R语言笔记（一）

1 R语言介绍

一个典型的数据分析过程如下，是一个需要不断迭代和修正的过程。

1.1 为何要使用R？

R有着非常多值得推荐的特性：

1. 多数商业统计软件价格不菲，投入成千上万美元都是可能的。而R是免费的！如果你是一位教师或一名学生，好处显而易见；
2. R是一个全面的统计研究平台，提供了各式各样的数据分析技术；
3. R拥有顶尖水准的制图功能；
4. R是一个可进行交互式数据分析和探索的强大平台，其核心设计理念就是支持上图中所概述的分析方法；
5. R可以轻松地从各种类型的数据源导入数据，包括文本文件、数据库管理系统、统计软件，乃至专门的数据仓库；
6. R可运行于多种平台之上，包括Windows、UNIX和Mac OS X。

总的来说，R能够让你以一种简单而直接的方式创建优雅、信息丰富、高度定制化的图形。而使用其他统计语言创建类似的图形不仅费时费力，而且可能根本无法做到。

1.2 R的获取和安装

R可以在CRAN上下载并安装，提供了Windows、UNIX和Mac OX等各大平台的安装版本。之后还将介绍如何安装增强R功能的可选模块——包（package）。

1.3 R的使用

R是一种区分大小写的解释型语言，你可以在命令提示符（>）后每次输入并执行一条命令，或者一次性运行在脚本中写好的多条命令。

R的多数功能由程序内置函数和用户自编函数提供（如果你用过python、matlab之类，这里应该很好理解）。一些函数是默认可用的，其他高级函数需要按需加载相应的模块。

R使用<-赋值，而不是传统的＝，例如：

1	x < - rnorm ( 5 )

创建了一个名为x的向量对象，包含5个来自标准正态分布的随机偏差。

在R中，注释由符号#开头。

一个简单的例子

可以使用函数c()以向量的形式赋值，并使用内置的统计函数计算统计值，然后用图形展示，最后使用q()退出R。来一个计算婴儿月龄和体重数据的例子吧！

1 2 3 4 5 6 7 8 9 10

age < - c ( 1 , 3 , 5 , 2 , 11 , 9 , 3 , 9 , 12 , 3 ) weight < - c ( 4.4 , 5.3 , 7.2 , 5.2 , 8.5 , 7.3 , 6.0 , 10.4 , 10.2 , 6.1 ) mean ( weight ) [ 1 ] 7.06 sd ( weight ) [ 1 ] 2.077498 cor ( age , weight ) [ 1 ] 0.9075655 plot ( age , weight ) q ( )

再附上几个R绘图demo命令：demo(graphics)、demo(Hershey)、demo(persp)、demo(image)。查看完整的演示列表，直接运行demo()。

获取帮助

当你需要帮助时，不妨使用以下命令：

1. help.start()：打开帮助文档首页；
2. help(“foo”)或?foo：查看函数foo的帮助(引号可以省略)；
3. help.search(“foo”)或??foo：以foo为关键词搜索本地帮助文档；
4. example(“foo”)：函数foo的使用示例(引号可以省略)；
5. RSiteSearch(“foo”)：以foo为关键词搜索在线文档和邮件列表存档；
6. apropos(“foo”, mode=”function”)：列出名称中含有foo的所有可用函数；
7. data()：列出当前已加载包中所含的所有可用示例数据集；
8. vignette()：列出当前已安装包中所有可用的vignette文档；
9. vignette(“foo”)：为主题foo显示指定的vignette文档。

工作空间

工作空间就是当前R的工作环境，它储存着所有用户定义的对象（向量、矩阵、函数、数据框、列表），你可以保存和载入工作空间。交互过程的历史命令也保存于工作空间中，可以使用上下方向键查看，用return来重复执行上条命令。

一些和工作空间相关的函数：

1. getwd()：显示当前的工作目录；
2. setwd(“mydirectory”)：修改当前的工作目录为mydirectory；
3. ls()：列出当前工作空间中的对象；
4. rm(objectlist)：移除(删除)一个或多个对象；
5. help(options)：显示可用选项的说明；
6. options()：显示或设置当前选项；
7. history(#)：显示最近使用过的#个命令(默认值为25)；
8. savehistory(“myfile”)：保存命令历史到文件myfile中(默认值为.Rhistory)；
9. loadhistory(“myfile”)：载入一个命令历史文件(默认值为.Rhistory)；
10. save.image(“myfile”)：保存工作空间到文件myfile中(默认值为.RData)；
11. save(objectlist, file=”myfile”)：保存指定对象到一个文件中；
12. load(“myfile”)：读取一个工作空间到当前会话中(默认值为.RData)；
13. q()：退出R，将会询问你是否保存工作空间。

输入和输出

如果需要运行一个R脚本中的多行命令该如何操作？R使用source(“filename”)载入脚本，使用sink(“filename”)将结果输出到文档中。其中后者可以加参数，append=TRUE表明将输出文本追加到文件后而不是覆盖，split=TRUE可将输出同时发送到屏幕和输出文本中，不加参数调用sink()将仅向屏幕返回输出结果。

图形输出的话，可使用以下函数输出成相应文件：pdf(“filename.pdf”)、win.metafile(“filename.wmf”)、png(“filename.png”)、jpeg(“filename.jpg”)、bmp(“filename.bmp”)、postscript(“filename.ps”)，最后使用dev.off()将输出返回至终端。

