文章目录
基础
R安装
https://cran.r-project.org/mirrors.html
Rstudio安装
https://posit.co/download/rstudio-desktop/
R与Rstudio的绑定和更新
https://blog.csdn.net/weixin_45803246/article/details/124126881?spm=1001.2014.3001.5501
工作目录创建和查看
getwd()#查看当前工作目录
setwd('D:\\Desktop')#设置工作目录
R包的安装与加载
## R中第三方包是R中最强的功能,满足除R自带的函数之外的各种操作,包括数据清洗、统计分析、画图等
## R中常用于生态学分析的包:vegan,ape,metafor,lme4,lmerTest等
## R中常用于数据清洗的包:tidyverse
## R中常用于画图的包:ggplot2,ggpubr等
install.packages(vegan) ## 下载包
library(vegan) ## 加载包以便后续分析
变量的赋值,调用,创建与运算
## = 或 <- 都可以赋值,但一般使用后者,前者在算术运算的时候有特定含义
a <- c(1,2,3) ## 将向量[1,2,3]赋值给变量a
b <- c(2,4,6) ## 将向量[2,4,6]赋值给变量b
a[1] ## 变量a中第一个数值
a+b; a+2 ## 加法
a-b; a-2 ## 减法
a*b; a*2 ## 乘法
a/b; a/2 ## 除法
a^2 ## 平方
表格的创建与变量的调用
## R中通常使用表格存放变量和数据
a <- c(1,2,3) ## 将向量[1,2,3]赋值给变量a
b <- c(2,4,6) ## 将向量[2,4,6]赋值给变量b
data <- data.frame(a,b) ## 使用a,b变量创建表格
data$a ## 调用data表格中的变量a
data[1,1] ## 调用第一行第一列的数据
列表的创建和调用
a <- c(1,2,3) ## 将向量[1,2,3]赋值给变量a
b <- c(2,4,6) ## 将向量[2,4,6]赋值给变量b
c <- c(7,8,9)
data1 <- data.frame(a,b) ## 使用a,b变量创建表格
data2 <- data.frame(b,c)
list1 <- list(data1,data2) ## 使用多个数据框/表格创建列表
names(list1) <- c('data1','data2') ## 列表重命名
list1["data1"] ## 列表的调用
矩阵的创建与调用
matrix1 <- matrix(c(2,3),c(5,6),ncol = 2,nrow=2)
## 创建一个2行2列的矩阵
matrix1[1,2] ## 调用矩阵第1行第2列的数据
进阶
读取数据
setwd('D:\\Desktop') ## 设置桌面为当前工作目录
data <- read.csv('abc.csv') ## 读取csv格式的数据
data <- read.delim('clipboard') ## 读取剪切板的数据
data <- read.table('abc.txt') ## 读取txt格式文本数据
library(readxl) ## 读取excel的一个R包,R自带的函数没有读取excecl的函数,多以要加载其他的包
data <- read_xlsx('abc.xlsx',sheet='Sheet1')
导出数据
a <- c(1,2,3) ## 将向量[1,2,3]赋值给变量a
b <- c(2,4,6) ## 将向量[2,4,6]赋值给变量b
data <- data.frame(a,b)
write.csv(data,'data.csv') ## 导出为csv格式的数据
write.table(data,'data2.txt') ## 导出为txt格式的数据
library(writexl)
write_excel_csv(data,'data.xlsx')
数据清洗
## 最常用的包就是tidyverse
library(tidyverse)
tidyverse 中管道符和常见的数据清洗方法详见:
https://blog.csdn.net/weixin_45803246/article/details/124647289?spm=1001.2014.3001.5501