15 KiB
评论以 # 开始
R 语言原生不支持 多行注释
但是你可以像这样来多行注释
在窗口里按回车键可以执行一条命令
###################################################################
不用懂编程就可以开始动手了
###################################################################
data() # 浏览内建的数据集 data(rivers) # 北美主要河流的长度（数据集） ls() # 在工作空间中查看「河流」是否出现 head(rivers) # 撇一眼数据集
735 320 325 392 524 450
length(rivers) # 我们测量了多少条河流？
141
summary(rivers)
Min. 1st Qu. Median Mean 3rd Qu. Max.
135.0 310.0 425.0 591.2 680.0 3710.0
stem(rivers) # 茎叶图（一种类似于直方图的展现形式）
The decimal point is 2 digit(s) to the right of the |
0 | 4
2 | 011223334555566667778888899900001111223333344455555666688888999
4 | 111222333445566779001233344567
6 | 000112233578012234468
8 | 045790018
10 | 04507
12 | 1471
14 | 56
16 | 7
18 | 9
20 |
22 | 25
24 | 3
26 |
28 |
30 |
32 |
34 |
36 | 1
stem(log(rivers)) # 查看数据集的方式既不是标准形式，也不是取log后的结果! 看起来，是钟形曲线形式的基本数据集
The decimal point is 1 digit(s) to the left of the |
48 | 1
50 |
52 | 15578
54 | 44571222466689
56 | 023334677000124455789
58 | 00122366666999933445777
60 | 122445567800133459
62 | 112666799035
64 | 00011334581257889
66 | 003683579
68 | 0019156
70 | 079357
72 | 89
74 | 84
76 | 56
78 | 4
80 |
82 | 2
hist(rivers, col="#333333", border="white", breaks=25) # 试试用这些参数画画 （译者注：给 river 做统计频数直方图，包含了这些参数：数据源，颜色，边框，空格） hist(log(rivers), col="#333333", border="white", breaks=25) #你还可以做更多式样的绘图
还有其他一些简单的数据集可以被用来加载。R 语言包括了大量这种 data()
data(discoveries) plot(discoveries, col="#333333", lwd=3, xlab="Year", main="Number of important discoveries per year")
译者注：参数为（数据源，颜色，线条宽度，X 轴名称，标题）
plot(discoveries, col="#333333", lwd=3, type = "h", xlab="Year", main="Number of important discoveries per year")
除了按照默认的年份排序，我们还可以排序来发现特征
sort(discoveries)
[1] 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2
[26] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3
[51] 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4
[76] 4 4 4 4 5 5 5 5 5 5 5 6 6 6 6 6 6 7 7 7 7 8 9 10 12
stem(discoveries, scale=2) # 译者注：茎叶图（数据，放大系数）
The decimal point is at the |
0 | 000000000
1 | 000000000000
2 | 00000000000000000000000000
3 | 00000000000000000000
4 | 000000000000
5 | 0000000
6 | 000000
7 | 0000
8 | 0
9 | 0
10 | 0
11 |
12 | 0
max(discoveries)
12
summary(discoveries)
Min. 1st Qu. Median Mean 3rd Qu. Max.