总而言之，屏幕是默认的文本和图像输出端，但是也可以指定输出至文件。

1.4 包

包是R的可选扩展功能模块，官方提供的2500多个包横跨各种领域、功能惊人，包括分析地理数据、处理蛋白质质谱，甚至是心理测验分析的功能。

.libPath()函数可以查看R中已安装的包集合（称为库）的路径，函数library()可以显示库中有哪些包，函数search()可以得到哪些包已经被加载并可以使用。

包的安装

install.packages()，不带参数则返回一个CRAN镜像站点列表，带参数即包名则直接安装。

一个包只需要安装一个，包若有更新，则使用update.packages(“packagename”)进行更新。

使用installed.packages()查看已经安装的包及描述。

包的载入

使用library(packagename)以载入包，一次会话中只需要加载一次。当然也可以自定义启动环境，以自定义默认加载的包。

包的使用

加载了包之后，使用help(package=”packagename”)来查看该包的帮助信息，包括函数名称和数据集列表。

1.5 批处理

如果希望不是交互地运行R，而是周期地重复运行R文件，该如何做呢？

Linux或Mac OS下：

1	R CMD BATCH options infile outfile

其中infile为包含要执行R代码的文件名，扩展名为.R，outfile为接收输出文件名，扩展名为.Rout，options列出了控制执行细节的选项。

1.6 实战

完成以下操作吧！

1. 打开帮助文档首页，并查阅其中的“Introduction to R”；
2. 安装vcd包（一个用于可视化类别数据的包）；
3. 列出此包中可用的函数和数据集；
4. 载入这个包并阅读数据集Arthritis的描述；
5. 显示数据集Arthritis的内容(直接输入一个对象的名称将列出它的内容)；
6. 运行数据集Arthritis自带的示例；
7. 退出。

所需代码：

1 2 3 4 5 6 7 8

help . start ( ) install . packages ( "vcd" ) help ( package = "vcd" ) library ( vcd ) help ( Arthritis ) Arthritis example ( Arthritis ) q ( )

2 创建数据集

数据分析 BY 伦大锤   阅读量 1,338

按照个人要求的格式来创建含有研究信息的数据集，这是任何数据分析的第一步。在R中，这个任务包括以下两步:

1. 选择一种数据结构来存储数据；
2. 将数据输入或导入到这个数据结构中。

2.1 数据结构

R拥有许多用于存储数据的对象类型，包括标量、向量、矩阵、数组、数据框和列表，其中一部分数据类型可以用下图来说明：

向量

向量是用于存储数值型、字符型或逻辑型数据的一维数组，单个向量中的数据必须拥有相同的类型或模式。

1 2 3

a < - c ( 1 , 2 , 5 , 3 , 6 , - 2 , 4 ) b < - c ( "one" , "two" , "three" ) c < - c ( TRUE , TRUE , TRUE , FALSE , TRUE , FALSE )

用方括号访问向量中的元素，如访问向量a中的第二个和第四个元素：

1	a [ c ( 2 , 4 ) ]

支持冒号语法，以下将返回a的第二至第六个元素：

1	a [ 2 : 6 ]

矩阵

矩阵是一个二维数组，每个元素都拥有相同的模式(数值型、字符型或逻辑型)。可通过函数matrix创建矩阵。

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

其中vector向量包含了矩阵元素，nrow和ncol为行数和列数，byrow默认为FALSE表示按列填充，否则TRUE为按行填充，dimnames为行列名。使用时，只有前三个参数是必须的。

1 2 3 4 5 6

y < - matrix ( 1 : 20 , nrow = 5 , ncol = 4 ) cell < - c ( 1 , 26 , 24 , 68 ) rnames < - c ( "R1" , "R2" ) cnames < - c ( "C1" , "C2" ) mymatrix < - matrix ( cell , nrow = 2 , ncol = 2 , byrow = TRUE , dimnames = list ( rnames , cnames ) ) mymatrix < - matrix ( cell , nrow = 2 , ncol = 2 , byrow = FALSE , dimnames = list ( rnames , cnames ) )

x[i,]表示矩阵x中的第i行，x[,j]表示矩阵x中的第j列，x[i,j]表示矩阵x中的第i行第j个元素，或者使用数值型向量代替i、j以选择多行或多列。

数组

数组和矩阵类似，但是维度可以大于2，通过array函数创建。

1	myarray < - array ( vector , dimensions , dimnames )

其中vector包含数组中的数据，dimensions是一个数值型向量，给出了各个维度下标的最大值，dimnames可选、表示各维度名称标签的列表。

1 2 3 4

dim1 < - c ( "A1" , "A2" ) dim2 < - c ( "B1" , "B2" , "B3" ) dim3 < - c ( "C1" , "C2" , "C3" , "C4" ) z < - array ( 1 : 24 , c ( 2 , 3 , 4 ) , dimnames = list ( dim1 , dim2 , dim3 ) )

数据框

可以理解成数据库中的表，特点是不同的列可以包含不同模式（数值型、字符型等）数据，但是每列的数据模式必须相同，通过data.frame创建。

1 2 3 4 5

patientID < - c ( 1 , 2 , 3 , 4 ) age < - c ( 25 , 34 , 28 , 52 ) diabetes < - c ( "Type1" , "Type2" , "Type1" , "Type1" ) status < - c ( "Poor" , "Improved" , "Excellent" , "Poor" ) patientdata < - data . frame ( patientID , age , diabetes , status )

访问数据可以通过以下三种方式：

1 2 3

patientdata [ 1 : 2 ] patientdata [ c ( "diabetes" , "status" ) ] patientdata $ age

如果希望生成diabetes和status的列联表，使用以下代码即可：

1	table ( patientdata $ diabetes , patientdata $ status )

可以使用attach()和detach()将数据框添加至R搜索路径或移除：

1 2 3