R语言学习详解.docx

R语言学习详解.docx

《R语言学习详解.docx》由会员分享，可在线阅读，更多相关《R语言学习详解.docx（24页珍藏版）》请在冰豆网上搜索。

R语言学习详解

给出数据集mtcars的基本信息。

?

mtcars#显示数据集mtcars的详细信息

Mtcars#显示数据集mtcars的全部32个观测值

head（mtcars）#显示数据集mtcars中前6个观测值

tail（mtcars）#显示数据集mtcars中后6个观测值

names（mtcars）#显示数据集mtcars中的变量

data.entry（mtcars）#浏览和修改mtcars数据集

浏览和修改mtcars数据集

mtcars<-edit（mtcars）#修改数据后，存入同名数据集

MTcars<-edit（mtcars）#修改数据后，存入新数据集

xnew<-edit（data.frame（））#编辑生成新的数据集xnew

比较下列命令区别：

x<-c（10.4,5.6,3.1,6.4,21.7）#建立数据向量

1、data.entry（x）#打开数据编辑器修改数据

2、edit（x）#打开R编辑器修改数据

直接修改mtcars（两个命令相同）

fix（mtcars）

mtcars<-edit（mtcars）

attach（mtcars）#激活mtcars，

mpg#激活后，可直接用数据集的变量名

属性变量

table（cyl）#cyl是属性变量，计算其频数表

barplot（table（cyl））#频数直方图（对属性变量的）

数值变量

stem（mpg）#茎叶图

hist（mpg）#直方图

boxplot（mpg）#盒形图

mean（mpg）#均值

mean（mpg,trim=0.1）#截取上下各10%数据后遗留数的均值

tapply（mpg,cyl,mean）#按分组变量cyl计算mpg的分组均值，如果将mean替换成其他统计量，就可以计算其它各种分组统计量

IQR（mpg）#计算四分位差（函数大写）Q3-Q1

quantile（mpg）#计算四分位点，标明各分位点的位置

fivenum（mpg）#计算四分位点，不标明各分位点的位置

quantile（mpg,probs）#计算按向量prob给定的各百分位的样本值

probs=c（0.1,0.5,99.5/100）#给出各百分位

quantile（mpg,probs）#计算相应的样本值

summary（mpg）#描述性统计

sd（mpg）#标准差

var（mpg）#方差

skewness（mpg）#偏度

kurtosis（mpg）#峰度

散点图

plot（cyl,mpg）#气缸数与油耗的散点图

plot（hp,mpg）#马力与油耗的散点图

不同气缸数下的散点图

plot（hp,mpg,pch=cyl）#马力与油耗的散点图，pch表示用字符图案画点

legend（250,30,pch=c（4,6,8）,legend=c（"4cylinders","6cylinders","8cylinders"））#做出各气缸符号的说明标记。

这里250,30是说明框的左上角位置

线形回归

z<-lm（cyl~mpg）#将回归所有结果放入z中

cor（cyl,mpg）#汽缸数与油耗的相关系数

cor（cyl,mpg）^2#一元回归Rsquare即为相关系数的平方

残差分析

lm.res<-lm（cyl~mpg）#将回归所有结果放入lm.res中

lm.resids<-resid（lm.res）#提取lm.res中的残差向量

plot（lm.resids）#画残差图

hist（lm.resids）#残差的直方图

qqnorm（lm.resids）#残差的qq图

qqline（lm.resids）#残差的qq线

结束分析并退出R

detach（mtcars）#从内存中清除数据集mtcars

q（）#退出R

改变内存变量

name<-"Carmen";n1<-10;n2<-100;m<-0.5#定义内存变量

ls（）#显示所有定义的内存对象

ls（pat="m"）#显示内存中含m的指定对象

ls（pat="^m"）#显示内存中打头字为m的指定对象

ls.str（）#显示内存中所有对象的详细信息

rm（x,y）#从内存中删除对象x与y

rm（list=ls（））#从内存中删除所有对象

rm（list=ls（pat="^m"））#从内存中删除所有打头字为m的指定对象

建立数值型向量

向量具有简单规律

seq（）或”:

”

1:

10#建立1到10的数字向量

1:

10-1#建立0到9的数字向量

1:

（10-1）#建立1到9的数字向量

z<-seq（1,5,by=0.5）#从1到5，每次递增0.5

z<-seq（from=1,to=5,by=0.5）#等价于z<-seq（1,5,by=0.5）

z<-seq（1,10,length=11）#从1到10，等分为11个点

z<-seq（1,10,length.out=11）#等价于z<-seq（1,10,length=11）

向量具有复杂规律

z<-rep（2:

5,2）#2到5循环2次

z<-rep（2:

5,times=2）#等价于z<-rep（2:

5,2）

z<-rep（2:

5,rep（2,4））#等价于z<-rep（2:

