#内置数据集
#固定格式的数据（矩阵、数据框或一个时间序列等）
#统计建模、回归分析等试验需要找合适的数据集
#R内置数据集，存储在，通过
help(package="datasets")
#通过data函数访问这些数据集
data()
#得到新窗口 前面：数据集名字 后面：内容
#包含R所有用到的数据类型，包括：向量、矩阵、列表、因子、数据框以及时间序列等
#直接输入数据集的名字就可以直接使用这些数据集
#输出一个向量
rivers
#是北美141条河流长度
#这些数据集的名字都是内置的，一般我们在给变量命名时最好不要重复
#否则数据集在当前对话中会被置换掉
#例如
rivers<-c(1,2,3)
rivers
#不过影响不大
#再使用data函数重新加载这个数据集就可以了
data("rivers")
rivers
#一些常用内置数据集
#默认介绍页面只有名字和介绍，并没有给出数据分类
#哪些是向量、矩阵、数据框等？
#查看数据集除了直接敲数据集名字显示数据之外
#还可以使用help函数查看每个数据集具体的内容
help("mtcars")
euro
#欧元汇率，长度为11，每个元素都有命名
#输出向量的属性信息
names(euro)
#将5个数据构成一个数据框
向量
state.abb #美国50个州的双字母缩写
state.area #美国50个州的面积
state.name #美国50个州的全称
因子
state.division #美国50个州的分类，9个类别
state.region #美国50个州的地理分类
#
state<-data.frame(state.name,state.abb,state.area,state.division,state.region)
state
state.x77 #美国50个州的八个指标
state.x77
VADeaths #1940年弗吉尼亚州死亡率（每千人）
volcano #某火山区的地理信息（10米×10米的网格）
WorldPhones #8个区域在7个年份的电话总数
iris3 #3种鸢尾花形态数据
#以上矩阵→适合画热图
heatmap(volcano)
#这里只是作为一个演示，还需要对这个图进行一些调整
#更复杂的数据结构
Titanic #泰坦尼克乘员统计，是一个数组
UCBAdmissions #伯克利分校1973年院系、录取和性别的频数
crimtab #3000个男性罪犯左手中指长度和身高关系
HairEyeColor #592人头发颜色、眼睛颜色和性别的频数
occupationalStatus #英国男性父子职业联系
#类矩阵
eurodist #欧洲12个城市的距离矩阵，只有下三角部分
Harman23.cor #305个女孩八个形态指标的相关系数矩阵
Harman74.cor #145个儿童24个心理指标的相关系数矩阵
#R中内置最多的数据集——数据框
cars #1920年代汽车速度对刹车距离的影响
iris #3种鸢尾花形态数据
mtcars #32辆汽车在11个指标上的数据
rock #48块石头的形态数据
sleep #两药物的催眠效果
swiss #瑞士生育率和社会经济指标
trees #树木形态指标
USArrests #美国50个州的四个犯罪率指标
women #15名女性的身高和体重
#列表
state.center #美国50个州中心的经度和纬度
#类数据框
Orange #桔子树生长数据
#时间序列数据，和数据框类似，不同的是具有时间序列的顺序，是数据分析中非常常见的格式
#能反映出变化情况以及变化的趋势等
#因此有很多专门的方法用于时间序列的数据分析
co2 #1959-1997年每月大气co2浓度（ppm）
presidents #1945-1974年每季度美国总统支持率
uspop #1790–1970美国每十年一次的人口总数（百万为单位）
#除了内置数据集之外，许多R扩展包中也内置了很多数据集
#这些数据集作为扩展包的函数使用的案例
#加载R包之后这些数据集也同样被加载进来
#例如MASS包中的Cars93数据
#包含了27个变量，是1993年93辆汽车的型号指标
install.packages("MASS")
library("MASS")
help("Cars93")
#使用data函数在参数package中等于对应R包的名字，即可列出每个R包中包含的数据集
#ex
data(package="MASS")
#显示R中所有可用的数据集
data(package=.packages(all.available = TRUE))
#不加载R包使用其中的数据集
data(Chile,package="car")
Chile
#>data(Chile,package="car")
