R语言(第一课)共13页word资料.doc
如有侵权，请联系网站删除，仅供学习与交流R语言(第一课)【精品文档】第 12 页R语言基础篇简介：R语言在英文里写成R或R-project,最开始的时候，国内将R语言翻译成R软件，后来觉得不妥，翻译成R语言或R或环境，R语言是S语言的一种实现。S语言是国外学者开发的用来做数据探索、统计分析、作图的语言。R软件是一套完整的数据处理、计算和制图软件。用户可通过R软件的网站（http:/www.r_project.org）获得最新的R软件信息，并得到最新的应用统计软件包。说R是统计软件，还不如说是数学计算软件，因为它提供了若干统计程序包，各种数学计算、统计计算函数，包含了很多程序包。国外好多大学学生，学的统计工具都是R语言，而国内最早应用它的大学是清华大学，学生为了参加世界数学建模大赛，目前只有中国人大、广东暨南大学统计专业才有教授R语言课程，人大肖凯老师在网上讲授R语言课程目前比较畅销。R语言是一种用于开源免费的用于数据分析的计算环境,是用于统计分析、绘图的语言和操作环境，是一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。R语言参考书：R语言实用教程，薛毅，陈立萍编著，清华大学出版社，2014年10月第一版。1.下载安装R软件：R的网站：www.r-project.org，进入网站后出现画面：第一步：点击“CRAN”链接第二步：选择镜像china“ ”第三步：选择“Download R for Windows”根据你的操作系统选择第四步：选择“base”第五步：选择“Download R 3.2.0 for Windows”下载安装.完成.二. R基础（用help(), 或 ? 求帮助, getwd()获得R的当前工作目录，#是注释符）1. R有两个主要概念：对象和函数，用赋值运算符赋给对象内容。 赋值运算符赋：尖括号<和减号- 组成：<- R变量x <- 945xy <- 39yy <- 43 #刷新前面y的内容yz <- 5w <- z2wi <- (z*2 + 45)/2 #用赋值表达式赋给对象内容i(34 + 90)/12.5 #只想知道结果 ls() #知道当前对象rm(y) #删除当前对象，释放空间rm(z,w,i).完. R向量对象都有模式和长度属性，数据类型有：字符串、数值型、逻辑型、复数型。用小写c加括号建立向量，数值向量可以做四则运算v <- c(4,7,23.5,76.2,80)vlength(v) #长度mode(v) #模式c(1,2,3,4)>c(1,1,4,5) #向量做比较，产生的是逻辑向量F,T,F,F一个向量的所有元素必须具有相同的模式，即数据类型，否则强制转换v <- c(4,7,23.5,76.2,80,"rrt") #执行强制转换，字符值用单引号或双引号vu <- c(4,6,NA,2) # NA代表缺失值uk <- c(T,F,NA,TRUE)kv2 #向量的某个元素 v1 <- 'hello' vx <- vector() #创建空向量x3 <- 45xlength(x)x10x5 <- 4xv <- c(45,243,78,343,445,44,56,77)vv <- c(v5,v7) #创建向量子集v.完.# Vectorization R向量化函数的向量化，函数可以直接对向量的每个元素进行操作v <- c(4,7,23.5,76.2,80)x <- sqrt(v) #算术平方根xv1 <- c(4,6,87)v2 <- c(34,32,12)v1+v2v1 <- c(4,6,8,24)v2 <- c(10,2,4) #重复循环短的向量v1+v2v1 <- c(4,6,8,24)2*v1ages<-c(li=33,zhang=29,liu=18) #带字符下标的向量names(ages) #给向量各元素起名字ages“liu”或agesliu或ages3 #取向量某元素fruit<-c(5,10,1,20)names(fruit)<-c('orange','banana','apple','peach') #给向量取名字fruit与数值向量有关的函数max(x) # 求向量最大值min(x) # 求向量最小值range(x) # 求向量的范围sum(x) # 求向量各分量之和prod(x) # 求向量各分量之积length(x) # 求向量各分量的个数（维数）.完.# Factors 因子因子处理分类数据，数据集中有取值个数固定的名义变量，因子特别有用，因子用水平来表示所有可能的数值。factor(x=character,levels,labels=levels,exclude=NA,ordered=is.ordered(x)X为数据向量，也是被转换成因子的向量，levels为可选向量，表示因子水平，当此参数取默认值时，由x元素中的不同值来确定，labels指定各水平名称，默认时取levels值，exclude为从x中删除的水平值，默认值NA,ordered为逻辑变量，取TURE为水平有次序，否则FALSE无次序。