R 语言入门

R语言入门

Author:tony
R语言是用于统计分析、绘图的语言和操作环境。它是一个自由、免费、源代码开放的软件，与MATLAB一样，也是一个用于统计计算和统计制图的优秀工具。

本博客致力于推广并领广大编程、建模爱好者入门。

赋值

R中使用"=“与”<-“进行赋值，其中”<-"快捷键是alt + -.

>a <- 1
>b <- 2
a+b=3

向量

向量是 R 语言中最基本的数据类型，在 R 中没有单独的标量

> a <- c(1,3,4)
> a
[1] 1 3 4

**向量的索引 **
利用python中索引的思想，我们可以找出向量中的下标筛选
但需要注意的是，区别于其他编程语言，R中的索引是从1开始的，而不是0

> a[1:3]
[1] 1 3 4

而R利用负数索引却不像python中从后往前，而是删除向量中某量
例如:

> a[-2]
[1] 1 4

除了下标筛选，我们还可以利用算术基本逻辑来进行索引

> a[a>2]
[1] 3 4

为了理解算术基本逻辑，我们可以到底看看a>2的本质是什么：

> a>2
[1] FALSE  TRUE  TRUE

可以看出，a>2筛选的本质就是选出向量中Boolean值为TRUE

向量的合并
利用向量索引来将其合并成新的向量

> b <- c(a[1:2],5,6,9,a[3])

在R中，向量还有一个特别有意思的规则，在实现向量的相互操作时，如果向量长度不足，则会进行长度自动补齐，但仅限于整除倍数

例如:
(1).可整除的两向量:

> a+b
[1]  2  6  9  7 12  8

(2).若不可整除:

> c <- c(3,4,5,1)
> a+c
[1] 4 7 9 2
Warning message:
In a + c : 长的对象长度不是短的对象长度的整倍数

R中关于向量的函数也有很多大家可以在这篇BLOG里学习: R向量函数的使用

矩阵

在R中，矩阵，本质来说就时多维的向量。

现在我们来看一下如何创建一个矩阵：

> c <- matrix(c(1,3,4,5,6,7,1,2,3),nrow=3)
> c
     [,1] [,2] [,3]
[1,]    1    5    1
[2,]    3    6    2
[3,]    4    7    3

这里默认是先排满竖排，如果你想要先排满横排，则需要在后面加入 byrow = TRUE 的参数
如：

> c <- matrix(c(1,3,4,5,6,7,1,2,3),nrow=3,byrow=TRUE)
> c
     [,1] [,2] [,3]
[1,]    1    3    4
[2,]    5    6    7
[3,]    1    2    3

矩阵检索
如向量一样，矩阵也可以利用’下标’进行索引:
例如:

> c[1:3,3]
[1] 4 7 3

可以看出，索引中前一项是选择竖排，后一项是选择横排，因为横排只选择了一个，所以矩阵就降为成了向量，更可以看出矩阵本质其实就是多维向量。

数据框

数据框与矩阵基本类似，在R中，数据库可以是不同类型的数据（矩阵中只能是数字）。
在R中，如果将Excel文件导入R变会得到数据框，一般来说，数据库每一行代表一个样本，每一列代表一个变量。
这里我们以R内置的经典IRIS数据集为例子: IRIS百科

> data("iris")
> head(iris)
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
2          4.9         3.0          1.4         0.2  setosa
3          4.7         3.2          1.3         0.2  setosa
4          4.6         3.1          1.5         0.2  setosa
5          5.0         3.6          1.4         0.2  setosa
6          5.4         3.9          1.7         0.4  setosa

我们利用data函数导入iris数据集，用head函数表示前面几行

利用summary函数我们可以简单对导入的数据集分析，如下:

> summary(iris)
  Sepal.Length    Sepal.Width     Petal.Length    Petal.Width   
 Min.   :4.300   Min.   :2.000   Min.   :1.000   Min.   :0.100  
 1st Qu.:5.100   1st Qu.:2.800   1st Qu.:1.600   1st Qu.:0.300  
 Median :5.800   Median :3.000   Median :4.350   Median :1.300  
 Mean   :5.843   Mean   :3.057   Mean   :3.758   Mean   :1.199  
 3rd Qu.:6.400   3rd Qu.:3.300   3rd Qu.:5.100   3rd Qu.:1.800  
 Max.   :7.900   Max.   :4.400   Max.   :6.900   Max.   :2.500  
       Species  
 setosa    :50  
 versicolor:50  
 virginica :50  

我们可以看到，利用summary函数可以分析该数据集最大值，最小值，中值，标准差……

列表

与python相同，R中的列表作为一种数据结构可以储存不同的数据类型，例如:

> a <- list(a,3,tony="is_handsome")
> a
[[1]]
[1] 1 3 4

[[2]]
[1] 3

$tony
[1] "is_handsome"

这个例子中我们在列表中储存了vector，int，hash tables 数据类型
列表检索
列表索引如python中大致相同，如:

> b <- list(a,3,tony="is_handsome")
> b[[2]]
[1] 3
> b$tony
[1] "is_handsome"

简单的绘图
利用向量绘图

> p <- c(1,2,3,4,5,6,7,8)
> plot(p[1:4],p[5:8])

R Studio

R本身的GUI可以说是非常朴素，如图所示：

如今有许多供R使用的IDE，推荐使用R Studio，它可以供你实时看变量，代码，制图，终端，环境。也可以直接用它下载安装各种扩展包，针不戳！如图所示：

后记

本博客只是对R的入门介绍并使用，若需要进一步练习，可以下载相应的扩展包，编者推荐：swirl包
Github上有许多对于R进行更深入的学习的免费课程

编者的话

由于编者只是在读学生，这篇博客难免会出现纰漏，望君见谅。若能在评论区雅正，感激不尽！