#Warning message:
# In data(Chile, package = "car") : data set ‘Chile’ not found
#>Chile
#Error: object 'Chile' not found
install.packages("car")
library("car")
help("Chile")
head(data,20)str(data)
print(data)
colnames(data)
rownames(data)
dim(data)
#设置默认路径
#显示当前工作目录（软件默认使用工作目录）
getwd()
#修改默认工作目录
setwd(dir = "e:/Rwork/")
#提示工作目录
getwd()
#查看目录下包含的文件
list.files()
#或者
dir()
#R包安装
install.packages("vcd")
#显示库所在的位置
.libPaths()
#显示库里有哪些安装包
library()
#载入包
library(vcd)
#or
require(vcd)
#直接输入函数看某些函数来自于R的哪个包
#如何使用R包
help(package="vcd")
help(package="ggplot2")
#查看包的信息，列出R包的基础内容，显示内置的数据集的内容，给包中的函数作为案例来使用
library(help="vcd")
#还有一些包中的函数，是包的核心内容，扩展了R的功能
Arthritis
#列出包中所有包含的函数
ls("package:vcd")
#每个函数如何使用查看对应帮助文档
#列出R包中包含的所有数据集
data(package="vcd")
#使用完一个包之后，将包从内存中移除
detach("package:vcd")
#再使用
Arthritis
#会出现报错：需要重新再加载
#删除已安装的包
remove.packages("vcd")
#会将R包从硬盘上彻底删除，无法继续使用了，用得不多
#R包的批量移植（更换新设备）
#列出当前环境中已安装的R包
installed.packages()
#取第一列,,,使用下标来访问数据框的第一列
installed.packages()[,1]
#将所以R包名字保存到一个文件中
Rpack<- installed.packages()[,1]
save(Rpack,file = "Rpack.Rwork")
#将这个文件移到另一个设备上
#在另一个设备上使用load函数打开这个文件
#存到另外一个变量Rpack中
#看到这些R包
#Rpack
#批量安装这些R包
#使用一个for循环
for(i in Rpack)install.packages(i)
#如何获取R的帮助信息
help.start()
#查看某个函数的功能
help(sum)
#or
?plot
?sum
#快速了解函数参数而不想查阅详细文档
args(plot)
#查看函数使用案例
example(mean)
example("hist")
#列出R的一些案例图
demo(graphics)
#查看R安装的某个包的帮助文档
help(package=ggplot2)
#有些R包包含vignette文档，这中文档包含更多内容，也更加规范，里面有简介、教程、开发文档等
vignette()
#不是每个包都包含这种格式的文档
vignette("xts")
#有时安装了某包但使用help命令搜索不到相关函数，是因为没有载入这个包
#需用使用library函数载入这个包
#载入之后才能使用help函数找到相关文档
#或者直接在help命令中加上package选项 等于 要搜索R包的名字，这种方法比较麻烦
#？？接要搜索函数名字，这种情况下不加载包也可以
#有些情况下，不知道具体的函数名，只能模糊搜索
#查找与绘制热图相关的帮助信息(使用这条命令进行本地搜索)
help.search(heatmap)
#提示搜索不到
#因为需要加上引号
help.search("heatmap")
#搜到stats包中的heatmap函数，可以用来绘制热图
#help.search("heatmap")也可以简写成下面一条命令
??heatmap#不需要加引号
#列出所有包含关键字的内容
apropos("sum")
#可以通过mod参数调整查询的内容
apropos("sum",mod="function")#只列出函数
#help.search或？？都是进行本地的文档搜索
#有时搜索不到或者文档太老了可以使用RSiteSearch()函数进行网络搜索
RSiteSearch(matlab)
#运行函数会使用默认浏览器来访问R官网，在官网中进行搜索，列出更多的结果
#可以利用搜索引擎进行问题搜索