5,2）

z<-rep（1:

3,times=4,each=2）#数字1到3每个重复2次，共循环4次

向量没有规律

z<-rep（c（3,5）,c（2,4））#3按后面2循环2次，5按后面4循环4次

通过键盘逐个输入

z<-scan（）#直接输入数据，回车键输入数据，空数据表示停止输入

sequence（3:

5）#建立连着的数据，从1到3，1到4，再1到5

sequence（c（10,5））#建立连着的数据，从1到10，再从1到5

建立逻辑向量

x<-c（10.4,5.6,3.1,6.4,21.7）#建立数值向量x

temp<-x>13#建立一个x是否满足大于13的逻辑向量

函数factor（）的调用格式

factor（x,levels=sort（unique（x）,na.last=TRUE）,labels=levels,exclude=NA,ordered=is.ordered（x））

字符型向量转换为因子

a<-c（"green","blue","green","yellow"）

a<-factor（a）

数值型向量转换为因子

b<-c（1,2,3,1）

b<-factor（b）

字符型因子转换为数值型因子

a<-c（"green","blue","green","yellow"）

a<-factor（a）

levels（a）<-c（1,2,3,4）

参考类似

b<-factor（c（"A","B","C"）,labels=c（1,2,3））

数值型因子转换为字符型因子

b<-c（1,2,3,1）

b<-factor（b）

levels（b）<-c（"low","middle","high"）

参考

ff<-factor（1:

3,labels=c（"A","B","C"））

提取向量中的元素

x<-seq（1:

100）#建立1:

100的数据向量，存入x

x[1:

10]#提取x的前10个元素

x[c（1,4）]#提取x的第1和第4元素

y<-x[-（6:

10）]#去除向量中与索引向量对应的元素

提取逻辑向量

x<-c（42,7,64,9）#产生数值向量x

x>10#产生x>10是否成立的逻辑向量

x[x>10]#取x>10的值

x[x<40&x>10]#取x<40且x>10的值

x[x>10]<-10#修改x中所有满足条件的数据为10

y=runif（100,min=0,max=1）#产生0-1上的100个均匀分布的随机数

sum（y<0.5）#求小于0.5的元素的个数

sum（y[y<0.5]）#求小于0.5的元素的和

y<-x[!

is.na（x）]#求出x中的非缺失值放入向量y中

z<-x[（!

is.na（x））&（x>0）]#求出x中的大于零的非缺失值放入向量z中

建立数组

array（data,dim,dimnames）

A<-array（a,dim=c（3,4,2））#以a中数据建立维数为（3,4,2）的数组A

具体例子

A<-array（1:

8,dim=c（2,2,2））#建立一个2x2x2的数组，里面放置1到8

dim（A）#求出A的维数

dimnames（A）<-list（c（"a","b"）,c（"c","d"）,c（"e","f"））#定义数组中向量名

colnames（A）#A的列变量名

rownames（A）#A的行变量名

建立矩阵

A<-array（1:

6,c（2,3））#建立2行3列矩阵A，用1-6填入

A<-array（1:

4,c（2,3））#如果数据不够，自动循环

A<-array（1:

8,c（2,3））#建立A时，如数据多余，则自动截尾

标准矩阵命令

X<-matrix（1,nr=2,nc=2）#建立2x2标准矩阵

X<-diag（3）#建立3x3的单位阵

X<-diag（c（10,20,30））#建立以10,20,30为对角元素的对角阵

X<-diag（2.5,nr=3,nc=5）#建立3X5的广义对角阵

X<-matrix（1:

4,2）#建立2x2的矩阵，用1-4填入

X<-matrix（1:

4,2,2）#等价于X<-matrix（1:

4,2）

rownames（X）<-c（"a","b"）#定义行名

colnames（X）<-c（"c","d"）#定义列名

dim（X）#求出行列数

dimnames（X）#求出行列别名

X<-matrix（1:

4,2,4）#按列填入，不够再次循环

X<-matrix（1:

4,2,4,byrow=TRUE）#按行填入，不够再次循环

提取矩阵下标和元素

X<-matrix（1:

6,2,3）#用1到6建立一个2x3的矩阵

X[2,2]#提取X的（2,2）位的一个元素

X[2,]#提取X的第二行

X[,2]#提取X的第二列（按最小行或列数显示）

X[,2,drop=FALSE]#提取X的第二列，按原样显示

X[,c（2,3）]#提取X的第二、三列

X[-1,]#去掉第一行

X[,-2]#去掉第二列

X[,3]<-NA#将第三列设为缺失值

X[is.na（X）]<-1#缺失值替换为1

矩阵的运算

X<-matrix（1:

