近年来, 我参加了几次R培训的授课,也接触了不少R初学者。看到很多人对R很感兴趣,但学习起来却不得门道,着实着急。今天,我讲述自己如何学习R的一些个人体会,供R初学者参考。
首先,根据我个人学R的经历,参加培训不是学R必须的,另外,如果您曾参加过R培训,却未习得学R的方法,那么培训就浪费了!
开篇之前,我想讲讲自己是如何接触R以及中国人民大学吴喜之老先生与R的故事。
1、我最早接触R是2012年在澳洲访学时,老外告诉我有这么个东西,非常适用于数据处理、统计分析和图形绘制,而且免费。在澳洲访学时间只有一年,但上半年,已耗在所谓的GWAS(全基因组关联分析)。当时GWAS还很时髦,然而每天泡在无止境地反复提取DNA样本,使我厌倦,关键是回国之后,我也没有足够经费继续GWAS研究。于是,我选择退出,回到我华裔老板Harry Wu所在团队。老板当然开心,他是研究数量遗传学的,很少国内进修者愿意选择他的团队,往往都是通过他联系其他分子方向的团队。然后,开始接触R以及另一个很强大的商业软件ASReml。Wu老板很忙,告诉我,下半年他得在瑞典农业大学讲学,无暇管我,让我跟他的助手Milos学习。Milos,来自南斯拉夫,人高大也很nice,但是不会教我使用R与ASReml。我被告知,只能自学,有问题可以问他。不到半年的时间,要学习R和ASReml!R倒还好,但ASReml非常难,仅使用手册达500页!而且Milos还不提供任何示例数据,要我自己做实验获取数据。于是,在他的指导下,花了近1个月时间,涉及实验设计与试验操作流程,然后,实验大概又用掉了1个月时间。再刨去回国前的半个月时间,留给我的学习时间,只有3个月半!刚开始时,不论是R还是ASReml,都很痛苦,代码在哪输入,程序如何运行,都不知道。还好,Milos可以演示,仅仅演示而已。于是,自己慢慢摸索。无数个凌晨1、2点,我还在电脑前,研究如何修改模型代码与程序运行。还好,很快自己就摸到学习的门道,慢慢开始轻车熟路。Wu老板团队里,有个老黑,其名washington,听说我要自学ASReml,他不以为然,说他参加了至少3次培训。事实证明,兴趣是最好的老师,你可以不参加任何培训,凭借兴趣,一样可以学会。提前透露使我很快入门的秘籍:合理的数据和检索的技巧。回国之后,我用了不到3个月时间,编了第一本书《R与ASReml-R统计分析教程》,编书的初衷是没想到国内林业从事者的统计分析能力偏弱还保守。澳洲老板没想到我还出书,也欣然为我书做序。2年之后,我再次升级第一版至第二版《R与ASReml-R统计学》,书厚了一倍,编书时间大致也就3个月。我的个人经历说明,即便你是一个R的小白,你也可以学好R、用好R,还可以编写R教材,如果你愿意分享的话。
2、中国人民大学统计学知名教授吴喜之老先生七十岁左右才开始接触R,一个月后,就可做到R编程自如。固然,吴老先生是从事统计学的,也用过SAS等软件,但其七十岁时仍坚持学习新软件—R,这种学到老活到老的精神值得我们年轻人学习。看看吴老先生的例子,如果你真想学习R,是不是应该内心充满正能量?这个例子,我也经常告诉我的学生们。
对于初学者,推荐几本参考书非常有必要。《R语言实战(2nd)》被称为R界文献的圣经,足见其分量,但价格不菲;《R语言核心技术手册》也是不错的参考书,可以学到很多基本功,就如习武者,必练基本功,当然书价也不低;《R数据可视化手册》是ggplot2包制图的攻略,可以让读者很快入门ggplot2绘制各种常见图形,只惜书价不美丽;最后推荐我主编的书《R与ASReml-R统计学》,本书集成数据管理、数据统计、图形绘制和混合线性模型分析,仅高级图形绘制就包含lattice包和ggplot2包的使用章节,书价相对而言,合理很多。个人觉得,可以作为R初学者的一个补充材料,货真价实。
林元震主编.《R与ASReml-R统计学》.中国林业出版社.2017.
Robert.《R语言实战(2nd)》.人民邮电出版社.2016.
Joseph.《R语言核心技术手册》.电子工业出版社.2014.
Winston Chang著《R数据可视化手册》.2014.
