R语言学习笔记-内附实例及代码

1、R语言入门R是开源的统计绘图软件，也是一种脚本语言，有大量的程序包可以利用。R中的向量、列表、数组、函数等都是对象，可以方便的查询和引用，并进行条件筛选。R具有精确控制的绘图功能，生成的图可以另存为多种格式。R编写函数无需声明变量的类型，能利用循环、条件语句，控制程序的流程。R网络资源：R主页：R资源列表 NCEASR Graphical Manual统计之都：QuikR丁国徽的R文档：R语言中文论坛一、用函数 install.packages(),直接输入就可以联网，第一次的话之后选择镜像，然后选择包下载即可如果已经连接到互联网，在括号中输入要安装的程序包名称，选择镜像后，程序将自动下载并安

2、装程序 包。例如：要安装 picante包，在控制台中输入 install.packages("picante")已经安装了？二.安装本地zip包路径：Packages>install packages from local files选择本地磁盘上存储 zip包的文件夹。(文件，运行R的脚本，选择所在文档)三.调用程序包在控制台中输入如下命令library( "picnate)”四.程序包内部都有哪些函数？分别有什么功能? 查询程序包内容最常用的方法：1菜单帮助>Html帮助；2查看pdf帮助文档工二X rix fuc nx Jis1 n i >

3、; *七叫口 cnfzl'程序包内的函数的用法与R内置的基本函数用法一样。拄制台FAQ手印:PDF文体R能数帮HhCfc衰U HirnlaHt 理薪 5earchr-prcjM五.查看函数的帮助文件函数的默认值是什么？怎么使用？使用时需要注意什么问题？需要查询函数的帮助。1 ?t.test直接打开相关函数的说明和使用模板。2 RGui>Help>Html help同样的效果，同上3 apropos("t.test")合理使用T检验，五种模式的 T检验4 help("t.test")帮助同 1-25 help.search(&

4、quot;t.test")有关T检验的一切东西都可以查出来。6查看R包pdf手册六、帮助很强大InRD.uaiEUUFitting1 L±n砧air 麻手斗口工占DescriptionLb it WMd » & Ismt nKlifc. h «eb1n u«*A ii><Arn wn Nflrti4iafi tiidJH «nmin hu1aliii& ec wawi"七 *K丸“w，4rlM鹏 11rl."4爵士 firri llrsc iUsaeAxglznwnt4« n

5、曲司 af-lM-+ 产，t<ohcu X n> rhar« wnd中居MWtKriid Hu U flfWriL Htai dchdli Mrikmlrl vfKl-ah« Jihc pAita LUvitai ' fidlaiiL'' cpMiv Inat Iivi6 mmw Mrgiwin« e - it，*好加i Vtnw'li中母Hiq rhjM / iiAw- Itrnf 柞th f ilw > ieH小 tie 出情inmwt <1 f*ranlttl4 tMNC9dM 4kSNamh uiia

6、 . dJV#!一H ? p-fcto «UfH.rMi 'BCI braiRrui A -4tK1 时<<«aWlkni K bt rii，ISFIejk? lmstats#函数名及所在包?Fitting Linear Models#标题?Description#函数描述?Usage#默认选项?Arguments#参数?Details#详情?Authors)#作者?References#-±M?Examples#>例七、R图形界面：R commander?1 安装 R commanderinstall.packages("Rc

7、mdr")? 2 R将自动下载并安装 Rcmdr所需的所有程 序包调用 R Commander图 12 R commander 界面 library(Rcmdr)八、R的函数R是一种解释性语言，输入后可直接给出结果。功能靠函数实现。函数形式函数(输入数据，参数=)如果没有指定，则参数的以默认值为准。例如：平均值mean(x, trim = 0, na.rm = FALSE, .)线性模型 lm(yx, data=test)每一个函数执行特定的功能，后面紧跟括号，例如：平均值 mean(); 求和 sum(); 绘图 plot();排序 sort()。除了基本的运算之外，R的函数又分为

