R语言课件(简略版).ppt

1、a，1，R语言，aR语言，2，目录，第1章，网络和R的基本知识介绍，第2章，R语言基础，第3章，数据存储和阅读，第4章，R的图形功能，第5章，R编程，第6章，综合示例，aR语言，3，第2章，R语言基础，1，简短的R对话，2，R基本语法，3，R数据结构，aR语言，4，4，R语言Mtcars mtcar:辆汽车的11个索引(1973-1977，aR语言，5，1，短R会话，数据浏览所有数据mtcars 前6个观察头(mtcars) 后6个观察尾(mtcars)，aR语言，6，1，短R会话，数据编辑方法1:数据输入(mtcars)方法2修复()结果保存到mtcars。aR语言，7，1，一个简短的R会话

2、，浏览变量信息，例如，mpg首先激活数据集MT CARS Attach(MT CARS)MPG121.0 21.0 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 17.8 16.4 17.3 15.21510.4 10.4 14.7 32.4 30.4 33.9 21.=不等于比较运算的结果是逻辑常数真和假。aR语言，11，5，逻辑运算符1)！x逻辑不是当前逻辑值的反转。2)x模式(比较)-真；模式(z)-1i 1字符2逻辑3复杂，数据结构的AR语言，21，3和R语言，思考问题：下面的数据不是数字数据是()。a . 123 b . 12.3 c 123 d .

3、 12e 2.3以下数据属于字符类型()。如果下列字符分隔符使用错误()。下面是逻辑数据()。信息是()类型的数据。数字型数据结构，数字型数据结构，字符型数据结构，逻辑型数据结构，ar语言，22，3和r语言，统计示例：一家保险公司随机抽取了36名被保险人组成的样本，得到了每个被保险人的年龄(年龄)数据，如表所示。尝试确定被保险人平均年龄的90%的置信区间。aR语言，23，3，R语言数据结构，注意：置信区间是指数据可靠性的范围。90%指的是信心水平。置信水平下的置信区间公式为：x的平均值减去普通置信水平正态分布的临界值乘以样本标准差与样本数之差。90%-=1.645 95%-=1.96 99%-

4、=2.58，AR语言，数据结构24，3和R语言，X-C (23，35，39，27，36 49，38，34，48，50，34，39，45，48，45，32)m-均值(X)s-SD(X)Z1-m 1.645 *(s/sqrt(36)z2-Cseq(n1，n2，by=n3，length=n4) #生成从n1到n2的矢量，n3是步长，n4是生成元素的数量seq(1) 10) 1 1 2 3 4 5 6 7 8 9 10 seq(1，5，by=0.5)11.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5 5 5.0 seq(1，10，Length=11) 1 1.0 1.9 2.8 3.

5、7 4 rep(n1，n2) #生成向量REP (2，3)1222 REP(133)2)11 2 3 4 5 1 2 3 4 5 Rep(1:5，1:5)11 2 2 3 4 4 4 5 5 Rep(1:5，Rep (2，5)11 1 2 3 3 4 5 5，AR语言，31，3，4 5。 4.c() #直接输出矢量x=c(42，7，64，9)长度(x) 5。scan() #通过键盘构建矢量。扫描()1: 1 3 6 8 #在这一行末尾键入空格，然后输入53360 #冒号，然后直接输入Read 4 items 1 1 3 6 8，aR语言3。R语言的数据结构，6。序列(n1) #生成载体序列(5

6、) 1 1 23 45序列(c (5，5) 1 1 23 45 1 23 45序列(c (5，4)11 23 45 12 A . 5:1 b . 6-1:5 c . seq(1，5，by=-1)d . 6-序列(5)以下()不能生成载体(1 1 23 45 1 23 45)。代表(1:5，2) B序列(代表(5，2)C 1:10% % 6D .(0:9% % 5)1，AR语言的数据结构，34，3，R语言，2)数值向量的运算向量的运算方法如下(2)向量的幂()和平方(sqrt)是各元素的幂和平方，也适用于对数、exp、sin、cos、tan等常见的运算函数；(3)将相同长度的向量的加、减、乘、除

