R 语言
R 的源代码可自由下载使用，亦有已编译的可执行文件版本可以下载，可在多种平台下运行，包括 UNIX（也包括 FreeBSD 和 Linux）、Windows 和 MacOS。R 主要是以命令行操作，同时有人开发了几种图形用户界面，其中 RStudio 是最为广泛使用的集成开发环境。
R 内置多种统计学及数字分析功能。R 的功能也可以透过安装包（Packages，用户撰写的功能）增强。因为 S 的血缘，R 比其他统计学或数学专用的编程语言有更强的面向对象（面向对象程序设计, S3, S4 等）功能。
R 的另一强项是绘图功能，制图具有印刷的素质，也可加入数学符号。
虽然 R 主要用于统计分析或者开发统计相关的软件，但也有人用作矩阵计算。其分析速度可媲美专用于矩阵计算的自由软件 GNU Octave 和商业软件 MATLAB。
r语言编程的步骤？R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、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。工具原料一台电脑下载完毕的R software
方法/步骤分步阅读
1
/5
安装完毕R语言，新建属于自己的R变成文件夹，然后 File ->Change Dir..,设置成自己的工作文件，自己工作空间将都会产生在这个文件夹下。
2
/5
然后Files - >New Script，打开新的脚本编辑，在这里键入自己代码，编辑。
在此模式下，摁F5键意味着执行这一行，当我们编辑很多行的时候，我们可以进行全选，然后摁下F5，这样就会执行所有行的代码。
3
/5
下面进行实战，我们下面将会用R语言画出一个简单房子，具体的代码含义不解释，推荐Manning出版的《R语言实战》，里面有大量的联系及讲解。
4
/5
选中，然后执行F5按键，R语言就会画出一个简单的房子，具体代码可以参见下图。
5
/5
总之，R语言是一个非常好的统计软件，在生物统计，金融统计中发挥着越来越多的作用，同时R语言作为一款开源软件，也被世界的R语言兴趣者优化着。
注意事项
R作为一款免费的软件，有时候即使编正确的情况下，仍然可能出现错误
软件的学习在于多联系
内容仅供参考并受版权保护
我的亲师弟最近也开始学习R语言了，然后师弟每天“师姐，师姐..."，“我这个怎么弄...”，“我怎么又报错了...”，“师姐师姐...”...我快被他搞疯了，于是有了这篇文章。
新手在学习R语言的过程中一定会出现各种各种问题，问题多到令人抓耳挠腮。
但其实不要觉得害怕或有打退堂鼓的心里，R的使用，就是不断报错不断找问题的过程。但是出现问题，第一反应一定要是上网搜索，找答案，不要第一时间就问身边的人，错失了思考的过程。生信的学习，其实就是一个漫长的自学过程。
推荐 搜索引擎：必应，必应，必应 ！不要再用某度啦拜托！当然如果你能想办法用Google，那当然再好不过了。
搜索能解决百分之九十以上的问题 ，就算解决不了，如果解决不了，可能是因为你的搜索能力还不够高。在这个搜索、尝试解决以及思考的过程，对新学者来说也是一大收获。本身搜索能力的提升就是一个巨大收获。
如果自己尝试了好久，最终实在解决不了，那。。。就再去请教有经验的前辈吧~
其实这种搜索并独立解决问题的思维，我还是在同济大学， 生信大牛刘小乐教授 课题组学到的。刘小乐教授课题组每年都有为期一个月的生信培训，本人有幸学习过一段时间。她们会给很多生信相关的题目给到学员，然后附上一些教学视频，培训的大部分时间，其实就是写作业，自己想方设法找到解决方案的过程。那些大牛师兄师姐们虽然一直在陪伴我们，但是并不会直接告诉我们答案，而是引导我们自己思考，自己去解决。当时真的很崩溃，因为真的啥也不会，怎么搞。一天下来有可能一个问题都答不上来。
但是现在回头想想，我真的获益良多。因为我慢慢学会了独立思考，现在遇到R相关的问题，配合上搜索功能，基本上已经完全能自己驾驭了。
这可能就是“ 授人以鱼不如授人以渔 ”的道理吧。
R语言很简单，只要你想学，就一定能学会。
以下附上同济大学刘小乐课题组在培训时针对初学者第一周的初级练习题。希望对大家有所帮助。
首先你需要先安装几个最常用的数据处理软件
You can use the mean() function to compute the mean of a vector like
so:
However, this does not work if the vector contains NAs:
Please use R documentation to find the mean after excluding NA's (hint: ?mean )
In this question, we will practice data manipulation using a dataset
collected by Francis Galton in 1886 on the heights of parents and their
children. This is a very famous dataset, and Galton used it to come up
with regression and correlation.
The data is available as GaltonFamilies in the HistData package.
Here, we load the data and show the first few rows. To find out more
information about the dataset, use ?GaltonFamilies .
a. Please report the height of the 10th child in the dataset.
b. What is the breakdown of male and female children in the dataset?
c. How many observations are in Galton's dataset? Please answer this
question without consulting the R help.
d. What is the mean height for the 1st child in each family?
e. Create a table showing the mean height for male and female children.
f. What was the average number of children each family had?
g. Convert the children's heights from inches to centimeters and store
it in a column called childHeight_cm in the GaltonFamilies dataset.
Show the first few rows of this dataset.
In the code above, we generate r ngroups groups of r N observations
each. In each group, we have X and Y, where X and Y are independent
normally distributed data and have 0 correlation.
a. Find the correlation between X and Y for each group, and display
the highest correlations.
Hint: since the data is quite large and your code might take a few
moments to run, you can test your code on a subset of the data first
(e.g. you can take the first 100 groups like so):
In general, this is good practice whenever you have a large dataset:
If you are writing new code and it takes a while to run on the whole
dataset, get it to work on a subset first. By running on a subset, you
can iterate faster.
However, please do run your final code on the whole dataset.
b. The highest correlation is around 0.8. Can you explain why we see
such a high correlation when X and Y are supposed to be independent and
thus uncorrelated?
Show a plot of the data for the group that had the highest correlation
you found in Problem 4.
We generate some sample data below. The data is numeric, and has 3
columns: X, Y, Z.
a. Compute the overall correlation between X and Y.
b. Make a plot showing the relationship between X and Y. Comment on
the correlation that you see.
c. Compute the correlations between X and Y for each level of Z.
d. Make a plot showing the relationship between X and Y, but this
time, color the points using the value of Z. Comment on the result,
especially any differences between this plot and the previous plot.