8、“高级“和“低级”函数，高级函数可调用低级函数，这里的“高级”函数习惯上称为 泛型函数。如plot()就是泛型函数，可以根据数据的类型，调用底层的函数，应用相应的方法绘制相应的图 形。这就是面向对象编程的思想。查询的方法：Help>Html help>packageslog()tan()chisq.test()log10()asin()friedman.test()exp()acos()mean()sin()binom.test()sd()cos()fisher.test()var()glm(yx1+x2+x3, binomial)九、赋值与注释与对象起名<-右边的值赋值给左

9、边的变量或者对象；#注释注释部分不会编译R处理的所有数据、变量、函数和结果都以对象的形式保存。1 .区分大小写，注意China和china的不同。2 .不能用数字作为变量，对象也不能用数字开头，但是数字可以放在中间或结尾，如 2result与result2,后者是合法的。3 .建议不要用过短的名称。可以用".”作为间隔，例如 anova.result1 。4 .不要使用保留名：NA, NaN, pi, LETTERS, letters, month.abb, 十、元素与对象的类1 .对象是由各元素组成的。每个元素，都有自己的数据类型。2 .元素种类数值型Numer

10、ic如100, 0,-4.335因子型Factor表示不同类别字符型Character如“China”复数型Complex如：2 + 3i逻辑型 Logical 如 TRUE, FALSE3 .对象白类 class：因子(factor)因子是一个分类变量c("a","a","b","b","c")向量(vector) 一系列元素的组合。如 c(1,2,3); c("a","a","b","b","c&quo

11、t;)矩阵(matrix)二维的数据表，是数组的一个特例：x <- 1:12 ; dim(x) <- c(3,4),1 ,2,3 ,41,147102,258113,36912数组(array)数组是k维的数据表(k in 1:n,n为正整数)。向量(n = 1)矩阵(n = 2)高维数组(n >= 3)数据框(dataframe)是由一个或几个向量和数据表的行与列表1豹标志，敕擦程与向早列名Column nnmuR物和鼓科效国散海战城度类型祥方12260025山项样方251122635030山陵样方346112039045LlJ每行作林万438122426020低地；为一个

12、Entry江上549102522023偃地ttt行名IHb n也me 每列可行借带名称的同字布聿、因f字符串ii：(或)因子构成，它们必须是等长的，但可以是不同的数据类型。每个数据表可以看作一个数据框(dataframe)。每一行(row)作为一个记录(entry),每一列(column)作为一个向量(vector)。由很多不同类型的向量组成，如字符型，因子型，数值型。如何生成数据框？ 两种办法：(1)从外部数据读取；(2)各类型因子组合成数据框。列表(list)列表可以包含任何类型的对象。可以包含向量、矩阵、高维数组，也可以包含列表。十一、运算符数学运算运算后给出数值结果：+,-,*,/,八

13、(哥)比较运算运算后给出判别结果：(TRUE FALSE):>, <, <=, >=,=(=是计算机编程的二元运算符。当左边的内容与右边的内容相同时，返回 1。其余时 候返回0。二=是判断两个值大小是否相同的运算符。)，！=不等于逻辑运算与、或、非：!, &, &&, |, |十二、数据的读取1 .最为常用的数据读取方式是用read.table()函数或read.csv()函数读取外部txt或csv格式的文件。txt文件，制表符间隔；csv文件，逗号间隔。一些 R 程序包(如 foreign)也提供了直接读取Excel, SAS, dbf, Ma

14、tlab, spss, systat, Minitab 文件的函数。2 .read.csv()的使用例：test.data<-read.csv("D:/R/test2.csv",header=T)header=T 表示将数据的第一行作为标题。read.table(),header=T)可以弹出对话框，选择文件。3 .数据量较大时用read.table函数从外部txt文件读取第1步将Excel中的数据另存为.txt格式(制表符间隔)或.csv格式。第2步用read.table()或read.csv()函数将数据读入 R工作空间，并赋值给一个对象。4 .例子：mydata

15、frame<-read.csv("F:/KAGGLE1/train.csv",header=F)命名读取函数数据位置文件夹名称是否读取头( T/F)十三、向量、矩阵和数据框的创建有时需要对读入的数据进行操作，将某一向量转换成矩阵，如条件筛选，此时将遇到向量、矩阵和数据框 的生成、条件筛选等。1.1 四种类型的向量：字符型 character<-c("China", "Korea", "Japan", "UK", "USA", "France",

