交通数据分析基础 实验指导1 R语言的安装

R语言的安装R是免费开源软件，主要用于各领域的定量分析、数据分析编程、数据可视化等方面。R语言的一个重要特点是其灵活性和可扩展性，截至2020年初，R语言已经有16000个包（package），各个包均有极为较为详细的使用说明。同时，R语言可以较为方便与其他语言，如python、C、C++等进行整合。为比较方便使用R语言，需要安装R和Rstudio两个软件。安装R后再安装Rstudio。R的安装：/CRAN/。下载完成后默认安装即可。Rstudio的安装：/products/rstudio/download/。下载完成后默认安装即可。R的打开：双击Rstudio安装目录中bin文件夹中的rstudio.exe，即可打开R语言的工作界面。注意：两个软件的安装位置建议不要有中文路经。下图为Rstudio界面：打开Rstudio后，为了后续更快地安装R包，需要对Rstudio进行简单设置。依次从目录中点击以下路径：Tools->Gloabaloptions->Packages，在PrimaryCRANrepository中选择China(Beijing1)[https]-TUNATeam,TsinghuaUniversity使用帮助R语言拥有良好的帮助系统，所有的包（包括系统默认加载的包）均有标准化的文档用于描述可用的函数。R语言帮助可通过多种途径获得：通过网站获取访问R语言网站/，即可在里面查找到各个包的完整说明书的pdf版。通过在R中输入代码获取R中可以通过两种途径获取帮助：假设已经加载了包含函数geom_point的包ggplot2，可以通过在命令行中输入?geom_point或者help("geom_point")获得相关信息。假设没有加载了包含函数geom_point的包ggplot2，可以通过在命令行中输入??geom_point或者help.search("geom_point")获得相关信息。包的安装及使用汽车厂商制造汽车不会从轮子开始造起，而是通过购买零部件，将零部件组装成汽车。同理，利用R语言进行数据分析、编程，也没必要所有代码都自己写，可以通过下载R语言包，调用已有的包进行工作。R语言有大量的包，比较常用的包括ggplot2、mlogit等等。R语言包的安装相当简单，如安装ggplot2，只需后输入如下代码即可：install.packages("ggplot2")如果需要使用ggplot2包，只需输入以下语句即可：library(ggplot2)数据结构及操作运算R语言不需要定义变量，可直接进行运算1+3##[1]41+3是代码，##[1]后面的是代码运算的结果2^3##[1]8#余数

7%%4##[1]3#整除

7%/%4##[1]1#对数，默认以自然常数e为底，

log(10)##[1]2.3#指定对数的底

log(10,base=10)##[1]1向量#利用<-给变量赋值

#与python等类似，不用显式指定变量的类型

a<-1

a#这行代码用于显示a##[1]1以上代码注意几点：R语言标准的赋值符号是<-，当然也可使用=与c语言等不同，R语言的变量在使用前，不需要定义其类型#变量命名与C语言等类似，唯一不同的是R中变量可以包括.号

#以下命名规则都是可行的

avariable<-1

a_variable<-1

a.variable<-1#向量是用于存储数值型、字符型或逻辑型数据的一维数组。向量一般由函数c()生成，也可由其他函数生成。

a<-c(1,2,-5,1,3,-10)

a##[1]12-513-10#取向量a的第1个元素

a[1]##[1]1#取向量a的第1、3个元素

a[c(1,3)]##[1]1-5#取向量a中除第1个元素外的其他元素

a[-1]##[1]2-513-10#取向量a中除第1、3个元素外的其他元素

a[c(-1,-3)]##[1]213-10#获取向量长度

a<-c(1,2,3,4)

length(a)##[1]4b<-c('Feb','July',"June",'Oct')#单引号与双引号效果一样

b##[1]"Feb""July""June""Oct"#TRUE与T等效，表示的是真；同理，FALSE与F等效

c<-c(TRUE,FALSE,T,F)

c##[1]TRUEFALSETRUEFALSE#生成一列数，数据的间隔为2

d<-seq(from=1,to=10,by=2)

d##[1]13579#生成一列数，这列数的长度为8

d<-seq(from=1,to=10,length.out=8)