6,2,3）#用1到6建立一个2x3的矩阵

t（X）#转置矩阵

diag（X）#对角向量

矩阵按行或列合并

m1<-matrix（1,nr=2,nc=2）#建立一个2x2的全1矩阵

m2<-matrix（2,nr=2,nc=2）#建立一个2x2的全2矩阵

rbind（m1,m2）#矩阵按行合并

cbind（m1,m2）#矩阵按列合并

矩阵运算

m2*m2#矩阵按单元乘积，也即点乘

rbind（m1,m2）%*%cbind（m1,m2）#矩阵乘积1

cbind（m1,m2）%*%rbind（m1,m2）#矩阵乘积2

X<-matrix（1:

4,2）#建立一个2x2的1到4的行列式

det（X）#X的行列式

cov（X）#求出X各列之间的协方差矩阵

x<-c（1,2）#设x

y<-c（3,4）#设y

cor（x,y）#相关系数矩阵

求均值、中位数

m<-matrix（rnorm（n=12）,nrow=3）#建立一个3行的12个服从标准正态分布的随机数矩阵

apply（m,MARGIN=1,FUN=mean）#按行取均值

apply（m,MARGIN=2,FUN=mean）#按列取均值

scale（m,center=T,scale=T）#中心化随机变量

row.med<-apply（m,MARGIN=1,FUN=median）#计算矩阵m每行的中位数

sweep（m,MARGIN=1,STATS=row.med,FUN="-"）#每列各自减去列中位数

建立数据集两种方法（dataframe）

x=c（42,7,64,9）#建立数据向量x

y=1:

4#建立数据向量y

1、直接法

z.df=data.frame（INDEX=y,VALUE=x）#建立一个2列变量的数据集，放入z.df

weight<-c（70.6,56.4,80,59.5）#建立数据向量weight

x<-c（"adult","team"）#建立字符向量x

wag<-data.frame（weight,age=x）#构建数据集，变量数据长度不同时，会自动循环填充数据

x<-1:

4;y<-2:

4#建立数据向量x,y

data.frame（x,y）#若变量长度不是一个周期，则出现错误

2、从外部数据文件读取

foo<-read.table（file="c:

/data/foo.txt",header=T）

适用于数据集的函数：

attach（Puromycin）#激活数据集

summary（Puromycin）#显示主要的描述性统计量

类似的统计计算函数max（）,min（）,median（）,var（）,sd（）,sum（）,cov（）,cor（）同样适合于数据集，意义相同。

pairs（Puromycin,panel=panel.smooth）#成对数据散点图

数据集下标与子集的提取：

Puromycin[1,1]#提取第一个变量第一个观测值

Puromycin[c（1,3,5）,c（1,3）]#提取数据集的一个子集（第1、3、5行观测值，第1、3列变量）

Puromycin[c（1,3,5）,c（"conc","state"）]#等价于上述命令Puromycin[c（1,3,5）,c（1,3）]

Puromycin[c（1,3,5）,]#提取数据集的第1、3、5行观测值，所有列

Puromycin$conc#等价于Puromycin[,1]，提取变量为conc的那列值

subset（Puromycin,state=="treated"&rate>160）#提取满足条件state为treated，rate>16的子集

数据集中添加新变量的三种方法：

若想增加新变量iconc=1/conc:

1、基本方法

Puromycin$iconc<-1/Puromycin$conc

2、使用with（）函数

Puromycin$iconc<-with（Puromycin,1/conc）

3、使用transform（）函数，可一次定义多个变量

Puromycin<-transform（Puromycin,iconc=1/conc,sqrtconc=sqrt（conc））

head（Puromycin）#显示头6行数据

列表的建立：

复杂数据分析需要生成包含不同类型的对象。

R的列表可以做到

L1<-list（1:

6,matrix（1:

4,nrow=2））#建立向量和矩阵的混合列表

L2<-list（x=1:

6,y=matrix（1:

4,nrow=2））#建立向量和矩阵的混合列表，并各自赋名

L2$x#显示L2中的x变量

数据的存储

d<-data.frame（obs=c（1,2,3）,treat=c（"A","B","A"）,weight=c（2.3,NA,9））#建立数据集

1、保存为简单的文本文件

write.table（d,file="c:

/data/foo.txt",row.names=F,quote=F）#这里quote表示变量名不放入双引号中

2、保存为csv格式的文本文件

write.csv（d,file="c:

/data/foo.csv",row.names=F,quote=F）

3、保存为R格式文件

save（d,file="c:

/data/foo.Rdata"）

保存工作空间映像

save.image（）#等价于下式

save（list=ls（all=TRUE）,file="c:

/data/.Rdata"）

数据的读取

1、使用函数read.table（）

setwd（"c:

