R语言之基础

2023-02-24 04:14:02Python014

R语言之基础,第1张

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（例如 1 本质上是 c(1)）。

R 中可以用 = 或者 <- 来进行赋值， <-的快捷键是 alt + - 。

R的下标是从1开始的，和python等不同（python四从0开始的）

当然我们也可以用逻辑进行筛选，例如

负数下标表示不选这个这些下标，例如：

c() 可以合并向量，例如

向量有个比较有趣的性质，当两个向量进行操作时，如果长度不等，长度比较短的一个会复制自己直到自己和长的一样长。

a 自动变成了 c(3,4,3,4) 然后与b相加，得到了下面的结果。

遇到不懂得函数，可以用help("函数")查看函数用法。

矩阵，从本质上来说就是多维的向量，我们来看一看我们如何新建一个矩阵。

可以看到向量元素变为矩阵元素的方式是按列的，从第一列到第二列，如果我们想按行输入元素，那么需要加入 byrow = TRUE 的参数：

与向量相似，我们可以用下标来筛选矩阵，例如：

a[行,列]

当我们对两个矩阵相乘，我们得到的结果是对应元素两两相乘的结果，例如：

而这不是我们想要的矩阵乘法，在 R 中我们在乘法旁边加两个百分号来做矩阵乘法：

此外，我们可以用 t() 来求矩阵的转置，用 solve() 来求矩阵的逆。

数据框类似矩阵，与矩阵不同的是，数据框可以有不同的数据类型。一般做数据分析，我们把一个类似 excel 的表格读入 R ，默认的格式就是数据框，可见数据框是一个非常重要的数据结构。

一般来说我们需要分析的数据，每一行代表一个样本，每一列代表一个变量。

下面我们用 R 内置的数据集 iris 来看一看数据框的使用。

我们用 data 函数调入了 iris 这个数据集，然后用 head 函数来看一看这个数据的前几行，可以看到有 sepal 的长度，宽度，petal 的长度和宽度，还有一个变量 Species 来描述样本的类别。

我们可以用 summary 函数来对数据集做大致的了解。

可以直观地看到每个变量的信息，对于几个数值变量，我们可以看到最小值，中位数等等统计信息。而对于 Species 这个分类变量，我们看到的是计数信息。

筛选数据框与矩阵相似,都可以通过数字下标来获取子集，不同地是因为数据框有不同的列名,我们也可以通过列名来获取某一特定列,例如：

我们可以用 names() 函数来获取数据框的列名

并可以通过为其赋值改变列的名字。

列表是一种递归式的向量,我们可以用列表来存储不同类型的数据，比如：

列表有多种索引方式，可以用如下方式获取。

今天我们实验的对象就是一组从原始 R 进化出来的工具链 Tidyverse , 它是由 Hadley Wickham 主导开发的一系列 R 包的集合。 Tidyverse 继承了R语言进行快速统计分析的优势，并实现了一些新的理念，例如 magrittr 包中的管道操作，让线性嵌套的函数组合变得更加清晰易懂；可视化方面中的 ggplot ，使绘图变成搭积木式的图层叠加。

这样的小发明有的改变了分析的运作方式，有的改变了使用者的认知方式，聚在一起形成了一种新的数据分析的生态链。具体来看， Tidyverse 有如下核心组件:

mpg 数据集是刻画不同汽车的排放状况的一个数据集，总过有 234 个样本， 11 个变量。这 11 个变量分别是:

manufacture: 制造商

model: 车型

dispel：汽车排放量

year: 制造年度

cyl: 排气管数量

trans: 排放类型

drv: 驱动方式

cty: 每公里耗油量（城市道路）

hwy: 每公里耗油量（高速路）

fl: 油的种类

class: 车的类型

更多数据相关信息可以通过 help(mpg) 指令获取。

在属性映射中加入 color=class 参数后，我们可以看到每个点的汽车对应的类型被用不同颜色表现了出来，对于散点图，还有 size(大小) , shape（形状）等等参数可以用于确定点的属性。

对于条形图的y轴就是数据框中原本的数值时，必须将geom_bar()函数中stat(统计转换)参数设置为’identity’，即对原始数据集不作任何统计变换，而该参数的默认值为’count’，即观测数量。

1.初级入门

《An Introduction to R》，这是官方的入门小册子。其有中文版，由丁国徽翻译，译名为《R导论》。《R4Beginners》，这本小册子有中文版应该叫《R入门》。除此之外，还可以去读刘思喆的《153分钟学会R》。这本书收集了R初学者提问频率最高的153个问题。为什么叫153分钟呢？因为最初作者写了153个问题，阅读一个问题花费1分钟时间，全局下来也就是153分钟了。有了这些基础之后，要去读一些经典书籍比较全面的入门书籍，比如《统计建模与R软件》，国外还有《R Cookbook》和《R in action》，本人没有看过，因此不便评论。

2.高级入门

读了上述书籍之后，你就可以去高级入门阶段了。这时候要读的书有两本很经典的。《Statistics with R》和《The R book》。之所以说这两本书高级，是因为这两本书已经不再限于R基础了，而是结合了数据分析的各种常见方法来写就的，比较系统的介绍了R在线性回归、方差分析、多元统计、R绘图、时间序列分析、数据挖掘等各方面的内容，看完之后你会发现，哇，原来R能做的事情这么多，而且做起来是那么简洁。读到这里已经差不多了，剩下的估计就是你要专门攻读的某个方面内容了。

