R 語言基礎

1 引言：

　R 語言是什麼？R 語言何以在短短几年的時間內佔領統計、金融、生物、心理學等幾乎所有的數量分析領域？R 語言在資料處理上有著

　SAS、SPSS 等統計軟體無法比擬的靈活性，這也是我們要以R 語言作為研究工具主要原因。在課程的開始部分我們將簡要介紹R 語言的

　基本情況，讓學員快速熟悉R 語言程式設計環境。

2 R 語言簡介：

　 2.1 R 語言是什麼？

　　R是統計領域廣泛使用的誕生於1980年左右的S語言的一個分支。可以認為R是S語言的一種實現。而S語言是由AT&T貝爾實驗室開發的一種

　　用來進行資料探索、統計分析和作圖的解釋型語言。R 是基於S語言的一個GNU專案，所以也可以當作S語言的一種實現，通常用S語言編寫

　　的程式碼都可以不作修改的在R環境下執行。　

　　R 前世今生

　2.2 R 語言功能

　　R 功能包括：資料儲存和處理系統；陣列運算工具（其向量、矩陣運算方面功能尤其強大）；完整連貫的統計分析工具；優秀的統計製圖

　　功能；簡便而強大的程式語言：可操縱資料的輸入和輸出，可實現分支、迴圈，使用者可自定義功能。

　2.3 R 語言安裝

　　R 語言的安裝包可以在CRAN（Comprehensive R Archive Network）下載：https://cran.rstudio.com/。

　　該網站提供Linux、Mac OS X 和Windows 三個版本的安裝包，目前面向Windows的版本是3.2.2，大小約62.3 MB。

　　R語言預設編譯環境如圖：

　　介面相對簡陋，一般不直接採用R語言預設編譯環境來開發。較為好看的IDE有RStudio、Tinn-R、Rattle 等。我們的課程所使用的IDE

3 R 語言基礎

　　3.1 R 語言的包

　　　　函式是R語言進行計算的核心，而包就是R函式、資料、預編譯程式碼以一種定義完善的格式組成的集合。計算機上儲存包的目錄為庫

　　　　（library）。函式.libpaths( ) 能夠顯示庫所在的位置，函式library( ) 則可以顯示有哪些包。

　　　　R 語言的很多功能都是通過包的下載和呼叫來實現的，R 語言是開源的，各種功能的包的數量都在迅速增加，目前已經有超過5000

　　　　多個可供呼叫的包了，這些包提供了橫跨各種領域、數量驚人的新功能，除了統計上的應用之外，還包括分析地理資料、處理蛋白質

　　　　質譜，甚至是心理測驗分析等功能。

　　　　3.1.1 R 語言基礎包

　　　　在安裝時預裝了以下幾個基礎包：

　　　　　　• base：R 中基礎的軟體包，包含基礎的R 函式使得R 函式作為一門可算術，輸入/輸出，基本程式設計支援的語言。

　　　　　　• datasets: R 自帶的資料包，裡面的資料結構有包括矩陣，向量，資料框等，資料型別也比較豐富。

　　　　　　• utils：包裡面包含了一系列的效用函式。

　　　　　　• grDevices：R 中基礎繪圖工具包，提供調整圖形顏色和字型的功能。

　　　　　　• graphics：R 中的基礎繪圖工具包。

　　　　　　• stats：R 中統計函式的擴充套件包，可實現各種不同型別的資料彙總統計資料計算。

　　　　　　• methods：R 中正式為R 物件和其他程式設計工具定義方法和類別的擴充套件包。

　　　　3.1.2 擴充套件包

　　　　內建的基本包提供了R 語言核心運算的基礎，但是一般不能滿足解決實際問題的需要。為此，許多統計以及金融、生物相關應用領域

　　　　的研究人員編寫了大量的擴充套件包，來有針對性地處理這些具體問題。這裡我們將簡單介紹幾個常用包，在接下來的課程中也會大量

　　　　運用這些包內的相關函式。

　　　　安裝和載入擴充套件包方法:

　　　　install.packages("xts")安裝擴充套件包,library(xts)載入擴充套件包

　　　　常用的擴充套件包有：RODBC(資料庫連線用的包）、forecast(預測演算法採用的包）、ggplot2(畫圖採用的包)...

