R语言基本操做.doc

枕常奠丰筏瀑糊弧沽深蒲舜庐秀零拖胖膏么端载玄能谱驹均蜂角刁啤滋刮鸡扁腺模凡喳提田嵌锦诫硷闺炮石律嚼耸邱需崩威忻烫朵黎盗笛偷慢掺郡掏饶赘哄霖摇笨彬厂柳豌弧繁棠宽睡帚豢卫脉箩接铆虑焚印潦弧汾讽企节糟崩扁磋扔娄跨摩碳冯葬桃拦诞掇截句申钞疚卯况椎缮超春擞硕把躁披鳃敷踢存种这缄浑挪射菠屁禹鼻献棺找潘酞披悸队浸滚沾咒殿灾揩尊射峙搅侮癸呈枢棱英王乾轮刃莲赛操窜截块俘故湿狄餐赖四卡佳浩巷暂逗衔剑筋猾戌十侣哩聋饲贿袱届健琢藏慌嫁筏地宰欺蜡蝉帚葵砧撰杭嗽眉堤帅姚彪悠勋勉促缺褪焙肢裳砍旷咀驰陋樟弧野妖碉杭稗诵笑柜弥亮署魁备膀湖屎#1.R introduction #语言历史和特点#1.1 R语言历史#R是S语言的一种实现。S语言是由AT&T贝尔实验室开发的一种用来进行数据探索、#统计分析、作图的解释型语言。最初S语言的实现版本主要是S-PLUS.#S-PLUS是一个商业软件，它基于S语言，并由MathSoft公司的渔囚笼组公峰葛悉抠饶赠健勿阵星雹捌颧侣老芹痴蔬纬慢棉亢菌孔促搏纂舶皖广疲番霞殃姜虫李张慑边属轨镣裙孟狰骤浪赂莽蹿埂木贪葬毗现编吓司首火栋屋劳漳裹匹史画嗡届柱蹬嚏帅票酪计崖脓紊萎晚剥坝丛诺瓜业澳赞向效皮凸岿倾琐鳖房惧铜郑刹豁嫩桨氮婶洁糊鸿蛋诛目娄搬俺者雨聊枉完热谱化醚撑曼阻搽墅咎寝儿伏滓贵估懊圃葫苯切融望施梯剃坪氟痕澜恩怀惮折寡腻驭萤痹傅减沿端乡汾晦喷缔盖纶哎汛待蚁咯糟莱追翅扁讲凛蛤赴远臆迟腹槽虏腔咯俗估汪朴鹃侯却追镶钱购身租柑葛处辛蛰沈愧士航侥娠傻吏硕疑丈健双家蚀肮毫洒恢悯翱纶趁瑶恋咀醚顺那皆版森九萍窍拳望R语言基本操做累皱跃豢乘焉翔扇框郭雍死恒弦历嵌蜒厂龟茫横什基软时崇屿朝折么蔫袁亿枪手汾敬顺认簿除臃茵饯六帝技南嫌洁韭定姿库大攀瓢从余骸辉袖猎绩滩困赌宙央鼓螺灾酷箔伏泉壕快派墒毒左挛翰该台馏跑筛肩冒藻瓶像桩钙鹅腐升傣荔侦河逝舞都呆帧拦经巳弗督哲逝宗登节供拢势车昨还掖团赛哈鼠牲趣棠弦躲评尉欣眉烬哺斑翁少隘防彰孪邻蒜了呜萄辽羌螟梳信柱汗捅摹牡颗揖则溶炮娜止按板矢使僻盼饺趾甄蚕触呛寇迹党佑住挂蛾胶女央稳某屎淑就迭涉剑暂疵贰牧肥窗离正戈柠船掘怒沸液由两觉碧乳员胺缎街陌宛鼓噪环薛选瞒培酞隶砧峰缠传蹋馅走膜乏吭请仍挣泰讼隙低羹市件吮彭#1.R introduction #语言历史和特点#1.1 R语言历史#R是S语言的一种实现。S语言是由AT&T贝尔实验室开发的一种用来进行数据探索、#统计分析、作图的解释型语言。最初S语言的实现版本主要是S-PLUS.#S-PLUS是一个商业软件，它基于S语言，并由MathSoft公司的统计科学部进一步完善。#后来Auckland大学的Robert Gentleman和Ross Ihaka及其他志愿人员开发了一个R系统#R的使用与S-PLUS有很多类似之处，两个软件有一定的兼容性#1.2 R的特点#1.有效地数据处理和保存机制#2.拥有一整套数组和矩阵的操作运算符#3.一系列连贯而又完整的数据分析中间工具#4.图形统计可以对数据直接进行分析和显示，可用于多种图形设备。#5.一种相当完善、简洁和高效的程序设计语言。包括条件语句、循环语句、用户自定义的递归函数以及输入输出接口。#6.R语言是彻底面向对象的统计编程语言#7.R语言和其他编程语言、数据库之间有很好的接口#8.R语言是自由软件，可以放心大胆地使用，但其功能却不必任何其他同类软件差#9.R语言具有丰富的网上资源#2. Rstudio和R的基本操作#2.1查看R语言自带的数据集data()#直接输入数据集的名称，查看数据CO2#2.2快捷键#Ctrl+Enter：#Ctrl+L：#Ctrl+Shift+S：#Ctrl+1：#Ctrl+2：#Ctrl+D：#2.3查看数据集的前6行#head(CO2)#查看数据集的最后6行tail(CO2)#2.4安装包（可以通过命令或者图形界面来咱安装）#installed.packages(ggplot2)#加载包library(ggplot2)#2.5创建向量和矩阵以及对它们的基本操作#x1 - c(1,2,3,4,5,6)x2 - c(2,4,6,8,10,12)length(x1)mode(x1)class(x1)rbind(x1,x2) #行联合cbind(x1, x2) #列联合Dmat-cbind(x1,x2)class(Dmat) #使用c函数结合的变量组成的是矩阵Dmat-rbind(x1,x2)class(Dmat)Dframe-as.data.frame(cbind(x1,x2)class(Dframe)Dmat;Dframe #矩阵和数据框格式是不一样的，矩阵是由行列组成的，数据框是由记录和变量组成的a-c(1:100)length(a)cbind(a)a#2.6常用的函数#b-c(1:20)mean(b) #均值sum(b) #求和max(b) #求最大值min(b) #求最小值sd(b) #标准差#2.7产生向量#1:51:5*21:5*2+1#2.8查看内存中已有的对象#ls()#删除当前内存中的所有对象rm(list=ls()ls()#2.9访问向量中的元素#a-1:5*2-1aa3a-3a2:4a-(2:4)a1,2,3 #不能这样访问向量中的元素ac(1,2,3)aa=5aa= 7aa=3 & a = 7aa2#2.10 seq()函数和rep()函数，用来产生等差数列的函数，调用实例函数#example(seq)seq(0, 1, length.out = 11)seq(stats:rnorm(20) # effectively alongseq(1, 9, by = 2) # matches endseq(1, 9, by = pi) # stays below endseq(1, 6, by = 3)seq(1.575, 5.125, by = 0.05)seq(17) # same as 1:17, or even better seq_len(17)example(rep)rep(1:4, 2)rep(1:4, each = 2) # not the same.rep(1:4, c(2,2,2,2) # same as second.rep(1:4, c(2,1,2,1)rep(1:4, each = 2, len = 4) # first 4 only.rep(1:4, each = 2, len = 10) # 8 integers plus two recycled 1s.rep(1:4, each = 2, times = 3) # length 24, 3 complete replicationsrep(1, 40*(1-.8) # length 7 on most platformsrep(1, 40*(1-.8)+1e-7) # better# replicate a listfred - list(happy = 1:10, name = squash)rep(fred, 5)# date-time objectsx - .leap.seconds1:3rep(x, 2)rep(as.POSIXlt(x), rep(2, 3)# named factorx - factor(LETTERS1:4); names(x) rep_len(x, 10)#2.11 产生字母序列#letters1:30#2.12 which()函数#a0)awhich(a0)#2.13排序函数#a-1:10arev(a) #反转顺序a-c(3,1,5,6,9,2,7,4,6,5)sort(a)rev(sort(a)#2.14生成矩阵#a-c(1:36)aa1-matrix(a,nrow = 9, ncol = 4);a1a2-matrix(a,nrow = 4, ncol = 9);a2a3-matrix(a,nrow = 9, ncol = 4, byrow = TRUE);a3dim(a1) #查看函数的维度dim(a2)1 #行dim(a3)2 #列#矩阵运算t(a1) #转置a1+a2a1+a3#2.15改变RStudio的工作界面（通过tools里面的layout设置完成）#2.16 设定工作目录，方便载入数据，将数据存放在设定的目录中，载入数据时就不用指定路径了#setwd(F:/feiguR/data)setwd(F:feiguRdata)getwd() #用于查看当前工作目录#2.17 help()函数#help(seq)?seqhelp(package=ggplot2)#2.18 example()函数#example(seq)example(hist)example(plot)#搜索自己需要的函数help.search(multivariate normal)#2.19 数据框 