第一章，R语言-基础知识

简介

R语言主要用于数据可视化与统计分析，当然现在也可以通过扩展包实现数据挖掘等算法。与Python相比，R语言相当于天生就加载了NumPy,SciPy,Pandas的大多数功能。现在来介绍一些R语言的基本知识。

正文

---

一，入门操作

1, 包

（1）下载包

install.packages(
c("xts", "zoo"),
lib = "some/other/folder/to/install/to",   # 用lib参数来改变包安装的地址
repos = "http://www.stats.bris.ac.uk/R/“   # 指定下载包的源
)

（2）加载包

library和require都可以载入包，但二者存在区别。
在一个函数中，如果一个包不存在，执行到library将会停止执行，require则会继续执行。
如下面的例子，require会返回 TRUE / FALSE

d = require(ggplot2)
d
[1] TRUE

如果需要加载的多个包可以用下面循环

pkgs <- c("lattice", "utils", "rpart")
for(pkg in pkgs)
{
library(pkg, character.only = TRUE)
}

（3）包相关的函数


2，赋值

3，查看变量的类型

4，常用其他系统函数

5，查看R的源代码，

• 直接键入函数名称
• 函数名.default
• getAnywhere(函数名)
• methods(函数名)，查看依赖的其他函数

例如：

methods(AIC)
[1] AIC.default* AIC.logLik*
getAnywhere(AIC.default)

二，数据结构

R语言的数据对象从结构角度划分，可以分为向量、数组、矩阵、因子、列表和数据框六种。

其中，

• 向量（以及因子）、数组、矩阵，必须是相同类型
• 列表、数据框，可以是不同类型
• 因子是特殊的向量，在字符型向量的基础上，还附加了level值，主要针对的是类别的值，或者有序的类别值，以及时间日期
• 数组、矩阵中，不同维度长度要一致，而列表中长度可以不同

1，向量

（1）定义

向量的元素可以是数值型、字符型、逻辑值型和复数型，甚至列表型。向量中可以包含一个元素，也可以包含多个元素。同一个向量中的数据类型应该相同。

R中的向量是连续存储的，因此不能插入或删除元素。如想添加删除元素，需要重新给向量赋值。

（2）快速创建向量

c(1, 1:3, c(5, 8), 13) #values concatenated into single vector
[1] 1 1 2 3 5 8 13

（3）建立空向量

vector("numeric", 5)  或 numeric(5)
## [1] 0 0 0 0 0

vector("complex", 5) 或 complex(5)
## [1] 0+0i 0+0i 0+0i 0+0i 0+0i

vector("logical", 5)  或 logical(5)
## [1] FALSE FALSE FALSE FALSE FALSE

vector("character", 5)  或 character(5)
## [1] "" "" "" "" ""

vector("list", 5)
## [[1]]
## NULL
##
## [[2]]
## NULL
##
## [[3]]
## NULL
##
## [[4]]
## NULL
##
## [[5]]
## NULL

⚠️ 注意：不要混淆下面几个类型

（4）运用序列函数seq创建向量

seq(from = 1, to = 5, by =1）
seq_len(5)
NULL 1 2 3 4 5

seq_alone() 创建从1到输入的向量的长度

pp <- c("Peter", "Piper", "picked", "a", "peck", "of", "pickled", "peppers”)
for(i in seq_along(pp)) print(pp[i])     # 等价于 for(i in pp) print(i)
    ## [1] "Peter"
    ## [1] "Piper"
    ## [1] "picked"
    ## [1] "a"
    ## [1] "peck"
    ## [1] "of"
    ## [1] "pickled"
    ## [1] "peppers"

（5）向量的属性与方法

2，字符串与因子

（1）字符串的操作

（2）因子

因子属于字符型向量的一种，在dataframe中，分类变量会默认的转换成因子类型。

例子，

heights <- data.frame(
      height_cm = c(153, 181, 150, 172, 165, 149, 174, 169, 198, 163),
      gender = c(
        "female", "male", "female", "male", "male",
        "female", "female", "male", "male", "female"
      )
)

class(heights$gender)
[1] "factor"