0.0 2.0 3.0 3.1 4.0 12.0
#基本的统计学操作也不需要任何编程知识
#随机生成数据 round(runif(7, min=.5, max=6.5))
译者注：runif 产生随机数，round 四舍五入
1 4 6 1 4 6 4
你输出的结果会和我们给出的不同，除非我们设置了相同的随机种子 random.seed(31337)
#从标准高斯函数中随机生成 9 次 rnorm(9)
[1] 0.07528471 1.03499859 1.34809556 -0.82356087 0.61638975 -1.88757271
[7] -0.59975593 0.57629164 1.08455362
#########################
基础编程
#########################
数值
#“数值”指的是双精度的浮点数 5 # 5 class(5) # "numeric" 5e4 # 50000 # 用科学技术法方便的处理极大值、极小值或者可变的量级 6.02e23 # 阿伏伽德罗常数# 1.6e-35 # 布朗克长度
长整数并用 L 结尾
5L # 5 #输出5L class(5L) # "integer"
可以自己试一试？用 class() 函数获取更多信息
事实上，你可以找一些文件查阅 xyz 以及xyz的差别
xyz 用来查看源码实现，?xyz 用来看帮助
算法
10 + 66 # 76 53.2 - 4 # 49.2 2 * 2.0 # 4 3L / 4 # 0.75 3 %% 2 # 1
特殊数值类型
class(NaN) # "numeric" class(Inf) # "numeric" class(-Inf) # "numeric" # 在以下场景中会用到 integrate( dnorm(x), 3, Inf ) -- 消除 Z 轴数据
但要注意，NaN 并不是唯一的特殊数值类型……
class(NA) # 看上面 class(NULL) # NULL
简单列表
c(6, 8, 7, 5, 3, 0, 9) # 6 8 7 5 3 0 9 c('alef', 'bet', 'gimmel', 'dalet', 'he') c('Z', 'o', 'r', 'o') == "Zoro" # FALSE FALSE FALSE FALSE
一些优雅的内置功能
5:15 # 5 6 7 8 9 10 11 12 13 14 15
seq(from=0, to=31337, by=1337)
[1] 0 1337 2674 4011 5348 6685 8022 9359 10696 12033 13370 14707
[13] 16044 17381 18718 20055 21392 22729 24066 25403 26740 28077 29414 30751
letters
[1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" "p" "q" "r" "s"
[20] "t" "u" "v" "w" "x" "y" "z"
month.abb # "Jan" "Feb" "Mar" "Apr" "May" "Jun" "Jul" "Aug" "Sep" "Oct" "Nov" "Dec"
Access the n'th element of a list with list.name[n] or sometimes list.namen
使用 list.name[n] 来访问第 n 个列表元素，有时候需要使用 list.namen
letters[18] # "r" LETTERS[13] # "M" month.name[9] # "September" c(6, 8, 7, 5, 3, 0, 9)[3] # 7
字符串
字符串和字符在 R 语言中没有区别
"Horatio" # "Horatio" class("Horatio") # "character" substr("Fortuna multis dat nimis, nulli satis.", 9, 15) # "multis " gsub('u', 'ø', "Fortuna multis dat nimis, nulli satis.") # "Fortøna møltis dat nimis, nølli satis."
逻辑值
布尔值
class(TRUE) # "logical" class(FALSE) # "logical"
和我们预想的一样
TRUE == TRUE # TRUE TRUE == FALSE # FALSE FALSE != FALSE # FALSE FALSE != TRUE # TRUE
缺失数据（NA）也是逻辑值
class(NA) # "logical" #定义NA为逻辑型
因子
因子是为数据分类排序设计的（像是排序小朋友们的年级或性别）
levels(factor(c("female", "male", "male", "female", "NA", "female"))) # "female" "male" "NA"
factor(c("female", "female", "male", "NA", "female"))
female female male NA female
Levels: female male NA
data(infert) # 自然以及引产导致的不育症 levels(infert$education) # "0-5yrs" "6-11yrs" "12+ yrs"
变量
有许多种方式用来赋值
x = 5 # 这样可以 y <- "1" # 更推荐这样 TRUE -> z # 这样可行，但是很怪
#我们还可以使用强制转型 as.numeric(y) # 1 as.character(x) # "5"
循环
for 循环语句
for (i in 1:4) { print(i) }
while 循环
a <- 10 while (a > 4) { cat(a, "...", sep = "") a <- a - 1 }
记住，在 R 语言中 for / while 循环都很慢
建议使用 apply()（我们一会介绍）来错做一串数据（比如一列或者一行数据）
IF/ELSE
再来看这些优雅的标准
if (4 > 3) { print("Huzzah! It worked!") } else { print("Noooo! This is blatantly illogical!") }
=>
[1] "Huzzah! It worked!"