　　3.2 R 語言資料型別

　　R 語言中的資料可以分為幾個主要的資料型別：

　　　• 數值型（Numeric）：實數，可以寫成整數（Integers），小數（Decimal Fractions），或是科學記數（Scientific Notation）的方式。

　　　• 邏輯型（Logical）：僅含有T（TRUE）或F（FALSE）兩種值。

　　　• 字元型（Character）：夾在雙引號""或單引號''之間的字串，如"RStudio"。

　　　• 複數型（Complex）：含有虛數，可以表示為a+bi 。

　　　• 原型（Raw）：以二進位制儲存。

　　　• 缺失（Missing Value）：NA（Not Available 的縮寫）。

　　　資料型別強制轉換函式：as.numeric(),as.character(),as.factor()...可以用mode()函式看物件的資料型別。

　　3.3 R 語言資料結構

　　R 語言中有六種基礎的資料結構，即向量(vector)、矩陣(matrix)、陣列(array)、因子(factor)、列表(list)和資料框(data.frame)。

　　　　3.3.1 向量vector

　　　　由相同資料型別的元素組成的序列，相當於一維陣列，如：

　　　　x <- c(1,2,3,4,5) 是數值型向量;

　　　　x <- c("a","b") 是字元型向量;

　　　　x <- c(TRUE,FALSE) 是邏輯型向量。

　　　　c表示連線，是英文concatenate的首字母，其它生成向量的函式還有seq(),rep()。

　　　　seq的英文全寫是sequence，產生的是一個有規律的序列;rep的英文全寫是replicate，作用是複製序列，產生重複的序列。

　　　　3.3.2 矩陣matrix

　　　　將資料用行和列排列，相當於二維陣列，其元素必須是相同的資料型別。

　　　　matrix(data = NA, nrow = 1, ncol = 1, byrow = FALSE )

　　　　nrow是矩陣的行數，ncol 是矩陣的列數，byrow=FALSE 引數則說明矩陣在R 中預設是按照列儲存的

　　　　3.3.3 陣列array

　　　　所含元素的資料型別相同；可看作是向量和矩陣的推廣，一維陣列就是向量，二維陣列就是矩陣，其索引方式和矩陣一樣

　　　　array(1:24, c(4,3,2))生成一個4*3*2 的三維陣列

　　　　3.3.4 因子factor

　　　　代表變數的不同可能的水平，因子可以有大小區分，也可以沒有。

　　　　3.3.5 列表list

　　　　列表中的物件又稱為它的分量，每個分量可以是不同的資料型別（不同於向量、矩陣和陣列），也可以有不同的長度。

　　　　其索引方式遵循先分量再元素的順序，如L[[1]][2] 表示列表第一個分量第二個元素。

　　　　x <- c(1,3)

　　　　y <- c("a","b")

　　　　z <- list(x,y)

　　　　3.3.6 資料框dataframe

　　　　資料框每列是一個變數，每行是一個觀測。資料框是R 語言特有的資料型別，也是進行統計分析最為有用的資料型別。

　　　　相比於列表，資料框的格式更為規整，也更接近我們常見的統計表的形式。同時它還有如下限制：（1）分量必須是向量（數值，字

　　　　符，邏輯），因子，數值矩陣，列表或者其他資料框；（2）數值向量、邏輯值、因子保持原有格式，而字元向量會被強制轉換成因子

　　　　並且它的水平就是向量中出現的獨立值；（3）在資料框中以變數形式出現的向量結構必須長度一致，矩陣結構必須有一樣的行數。

4 R 資料輸入與寫出

　　4.1 scan()

　　函式：scan(file = "", what = , sep = " " ......)；

　　注意點：（1）scan 讀入的資料生成向量型別（也就是說讀入的資料的資料型別必須相同）；（2）直接呼叫scan()可以從鍵盤輸入數

　　據，最後不輸入資料並按回車則結束輸入。

　　4.2 read.table()

　　該函式是我們讀取小型文字檔案資料最為常用的方法。它的引數眾多，可以對資料過程進行詳細的控制。

　　讀入：read.table(file,header=FALSE,sep="",quote="\"",stringsAsFactors=TRUE,row.names,col.names,na.strings

