因子化数据帧

因子是用于表示分类数据的类型，这对于分类分析和统计建模非常有用。

factor 函数用于向量或单个列，而不是整个数据框。如果你尝试对整个数据框应用 factor 函数，会遇到错误。你需要对数据框中的特定列进行因子化，而不是对整个数据框。

# 读取CSV文件
prefsAB <- read.csv("prefsAB.csv")
ide2 <- read.csv("ide2.csv")

# 查看数据框内容
View(prefsAB)
View(ide2)

# 对prefsAB数据框中的列进行因子化
prefsAB$Subject <- factor(prefsAB$Subject)
prefsAB$Pref <- factor(prefsAB$Pref)

# 查看因子化后的数据框
View(prefsAB)

# 获取数据框的摘要信息
summary(prefsAB)

# 绘制prefsAB$Pref的图表
plot(prefsAB$Pref)

plot(prefsAB$Pref)绘制 prefsAB 数据框中 Pref 列的条形图有助于可视化每个因子水平的频数。 

summary(ide2) 用于生成并显示数据框的摘要信息，包括每列的统计信息。对于因子列，这将显示每个因子水平的频数。

head() 函数用于查看数据集的开头部分，它默认显示数据框的前六行。这对于快速查看数据集的结构和内容非常有用，可以帮助你了解数据的组织方式和其中包含的信息。

str(ide2) 函数显示了关于数据框 ide2 结构的摘要信息。在这个摘要中，我们可以看到：

• 数据框 ide2 包含了 40 行观察值（observation）和 3 个变量（variables）。
• 第一个变量是 Subject，是一个整数（int），表示实验参与者的编号。
• 第二个变量是 IDE，是一个字符向量（chr），表示实验中使用的集成开发环境（IDE）的名称。
• 第三个变量是 Time，是一个整数（int），表示实验中使用该 IDE 所花费的时间（以某个单位表示，可能是秒）。

summary(ide2) 函数提供了关于数据框 ide2 中数值变量的摘要统计信息。让我们逐一解释这个摘要：

• Subject: 这是实验参与者的编号。摘要显示了每个不同值的频数。例如，出现了1次的有1、2、3、4等，没有显示的Subject编号表示频数为1。"Other"行表示其他出现次数少于5次的编号。

• IDE: 这是实验中使用的集成开发环境（IDE）的名称。摘要显示了每个不同值的频数。在你的数据中，有20次使用Eclipse和20次使用VStudio。

• Time: 这是实验中使用每个IDE所花费的时间。摘要包括了五个统计量：最小值（Min.）、第一四分位数（1st Qu.）、中位数（Median）、平均值（Mean）、第三四分位数（3rd Qu.）和最大值（Max.）。

2.交叉制表

prfs = xtabs(~Pref,data=prefsAB)

chisq.test(prfs) 

prfs = xtabs(~Pref, data=prefsAB) 执行了一个交叉制表的操作，它会创建一个交叉制表，显示了在 prefsAB 数据框中 Pref 列中各个水平（A 和 B）的频数。xtabs函数用于快速计算一个或多个变量的频率，响应变量~自变量。

• xtabs 函数是 R 中用来创建交叉制表的函数。
• ~Pref 表示要对数据框 prefsAB 中的列 Pref 进行交叉制表。
• data=prefsAB 表示这个操作应该在 prefsAB 数据框中进行。

因此，prfs 变量中存储了一个交叉制表的结果，显示了在 prefsAB 数据框中 Pref 列中各个水平（A 和 B）的频数。

3.卡方检验

卡方检验的目的： 卡方检验用于检验观察到的类别数据是否与期望频率有显著差异。其基本思想是比较观察到的频数（observed frequencies）和期望频数（expected frequencies），并通过计算一个统计量来评估这种差异是否显著。

chisq.test 函数对 prfs 执行卡方检验

输出如下：

Chi-squared test for given probabilities

data:  prfs
X-squared = 17.067, df = 1, p-value = 3.609e-05

结果分析：

• X-squared = 17.067：这是计算出的卡方统计量。
• df = 1：这是自由度。
• p-value = 3.609e-05：这是计算出的p值。

由于p值非常小（远小于0.05），我们可以拒绝零假设，认为 Pref 变量中的A和B类别的出现频率有显著差异。

通过卡方检验，能够确定 prefsAB 数据中 Pref 列的两个类别（A和B）是否存在显著的频数差异。结果显示，A和B的出现频率差异显著，这表明在这个数据集中A和B的分布并不是随机的，可能存在某种偏好或影响因素。

4.二项式检验

binom.test 函数用于执行二项式检验，也称为精确二项检验。它用于检验一个二项分布中的成功概率是否等于某个给定的值。

binom.test(x, n, p = 0.5, alternative = c("two.sided", "less", "greater"), conf.level = 0.95)

• x: 成功的次数，或者是一个长度为2的向量，包含两个元素，分别是成功的次数和总的试验次数。
• n: 总的试验次数。如果 x 是一个长度为2的向量，则该参数被忽略。
• p: 假设的成功概率。默认为0.5。
• alternative: 检验的备择假设类型，可以是 "two.sided"（双侧检验，默认）、"less"（左侧检验）、或者"greater"（右侧检验）。
• conf.level: 置信水平，默认为0.95，表示95%的置信水平。

返回值

函数返回一个包含二项式检验的结果的列表，其中包括：

• estimate: 成功概率的估计值。
• p-value: 检验的p值。
• conf.int: 成功概率估计的置信区间。
• method: 使用的检验方法的名称。

适用场景

• 当你有一组二项分布的数据，想要检验其中的成功概率是否等于某个给定的值时，可以使用二项式检验。
• 常见的应用场景包括医学研究、产品测试、市场调查等。

注意事项

• 在执行二项式检验之前，确保你的数据满足二项分布的假设，即每次试验之间是相互独立的，且成功概率在各次试验中保持不变。
• 对于小样本数据

  示例

  假设你有一组硬币抛掷的数据，你想要检验硬币正面朝上的概率是否等于0.5。你可以使用 binom.test 函数来进行检验：

• # 假设你投掷了100次硬币，正面朝上的次数是45次 binom.test(45, 100, p = 0.5)

  binom.test(45, 100, p = 0.5)
  

  这将会执行一个双侧的二项式检验，检验硬币正面朝上的概率是否等于0.5，返回相应的检验结果。