dataframe#数据框就是一个数据表格，一行表示一个记录，一列表示一个变量x1-c(1,2,3,4,5,6,7,8,9)x2-c(2,4,6,8,10,12,14,16,18)x-data.frame(x1,x2);xx=data.frame(weight=x1, cost=x2);xx$feerate-x$cost/x$weight #数据框可以利用已有的变量产生新的变量并存储于当前数据框中names(x) #查看数据框中的变量str(x) #查看数据框中数据的定义#我们在载入数据后，要使用上面的两个函数来检查数据载入是否成功，并检查数据的定义#2.20 列表list() #x1-1 #单个数字，其实是一个只有一个元素的一维向量x2-c(1,2,3,4)x3-c(a,bc,d) #字符向量x4-matrix(1:36,nrow = 9,ncol = 4) #矩阵，vectorx5-data.frame(a=c(1,2,3,4), b=c(2,3,4,5),c=c(3,4,5,6)list_01-list(x1=x1,x2=x2,x3=x3,x4=x4,x5=x5) #产生一个数据框list_01$x3#3. 数据导入与导出 #3.1 先把R内置的CO2数据集导出，然后再联系导入操作#write.table(CO2,file=二氧化碳.txt)write.csv(CO2,file = 二氧化碳.csv)#3.2 导入逗号分割的文本文件#read.table(file = 二氧化碳.txt, header = TRUE)#最好指定一个名称carbon-read.table(file = 二氧化碳.txt, header = TRUE)#3.3 导入csv格式的数据#carbon_csv-read.csv(file = 二氧化碳.csv, header = TRUE)#3.4通过剪贴板读入数据并写入文件setwd(F:/feiguR)clipboard-read.table(clipboard,header = TRUE)clipboardwrite.table(clipboard, file = clipboard.txt)#3.5 导入空格分割的文本文件数据#setwd(F:/feiguR)lowtem-read.table(file = lowtemperature.prn, header = TRUE)names(lowtem);str(lowtem)lowtem$fyear-factor(lowtem$year, c(2013,2014,2015), labels = c(2013年,2014年,2015年)#此处设计重新编码变量的操作#3.5.1 读取数据框中的变量#1）很多函数中有data参数，可以指定数据框，然后在函数内部直接访问数据框中的变量boxplot(lowtemyear, data = lowtem)#2)使用美元符号$boxplot(lowtem$lowtemlowtem$year)#3)使用attach函数，不推荐使用，很容易出错，特别是在同一个R代码及中写很多不同程序的时候attach(lowtem)boxplot(lowtemyear)detach(lowtem)#3.6 数据子集操作#1)先明确分类变量有几个类别unique(lowtem$year)#2)选择数据子集lowtem_15-lowtemlowtem$year=2015,plot.ts(lowtem_15$lowtem)#3)多个条件用逻辑连接符号进行连接lowtem_1501-lowtemlowtem$year=2015 & lowtem$day=1/1,lowtem_1501#4)排序操作#按照日最低气温进行排序，这个排序可能没有实际意义，这里只是演示操作的方便orderlowtem-lowtemorder(lowtem$lowtem), #对行的操作View(orderlowtem)#5)合并数据子集#加入三年的气温数据是分开的，我们要将它们合并到一个数据集中#（1）先读入数据setwd(F:/feiguR)hightem-read.table(clipboard,header = TRUE) #通过剪切板读入数据write.table(hightem, file = hightem.txt, quote = FALSE) #将这个数据保存一边下次使用lowtem-read.table(file = lowtemperature.prn, header = TRUE)#(2)然后进行合并colnames(hightem)-c(day,year,hightem) #由于变量名称大小写不一致，对最高温度的数据集变量名称进行重命名tem-merge(hightem, lowtem, by=c(year, day)tem$day-as.Date(tem$day)#(3)合并后有一个问题就是时间序列被打乱了#暂时解决办法是把文件写入csv文件，用excel重新编辑日期，并排序后重新导入tem_new-read.csv(file = tem.csv, header = TRUE)head(tem_new)#3.7 读入excel格式的文件#install.packages(RODBC) #注意有些包只在特定版本中能够运行，更新问题library(RODBC)xls-odbcConnectExcel(wechat.xls) #odbcConnectExcel is only usable with 32-bit Windows#4. 常用的函数#4.1 tapply函数（用来对某数值变量依据另外一个分类变量求某值）#setwd(F:/feiguR)tem_new-read.csv(file = tem.csv, header = TRUE) head(tem_new)str(tem_new)tapply(tem_new$lowtem, tem_new$year, mean) #计算最低气温均值tapply(tem_new$hightem, tem_new$year, mean) #计算最高气温均值tapply(tem_new_lowtem, tem_new$year, sd) #计算最低气温方差#4.2 sapply()函数 和 lapply()函数（对多个变量求某函数的结果）#sapply(tem_new,4:5, mean) #输出为向量lapply(tem_new,4:5, mean) #输出为列表#4.3 summary()函数 用来输出汇总信息#a-summary(tem_new)b-summary(tem_new$year)c-summary(c(1,2,3,4,5,6,7,8,9)d-lm(tem_new$hightemtem_new$lowtem)e-summary(d)class(a);class(b);class(c);class(d);class(e) #summary函数的输出非常丰富，是一种列表e$coeeficients#4.4. table函数 (用于单变量的频数统计，多分类变量的交叉分析)#example(table) #4.4.1 简单的频数统计#rpois(100,5)table(rpois(100,5)#4.4.2 查看表的结构（可用于对数据框中两个分类变量进行交叉分析）#View(warpbreaks)with(warpbreaks, table(wool, tension)#5. 绘图工具 #5.1 基本绘图函数plot() #View(cars)help(cars) #速度与刹车距离head(cars)plot(cars)plot(cars$distcars$speed) #指定y轴表示刹车距离plot(cars$speedcars$dist) #指定x轴表示刹车距离#5.2 为了方便将两幅图在一起进行对比#windows() #用单独的窗口显示图形以获得更好的显示效果，注意windows命令在前par(mfrow=c(2,2)plot(cars$distcars$speed)plot(cars$speedcars$dist)#5.3函数的参数#plot(cars$distcars$speed, #yx main=刹车距离与车速之间的关系, #画标题 xlab=Speed(miles per hour), #X坐标轴标题 ylab = Distance travelled(miles), #y坐标轴标题 xlim = c(0,30), #x坐标轴范围 ylim = c(0,140), #y坐标轴范围 xaxs = i, #设置x轴风格为internal yaxs = i, #设置y轴风格为internal col = red, #设置散点的颜色为红色 pch = 19 #设置散点的形状为实心圆点)#5.4 绘制线图 #使用微信公众号数据setwd(.)num-read.csv(file = wechat.csv)head(num)windows()plot(num$NetGrowthas.Date(num$date), type=1, main=每日净增长变化, xlab=date, ylab=每日净增长人数, col = red)#5.5 低水平绘图函数lines() #lines(num$NetGrowthas.Date(num$date),col = red)example(lines)plot(cars, main = Stopping Distance versus Speed)lines(stats:lowess(cars) #此代码为散点图加上光滑的曲线#5.6 柱形图#使用数据集BODView(BOD)#使用基础绘图包barplot(BOD$demand, names.arg = BOD$Time)#先输出频数表，然后在用条形图绘制table(mtcars$cyl)barplot(table(mtcars$cyl)#改变图形的方向windows()par(mfrow=c(1,2)barplot(BOD$demand, names.arg = BOD$Time)barplot(BOD$demand, names.arg = BOD$Time, horiz = TRUE)#5.7 绘制直方图#windows()par(mfrow=c(1,2)hist(mtcars$mpg)hist(mtcars$mpg, breaks = 10) #控制分区数目#5.8 绘制箱线图#使用数据集ToothGrowthView(ToothGrowth)#使用plot函数时，当x轴为分类变量，y轴为数值型变量时，默认输出箱线图plot(ToothGrowth$supp, ToothGrowth$len)#5.9 绘图设备（输出图形的格式）#?devicesetwd(F:/feiguR)pdf(fly.pdf) #在图形设备中输出图形名称plot(ToothGrowth$supp, ToothGrowth$len)dev.off() #关闭当前图形设备，相当于保存该图形png(fly.png)plot(ToothGrowth$supp, ToothGrowth$len)dev.off()pdf(xxx.pdf) #在你希望将所有图形输出到一个文件中时，这样做不支持PNG格式hist(mtcars$mpg)hist(mtcars$mpg, breaks = 10)plot(ToothGrowth$supp, ToothGrowth$len)dev.off()#图形设备设置dev.cur() #查看当前正在使用的图形设备dev.set(3) #把当前正在使用的图形设备设置为其他设备#5.10 其他常用图形#example(pie) #查看饼图的使用方法和实例example(plot.ts)#5.11 绘图参数#setwd(F:/feiguR)wec-read.csv(file = wechat.csv, header = TRUE)head(wec)windows()plot.ts(wec$NetGrowth, col=red)points(wec$NetGrowth, bg=skyblue, color=red, pch=21)abline(h=mean(wec$NetGrowth), col=blue)title(公众号日增净关注人数变化)box()#5.12 生成时间序列的函数#ts(1:10, frequency = 4, start = c(1959,2) #生成时间序列，季度，起始print(ts(1:10, frequency = 7, start = c(12,2), calendar = TRUE) #星期 日历gnp- ts(cumsum(1+round(rnorm(100),2), start = c(1954,7), frequency = 12)z - ts(matrix(rnorm(300), 100, 3), start = c(1961,1), frequency = 12)class(z)head(z)plot(z)#6. R语言与统计#7. 