d##[1]1.002.293.574.866.147.438.7110.00#对向量进行复制以生成新的向量

rep(c(1,2,3),times=3)##[1]123123123#对向量进行复制以生成新的向量

rep(c(1,2,3),each=3)##[1]111222333#向量运算

c(1,2,3,4)+c(2,3,4,5)##[1]3579#两个向量长度不一样，但第一个向量长度为4，第二个长度为2

#R对第二个向量进行了广播，使其称为c(2,3,2,3)，再与第一个向量相加

#因而实际上是c(1,2,3,4)+c(2,3,2,3)

c(1,2,3,4)+c(2,3)##[1]3557#广播

c(1,2,3,4)*2##[1]2468#用NA表示缺失值

a<-c(1,2,3,4,NA)

a##[1]1234NA#判断是否为缺失值

is.na(a)##[1]FALSEFALSEFALSEFALSETRUE矩阵矩阵是一个二维数组，只是每个元素都拥有相同的模式（数值型、字符型或逻辑型）。可通过函数matrix创建矩阵。y1<-matrix(1:20,nrow=5,ncol=4)

y1##[,1][,2][,3][,4]

##[1,]161116

##[2,]271217

##[3,]381318

##[4,]491419

##[5,]5101520y2<-matrix(1:20,nrow=5,ncol=4,byrow=T)

y2##[,1][,2][,3][,4]

##[1,]1234

##[2,]5678

##[3,]9101112

##[4,]13141516

##[5,]17181920#取y2的第1行

y2[1,]##[1]1234#取y2的第1、3行

y2[c(1,3),]##[,1][,2][,3][,4]

##[1,]1234

##[2,]9101112#取y2的第1列

y2[,1]##[1]1591317#对行及列命名

rnames<-c("R1","R2","R3","R4","R5")

cnames<-c("C1","C2","C3","C4")

y3<-matrix(1:20,nrow=5,ncol=4,byrow=T,

dimnames=list(rnames,cnames))

y3##C1C2C3C4

##R11234

##R25678

##R39101112

##R413141516

##R517181920因子类别（名义型）变量和有序类别（有序型）变量在R中称为因子（factor）。因子在R中非常重要，因为它决定了数据的分析方式以及如何进行视觉呈现。函数factor()以一个整数向量的形式存储类别值，整数的取值范围是[1…k]（其中k是名义型变量中唯一值的个数），同时一个由字符串（原始值）组成的内部向量将映射到这些整数上。因子分为无序因子和有序因子两类：##无序因子

type<-c('a','b','a','c','b')#字符串向量

type_f<-factor(type)#将向量type转换为无序因子

#type_f<-factor(type)将此向量存储为(1,2,1,3,1)

#并在内部将其关联为1=a，2=b，3=c（具体赋值根据字母顺序而定）

paste("type的类别是",class(type))##[1]"type的类别是character"paste("type_f的类别是",class(type_f))##[1]"type_f的类别是factor"##有序因子

sat<-c("dissatisfied","satisfied","neutral","satisfied","dissatisfied")

sat_f<-factor(sat,ordered=TRUE,

levels=c("dissatisfied","neutral","satisfied"))

str(sat_f)##Ord.factorw/3levels"dissatisfied"<..:13231列表列表（list）是一些对象的有序集合。列表允许你整合若干（可能无关的）对象到单个对象名下。例如，某个列表中可能是若干向量、矩阵、数据框，甚至其他列表的组合。可以使用函数list()创建列表。a<-"abcdefsds"

b<-1:10

c<-matrix(1:20,nrow=2)

a_list<-list(a_string=a,a_vector=b,a_matrix=c)

a_list##$a_string

##[1]"abcdefsds"

##

##$a_vector

##[1]12345678910

##

##$a_matrix

##[,1][,2][,3][,4][,5][,6][,7][,8][,9][,10]

##[1,]135791113151719

##[2,]2468101214161820str(a_list)##Listof3

##$a_string:chr"abcdefsds"