3、推介你看下这位大咖的CSDN博客，里面有很多有关R语言入门类文章，一定能get到新知识，希望对你有帮助。

博主博客地址：

Data+Science+Insight的博客_CSDN博客-R语言从入门到机器学习,数据科学从0到1,机器学习面试+横扫千军领域博主

博客内容包括：数据科学从0到1、R语言从入门到机器学习、机器学习面试+横扫千军、Python编程技巧高效复用等系列

1、向量是用于存储数值型，字符型或者逻辑型数据的一维数组。执行组合功能的函数为c()，可以用来创建向量。向量可根据位置进行索引，需要用[]。

2、矩阵是一个二维数组，每个元素都拥有相同的模式，可通过函数matrix()创建矩阵。

3、数组是一个可以在两个以上维度存储数据的数据对象。例如，如果创建尺寸(2,3,4)的数组，那么就是创建4个矩形矩阵每个2行3列。数组只能存储数据类型。

4、矩阵和数组一样都只能包含一种数据类型，当有多种模式的数据时，使用数据框就更为方便。数据框可以用函数data.frame () 创建。

5、$ 被用来选取一个给定数据框中的某个特定变量。

6、attach()绑定数据集，detach()解除数据集。

7、with：attach，detach最好在单独的数据框内使用，在多个同名对象最好不要使用，函数with()，可以再具有多个同名对象的数据框内使用，但是必须加入花括号{}，这样就无须担心名称冲突了，但是它也有局限性，赋值仅在此函数的括号内生效。

8、列表是一些对象的有序集合。

9,、数据导入 read.table()，其中header = T，代表第一行为变量名称，不作为数据，header = F相反。sep代表数据分隔符，txt为"\t",csv为","。

10、table函数，用 table() 函数统计因子各水平的出现次数（称为频数或频率）。

>sex = c("女","女","女","男","男")

>table(sex)

>sex

男女

2 3

求众数

>aim = table(sex)[table(sex)==max(table(sex))]

>aim

女

> max(table(sex))

[1] 3

> table(sex)==max(table(sex))

sex

男女

FALSE TRUE

11、无尺度网络：是指在某一复杂的系统中，大部分节点只有少数几个连结，而某些节点却拥有与其他节点的大量连结。这些具有大量连结的节点称为“集散节点”，所拥有的连结可能高达数百、数千甚至数百万。这一特性说明该网络是无尺度的，因此，凡具有这一特性的网络都是无尺度网络。

12、options(stringsAsFactors = F)

#在调用as.data.frame的时，将stringsAsFactors设置为FALSE可以避免character类型自动转化为factor类型。

13、class()：查看数据结构：vector、matrix、array、dataframe、list。

14、str()：作用用英语来表示是：check classification of viriables,一般用于检查数据框当中有哪些数据。

15、mode() ：查看数据元素类型。

16、typeof() ：查看数据元素类型，基本等同于mode（），比mode()更为详细。

17、example()：假设有一个函数foo，example("foo")，函数foo的使用示例。

18、apropos()：列出名称中含有foo的所有可用函数。apropos("foo",mode="function")。

19、data()：列出当前已加载包中所含的所有可用示例数据集。

20、ls()：列出当前工作空间中的对象。

21、rm()：移除（删除）一个或多个对象。

22、history(#)：显示最近使用过的#个命令（默认值为25）。

23、options()：显示或设置当前选项。有一个收藏文件有介绍options的功能。

24、boxplot()：生成盒型图。

25、sum()：计算和。sum(x,na.rm = TRUE)。

26、median()：计算中位数。

27、cbind()：以列结合变量。cbind(x,y,z)。

28、rbind()：以行结合变量。

29、vector()：以向量形式结合数据。vector(length = 10)。

30、rep()：以矩阵形式结合数据。rep(c(1,,2,3),each = 10)

31、seq()：生成一个有序的数列。seq(1,10)。

32、dim()：矩阵或者cbind输出的维数。dim(Mydata)。

33、scan()：从ascii文件中读取数据。scan(file = "test.txt")。

34、write.table()：把一个变量写入到ascii文件。write.table(Z,file = "test.txt")。

35、order()：确定数据的顺序。order(x)。

36、merge()：合并两个数据框。merge(x,y,by = "ID")。

37、str()：显示一个对象的内部结构。str(Mydata)。

38、factor()：定义变量作为因子。factor(x)。

39、tapply()：tapply(X = Veg$R,INDEX = Veg$Transect,FUN = mean).tapply函数根据第二个变量(Transect)的不同水平对第一变量(R)进行了求平均值运算。还可以求sd，var，length等操作。R语言初学者指南P75详细介绍了这个函数。

40、下一页介绍了sapply和lapply。

41、summary()：计算基本信息。

42、table()：计算列联表，统计因子各水平的出现次数(频数或频率)。table(x,y)。

43、plot()：y对x的图形。pch形状，col颜色。

44、par()：par(mfrow = c(2,2),mar = c(3,3,2,1))

mfrow生成一个具有4个面板的图形窗口。mar选项指定每个图形周围空白的大小，底部、左侧、顶部、右侧。

45、paste()：将变量连接成字符串。paste("a","b",sep = "")。

46、log()： log = "x",log = "y",log = "xy",生成对数轴。

47、%in%：

a<-c(1,3,13,1443,43,43,4,34,3,4,3)

b<-c(1,13,11,1313,434,1)

a%in%b