R

X分鐘速成Y

其中 Y=R

源代碼下載：?learnr-zh.r

R 是一門統(tǒng)計(jì)語(yǔ)言。它有很多數(shù)據(jù)分析和挖掘程序包。可以用來(lái)統(tǒng)計(jì)、分析和制圖。 你也可以在 LaTeX 文檔中運(yùn)行?R?命令。

# 評(píng)論以 # 開(kāi)始

# R 語(yǔ)言原生不支持 多行注釋
# 但是你可以像這樣來(lái)多行注釋

# 在窗口里按回車鍵可以執(zhí)行一條命令

###################################################################
# 不用懂編程就可以開(kāi)始動(dòng)手了
###################################################################

data()  # 瀏覽內(nèi)建的數(shù)據(jù)集
data(rivers)    # 北美主要河流的長(zhǎng)度（數(shù)據(jù)集）
ls()    # 在工作空間中查看「河流」是否出現(xiàn)
head(rivers)    # 撇一眼數(shù)據(jù)集
# 735 320 325 392 524 450
length(rivers)  # 我們測(cè)量了多少條河流？
# 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)    # 莖葉圖（一種類似于直方圖的展現(xiàn)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))   # 查看數(shù)據(jù)集的方式既不是標(biāo)準(zhǔn)形式，也不是取log后的結(jié)果! 看起來(lái)，是鐘形曲線形式的基本數(shù)據(jù)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)  # 試試用這些參數(shù)畫畫 （譯者注：給 river 做統(tǒng)計(jì)頻數(shù)直方圖，包含了這些參數(shù)：數(shù)據(jù)源，顏色，邊框，空格）
hist(log(rivers), col="#333333", border="white", breaks=25) #你還可以做更多式樣的繪圖

# 還有其他一些簡(jiǎn)單的數(shù)據(jù)集可以被用來(lái)加載。R 語(yǔ)言包括了大量這種 data()
data(discoveries)
plot(discoveries, col="#333333", lwd=3, xlab="Year", main="Number of important discoveries per year")
# 譯者注：參數(shù)為（數(shù)據(jù)源，顏色，線條寬度，X 軸名稱，標(biāo)題）
plot(discoveries, col="#333333", lwd=3, type = "h", xlab="Year", main="Number of important discoveries per year")

# 除了按照默認(rèn)的年份排序，我們還可以排序來(lái)發(fā)現(xiàn)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) # 譯者注：莖葉圖（數(shù)據(jù)，放大系數(shù)）
#
#  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

#基本的統(tǒng)計(jì)學(xué)操作也不需要任何編程知識(shí)

#隨機(jī)生成數(shù)據(jù)
round(runif(7, min=.5, max=6.5))
# 譯者注：runif 產(chǎn)生隨機(jī)數(shù)，round 四舍五入
# 1 4 6 1 4 6 4

# 你輸出的結(jié)果會(huì)和我們給出的不同，除非我們?cè)O(shè)置了相同的隨機(jī)種子 random.seed(31337)

#從標(biāo)準(zhǔn)高斯函數(shù)中隨機(jī)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

#########################
# 基礎(chǔ)編程
#########################

# 數(shù)值

#“數(shù)值”指的是雙精度的浮點(diǎn)數(shù)
5   # 5
class(5)    # "numeric"
5e4 # 50000             # 用科學(xué)技術(shù)法方便的處理極大值、極小值或者可變的量級(jí)
6.02e23 # 阿伏伽德羅常數(shù)#
1.6e-35 # 布朗克長(zhǎng)度

# 長(zhǎng)整數(shù)并用 L 結(jié)尾
5L  # 5
#輸出5L
class(5L)   # "integer"

# 可以自己試一試？用 class() 函數(shù)獲取更多信息
# 事實(shí)上，你可以找一些文件查閱 `xyz` 以及xyz的差別
# `xyz` 用來(lái)查看源碼實(shí)現(xiàn)，?xyz 用來(lái)看幫助

# 算法
10 + 66 # 76
53.2 - 4    # 49.2
2 * 2.0 # 4
3L / 4  # 0.75
3 %% 2  # 1

# 特殊數(shù)值類型
class(NaN)  # "numeric"
class(Inf)  # "numeric"
class(-Inf) # "numeric"     # 在以下場(chǎng)景中會(huì)用到 integrate( dnorm(x), 3, Inf ) -- 消除 Z 軸數(shù)據(jù)

# 但要注意，NaN 并不是唯一的特殊數(shù)值類型……
class(NA)   # 看上面
class(NULL) # NULL

# 簡(jiǎn)單列表
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

# 一些優(yōu)雅的內(nèi)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.name[[n]]
# 使用 list.name[n] 來(lái)訪問(wèn)第 n 個(gè)列表元素，有時(shí)候需要使用 list.name[[n]]
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 語(yǔ)言中沒(méi)有區(qū)別
"Horatio"   # "Horatio"
class("Horatio") # "character"
substr("Fortuna multis dat nimis, nulli satis.", 9, 15) # "multis "
gsub('u', '?', "Fortuna multis dat nimis, nulli satis.")   # "Fort?na m?ltis dat nimis, n?lli satis."