16、 "India", "Russia") ;数值型 numeric<-c(1, 3, 6, 7, 3, 8, 6, 4); 逻辑型 logical<-c(T, F, T, F, T, F, F, T);复数型略。1.2 创建向量用 X<-c()函数或者 c() , rep() , seq(), “："c(2,5,6,9)seq(from=3, to=21, by=3 )rep(2,times=4)1 3 6 9 12 15 18 21“：”1:15 # 意思是11 23456789 10 11 12 13 14 15通过与向量的

17、组合，产生更为复杂的向量。rep(1:2,c(10,15)1.3 向量创建一一产生随机数runif(10, min = 0, max= 1) rnorm(10, mean = 0, sd = 1)1.4 几个随机数的相关函数概率密度dunif(x, min=0, max=1, log = FALSE)累积函数punif(q, min=0, max=1,)分位数qunif(p, min=0, max=1, )随机均匀分布runif(n, min=0, max=1)2 .矩阵的创建生成矩阵的函数dim()和matrix()dim()定义矩阵的行列数，例如：x <- 1:12dim(x) &l

18、t;- c(3,4),1,2 ,3 ,41,147102,258113,36912matrix.x <- matrix(1:12,nrow=3,byrow=T)t(x)#转置为行或列添加名称：s() s()3 .数据框的创建创建数据框的函数：data.frame(), as.data.frame(), cbind(), rbind()cbind()rbind()#按列组合成数据框#按行组合成数据框data.frame() #生成数据框head()#默认访问数据的前6行4冽表的创建列表可以是不同类型甚至不同长度的向量(数值型，逻辑型，字符型等等卜数据框甚至是

19、列表的组合。list() 例如 list(character,numeric,logical,matrix.x)十四、对象类的判断与转换对象类型判断：mode()判断存储的类型class()判断数据的类根据数据的类，采用相应的处理方法。以下函数，主要用在函数处理异常时使用，目的是增强程序的稳健性。类的转换as.numeric() #转换为数值型 as.logical() #转换为逻辑型 as.charactor() #转换为字符串 as.matrix() #转换为矩阵 as.data.frame() #转换为数据框as.factor() #转换为因子类型判断is.numeric()#返回值为

20、TRUE 或 FALSEis.logical()#是否为逻辑值is.charactor() #是否为字符串is.null()#是否为空is.na()#是否为 na卜五、元素引用与访问1 .向量内的元素引用# Dalgaard书中的例子intake.pre <- c(5260, 5470, 5640, 6180, 6390, 6515, 6805, 7515, 7515, 8230, 8770)intake.post <- c(3910, 4220, 3885, 5160, 5645, 4680, 5265, 5975, 6790, 6900, 7335)intake.pre5;#引

21、用第5个元素intake.prec(3,5,7)#引用第3, 5, 7 个元素v <- c(3,5,7); intake.prev;intake.pre1:5;#引用第1到5个元素intake.pre-c(3,5,7)#去除第 3, 5, 7 元素2 .数据框内元素的引用intake <- data.frame(intake.pre, intake.post)引用数据框中的元素(1) $引用列，后面为列的名称例如 intake$intake.pre(2),方括号引用，逗号前为行，逗号后为列intake,1;引用第1列intake5,;引用第5行intake5,1;引用第1歹U,第5

22、行i = 1:5; intakei,3 .列表内元素的引用引用1到5行列表内元素的引用可以用" "如list1c(1,2,3)上述放于“ 口”内的数字，称为下标。通过下标的变化，可以方便的访问向量、数据框、矩阵、列表内的各元素。熟悉下标的用法对掌握循环结构是非常重要的。4 .访问数据框内的元素直接调用数据框内的列，以列的名称作为向量的名称attatch()detatch()在函数内部，对数据进行相应调整with() #with函数内部形成一个空间，在这个空间中，函数可以对列访问。within()transform。#数据的转换，如取logsubset()#取数据的子集app

23、ly()#对数据表或矩阵应用某个函数，可减少循环十六、条件筛选与排序1 .条件筛选条件筛选是先对变量否满足条件进行判断，满足为TRUE,不满足为FALSE。之后再用逻辑值对向量内的元素进行筛选。intake.pre > 70001 FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE TRUE TRUEintake.preintake.pre > 7000intake.pre > 7000 & intake.pre <= 80002 FALSE FALSE FALSE FALSE FALSE FALSE FALS

