R语言实战 chapter1

附录B

勘误？

Sys.getenv("R\_HOME") 报错，反斜杠的作用？

几个目录的用途

R_HOME

HOME

当前目录

通过Rprofile.site自定义启动环境

R_HOME/etc目录下

附录H

更新R并迁移包

在这里，我们用installed.packages()函数保存R目录树之外的扩展包清单，然后根据这个清单用install.packages()函数将最新版的扩展包下载和安装到新版R中。操作步骤如下。
(1) 如果有自定义的Rprofile.site文件（见附录B），将其保存到R目录树之外。
(2) 启动当前版本的R，然后执行下面的命令：
其中path是R之外的目录。
(3) 下载安装新版的R。
(4) 如果在第(1)步保存了自定义的Rprofile.site文件，现在把它复制到新的R中。
(5) 启动新版本的R，然后执行下面的命令：
其中path是第(2)步中设置的位置。
(6) 删除旧版本（可选）。
这种方法只能安装CRAN上的扩展包，不会安装从其他地方获取的包。

1.3.3 工作空间

setwd("current_file_path") P36

setwd("E:/R_CRAN/R Programming/R in Action")

#注意setwd()命令的路径中使用了正斜杠。R将反斜杠（\）作为一个转义符。即使在Windows平台上运行R，在路径中也要使用正斜杠。

#同时注意，函数setwd()不会自动创建一个不存在的目录。如果必要的话，可以使用函数dir.create()来创建新目录，然后使用setwd()将工作目录指向这个新目录。

#在独立的目录中保存项目是一个好主意。我通常会在启动一个R会话时使用setwd()命令指定到某一个项目的路径，后接不加选项的load()命令。这样做可以让我从上一次会话结束的地方重新开始，并保证各个项目之间的数据和设置互不干扰。

libPaths()会返回两个以上的路径？

1.3.4 输入和输出

source("filename") 输入

#函数source("filename")可在当前会话中执行一个脚本。

sink("filename") 文本输出

#函数sink("filename")将输出重定向到文件filename中。

#默认情况下，如果文件已经存在，则它的内容将被覆盖。使用参数append=TRUE可以将文本追加到文件后，而不是覆盖它。

#参数split=TRUE可将输出同时发送到屏幕和输出文件中。

#不加参数调用命令sink()将仅向屏幕返回输出结果。

图形输出

【示例】

> sink("myoutput",append = TRUE,split = TRUE)
> pdf("mygraphs.pdf")
> source("script2.R")

#输出函数要放在输入函数之前？

#文件script2.R中的R代码将执行，结果也将显示在屏幕上。除此之外，文本输出将被追加到文件myoutput中，图形输出将保存到文件mygraphs.pdf中。

> sink()
> dev.off()
RStudioGD 
        2 
> source("script3.R")

#文件script3.R中的R代码将执行，结果将显示在屏幕上。这一次，没有文本或图形输出保存到文件中。

#dev.off()将输出返回到终端，终端是指？dev.off()和sink()是否功能相同？都只将结果返回到屏幕上？可否省略？

1.4.1 什么是包

.libPaths() 显示库的位置

library() 显示有哪些包

search() 显示哪些包已加载并可使用

1.4.2 包的安装

install.packages("package_name") 第一次安装一个包

update.packages() 更新已安装的包

installed.packages("package_name") 查看已安装包的描述

1.4.3 包的载入

library("package_name") 在一次会话中，包需载入一次

可通过自定义启动环境，自动载入频繁使用的包

1.4.4 包的使用方法

help(package="nutshell")

#输出某个包的简短描述以及包中的函数名称和数据集名称的列表

1.5 批处理

windows下，在命令行中输入调用命令

r CMD BATCH path/filename.R

需实际操作一次！！！

1.6 将输出用为输入——结果重用

> lmfit <- lm(mpg~wt,data=mtcars)

> summary(lmfit)

> plot(lmfit)

#通过车身重量wt，预测每加仑行驶的英里数mpg，使用简单线性回归

#回归结果会生成多少幅图？

> cook <- cooks.distance(lmfit)
> plot(cook)
> predict(lmfit,mynewdata)

#计算影响度量统计量—>第八章

#利用已有模型对新的数据进行预测

1.7 处理大数据集/附录G

影响因素：

内存大小、数据集大小、应用的统计方法