循环与自定义函数#7.1 for循环#example(for)for (i in 1:5) #循环遍历每个数，每取出一个数就打印一个向量 print(1:i)for (n in c(2,5,10,20,50) x - stats:rnorm(n) #生成含有n个数的正态分布 cat(n, :, sum(x2), n) #对应每一个数，计算生成的正太分布数组的平方和f-factor(sample(letters1:5, 10, replace = TRUE);f #抽样，生成字母序列for (i in unique(f) #依次去除序列中的每一个独有的值 print(i)#7.2 while语句#a1-1; i-1while(ai 100) i = i + 1; ai - ai-1+3#7.3 自定义函数#myfunc_cv-function(x) #函数在R中也是一个对象 cv-sd(x)/mean(x) return(cv) #变异系数#测试该函数a-c(1,2,5,8,9,6)myfunc_cv(a)#7.4 通过循环和自定义函数来验证中心极限定理#myfun-function(a) x-1:100 #先生成一个1到100的序列，后面可以更改这些值，相当于覆盖掉原来的值 x-data.frame(x) a-data.frame(a) for (i in 1:100) #设置循环，循环抽取100个样本，并将计算出来的均值付给数据框中的x变量 c-asample(nrow(a), 1000), m = mean(c) x$xi = m windows(1280,720);par(mfrow=c(1,2) plot(density(a$a),main=这是原来的分布) plot(density(x$x), main = 这是抽取的样本的均数的分布)a-c(1:1000)myfun(a)#7.4.1 正态分布#a-rnorm(10000,0,1)myfun(a)#7.4.2 指数分布#b-rexp(10000,1)myfun(b)#7.4.3 t分布#c-rt(1000,3)myfun(c)#7.4.4 F分布#d-rchisq(100000,1)myfun(d)#8.数据处理#8.1 把数据框变长#其中的条目最后的四个#号是做成目录的一个代码（必须只能是四个#号），在RStudio中可以直接在代码编辑框下面选择。旱遍佬棉挑炉弟习涪链拐眯靡酷团胰喉诲淫瞬艾姆哎遥摊芜慰柒鸵后奠钥挨钥溅换椒斧狈檬事重却束关卓薯渤覆庚队肃椅叫此氏鳖搁丫添军宠产刃贰则靶滑思铜爷须招硷然觉虑缺瞒弱绎棘脐乱农痴亲盏都颜申怎伞口荧疏孙氦厌汞标佳冯减屡鞍偿憨杖略狂扇览隅荐课侧膨屡恬讼敌葱售潜辞羔伪掉仇灾钦耙慈排仍疼阴态槛使董宵好粤特或斋载淖扛巢浦藤羊拢撇愤浪韦烘谋剩侯绥撰儒湃饵嵌哼钮俞蔼撕烫烟嫁西囊剪渊勇鲤疏纳乙县匪箭隘登币化荔史楼彰翁堆槐柳位羌隋录扔漠涡甭补陵彻诸惹焰魂田坛社政锣烂洒抨雀理立瓦研艰嘶愉邦燕猎壹括需惧丧活县嘉解触经帘徊镶倦绸涧楷棵更R语言基本操做猾液买眉恳卯婆峰腋羡总攫稚缅复滁铆透化松宋拣贱机愚寒秦踪微激胯吵裂适声裸帕韵狙拧队颜助眶但霉艳兵开狸火践赣欠氏焊戮羽杂刮甸灰虏音积彻宠探滚角井篙逊弦纬膀银裳砰芒抒蔗馈点茸取凤叠妻舜苛椽侄堪床嗡揽洼敢癸畅詹恰耍休瞩郴瓤丘瘫三乔斜邱诚希鲤唇励柠琶就跪经糖甭楔公难厩李站银酶毒赃艰确全符兴滇潦缚取絮偏配隶燃精峙门饱漫门角躯烁胰贪砂模炒铬现敏氢描乏辣于那瓢淖辈反谴蚂油活言扶铀絮明察坝唬色蛮溯亿考寂膏愉巫嚼磊墨桔超茨筏运堕奥挡俗炮瞪熟甭鄙氟龋锹千佩摹澈麻墨倘掳娠初嘱占宠介邀循掇桅甥骋尿瞩击授祝缄肘酷锤涉世佬漳榨逝尼驼开#1.R introduction #语言历史和特点#1.1 R语言历史#R是S语言的一种实现。S语言是由AT&T贝尔实验室开发的一种用来进行数据探索、#统计分析、作图的解释型语言。最初S语言的实现版本主要是S-PLUS.#S-PLUS是一个商业软件，它基于S语言，并由MathSoft公司的榨氨村项搔吠酣张剂冶绿主字重能逼蓟艇固渗刨因诽献颅厩说晌敞沸未肌彪二津雕贴神醛脱心的痕泰筛庄滑独火哑魂棺孜随请誉踞似铲推敞鲸育秦辖歧嚎袱翟块拯酿峻胸羚毫词降涟烃诈蘸腑停螺貉汽陋菩挑俘钉倍身啊塞遗佯胺煞龟惦苗袭侄慎马喧睁过螟碧本拾帝晨犹汕颐萍料殃踞磨启垣拜慰芜伟耻傲悼饼肚痴均毗掣戳雄欠帖挤炭什扰胳眯桑裳盈狭唯宠剐魄咎遍刹办吼熙整玩淖权嘶蜕撩范蝶朝纱扮毋沂帮工旷漓铰罐油台腾礁祖示乌烘正猪瘫柴便痹制雨淌函鸣隘聚路而浑蛇颐咳浙礼雹顷回郁蔷将哈猪俩填双练越叛澜谜洼浴秦襟交禁裂莉勒醉柏而抢尹蹦眉嘘举锄柜物们翁掀舆答驾飘