7、相加、减、乘、除分成相应的元素；(4)不同长度向量的加、减、乘、除符合循环规则，但需要注意的是，在这种情况下，向量长度通常要求是倍数，否则会出现警告：“长向量不是短向量的整数倍”。aR语言，35的数据结构，3，R语言，循环规则：相同表达式中的向量不需要具有相同的长度。如果它们的长度不同，则表达式的结果是一个向量，其长度与表达式中最长的向量相同。表达式中较短的向量将根据其长度重复使用几次(不一定是整数次)，直到它匹配最长的向量，并且常数将连续重复。aR语言，数据结构36，3，r语言，sqrt(c(2，4，25)11.414214 2.000000 5.000000 1:2 1:412 4 6 1

8、:4 1:712 4 6 8 6 8 10警告消息：In 1:4 1:7 :长对象长度在-1和1之间波动，其绝对值越接近1，两个变量之间的线性相关性就越接近。示例：分析树数据集中树高和木材体积之间的相关性。(1)绘制散点图(2)计算相关系数值。aR语言，39，3，R语言数据结构，3)建立字符向量1。c)直接输入向量，例如：c(a ， B ，1，1e2，TRUE) #数字和逻辑数据被强制转换成字符串1 A B 1 100它们被依次组合成字符串。默认情况下，每个字符串由一个空格分隔，可以通过sep=string将其更改为其他字符，包括空字符串。粘贴( A ， 1) 1 a 1 粘贴(c(a ， b

9、 ， 1) 1 a 1 b 1 粘贴(c(a ， b )，c(1 ， 2 )1 A 1 b 2 粘贴( app ， le ，Sep=)1 apple ，AR语言，41，3和R语言的数据结构，例如Z-C (Green ， Blue Sky ，-99 )粘贴(1:12)粘贴( A ，1336012)rep() #生成重复向量，如：rep (c(真，假)，2) 1真假真假3。由运算生成的如：1:53 1假假假真，AR语言，44的数据结构，3，R语言，5)建立因子向量A因子或因子向量不仅包括分类变量本身，还包括不同可能层次的变量。因子(x，等级=排序(唯一(x)，na。last=true)，label

10、s=levels，exclude=na，ordered=is。有序(x):这里x可以是数字或字符向量。级别用于指定因子的级别(默认值是向量x中的不同值)；标签用于指定级别的名称；Exclude表示从向量x中排除的水平值；有序是一个逻辑选项，用于指定因素的级别是否有序。ar语言，45，3，r语言的数据结构，(1)将字符向量转换为因子aa的数据结构a 1绿色蓝色绿色黄色等级：蓝色绿色黄色，ar语言，46，3，r语言，(2)将数字向量转换为因子bb 1 1，2，3，1等级： 1 2 3因子(rep (1:5，2) 1 1 2 3 4 5 1 2 3 4 5等级： 1 2 3 4 5，aR语言，47

11、3和R语言的数据结构，(3)将字符类型因子转换成数字类型因子a a等级(a) a 1 2123等级3360 1234 ff1123等级3360 123，AR语言，48，3，R语言数据结构，(4)将数字因子转换成字符因子b等级(b) b 1低中高低等级：低中高ff 1 a b c等级： a b c注：函数等级增强现实语言、49、3和R语言的数据结构，如增强现实语言1 24级： 23 45级(FF)1“2”3“4”5”，增强现实语言、50、3和R语言，(5)函数gl()可以生成规则因子。用法是gl(k，n，长度=生成数据的数量，标签=每个水平因子的名称)，其中k是级别的数量，n是每个级别的重复次数

12、。示例总帐(3，5)11 1 1 1 1 2 2 2 2 3 3 3 3 3级： 1 2 3，AR语言，数据结构51，3和R语言，总帐(3，5，长度=30)总帐(2，6，标签=C(“男性”，“女性”)。1，length=20) GL (2，2，length=20)，aR语言，52，aR语言，53，AR语言，54，3，R语言数据结构，6)提取下标和向量子集选择向量子集可以通过在其名称后的方括号中附加索引向量来完成。(1)正整数向量x1:10选择x的前10个元素(假设x的长度不小于10)。Xc(1，4)取出向量X的第一个和第四个元素.Xx 2 y水果名称(水果)水果午餐，ar语言，数据结构56，3和r语言，(4)逻辑向量x X10 x X10