24、E TRUE TRUE FALSE FALSEintake.postintake.pre > 7000 & intake.pre <= 8000 2排序将向量中的元素按照一定顺序排列。举例：intake$intake.presort(intake$intake.pre)order()默认给出从小到大的出现序号。order(intake$post)o <- intakeorder(intake$intake.pre),十七、工作路径(工作空间、历史)1 .工作空间P10R的所有对象都在计算机内存的工作空间中。ls() M#列出工作空间中的对象rm()删除工作空间中的对象

25、rm(list=ls() #删除空间中所有对象sort()按数值大小排序sink()#将运行结果保存到指定文件中getwd()#显示当前工作文件夹setwd() |#设定工作文件夹save.image() #保存工作镜像2 .输入历史History? 输入的命令，在 R中作为历史history保存，可输入函数?history()#查看输入历史?history(Inf)#查看打开R之后所有的输入?可用向上或向下的箭头切换输入的行。十八、脚本编程 Scripting1 .脚本语言脚本语言(scripting language)又称动态语言，是依靠解释器完成相应的功能的一类计算机语言，通 常以ASC

26、II码的文本格式保存源程序。1.1 特点脚本语言语法和结构通常比较简单，不需要编译，通过解释器对脚本进行解释，从而给出结果，能用简单的代码完成复杂的功能，但是速度较慢。1.2 常见的脚本语言Windows 批处理程序,PHP, Perl, Python, Ruby, JavaScript 等。2 .集成开发环境很多计算机语言都有 IDE (integrated development environment),即集成开发环境，如 Windows的 VisualStudio, Visual Basic 等等。但是R通常无需集成开发环境，脚本在一般的文本编辑器里即可编辑。如 Windows 自带的

27、记事本,Notepad+, UltraEdit Linux 下的 Vi, Vim, Emacs 等等。在代码较多的情况下，常需要对行数、函数、括号、 色，以减少错误的发生。3.编辑器R自带的脚本编辑器Editplus ()TinnR ()Ultraedit (),TinnRo函数选项等进行高亮显示，设置成不同的颜Emacs ()Notepad+ 与 NpptoR 组合()记事本或写字板等等十九、R绘图R具备卓越的绘图功能，通过参数设置对图形进行精确控制。绘制的图形能满足出版印刷的要求，可 以输出 Jpg、tiff、eps、emf、pdf、png 等各种格式。通过与GhostScript软件的结

28、合，可以生成 600dpi, 1200dpi的等各种分辨率和尺寸的图形。绘图是通过 绘图函数 结合相应的选项完成的。绘图函数包括 高级绘图函数 和低级绘图函数。1 .高级绘图函数：plot()绘制散点图等多种图形，根据数据的类，调用相应的函数绘图hist()频率直力图boxplot()箱线图stripchart()点图barplot()柱状图dotplot()点图piechart()饼图matplot()数学图形2 .低级绘图函数:lines()添加线curve()添加曲线abline()添加给定斜率的线points()添加点segments。折线arrows()箭头axis()坐标轴box(

29、)外框title()标题text()文子mtext()图边文字3 .绘图参数参数用在函数内部，在没有设定值时使用默认值。font =字体,lty =线类型,lwd =线宽度,pch =点的类型,xlab =横坐标,ylab =纵坐标,xlim = 横坐标范围,ylim = 纵坐标范围也可以对整个要绘制图形的各种参数进行设定，参见 par()4 .分步绘图1 .打开绘图窗口，不绘制任何对象plot(x, y, type="n", xlab="", ylab="", axes=F)2 .添加坐标点points(x,y)3 .添加坐标轴ax

30、is(1); axis(at=seq(0.2,1.8,0.2), side=2)4 .补齐散点图的边框 box()5 .添加标题、副标题、横轴说明、纵轴说明title(main="Main title", sub="subtitle", xlab="x-label", ylab="y-label")M9>n tttJv6沌5 .在原有图形上添加元素 举例：x <- rnorm(100)#生成随机数hist(x,freq=F)#绘制直方图curve(dnorm(x),add=T)# 添加曲线h <-