# 邏輯值

# 布爾值
class(TRUE) # "logical"
class(FALSE)    # "logical"
# 和我們預(yù)想的一樣
TRUE == TRUE    # TRUE
TRUE == FALSE   # FALSE
FALSE != FALSE  # FALSE
FALSE != TRUE   # TRUE
# 缺失數(shù)據(jù)（NA）也是邏輯值
class(NA)   # "logical"
#定義NA為邏輯型

# 因子
# 因子是為數(shù)據(jù)分類排序設(shè)計(jì)的（像是排序小朋友們的年級(jí)或性別）
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)    # 自然以及引產(chǎn)導(dǎo)致的不育癥
levels(infert$education)    # "0-5yrs"  "6-11yrs" "12+ yrs"

# 變量

# 有許多種方式用來(lái)賦值
x = 5 # 這樣可以
y <- "1" # 更推薦這樣
TRUE -> z # 這樣可行，但是很怪

#我們還可以使用強(qiáng)制轉(zhuǎn)型
as.numeric(y)   # 1
as.character(x) # "5"

# 循環(huán)

# for 循環(huán)語(yǔ)句
for (i in 1:4) {
  print(i)
}

# while 循環(huán)
a <- 10
while (a > 4) {
    cat(a, "...", sep = "")
    a <- a - 1
}

# 記住，在 R 語(yǔ)言中 for / while 循環(huán)都很慢
# 建議使用 apply()（我們一會(huì)介紹）來(lái)錯(cuò)做一串?dāng)?shù)據(jù)（比如一列或者一行數(shù)據(jù)）

# IF/ELSE

# 再來(lái)看這些優(yōu)雅的標(biāo)準(zhǔn)
if (4 > 3) {
    print("Huzzah! It worked!")
} else {
    print("Noooo! This is blatantly illogical!")
}

# =>
# [1] "Huzzah! It worked!"

# 函數(shù)

# 定義如下
jiggle <- function(x) {
    x + rnorm(x, sd=.1) #add in a bit of (controlled) noise
    return(x)
}

# 和其他 R 語(yǔ)言函數(shù)一樣調(diào)用
jiggle(5)   # 5±ε. 使用 set.seed(2716057) 后， jiggle(5)==5.005043

#########################
# 數(shù)據(jù)容器：vectors, matrices, data frames, and arrays
#########################

# 單維度
# 你可以將目前我們學(xué)習(xí)到的任何類型矢量化，只要它們擁有相同的類型
vec <- c(8, 9, 10, 11)
vec #  8  9 10 11
# 矢量的類型是這一組數(shù)據(jù)元素的類型
class(vec)  # "numeric"
# If you vectorize items of different classes, weird coercions happen
#如果你強(qiáng)制的將不同類型數(shù)值矢量化，會(huì)出現(xiàn)特殊值
c(TRUE, 4)  # 1 4
c("dog", TRUE, 4)   # "dog"  "TRUE" "4"

#我們這樣來(lái)取內(nèi)部數(shù)據(jù)，（R 的下標(biāo)索引順序 1 開(kāi)始）
vec[1]  # 8
# 我們可以根據(jù)條件查找特定數(shù)據(jù)
which(vec %% 2 == 0)    # 1 3
# 抓取矢量中第一個(gè)和最后一個(gè)字符
head(vec, 1)    # 8
tail(vec, 1)    # 11
#如果下標(biāo)溢出或不存會(huì)得到 NA
vec[6]  # NA
# 你可以使用 length() 獲取矢量的長(zhǎng)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
# 這里有許多內(nèi)置的函數(shù)，來(lái)表現(xiàn)向量
mean(vec)   # 9.5
var(vec)    # 1.666667
sd(vec) # 1.290994
max(vec)    # 11
min(vec)    # 8
sum(vec)    # 38

# 二維（相同元素類型）

#你可以為同樣類型的變量建立矩陣
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 不一樣的是，一個(gè)矩陣的類型真的是 「matrix」，而不是內(nèi)部元素的類型
class(mat) # => "matrix"
# 訪問(wèn)第一行的字符
mat[1,] # 1 4
# 操作第一行數(shù)據(jù)
3 * mat[,1] # 3 6 9
# 訪問(wèn)一個(gè)特定數(shù)據(jù)
mat[3,2]    # 6
# 轉(zhuǎn)置整個(gè)矩陣（譯者注：變成 2 行 3 列）
t(mat)
# =>
#      [,1] [,2] [,3]
# [1,]    1    2    3
# [2,]    4    5    6