##$a_vector:int[1:10]12345678910

##$a_matrix:int[1:2,1:10]12345678910...数据框数据框是进行数据分析时候，最常使用的一个数据格式。数据框的每一行表示一个样本，每一列表示一个特征。如下是一个典型的数据框。data(mtcars)

head(mtcars)##mpgcyldisphpdratwtqsecvsamgearcarb

##MazdaRX421.061601103.902.6216.50144

##MazdaRX4Wag21.061601103.902.8817.00144

##Datsun71022.84108933.852.3218.61141

##Hornet4Drive21.462581103.083.2119.41031

##HornetSportabout18.783601753.153.4417.00032

##Valiant18.162251052.763.4620.21031数据框的创建很简单，如下是一种简单的数据框创建方式：id<-1:5

status<-c("poor","improved","excellent","poor",'improved')

gender<-c('female','male','female','male','male')

df<-data.frame(id,status,gender)

df##idstatusgender

##11poorfemale

##22improvedmale

##33excellentfemale

##44poormale

##55improvedmale选取数据框的某一类，可通过数据框名称$特征值名称的方式df$id##[1]12345#查看数据框的列名

names(df)##[1]"id""status""gender"对数据框进行初步分析，可采用如下方式：summary(df)##idstatusgender

##Min.:1Length:5Length:5

##1stQu.:2Class:characterClass:character

##Median:3Mode:characterMode:character

##Mean:3

##3rdQu.:4

##Max.:5为数据框df增加新列，可采用如下操作：df$b<-c(3,4,1,2,3)

df$c<-df$b>3

head(df)##idstatusgenderbc

##11poorfemale3FALSE

##22improvedmale4TRUE

##33excellentfemale1FALSE

##44poormale2FALSE

##55improvedmale3FALSE根据某列数据，对数据框进行排序：#升序

newdf<-df[order(df$b),]

head(newdf)##idstatusgenderbc

##33excellentfemale1FALSE

##44poormale2FALSE

##11poorfemale3FALSE

##55improvedmale3FALSE

##22improvedmale4TRUE#降序

newdf<-df[order(-df$b),]

head(newdf)##idstatusgenderbc

##22improvedmale4TRUE

##11poorfemale3FALSE

##55improvedmale3FALSE

##44poormale2FALSE

##33excellentfemale1FALSE#根据多个特征进行排序

#负号表示降序排列，多个变量用逗号分隔

newdf<-df[order(gender,-df$b),]

head(newdf)##idstatusgenderbc

##11poorfemale3FALSE

##33excellentfemale1FALSE

##22improvedmale4TRUE

##55improvedmale3FALSE

##44poormale2FALSE选择某些特征：vars<-names(df)%in%c("id","gender")

newdf<-df[vars]

head(newdf)##idgender

##11female

##22male

##33female

##44male

##55male选择某些行：#&表示且

#|表示或

newdf<-subset(df,gender=="female"&status=="poor")

newdf##idstatusgenderbc

##11poorfemale3FALSE数据的输入输出一般情况下，我们较少从键盘上输入数据，更多的是从硬盘的文件中导入数据。经常使用的数据格式包括：csv，txt，xls,dta格式等。下图所示的是常用的csv数据格式，数据与数据之间用,分隔，对于这种数据格式，可以用read.table函数导入为数据框。df1<-read.table("data1.csv",header=T,sep=",")

#header用于表征每列是否有名称

#sep用于表征数据与数据之间的分隔符，csv格式的分隔符是","

#如果读取文件的路径不是R默认的路径，应该写入绝对路径：

#df1<-read.table("D:/datafile/data1.csv",header=T,sep=",")

head(df1)##Xmpgcyldisphpdratwtqsecvsamgearcarb

##1MazdaRX421.061601103.902.6216.50144

##2MazdaRX4Wag21.061601103.902.8817.00144

##3Datsun71022.84108933.852.3218.61141

##4Hornet4Drive21.462581103.083.2119.41031

##5HornetSportabout18.783601753.153.4417.00032

##6Valiant18.162251052.763.4620.21031

#excel中可以保存为csv格式

#如果是csv格式，可以用更简单的函数导入数据

#read.csv中将分隔符设置为","

df2<-read.csv("data1.csv",header=T)

head(df2)##Xmpgcyldisphpdratwtqsecvsamgearcarb

##1MazdaRX421.061601103.902.6216.50144

##2MazdaRX4Wag21.061601103.902.8817.00144

##3Datsun71022.84108933.852.3218.61141

##4Hornet4Drive21.462581103.083.2119.41031

##5HornetSportabout18.783601753.153.4417.000