31、 hist(x, plot=F)# 绘制直方图ylim <- range(0, h$density, dnorm(0)# 设定纵轴的取值范围hist(x, freq=F, ylim=ylim)# 绘制直方图curve(dnorm(x),add=T,col="red")#添加曲线 二十、编写函数1 .编程基础C,C+R可以灵活的编写程序，用户自己编写的程序可以直接调用。编程时无需声明变量的类型，这与 等语言不同。基本格式：函数名-function（数据，参数1=默认值，）异常处理；表达式（循环/判别）；return（返回值）；函数内部也可用#添加注释2 .函数实例：da

32、ta2mat（）<function Jat a = Lia tri) (if (Tany (colnamea (data) - j. ； ")stop("A column named "abundancemust be specieflediif (1 r,y (is, ,ip I -rreb (仁一 $ abundance)st ->>,"：: i：r i： ：.i . ： ii.a 1 a must 七2 1 nteqer!*) col <- which (colnamef (data) “壮 1 )datal <- d

33、al a,-colabundance <- as . numeric (dat a , .：c 1)resultl <- data.frame(repsum(abundance)1Jcolnames(result 1) <- *, 1 一 s" for (i in 1:(nccl(data)- <resultl i ERf (as , Ghauactei: (diat ai >, abundnce> result <- title(rssuitl)turn(result)3 .程序流程控制p = 0.03 if(p<=0.05) pri

34、nt("p <= 0.05!”) else print("p > 0.05!") 3.1 条件ifif（条件）表达式if（条件）表达式1 else表达式2举例：3.2 循环 for, whilefor(变量in向量)表达式while(条件)表达式用法：用法：i <- 1for(i in 1:10) print(i)while(i<10) print(i); i <- i + 13.3 返回值?返回值表示函数输出的结果。?返回值必须是一个对象。? R默认将最后一行作为返回值。?如果函数的结果需要有多个返回值，可以创建一个list(),并

35、返回该对象。? 也可以用return()函数，设定返回值。?但是一个函数的返回的对象只有一个。3.4 异常处理?如数据输入不能满足要求，或者参数设定错误等等，可能造成函数给出错误的结果，则需要对函数的运行过程发出警告或终止，以提高程序的稳健性。? 警告的写法if(any(is.na(inputdata)inputdata <- na.omit(inputdata)cat( " NAare found in the input data, and has been removed.n")? 终止的写法 if(any(is.na(xx) stop("NAs ar

36、e not allowed!n")3.5 函数举例：问题:输入直角三角形的两个边长，求其斜边长。定义函数：rcal <- function(x,y) z <- xA2 + yA2 result <- sqrt(z) return(result)调用函数：rcal(3,4)二十一、数据保存write.table()write.csv()save.image()sink()unlink()若有LaTeX基础，可以用 ：Sweave()函数该函数能将脚本、程序说明和运算结果直接保存成.tex文件，用LaTeX编译成pdf文件。代码与实际操作1. () examplean

37、<- ("arrg")武值(an) # TRUE判断是否是name格式属性？mode(an) # name an 的模式是什么？typeof(an) # symbolan 的数据类型是什么？ symbol2 .现有6名患者的身高和体重，检验体重除以身高的平方是否等于22.5。(从数据输入到t检验)代码：height<-c(1.75,1.80,1.65,1.90,1.74,1.91)weight<-c(60,72,57,90,95,72)number_1<-1:6X<-(weight/heightA2)t.test(X

38、,mu=22.5)#结果显不One Sample t-test data: Xt = 0.34488, df = 5, p-value = 0.7442alternative hypothesis: true mean is not equal to 22.595 percent confidence interval:18.41734 27.84791sample estimates: mean of x23.13262weight<-c(60, 72, 57, 90, 95, 72)sq.height<-heightA2ratio<-weight/sq.heightt.t

39、est(ratio, mu=22.5)#结果显不One Sample t-testdata: ratiot = 0.34488, df = 5, p-value = 0.7442alternative hypothesis: true mean is not equal to 22.595 percent confidence interval:18.41734 27.84791sample estimates: mean of x23高m1.751.801.651.901.741.91体重kg607257909572height<-c(1.75, 1.80,