（3）因子相关的属性与函数

3，矩阵与数组

向量是一维度的，数组是多维度的，矩阵是二维的数组，是数组中的特例。

（1）创建

（2）矩阵和数组的属性与方法

4，列表与数据框

向量中的数据类型是必须是相同的，而对于列表list，值可以是不同类型的，可以复杂的嵌套所有数据结构。

data frame之于matrix，就像list之于vector，像是一个升级版，可以存储多种类型的数据（即每一列的数据类型可以不同）

• list 可以看成是存储任何类型的vector
• data.frame 可以看成是存储任何类型的 matrix

并且data frame 会自动把strings的数据自动转换成factors, 如不想，则额外规定属性
“stringsAsFactors=FALSE”

数据框是二维的列表，并且每列表示一个不同的非嵌套的列表，每列长度需要相同。

（1）创建list 列表

列表中，可以是向量、日期、矩阵、三角函数等等，长度可以不一致

a_list <- list(
    c(1, 1, 2, 5, 14, 42), 
    month.abb,
    matrix(c(3, -8, 1, -3), nrow = 2),
    asin
)

（2）创建数据框

data.frame(
x = letters[1:5],
y = y,
z = runif(5) > 0.5, row.names = NULL
)

（3）列表与矩阵的属性与方法

三，环境与函数

1，环境

所有的变量创建出来后，都需要存在一个地方，这个地方就是环境。环境本身也像变量一样可以被操作，赋值到函数中。环境有一点想list列表一样，可以储存任何值，甚至环境与list是可以相互转换的。

R的环境系统实质上是存储在RAM内存中，并且R环境之间的关系并不是嵌套关系。而是更接近树形结构，每一个环境都与一个父环境相连，但这样的连结是单向的：我们可以很轻松的找到某个环境的父环境，却难以直接找到一个环境的子环境。因此R环境的树形结构不支持自上而下的搜索。
实际应用中，环境都是会自动创建的。此处讲解环境有助于我们对后续开发的理解，并且理解环境的作用域也是非常重要的。

2，函数

（1）格式

R语言中的函数定义是很宽松的

function(x) {
    5*x
}

或

function(x) 5*x       # 放进一行写代码的时候，可以不用花括号

（2）无 return

在R语言中个，自定义的函数是不用写return的，系统会自动返回算出来的结果。

（3） 参数

函数的参数，一般不指定具体值，不过根据需要也可以指定值，并且可以配合一些默认的函数。

例子：

hypotenuse <- function(x=3, y=mean(x)) {
sqrt(x ^ 2 + y ^ 2)
}

（4）function相关的方法

四，流程控制与循环

1，条件判断

（1）if else

If(<condition>){
          ## do something
} else if(<condition2>){
          ## do something
}  else {
          ## do something
}

例子：

  if(TRUE) message("It was true!")
  ## It was true!

（2）向量化ifelse()：

（3）多条件判断switch

2，循环

R语言中循环涉及到了三个主要函数 repeat, while, for。不过基于R语言向量化的思想，应该降低循环的适用。

（1）repeat

repeat会不断循环重复执行，知道遇到 break。所以repeat一般不会单独使用，要结合 next，break使用。

例子：

repeat
{
message(“Happy Groundhog Day!”)
action <- sample(
c(
“Learn French”,
“Make an ice statue”,
“Rob a bank”,
“Win heart of Andie McDowell”
), 1)
if(action == “Rob a bank”) {
message(“Quietly skipping to the next iteration”)
next
}
message("action = ", action)
if(action == “Win heart of Andie McDowell”) break
}

（2）while

while与repeat很像，不过是先判断是否要执行，然后再循环。

例子：

action <- sample(
      c(
        "Learn French",
        "Make an ice statue",
        "Rob a bank",
        "Win heart of Andie McDowell"
),
1
)
while(action != "Win heart of Andie McDowell") {
      message("Happy Groundhog Day!")
      action <- sample(
        c(
          "Learn French",
          "Make an ice statue",
          "Rob a bank",
          "Win heart of Andie McDowell"
),
1
)
      message("action = ", action)
    }

用到for的时候，一般是知道要循环几次或循环的范围的。
并且，for循环不局限于数字，还可以是字符型向量，逻辑型向量，列表。

例子：
x<- c(“a”,“b”,“c”,“d”)
for (i in 1:13) {
print x[i]
}

for (letter in x) {
print (letter)
}

（4）for + get()

对非向量集合的循环，运用get(), 获取对应名称的变量值

例子：

下面的 u,v 分别是两个不同的矩阵

3, 高级循环-向量化

五，输入与输出：I/O

1，读取数据

read.table(),参数如下

2，保存数据