g <- c('f','m','m','m','f','m','f','m','f','f') #有10个人的性别向量gg <- factor(g) #把这个向量转换为因子g gg <- factor(c('m','m','m','m','m'),levels=c('f','m') #有5个男性，要与g有相同的水平（数值个数） gggg <- factor(c('m','m','m','m','m') #否则只有1个水平个数ggtable(g) # table()计算每个值的发生次数table(gg)is.factor(g) #查看对象是否为因子as.factor() #强制转化为因子levels(g) #查看因子的水平 g <- c(1,2,3,2,3,1,1,1) g <- factor(g) levels(g)<-c('I','II','III') #为因子的水平赋值 gg <- factor(c('f','m','m','m','f','m','f','m','f','f') a <- factor(c('adult','adult','juvenile','juvenile','adult','adult', 'adult','juvenile','adult','juvenile')t <- table(a) #统计各因子水平出现的频数t <- table(g) t <- table(a,g) # table()用于获取多个因子的交叉表margin.table(t,1) # a的水平数margin.table(t,2) # g的水平数prop.table(t,1) # 按行算总数，table(a,g)阵中的元素与总数比prop.table(t,2) # 按列算总数，table(a,g)阵中的元素与总数比prop.table(t) # 各元素总和算总数，table(a,g)阵中的元素与总数比 生成序列seq(),rep() ,gl()x <- 1:100010:15-1 #冒号优先10:(15-1)5:0 #递减seq(-4,1,0.5) # seq()生成实数序列，步长0.5seq(from=1,to=5,length=4) # 生成4个数seq(from=1,to=5,length=2)seq(length=10,from=-2,by=0.2) #从-2开始生成10个数，步长0.2rep(5,10) # 生成10个5rep('hi',3)rep(1:2,3)rep(1:2,each=3)gl(k,n)生成带有因子的序列，k因子水平个数，n每个水平的重复数gl(3,5)gl(2,5,labels=c('female','male') # labels代表因子数值名称rnorm(10) # 生成10个正态分布数# Indexing 数据子集x <- c(0,-3,4,-1,45,90,-5)x > 0 #结果是逻辑值xx>0 #结果是数值型xx <= -2 | x > 5xx > 40 & x < 100xc(4,6) #提取所在向量位置的元素x1:3 #提取前3个y <- c(1,4)xyx-1 #排除第1个x-c(4,6)x-(1:3)x<-0 #所有元素赋予0值x<-0 矩阵和数组矩阵：数组储存的是多维数据元素，矩阵是数组的特殊情况matrix(data=NA,nrow=1,ncol=1,byrow=FALSE,dimnames=NULL)参数data为数据向量，默认值为NA,当不输入该数据时，可生成一个初始矩阵，nrow为矩阵的行数，默认值为1，ncol为矩阵的列数，默认值为1，byrow为逻辑变量，当取值是TURE,矩阵按行放置，当取值是FALSE,矩阵按列放置，dimnames为矩阵的行和列的名称，用列表输入，默认为空。m <- c(45,23,66,77,33,44,56,12,78,23) mdim(m) <- c(2,5) #把向量组织为一个矩阵mm <- matrix(c(45,23,66,77,33,44,56,12,78,23),2,5) #使用更简单的命令，按列添m <- matrix(c(45,23,66,77,33,44,56,12,78,23),2,5,byrow=T) #按行添数mm2,3 #取矩阵元素m-2,1 #除去第2行，第一列所有元素m1,-c(3,5) #除去第3、5列，第一行所有元素m1,m,4#上面得到是向量m1,drop=F #得到是矩阵m,4,drop=Fcbind()、rbind()把矩阵分别按列、行结合起来m1 <- matrix(c(45,23,66,77,33,44,56,12,78,23),2,5)m1cbind(c(4,76),m1,4) #把矩阵按列结合m2 <- matrix(rep(10,20),4,5)m2m3 <- rbind(m11,m23,) #把矩阵按行结合m3results <- matrix(c(10,30,40,50,43,56,21,30),2,4,byrow=T)colnames(results) <- c('1qrt','2qrt','3qrt','4qrt') #给矩阵列起名rownames(results) <- c('store1','store2') #给矩阵行起名resultsresults'store1',results'store2',c('1qrt','4qrt')m <- matrix(c(45,23,66,77,33,44,56,12,78,23),2,5)m*3m1 <- matrix(c(45,23,66,77,33,44),2,3)m2 <- matrix(c(12,65,32,7,4,78),2,3)m1+m2#矩阵运算都是元素和元素的运算数组（Array）：是多维的, 向量为一维数组，矩阵为二维数组。数组中的元素数据类型必须一致，建立数组方法：array(data=NA,dim=length(data),dimnames=NULL)参数data为数据向量，默认NA, dim为整数向量，表示各维长度，默认为data的长度，dimnames为各维名称，用列表形式给出，默认值为空。a <- array(1:20,dim=c(4,5)ab <- array(1:24,dim=c(3,4,2)bb1,3,2b1,2b3,4,bc(2,3),-2 # 取两行.