40、1.65, 1.90, 1.74, 1.91)T检验的原假设是 UW0或者U1WU2, a =0.0水平的话, U2统计学上是支持的。P>0.05,不能拒绝原假设，也就是说U1不等于T检验单侧与双侧的关系， 双侧要求严格，其结果相对比较稳健； 确定分布的话选择(没有负数)单侧检验, 不确定的话建议选择反侧检验。统计书(P104)3 .读取文件并进行T检验>read.table("C:/Users/Administrator/Desktop/t.test.data.txt",header=T)>BMI<-c(weight/heightA2)>t.

41、test(BMI,mu=22.5) height weight11.756021.807231.655741.909051.749561.9172或者> t.test.data<-read.table("C:/Users/Administrator/Desktop/t.test.data.txt",header=T)> attach(t.test.data)#意义是让函数能够直接进行运算，而不需要赋值。The following objects are masked _by_ .GlobalEnv: height, weight>ratio<-

42、weight/heightA2>t.test(ratio)One Sample t-testdata: ratiot = 12.611, df = 5, p-value = 5.569e-05alternative hypothesis: true mean is not equal to 095 percent confidence interval:18.41734 27.84791sample estimates: mean of x23.132624.单因素方差分析将三种不同菌型的伤寒病毒a,b,c分别接种于10, 9,和11只小白鼠上，观察其存活天数，问三种菌型下小白鼠的平均存

43、活天数是否有显著差异。a 菌株：2, 4, 3, 2, 4, 7, 7, 2, 5, 4b 菌株：5, 6, 8, 5, 10, 7, 12, 6, 6c 菌株：7,11,6, 6, 7, 9, 5, 10, 6, 3, 10#数据读取，将test1.txt中的内容保存到 bac中，header=T表示保留标题行。bac<-read.table("d:/anova.data.txt",header=T)#将bac数据框中的type转换为因子(factor)bac$type<-as.factor(bac$type)ba.an<-aov(lm(daytype,

44、 data=bac)summary(ba.an)5.下标和条件筛选vector1<-seq(from=2, to=50, by=2) vector120vector1c(10,15,20)vector110:20vector1vector>40boxplot(daytype,data=bac,col="red")施ij建一个 2 至ij 50 的向量 vector1 2, 4, 6, 8, ., 48, 50 #然取vector1中的第20个元素#选取vector1中的第10, 15, 20个元素#选取vector1中的第10至ij 20个元素#选取vector

45、1中值大于40的元素6 .了解工作路径6.1 查看当前R工作的空间目录getwd()6.2 将R工作的路径设置为d:/data/setwd("d:/data")save.image("example.Rdata")10ad("example.Rdata")6.3 历史 history(Inf)7 .例-线性回归对一批涂料进行研究，确定搅拌速度对杂质含量的影响，数据如下，试进行回归分析 表3搅拌速度对涂料中杂质的影响转速rpm202224262830323436384042杂质率8.49.511.810.413.314.813.214.

46、716.416.518.918.5脚本举例# 1.编辑脚本并保存：将以下代码粘贴到编辑器中，另存为 regression1文件。rate<-c(20, 22, 24, 26, 28, 30, 32, 34, 36, 38, 40, 42)impurity <-c(8.4, 9.5, 11.8, 10.4, 13.3, 14.8, 13.2, 14.7, 16.4, 16.5, 18.9, 18.5) plot(impurityrate) reg<-lm(impurityrate) abline(reg,col="red")summary(reg)rpm&l

47、t;-seq(from=20,to=42,by=2) # 生成一个从 20开始，间隔 2,至U 42 的向量 mean(rpm)轴是rpm , X轴是rate。Y轴是rate, X轴是rpm。rate<-c(8.4, 9.5, 11.8, 10.4, 13.3, 14.8, 13.2, 14.7, 16.4, 16.5, 18.9, 18.5) mean(rate) plot(rate,rpm) # 一般线性回归都要先画散点图观察。Yplot(raterpm)#一般线性回归都要先画散点图观察。reg<-lm(raterpm) print(lm(raterpm) cor(rate,rpm)#计算二者的相关系数 print