函数
定义如下
jiggle <- function(x) { x + rnorm(x, sd=.1) #add in a bit of (controlled) noise return(x) }
和其他 R 语言函数一样调用
jiggle(5) # 5±ε. 使用 set.seed(2716057) 后， jiggle(5)==5.005043
#########################
数据容器：vectors, matrices, data frames, and arrays
#########################
单维度
你可以将目前我们学习到的任何类型矢量化，只要它们拥有相同的类型
vec <- c(8, 9, 10, 11) vec # 8 9 10 11
矢量的类型是这一组数据元素的类型
class(vec) # "numeric"
If you vectorize items of different classes, weird coercions happen
#如果你强制的将不同类型数值矢量化，会出现特殊值 c(TRUE, 4) # 1 4 c("dog", TRUE, 4) # "dog" "TRUE" "4"
#我们这样来取内部数据，（R 的下标索引顺序 1 开始） vec[1] # 8
我们可以根据条件查找特定数据
which(vec %% 2 == 0) # 1 3
抓取矢量中第一个和最后一个字符
head(vec, 1) # 8 tail(vec, 1) # 11 #如果下标溢出或不存会得到 NA vec[6] # NA
你可以使用 length() 获取矢量的长度
length(vec) # 4
你可以直接操作矢量或者矢量的子集
vec * 4 # 16 20 24 28 vec[2:3] * 5 # 25 30
这里有许多内置的函数，来表现向量
mean(vec) # 9.5 var(vec) # 1.666667 sd(vec) # 1.290994 max(vec) # 11 min(vec) # 8 sum(vec) # 38
二维（相同元素类型）
#你可以为同样类型的变量建立矩阵 mat <- matrix(nrow = 3, ncol = 2, c(1,2,3,4,5,6)) mat
=>
[,1] [,2]
[1,] 1 4
[2,] 2 5
[3,] 3 6
和 vector 不一样的是，一个矩阵的类型真的是 「matrix」，而不是内部元素的类型
class(mat) # => "matrix"
访问第一行的字符
mat[1,] # 1 4
操作第一行数据
3 * mat[,1] # 3 6 9
访问一个特定数据
mat[3,2] # 6
转置整个矩阵（译者注：变成 2 行 3 列）
t(mat)
=>
[,1] [,2] [,3]
[1,] 1 2 3
[2,] 4 5 6
使用 cbind() 函数把两个矩阵按列合并，形成新的矩阵
mat2 <- cbind(1:4, c("dog", "cat", "bird", "dog")) mat2
=>
[,1] [,2]
[1,] "1" "dog"
[2,] "2" "cat"
[3,] "3" "bird"
[4,] "4" "dog"
class(mat2) # matrix
Again, note what happened!
注意
因为矩阵内部元素必须包含同样的类型
所以现在每一个元素都转化成字符串
c(class(mat2[,1]), class(mat2[,2]))
按行合并两个向量，建立新的矩阵
mat3 <- rbind(c(1,2,4,5), c(6,7,0,4)) mat3
=>
[,1] [,2] [,3] [,4]
[1,] 1 2 4 5
[2,] 6 7 0 4
哈哈，数据类型都一样的，没有发生强制转换，生活真美好
二维(不同的元素类型)
利用 data frame 可以将不同类型数据放在一起
dat <- data.frame(c(5,2,1,4), c("dog", "cat", "bird", "dog")) names(dat) <- c("number", "species") # 给数据列命名 class(dat) # "data.frame" dat
=>
number species
1 5 dog
2 2 cat
3 1 bird
4 4 dog
class(dat$number) # "numeric" class(dat[,2]) # "factor"
The data.frame() function converts character vectors to factor vectors
data.frame() 会将字符向量转换为 factor 向量
有很多精妙的方法来获取 data frame 的子数据集
dat$number # 5 2 1 4 dat[,1] # 5 2 1 4 dat[,"number"] # 5 2 1 4
多维（相同元素类型）
利用数组创造一个 n 维的表格
You can make a two-dimensional table (sort of like a matrix)
#你可以建立一个2维表格（类型和矩阵相似） array(c(c(1,2,4,5),c(8,9,3,6)), dim=c(2,4)) #数组(c(c(1,2,4,5),c(8,9,3,6)),有前两个向量组成，2行4列
=>
[,1] [,2] [,3] [,4]
[1,] 1 4 8 3
[2,] 2 5 9 6
You can use array to make three-dimensional matrices too
#你也可以利用数组建立一个三维的矩阵 array(c(c(c(2,300,4),c(8,9,0)),c(c(5,60,0),c(66,7,847))), dim=c(3,2,2))
=>
, , 1
[,1] [,2]
[1,] 2 8
[2,] 300 9
[3,] 4 0
, , 2
[,1] [,2]
[1,] 5 66
[2,] 60 7
[3,] 0 847
LISTS (MULTI-DIMENSIONAL, POSSIBLY RAGGED, OF DIFFERENT TYPES)
#列表（多维的，不同类型的）
Finally, R has lists (of vectors)
#R语言有列表的形式 list1 <- list(time = 1:40) list1$price = c(rnorm(40,.5*list1$time,4)) # random list1
You can get items in the list like so
#你可以获得像上面列表的形式 list1$time
You can subset list items like vectors
#你也可以获取他们的子集，一种类似于矢量的形式 list1$price[4]
#########################
The apply() family of functions
#apply()函数家族的应用 #########################
Remember mat?