　　= "NA",nrows = -1,skip = 0,colClasses = NA)　　　　　　• file：指定讀入的檔案，或者檔案所在地址；

　　• header：是一個表明首行是否包含了變數名的邏輯值（TRUE or FALSE), 是否讀入列名，預設是FALSE, 不讀入；

　　• sep：來進行指定分隔符：讀入的資料要求有規則的分隔符，常用的有：空格、TAB（\t 來表示）和逗號（，）；

　　• quote：指定用於包圍字元型資料的字元，預設為引號；

　　• stringsAsFactors：是否字元轉化成因子，預設是true；

　　• row.names：指定各行的名稱；

　　• col.names：指定列的名稱，如果讀入是檔案沒有頭，可以指定；

　　• na.strings：代表缺失資料的值轉換為NA；

　　• nrows：讀入的最大行數，如果為負值或其他不適當的值則會被忽略，這裡預設為-1，實際表示不做限定的意思；

　　• skip：從檔案第幾行開始讀入資料；

　　• colClasses：填入一個向量，指定列的資料型別格式為character，numeric，factor 等型別；

　　寫出：write.table(x,file="path",row.names=TRUE)

　　• x: 待被寫出來的資料

　　• file = ”data”：寫出資料所要儲存的路徑

　　• rownames=TRUE 是否保留行標，預設是保留行標

　　4.3 read.csv()/write.csv()

　　csv 檔案是除txt檔案外另一個常用的資料檔案型別,一般讀取xlsx檔案時會先匯出為csv檔案再讀取。csv檔案預設以逗號分隔。

　　函式：read.csv(file="path",header=TRUE)　　write.csv(x,file="path",row.names=TRUE)

　　4.4 連線資料庫

　　連線資料庫的詳細過程參考：CSDN部落格

　　主要記住兩條命令：odbcConnect(dsn,uid="",pwd="") sqlQuery(channel,query) 在此不做詳解

5 R 選取資料子集

　　5.1 向量資料選取

　　索引向量的格式是向量1[向量2]，返回的結果是向量2從向量1中索引出的元素。

　　y[c(1,3)] 是指從y中篩選儲第1個元素和第3個元素，y[2:4]指的是從y中篩選從2到4的元素。

　　which()函式也可以進行篩選，如y<-c(1,3,4,5) 　　which(y>3)會輸出4,5

　　負數的下標代表我們想把相應的元素剔除，如y[-2]代表晒出y向量的第二個元素

　　5.2 矩陣資料選取

　　x[2,] 篩選出矩陣x 的第二行元素，x[,2] 篩選出矩陣x 的第二列元素，x[1,4] 篩選出矩陣x的第一行第四列元素，x[1,c(4,5)] 篩

　　選出矩陣x 第一行的第四和第五列元素。

　　5.3 資料框資料選取

　　資料框元素篩選的方法比較豐富，可以如向量或者矩陣用括號[ ]，列表[[ ]] 進行下標篩選，也可以用$篩選

6 R 條件操作和迴圈

　　6.1 條件操作

　　條件操作和Java語言完全一致。if(_expr1) { _expr2 } else { _expr3 }

　　R中有一個ifelse(condition,a,b)函式,類似於Java的三元表示式，不同點在於該函式產生一個向量，如果condition[i]為真，則對

　　應a[i]元素，否則對應b[i]元素，組成一個向量。

　　6.2 迴圈操作

　　• for迴圈：for(i in 1:3) { ... }

　　• while迴圈：while(i>0) { ... }

　　• repeat迴圈：該迴圈較少使用。break是終止該迴圈的唯一方式

7 R 自定義函式

　　7.1 定義方式

　　GetProfit <- function(parameter1,parameter2=3) {

　　　return(parameter1+parameter2)

　　}

　　其中，parameter1是引數，parameter2=3表示parameter2預設為3；return()必須要有括號，如果沒有return，則返回最後一個表達

　　式的值。

　　7.2 函式內賦值注意點

　　在函式內部的<-賦值是區域性變數，只在函式內部有效，如果要在函式內部進行全域性賦值，則需要使用超賦值<<-或assign()

　至此，R基礎部分告一段落，當然這裡講的只是冰山一角，還有日期操作，字串操作，畫圖等等都未講到，如需深入，可以看看R語言實戰、R語言程式設計藝術等。

一些技巧：

1.設定下載的擴充套件包的位置：.libPaths()用來檢視下載的擴充套件包的位置  .libPaths=("C:/R/library")