用r语言做数据分析好学吗？

Python010

用r语言做数据分析好学吗？,第1张

非常好学。输入几行代码，即可得到结果。

R不但数据分析好用，而且作图能力极好，推荐你用。

下面是R数据分析的一些代码，包括数据导入、方差分析、卡方测验、线性模型及其误差分析。希望可以帮到你：

1.1导入数据

install.packages('xslx')

library(xlsx)

Sys.setlocale("LC_ALL", "zh_cn.utf-8")

a=read.xlsx2('d:/1.xlsx',1,header=F)

head(a)显示前六行

class(a$y)/str(a)查看列/全集数据类型

a$y=as.numeric(a$y)转换数据类型

1.2方差分析(F test)

with(a,tapply(liqi,tan,shapiro.test))正态性检验

library(car)leveneTest(liqi~tan,a)方差齐性检验

q=aov(liqi~tan*chong,a)方差分析(正态型)

summary(q)

TukeyHSD(q)多重比较

1.3卡方测验(Pearson Chisq)

a1=summarySE(a,measurevar='y', groupvars=c('x1','x2'))卡方检验(逻辑型/计数型)

aa=a1$y

aaa=matrix(a2,ncol=2)

aaa= as.table(rbind(c(56,44), c(36,64), c(48,52),c(58,42)))

dimnames(aaa)= list(group=c("不添加抗性","不添加敏感","添加抗性","添加敏感"),effect=c("存活","死亡"))

aaa=xtabs(data=a,~x+y)

chisq.test(a)误差分析(卡方测验，Pearson法)

install.packages("rcompanion")

library(rcompanion)

pairwiseNominalIndependence(a)多重比较

1.4线性模型及其误差分析(Wald Chisq)

q=lm(data=a,y~x1*x2)一般线性模型(正态性)

summary(q)

q=glm(data=a,y~x1*x2,family = gaussian(link='identity'))广义线性模型(正态性)

summary(q)

q=glm(data=a,y~x1*x2,family = binomial(link='logit'))广义线性模型(逻辑型，二项分布)

summary(q)

q=glm(data=a,y~x1*x2,family = poisson(link='log'))广义线性模型(计数型，泊松分布)

summary(q)

install.packages('lmerTest')一般线性混合效应模型(正态性)

library(lmerTest)

install packages(‘lme4’)

library(lme4)

q=lmer(data=a,y~x1*(1|x2))

q=lmer(data=a,y~x1*(1|x2),family = gaussian(link='identity'))广义线性混合效应模型(正态性)

q=glmer(data=a,y~x1*(1|x2),family = binomial(link='logit'))广义线性混合效应模型(逻辑型，二项分布)

q=glmer(data=a,y~x1*(1|x2),family = poisson(link='log'))广义线性混合效应模型(计数型，泊松分布)

summary(q)

install.packages('car')

install.packages('openxlsx')

library(car)

install.packages('nlme')

library(nlme)

Anova(q,test='Chisq')线性模型的误差分析(似然比卡方测验,Wald法)

lsmeans(q,pairwise~chuli,adjust = "tukey")线性模型的多重比较(tukey法)

Python和r语言相对来说，r更难一些。

R语言

R是由统计学家开发的，它的出生就肩负着统计分析、绘图、数据挖掘的重要使命。因此在R的语言体系里，有非常多统计学的原理和知识。

如果你具备一些统计背景，R会令你使用各类model和复杂的公式时更加愉悦有爽感，因为你总能找到对应的package，并且几行代码就可以调用搞定。

Python

Python的创始人初衷，是为非专业程序员设计的一种开放型的语言。优雅，明确，简单，是它的标签。因此，总有人高唱「人生苦短，我用Python」。

数据分析、网络爬虫、编程开发、人工智能等，作为一门多功能的胶水语言，Python的使用目的和学习路径更加多样化。

实际上，由于不了解每个人的知识背景和学习成本，这个问题并不能做出非黑即白的绝对性答案。这也是为什么，各类论坛上R和Python的使用者关于入门难度总是各执一词。

R语言

开始学习R，了解了最基本知识和语言逻辑，入门不难。以及数理统计基础好的会越学越爽，相反，如果完全没有数理背景，会感觉到明显增幅的难度。

Python

Python看重可读性和易用性，它的学习曲线比较平缓。对于初级小白来讲，比较友好，但如果纵深学习以及拓展方向，还需要掌握大量package的知识和使用方法。

Python和r相对来说r更难一些。

更多Python知识，请关注：Python自学网！！

r语言是统计用的，c语言是一种计算机高级语言，可以写各种程序。其实两者不是一个层面的东西，r语言更像是一种应用程序提供的功能，如果非要分个难易，在你用来搞统计的情况下，r语言应该要容易一些。