**说明：**本节中大部分内容摘自书籍《R语言实战（第2版）》
文章目录
RStudio: Take control of your R code
RStudio是R的集成开发环境（IDE）。它包括一个控制台，支持直接代码执行的语法高亮编辑器，以及绘图，历史记录，调试和工作区管理工具。
RStudio可用于开源和商业版本，并可在桌面（Windows，Mac和Linux）或连接到RStudio Server或RStudio Server Pro（Debian / Ubuntu，RedHat / CentOS和SUSE Linux）的浏览器上运行。
在 RStudio 下使用 R 的基本功能
RStudio参考卡片
数据处理一般流程
R 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。
1. 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。
a <- c(1, 2, 5, 3, 6, -2, 4)
b <- c("one", "two", "three")
c <- c(TRUE, TRUE, TRUE, FALSE, TRUE, FALSE)
d<-1:10 #生成1-10整数向量
2. 矩阵
矩阵是一个二维数组，只是每个元素都拥有相同的模式（数值型、字符型或逻辑型）。
myymatrix <- matrix(vector, nrow=number_of_rows,ncol=number_of_columns, byrow=logical_value,
dimnames=list(char_vector_rownames, char_vector_colnames))
3. 数组
数组（array）与矩阵类似，但是维度可以大于2。
myarray <- array(vector, dimensions, dimnames)
4. 数据框
由于不同的列可以包含不同模式（数值型、字符型等）的数据，数据框的概念较矩阵来说更 为一般。
mydata <- data.frame(col1, col2, col3,...)
5. 因子
变量可归结为名义型、有序型或连续型变量。名义型变量是没有顺序之分的类别 变量。有序型变量表示一种顺序关系，而非数量关系。
类别（名义型）变量和有序类别（有序型）变量在R中称为因子（factor）。因子在R中非 常重要，因为它决定了数据的分析方式以及如何进行视觉呈现。
factor(x = character(), levels, labels = levels,
exclude = NA, ordered = is.ordered(x), nmax = NA)
6. 列表
列表（list）是R的数据类型中为复杂的一种。一般来说，列表就是一些对象（或成分， component）的有序集合。列表允许你整合若干（可能无关的）对象到单个对象名下。
mylist <- list(object1, object2, ...)
7. 日期值
as.Date(x, "input_format")
日期值的默认输入格式为yyyy-mm-dd。
mydates <- as.Date(c("2007-06-22", "2004-02-13"),"%Y-%m-%d")
| format符号 | 含义 | 示例 |
|---|---|---|
| %d | 数字表示的日期（0~31） | 01~31 |
| %a | 缩写的星期名 | Mon |
| %A | 非缩写星期名 | Monday |
| %m | 月份（00~12） | 00~12 |
| %b | 缩写的月份 | Jan |
| %B | 非缩写月份 | January |
| %y | 两位数的年份 | 07 |
| %Y | 四位数的年份 | 2007 |
8. 索引和切片
以data.frame为例
df<-data.frame(x=1:10,y=rnorm(10, mean=0, sd=1))
| 用法 | 说明 |
|---|---|
df[3,5] | |
df['x'] | 返回x列，data.frame类型 |
df$x , df[[x]] | 返回向量类型 |
df[c(1,3,5), ] | |
df[-(1:5),] | 除了1-5列（R 中-是排除的意思） |
df[x>3,] | 逻辑索引 |
df[x %in% c(3,5))] |
R 运算符
| 数学运算 | 描述 |
|---|---|
+, -, *, / | |
^, ** | 求幂 |
x%%y | 求余（x mod y）。5%%2 的结果为 1 |
x%/%y | 整数除法。5%/%2 的结果为 2 |
| 逻辑运算 | |
< ,<= | !x |
> , >= | x \| y |
== , != | x & y |
概率函数
在R中，概率函数统一格式为：[dpqr]distribution_abbreviation()
其中第一个字母表示其所指分布的某一方面：
| 首字母 | 说明 | 主参数 | 返回值 | 示例 |
|---|---|---|---|---|
| p | 分布函数(distribution function) | 分位数x值 | 概率值F(x)=P{X<=x} | pnorm(q) |
| d | 密度函数(density) | 分位数x值 | 密度值f(x)=dF/dx | dnorm(x) |
| q | 分位数函数(quantile function) | 概率P值 | 分位数x | qnorm§ |
| r | 生成随机数 | 随机数n | 随机向量密度值 | rnorm(n) |
概率分布
| 分布名称 | 缩写 | 分布名称 | 缩写 |
|---|---|---|---|
| Beta 分布 | beta | Logistic 分布 | logis |
| 二项分布 | binom | 多项分布 | multinom |
| 柯西分布 | cauchy | 负二项分布 | nbinom |
| (非中心)卡方分布 | chsiq | 正态分布 | norm |
| 指数分布 | exp | 泊松分布 | pois |
| F分布 | f | Wilcoxon 符号秩分布 | signrank |
| Gamma分布 | gamma | t分布 | t |
| 几何分布 | geom | 均匀分布 | unif |
| 超几何分布 | hyper | Weibull 分布 | weibull |
| 对数正态分布 | lnorm | Wilcoxon 秩和分布 | wilcox |
runif(n, min=0, max=1) #均匀分布
rnorm(n, mean=0, sd=1) #正态分布
控制语句与循环语句
控制语句
if(cond) expr
if(cond) cons.expr else alt.expr
if...else if...else
ifelse(test, yes, no)
switch(expr, ...)
