加载中...

R

其中 Y=R

源代码下载： learnr-zh.r

R 是一门统计语言。它有很多数据分析和挖掘程序包。可以用来统计、分析和制图。 你也可以在 LaTeX 文档中运行 R 命令。

  1. # 评论以 # 开始
  3. # R 语言原生不支持 多行注释
  4. # 但是你可以像这样来多行注释
  6. # 在窗口里按回车键可以执行一条命令
  8. ###################################################################
  9. # 不用懂编程就可以开始动手了
  10. ###################################################################
  12. data()  # 浏览内建的数据集
  13. data(rivers)    # 北美主要河流的长度（数据集）
  14. ls()    # 在工作空间中查看「河流」是否出现
  15. head(rivers)    # 撇一眼数据集
  16. # 735 320 325 392 524 450
  17. length(rivers)  # 我们测量了多少条河流？
  18. # 141
  19. summary(rivers)
  20. #   Min. 1st Qu.  Median    Mean 3rd Qu.    Max.
  21. #  135.0   310.0   425.0   591.2   680.0  3710.0
  22. stem(rivers)    # 茎叶图（一种类似于直方图的展现形式）
  23. #
  24. #  The decimal point is 2 digit(s) to the right of the |
  25. #
  26. #   0 | 4
  27. #   2 | 011223334555566667778888899900001111223333344455555666688888999
  28. #   4 | 111222333445566779001233344567
  29. #   6 | 000112233578012234468
  30. #   8 | 045790018
  31. #  10 | 04507
  32. #  12 | 1471
  33. #  14 | 56
  34. #  16 | 7
  35. #  18 | 9
  36. #  20 |
  37. #  22 | 25
  38. #  24 | 3
  39. #  26 |
  40. #  28 |
  41. #  30 |
  42. #  32 |
  43. #  34 |
  44. #  36 | 1
  46. 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
  48. #  The decimal point is 1 digit(s) to the left of the |
  49. #
  50. #  48 | 1
  51. #  50 |
  52. #  52 | 15578
  53. #  54 | 44571222466689
  54. #  56 | 023334677000124455789
  55. #  58 | 00122366666999933445777
  56. #  60 | 122445567800133459
  57. #  62 | 112666799035
  58. #  64 | 00011334581257889
  59. #  66 | 003683579
  60. #  68 | 0019156
  61. #  70 | 079357
  62. #  72 | 89
  63. #  74 | 84
  64. #  76 | 56
  65. #  78 | 4
  66. #  80 |
  67. #  82 | 2
  69. 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）
  70. hist(log(rivers), col="#333333", border="white", breaks=25) #你还可以做更多式样的绘图
  72. # 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()
  73. data(discoveries)
  74. plot(discoveries, col="#333333", lwd=3, xlab="Year", main="Number of important discoveries per year")
  75. # 译者注：参数为（数据源，颜色，线条宽度，X 轴名称，标题）
  76. plot(discoveries, col="#333333", lwd=3, type = "h", xlab="Year", main="Number of important discoveries per year")
  78. # 除了按照默认的年份排序，我们还可以排序来发现特征
  79. sort(discoveries)
  80. #  [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
  81. # [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
  82. # [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
  83. # [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
  85. stem(discoveries, scale=2) # 译者注：茎叶图（数据，放大系数）
  86. #
  87. #  The decimal point is at the |
  88. #
  89. #   0 | 000000000
  90. #   1 | 000000000000
  91. #   2 | 00000000000000000000000000
  92. #   3 | 00000000000000000000
  93. #   4 | 000000000000
  94. #   5 | 0000000
  95. #   6 | 000000
  96. #   7 | 0000
  97. #   8 | 0
  98. #   9 | 0
  99. #  10 | 0
  100. #  11 |
  101. #  12 | 0
  103. max(discoveries)
  104. # 12
  106. summary(discoveries)
  107. #   Min. 1st Qu.  Median    Mean 3rd Qu.    Max.
  108. #    0.0     2.0     3.0     3.1     4.0    12.0
  110. #基本的统计学操作也不需要任何编程知识
  112. #随机生成数据
  113. round(runif(7, min=.5, max=6.5))
  114. # 译者注：runif 产生随机数，round 四舍五入
  115. # 1 4 6 1 4 6 4
  117. # 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)
  119. #从标准高斯函数中随机生成 9 次
  120. rnorm(9)
  121. # [1]  0.07528471  1.03499859  1.34809556 -0.82356087  0.61638975 -1.88757271
  122. # [7] -0.59975593  0.57629164  1.08455362