完.列表list（）：不同元素可以不同数据类型，也可不同长度my.lst <- list(stud.id=34453, stud.name="John", stud.marks=c(14.3,12,15,19)my.lstmy.lst$stud.namemy.lst1my.lst1 #输出时不要列名my.lst3mode(my.lst)mode(my.lst1) #输出值的属性my.lst$stud.idnames(my.lst) #输出列表元素名称（属性）names(my.lst) <- c('id','name','marks') #给列表元素命名my.lstmy.lst$parents.names <- c("Ana","Mike") #给列表添加元素my.lstlength(my.lst) #统计列表成分个数my.lst <- my.lst-4 #删除列表成分other <- list(age=19,sex='male')lst <- c(my.lst,other)lstmy.lst <- list(stud.id=34453, stud.name="John", stud.marks=c(14.3,12,15,19)my.lst$parents.names <- c("Ana","Mike")my.lstunlist(my.lst) #将列表转换成向量.完.数据框data.frame()类似与excel表的数据结构，每列的数据类型可以不一致，但长度必须一致，列相当于属性，行相当于样本。df<- data.frame( Name=c('Alice','Becka','James','Jeffrey','John'), Sex= c('F','F','M','M','M'), Age=c(13,13,12,13,12), Height= c(56.5,65.3,57.3,62.5,59), Weight=c(84,98,83,84,99.5)df与数据框有关的函数： as.data.frame() #将对象（矩阵、列表）强制转换 #成数据框（各成分必须满足数据框要求） is.data.frame() #判断对象是否为数据框 x<-array(1:6,c(2,3) #如果矩阵原有列名，则为数据框列名，否则系统给出data.frame(x)数据框的调用：df1:2,3:5 df"Height"df$Weight数据框的命名：names(df)#定义数据框的变量名rownames(df)<- c("one","two","three","four","five") #定义数据框的各行名字attach（）函数、with()函数 R语言主要通过数据框来输入和保存数据，attach（）函数可以把数据框中的变量“连接”到内存中，便于数据框中数据的调用。它也可连接列表。attach(df)r<-Height/Weightrdf$r<-Height/Weight #把新变量赋值到数据框中dfdetach() #取消连接如果只做少量运算，也可用with()函数df$r<-with(df, Height/Weight)lapply()函数和sapply()函数：对列表和数据框进行运算lapply(X,FUN,.)sapply(X,FUN,.,simplify=TURE,USE.NAMES=TURE)X为列表或数据框，FUN为指定的运算函数，两函数用法相同，一个返回列表，一个返回数据框。df<- data.frame( Name=c('Alice','Becka','James','Jeffrey','John'), Sex= c('F','F','M','M','M'), Age=c(13,13,12,13,12), Height= c(56.5,65.3,57.3,62.5,59), Weight=c(84,98,83,84,99.5)lst<- list( Name=c('Alice','Becka','James','Jeffrey','John'), Sex= c('F','F','M','M','M'), Age=c(13,13,12,13,12), Height= c(56.5,65.3,57.3,62.5,59), Weight=c(84,98,83,84,99.5) lapply(lst3:5,mean) sapply(df3:5,mean)或lapply(lstc("Age","Height","Weight"),mean) sapply(dfc("Age","Height","Weight"),mean).完.对象和类. R是基于对象的语言，对象中包含我们需要的数据，并且对象具有很多属性，其中最重要的属性是类，基本的类是数值、逻辑、字符串，还有复合型的类，如矩阵、数组、数据框、列表，用class()观察类，用attributes()观察其属性, str()用于了解对象的详细情况。my.lst <- list(stud.id=34453, stud.name="John", stud.marks=c(14.3,12,15,19)class(my.lst)site=c('A','B','A','A','B')season=c('Winter','Summer','Summer','Spring','Fall')pH = c(7.4,6.3,8.6,7.2,8.9)my.dataset <- data.frame(site,season,pH)class(my.dataset)attributes(my.dataset)str(my.dataset).完.