expr：可以为一个数字或字符串
...:为一系列选择项列
若expr为字符串，...列表项为name_i=expr_i
若expr为数字，...列表项按顺序输出
循环语句
for(var in seq) expr
while(cond) expr
repeat expr
循环语句关键字
break：跳出整个循环语句
continue: 跳出本次循环
next：跳出本次loop
自定义函数
function( arglist ) {
expr
return(object) }
… (dot-dot-dot)：此特殊参数可以捕获任何数量的参数
example:
>>>"%s*%" <- function(x,y) rep(x,y) #自定义二元符号
>>>"a"%s*%5
>>>"aaaaa"
调试
| 函数 | 用法 |
|---|---|
| stop(message) | 停止执行当前表达式返回message(常与if配合检查自定义函数参数) |
| stopifnot(logit1,logit2,logit3…) | 检查每个参数为TRUE，否则停止执行当前表达式返回message |
拟合线性模型formula
在R中，拟合线性模型基本的函数就是lm()，格式为：
myfit <- lm(formula, data)
formula指要拟合的模型形式，
data是一个数据框，包含了用于拟合模型的数据。
结果对象（本例中是myfit）存储在一个列表中，包含了所拟合模型的大量信息。
表达式（formula） 形式如下：
Y ~ X1 + X2 + ... + Xk
~左边为响应变量，右边为各个预测变量，预测变量之间用+符号分隔。
| formula常用符号 | 说明 | 示例 |
|---|---|---|
| ~ | 分隔符，左边为响应变量，右边为解释变量 | |
| + | 预测变量分隔符 | y~x+y |
| : | 预测变量交互项 | y~x+y+x:y |
| * | 包含所有交互项的简洁方式 | 代码y~ x * z可展开为y ~ x + z + x:z |
| ^ | 交互项的最高次数 | 代码 y ~ (x + z + w)^2 可展开为 y ~ x + z + w + x:z + x:w + z:w |
| .(dot) | 除因变量外的所有变量 | y~. |
| - | 移除一项 | y~xzw–x:z:w可展开为 y ~ (x + z + w)^2 |
| -1 | 移除截距 | y~x-1 |
| I() | 算术 | y~x+I(x^2) |
| function | 数学函数 | log(y) ~ x + z + w |
R语言可视化
除了基础图形，grid、lattice和ggplot2软件包也提供了图形系统，它们克服了R基础图 形系统的低效性，大大扩展了R的绘图能力。
- grid图形系统可以很容易地控制图形基础单元，给予编程者创作图形的极大灵活性。
- lattice包通过一维、二维或三维条件绘图，即所谓的网格图形（trellis graph）来对多元变量关 系进行直观展示。
- ggplot2包极大地扩展 了R绘图的范畴，提高了图形的质量。
| 系统 | 基础安装中是否包含 | 是否需要显式加载 |
|---|---|---|
| base | 是 | 否 |
| grid | 是 | 是 |
| lattice | 是 | 是 |
| ggplot2 | 否 | 是 |
data.table 和 tidyverse
data.table
R语言data.table包是自带包data.frame的升级版，用于数据框格式数据的处理，最大的特点快。
包括两个方面，一方面是写的快，代码简洁，只要一行命令就可以完成诸多任务。
另一方面是处理快，内部处理的步骤进行了程序上的优化，使用多线程，甚至很多函数是使用C写的，大大加快数据运行速度。因此，在对大数据处理上，使用data.table无疑具有极高的效率。
tidyverse
tidyverse是一系列包的组合，构建了一套完整的数据分析生态链，提供了一套整洁的数据导入，分析和建模方法，刷新了R语言原有的数据科学体系。
作者Hadley Wickham在R语言数据科学领域是个鼎鼎有名的大人物，被称为一个改变了R的人。
6058
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