#输出mat矩阵 mat
=>
[,1] [,2]
[1,] 1 4
[2,] 2 5
[3,] 3 6
Use apply(X, MARGIN, FUN) to apply function FUN to a matrix X
#使用(X, MARGIN, FUN)将一个function功能函数根据其特征应用到矩阵x中
over rows (MAR = 1) or columns (MAR = 2)
#规定行列，其边界分别为1,2
That is, R does FUN to each row (or column) of X, much faster than a
#即就是，R定义一个function使每一行/列的x快于一个for或者while循环
for or while loop would do
apply(mat, MAR = 2, myFunc)
=>
[,1] [,2]
[1,] 3 15
[2,] 7 19
[3,] 11 23
Other functions: ?lapply, ?sapply
其他的功能函数，
Don't feel too intimidated; everyone agrees they are rather confusing
#不要被这些吓到，许多人在此都会容易混淆
The plyr package aims to replace (and improve upon!) the *apply() family.
#plyr程序包的作用是用来改进family函数家族
install.packages("plyr") require(plyr) ?plyr
#########################
Loading data
#########################
"pets.csv" is a file on the internet
#"pets.csv" 是网上的一个文本 pets <- read.csv("http://learnxinyminutes.com/docs/pets.csv") #首先读取这个文本 pets head(pets, 2) # first two rows #显示前两行 tail(pets, 1) # last row #显示最后一行
To save a data frame or matrix as a .csv file
#以.csv格式来保存数据集或者矩阵 write.csv(pets, "pets2.csv") # to make a new .csv file #输出新的文本pets2.csv
set working directory with setwd(), look it up with getwd()
#改变工作路径setwd()，查找工作路径getwd()
Try ?read.csv and ?write.csv for more information
#试着做一做以上学到的，或者运行更多的信息
#########################
Plots
#画图 #########################
Scatterplots!
#散点图 plot(list1$time, list1$price, main = "fake data") #作图，横轴list1$time，纵轴list1$price，主题fake data
Regressions!
#退回 linearModel <- lm(price ~ time, data = list1)
线性模型，数据集为list1，以价格对时间做相关分析模型
linearModel # outputs result of regression #输出拟合结果，并退出
Plot regression line on existing plot
#将拟合结果展示在图上，颜色设为红色 abline(linearModel, col = "red")
Get a variety of nice diagnostics
#也可以获取各种各样漂亮的分析图 plot(linearModel)
Histograms!
#直方图 hist(rpois(n = 10000, lambda = 5), col = "thistle") #统计频数直方图（）
Barplots!
#柱状图 barplot(c(1,4,5,1,2), names.arg = c("red","blue","purple","green","yellow")) #作图，柱的高度负值c(1,4,5,1,2），各个柱子的名称"red","blue","purple","green","yellow"
Try the ggplot2 package for more and better graphics
#可以尝试着使用ggplot2程序包来美化图片 install.packages("ggplot2") require(ggplot2) ?ggplot2