# 使用 cbind() 函數(shù)把兩個(gè)矩陣按列合并，形成新的矩陣
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?yàn)榫仃噧?nèi)部元素必須包含同樣的類型
# 所以現(xiàn)在每一個(gè)元素都轉(zhuǎn)化成字符串
c(class(mat2[,1]), class(mat2[,2]))

# 按行合并兩個(gè)向量，建立新的矩陣
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，數(shù)據(jù)類型都一樣的，沒(méi)有發(fā)生強(qiáng)制轉(zhuǎn)換，生活真美好

# 二維(不同的元素類型)

# 利用 data frame 可以將不同類型數(shù)據(jù)放在一起
dat <- data.frame(c(5,2,1,4), c("dog", "cat", "bird", "dog"))
names(dat) <- c("number", "species") # 給數(shù)據(jù)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"
# data.frame() 會(huì)將字符向量轉(zhuǎn)換為 factor 向量

# 有很多精妙的方法來(lái)獲取 data frame 的子數(shù)據(jù)集
dat$number  # 5 2 1 4
dat[,1] # 5 2 1 4
dat[,"number"]  # 5 2 1 4

# 多維（相同元素類型）

# 使用 arry 創(chuàng)造一個(gè) n 維的表格
# You can make a two-dimensional table (sort of like a matrix)
# 你可以建立一個(gè) 2 維表格（有點(diǎn)像矩陣）
array(c(c(1,2,4,5),c(8,9,3,6)), dim=c(2,4))
# =>
#      [,1] [,2] [,3] [,4]
# [1,]    1    4    8    3
# [2,]    2    5    9    6
#你也可以利用數(shù)組建立一個(gè)三維的矩陣
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

#列表（多維的，不同類型的）

# R語(yǔ)言有列表的形式
list1 <- list(time = 1:40)
list1$price = c(rnorm(40,.5*list1$time,4)) # 隨機(jī)
list1

# You can get items in the list like so
# 你可以這樣獲得列表的元素
list1$time
# You can subset list items like vectors
# 你也可以和矢量一樣獲取他們的子集
list1$price[4]

#########################
# apply()函數(shù)家族
#########################

# 還記得 mat 么？
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)將函數(shù) FUN 應(yīng)用到矩陣 X 的行 (MAR = 1) 或者 列 (MAR = 2)
# That is, R does FUN to each row (or column) of X, much faster than a
# R 在 X 的每一行/列使用 FUN，比循環(huán)要快很多
apply(mat, MAR = 2, myFunc)
# =>
#      [,1] [,2]
# [1,]    3   15
# [2,]    7   19
# [3,]   11   23
# 還有其他家族函數(shù) ?lapply, ?sapply

# 不要被嚇到，雖然許多人在此都被搞混
# plyr 程序包的作用是用來(lái)改進(jìn) apply() 函數(shù)家族

install.packages("plyr")
require(plyr)
?plyr

#########################
# 載入數(shù)據(jù)
#########################

# "pets.csv" 是網(wǎng)上的一個(gè)文本
pets <- read.csv("http://learnxinyminutes.com/docs/pets.csv")
pets
head(pets, 2) # 前兩行
tail(pets, 1) # 最后一行

# 以 .csv 格式來(lái)保存數(shù)據(jù)集或者矩陣
write.csv(pets, "pets2.csv") # 保存到新的文件 pets2.csv
# set working directory with setwd(), look it up with getwd()
# 使用 setwd() 改變工作目錄，使用 getwd() 查看當(dāng)前工作目錄

# 嘗試使用 ?read.csv 和 ?write.csv 來(lái)查看更多信息

#########################
# 畫圖
#########################

# 散點(diǎn)圖
plot(list1$time, list1$price, main = "fake data") # 譯者注：橫軸 list1$time，縱軸 wlist1$price，標(biāo)題 fake data
# 回歸圖
linearModel <- lm(price  ~ time, data = list1) # 譯者注：線性模型，數(shù)據(jù)集為list1，以價(jià)格對(duì)時(shí)間做相關(guān)分析模型
linearModel # 擬合結(jié)果
# 將擬合結(jié)果展示在圖上，顏色設(shè)為紅色
abline(linearModel, col = "red")
# 也可以獲取各種各樣漂亮的分析圖
plot(linearModel)

# 直方圖
hist(rpois(n = 10000, lambda = 5), col = "thistle") # 譯者注：統(tǒng)計(jì)頻數(shù)直方圖

# 柱狀圖
barplot(c(1,4,5,1,2), names.arg = c("red","blue","purple","green","yellow"))

# 可以嘗試著使用 ggplot2 程序包來(lái)美化圖片
install.packages("ggplot2")
require(ggplot2)
?ggplot2

獲得 R

• 從?http://www.r-project.org/?獲得安裝包和圖形化界面
• RStudio?是另一個(gè)圖形化界面