我在《R与ASReml-R统计学》书中提到如何有效学习R,大致有以下6点:
* 熟悉语法。任何一门编程语言都有其语法,R也不例外,语法必须学习。
* 训练思维。与其它编程语言类似,R编程也需要严谨的逻辑思维。
* 熟能生巧。学习任何新东西,都有一个模仿过程,R也是如此。
* 善于求助。R拥有庞大的社区论坛和全球用户,通过求助方式学习也是提高R能力的有效途径之一。
* 不怕犯错。犯错是R学习进步的捷径。回顾笔者自学R的过程,就是在不断犯错中前进的,每一次犯错然后纠错就是一次进步。
* 保持兴趣。兴趣是最好的老师,只要坚持R的求知欲,持之以恒,一定会有成效。
上述几点,是通用法则,学习任何软件都存在相似情况。下面讲讲,对于R初学者,应该如何从零开始。
第一、下载安装R软件。同时,建议下载安装Rstudio软件,都是免费。RStudio是一个非常优秀的R语言操作界面。RStudio与R语言相似,可以在各种操作系统(Windows,Mac,或者Linux)中运行。RStudio可以让R语言代码更直观、明了地运行。至于如何在R或Rstudio输入代码,这里不讲,可以参阅《R与ASReml-R统计学》或者其它网络资源。
第二、R的强大之处在于拥有非常广泛且数量惊人的外延程序包packages。截至2018年7月13日,在CRAN社区上可使用的程序包就有12747个,还不包括BioCondutor和R-Forge网站的程序包。外延的CRAN社区程序包packages
需要通过命令 install.packages()
进行安装,例如安装stringi
,下面两种方法都可以,一般使用第一种情况,如果失败了,再考虑第二种方法。注意type参数除了’win.binary’,也可以是’mac.binary’,根据电脑系统而定。BioCondutor和R-Forge网站的程序包安装方法在其网站都有介绍。
install.packages("stringi")
install.packages("stringi", type = 'win.binary')
对于R初学者,不建议安装太多的程序包!
第三、要参透R的强大主要是程序包的函数来实现各种数据处理、统计分析以及图形绘制。因此学R就是学R函数。函数也都是针对数据而言,换言之,如果没有数据,也就无需谈论R。于是,了解数据及其结构是第一要务。
(1)
学习函数data()的功能。好的程序包往往都有内置数据集,因此可以通过示例数据学习程序包内的各种函数。
data() # 查看R内置数据集
data( package = 'ggplot2') # 查看ggplot2包内数据集
data("diamonds", package = 'ggplot2') # 调用diamonds数据集
(2)
查看数据的结构,主要是数据变量、类型及部分子集。
data("diamonds", package = 'ggplot2') # 调用diamonds数据集
names(diamonds) # 数据集变量
str(diamonds) # 数据集结构
class(diamonds) # 数据集属性
dim(diamonds) # 数据集维度
head(diamonds) # 数据集头6行
tail(diamonds) # 数据集末6行
对于R初学者,上述命令非常有必要,尤其在学习使用新函数时。
(3)
读取外部数据。
setwd('D:/Rdata') # 设置路径在文件夹D:\Rdata
df
对于R初学者,建议在D盘新建文件夹Rdata,然后上述的setwd('D:/Rdata')
就可直接使用。
(4)
学会查看函数及其使用条件。
library(breedR)
data("globulus")
dat gen.dat pedigree = dat[,1:3],
id = 'self')
blkM.bdR fixed = phe_X ~ gg,
genetic = gen.dat,
spatial = list(model = 'blocks',
coord = dat[, c('x','y')],
id = "bl"),
dat = dat)
plot(blkM.bdR, 'residuals')
通过上述的简短plot()代码即可绘图,但这不代表我们可以随意传递一份数据给plot()就能得到类似图形。
因此,应该了解模型运行结果blkM.bdR的属性,通过class()和mode()运行结果可知,blkM.bdR属性为breedR和remlf90,并且数据结构是列表list。
class(blkM.bdR)
[1] "breedR" "remlf90"
mode(blkM.bdR)
[1] "list"
事实上,plot()函数是一个泛函数,即其包含很多子函数,命名为plot.XX(),XX一般为子函数的类,通过methods(plot)可以查看到具体的子函数,也可找到上述示例的子函数为plot.remlf90。
methods(plot) [1] plot,ANY,ANY-method
plot,color,ANY-method
[3] plot,Spatial,missing-method
plot,SpatialGrid,missing-method
...
[61] plot.raster* plot.remlf90*
...
如果想要查看plot.remlf90()的具体代码,只需输入getAnywhere('plot.remlf90')
即可。
通过plot.remlf90()函数代码,可知与上述图形的相关代码部分如下:
function (x, type = c("phenotype", "fitted", "spatial", "fullspatial",
"residuals"), z = NULL, ...) {
...
type = match.arg(type)
coord p scale = "div")
}
...
}
如果想要知道如何使用plot.remlf90(),只需输入?plot.remlf90
即可搜到其用法:
对于R初学者的忠告,学R是一个过程,不要急功近利得学!慢慢参透数据结构和函数里数据属性与使用条件。只要领会了这点,并学会有技巧地检索问题,R的学习很快就会成为一种乐趣!
关于检索,多说一句,google国内不能用,有点遗憾,但可以使用yahoo,并且尽量使用英文,例如'ggplot2 map in R
'。
参考文献:本文来自林元震科学网博客。
链接地址:http://blog.sciencenet.cn/blog-1114360-1124383.html