/data"）#设置程序自动访问目录

HousePrice<-read.table（file="houses.dat",header=TRUE）

2、使用函数scan（）

函数scan（）比read.table（）更灵活，可以指定变量的类型。

另外，scan（）可以创建不同的对象：

向量、矩阵、数据集、列表等。

mydata<-scan（"data.dat",what=list（Sex="",Weight=0,Height=0））

3、使用函数read.fwf（）

读取指定宽度格式的数据

mydata<-read.fwf（"data.txt",width=c（1,4,3）,col.names=c（"X","Y","Z"））

4、读取Excel数据

1）从剪贴板读入数据。

先将Excel的文件中的数据部分选择复制到剪贴板（ctrl+c），然后用R读入

mydata<-read.delim（"clipboard"）

2）使用程序包RODBC

安装程序包RODBC

在R中，按步骤“程序包-安装程序包-选取CRAN镜像服务器（可选北京的）-RODBC”

library（RODBC）#加载程序包RODBC

z<-odbcConnectExcel（"c:

/data/body.xls"）#打开Excel文件

foo<-sqlFetch（z,"Sheet1"）#选择Sheet1工作单数据读入foo

close（z）#关闭Excel文件

R中数据集的读取

1）R的标准数据datasets

R自身包含了一个有100多个数据集的数据集包datasets，随着R一次性自动载入。

列出全部数据集

data（）

用数据集名显示数据

Puromycin

2）专用程序包中的数据集

读取其他已安装的专用程序包中的数据，可以使用package参数

data（package="pkname"）#列出程序包pkname中的数据集，这里pkname只是一个已安装的程序包的代表

data（dataname,package="pkname"）#载入程序包pkname中的数据集dataname

探索性数据分析

二项分布

n<-20

p<-0.2

k<-seq（0,n）

概率函数图

plot（k,dbinom（k,n,p）,type='h',main='Binomialdistribution,n=20,p=0.2',xlab='k'）

分布函数图

plot（k,pbinom（k,n,p）,type='h',main='Binomialdistribution,n=20,p=0.2',xlab='k'）

标准正态分布

密度函数图

curve（dnorm（x,0,1）,xlim=c（-5,5）,ylim=c（0,0.3）,col='red',lwd=2,lty=3）

分布函数图

curve（pnorm（x,0,1）,xlim=c（-10,10）,ylim=c（0,1）,col='red',lwd=2,lty=1）

直方图

从二项分布B（100,0.9）中抽取容量为N=100000的样本，画直方图

N<-100000#建立随机数的容量

n<-100#建立二项分布的试验数

p<-0.9#建立每次成功的概率

x<-rbinom（N,n,p）#求出服从二项分布的随机数N个

hist（x,xlim=c（min（x）,max（x））,probability=T,nclass=max（x）-min（x）+1,col='lightblue',main='Binomialdistribution,n=100,p=.9'）#直方图

lines（density（x,bw=1）,col='red',lwd=2）#核密度估计图

单总体描述性统计

1、直方图

library（DAAG）#载入程序包DAAG

data（possum）#载入数据集possum

fpossum<-possum[possum$sex=="f",]#选出性别为雌的负鼠数据放入fpossum中

par（mfrow=c（1,2））#作图区域一分为二，一行两列

attach（fpossum）#加载数据集

hist（totlngth,breaks=72.5+（0:

5）*5,ylim=c（0,22）,xlab="totallength",main="A:

Breaksat72.5,77.5,..."）#画直方图

hist（totlngth,breaks=75+（0:

5）*5,ylim=c（0,22）,xlab="totallength",main="B:

Breaksat75,80,..."）#不同点位画直方图

2、茎叶图

stem（totlngth）

3、盒形图

boxplot（totlngth）

4、正态性检验

A）使用QQ图

qqnorm（totlngth,main="NormalityCheckviaQQPlot"）#画QQ图

qqline（totlngth,col='red'）#画正态线

B）与正态密度函数比较

#attach（fpossum）#加载数据集

dens<-density（totlngth）#将totlngth的基本统计量存入dens变量

xlim<-range（dens$x）;ylim<-range（dens$y）#选取x和y的最大值

par（mfrow=c（1,2））#将作图空间分为两个，一行两列

hist（totlngth,breaks=72.5+（0:

5）*5,xlim=xlim,ylim=ylim,probability=T,xlab="totallength",main="A:

Breaksat72.5,77.5,..."）#画直方图

lines（dens,col=par（'fg'）,lty=2）#画核密度函数

m<-mean（totlngth）#计算均值

s<-sd（totlngth）#计算标准差

curve（dnorm（x,m,s）,col='red',add=T）#套用正态分布图

hist（totlngth,breaks=75+（0:

5）*5,xlim=xlim,ylim=ylim,probability=T,xlab="totallength",main="B:

Breaksat75,80,..."）#画直方图

lines（dens,col=par（'fg'）,lty=2）#画核密度函数

curve（dnorm（x,m,s）,col='red',add=T）#套用正态分布图

C）使用经验分布函数

x<-sort（totlngth）#对totlgnth进行排序，存入x

n<-leng