  124. #########################
  125. # 基础编程
  126. #########################
  128. # 数值
  130. #“数值”指的是双精度的浮点数
  131. 5   # 5
  132. class(5)    # "numeric"
  133. 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
  134. 6.02e23 # 阿伏伽德罗常数#
  135. 1.6e-35 # 布朗克长度
  137. # 长整数并用 L 结尾
  138. 5L  # 5
  139. #输出5L
  140. class(5L)   # "integer"
  142. # 可以自己试一试？用 class() 函数获取更多信息
  143. # 事实上，你可以找一些文件查阅 `xyz` 以及xyz的差别
  144. # `xyz` 用来查看源码实现，?xyz 用来看帮助
  146. # 算法
  147. 10 + 66 # 76
  148. 53.2 - 4    # 49.2
  149. 2 * 2.0 # 4
  150. 3L / 4  # 0.75
  151. 3 %% 2  # 1
  153. # 特殊数值类型
  154. class(NaN)  # "numeric"
  155. class(Inf)  # "numeric"
  156. class(-Inf) # "numeric"     # 在以下场景中会用到 integrate( dnorm(x), 3, Inf ) -- 消除 Z 轴数据
  158. # 但要注意，NaN 并不是唯一的特殊数值类型……
  159. class(NA)   # 看上面
  160. class(NULL) # NULL
  162. # 简单列表
  163. c(6, 8, 7, 5, 3, 0, 9)  # 6 8 7 5 3 0 9
  164. c('alef', 'bet', 'gimmel', 'dalet', 'he')
  165. c('Z', 'o', 'r', 'o') == "Zoro" # FALSE FALSE FALSE FALSE
  167. # 一些优雅的内置功能
  168. 5:15    # 5  6  7  8  9 10 11 12 13 14 15
  170. seq(from=0, to=31337, by=1337)
  171. #  [1]     0  1337  2674  4011  5348  6685  8022  9359 10696 12033 13370 14707
  172. # [13] 16044 17381 18718 20055 21392 22729 24066 25403 26740 28077 29414 30751
  174. letters
  175. #  [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" "p" "q" "r" "s"
  176. # [20] "t" "u" "v" "w" "x" "y" "z"
  178. month.abb   # "Jan" "Feb" "Mar" "Apr" "May" "Jun" "Jul" "Aug" "Sep" "Oct" "Nov" "Dec"
  180. # Access the n'th element of a list with list.name[n] or sometimes list.name[[n]]
  181. # 使用 list.name[n] 来访问第 n 个列表元素，有时候需要使用 list.name[[n]]
  182. letters[18] # "r"
  183. LETTERS[13] # "M"
  184. month.name[9]   # "September"
  185. c(6, 8, 7, 5, 3, 0, 9)[3]   # 7
  187. # 字符串
  189. # 字符串和字符在 R 语言中没有区别
  190. "Horatio"   # "Horatio"
  191. class("Horatio") # "character"
  192. substr("Fortuna multis dat nimis, nulli satis.", 9, 15) # "multis "
  193. gsub('u', 'ø', "Fortuna multis dat nimis, nulli satis.")   # "Fortøna møltis dat nimis, nølli satis."
  195. # 逻辑值
  197. # 布尔值
  198. class(TRUE) # "logical"
  199. class(FALSE)    # "logical"
  200. # 和我们预想的一样
  201. TRUE == TRUE    # TRUE
  202. TRUE == FALSE   # FALSE
  203. FALSE != FALSE  # FALSE
  204. FALSE != TRUE   # TRUE
  205. # 缺失数据（NA）也是逻辑值
  206. class(NA)   # "logical"
  207. #定义NA为逻辑型
  209. # 因子
  210. # 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）
  211. levels(factor(c("female", "male", "male", "female", "NA", "female")))   # "female" "male"   "NA"
  213. factor(c("female", "female", "male", "NA", "female"))
  214. #  female female male   NA     female
  215. # Levels: female male NA
  217. data(infert)    # 自然以及引产导致的不育症
  218. levels(infert$education)    # "0-5yrs"  "6-11yrs" "12+ yrs"
  220. # 变量
  222. # 有许多种方式用来赋值
  223. x = 5 # 这样可以
  224. y <- "1" # 更推荐这样
  225. TRUE -> z # 这样可行，但是很怪
  227. #我们还可以使用强制转型
  228. as.numeric(y)   # 1
  229. as.character(x) # "5"
  231. # 循环
  233. # for 循环语句
  234. for (i in 1:4) {
  235.   print(i)
  236. }
  238. # while 循环
  239. a <- 10
  240. while (a > 4) {
  241.     cat(a, "...", sep = "")
  242.     a <- a - 1
  243. }
  245. # 记住，在 R 语言中 for / while 循环都很慢
  246. # 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）
  248. # IF/ELSE
  250. # 再来看这些优雅的标准
  251. if (4 > 3) {
  252.     print("Huzzah! It worked!")
  253. } else {
  254.     print("Noooo! This is blatantly illogical!")
  255. }
  257. # =>
  258. # [1] "Huzzah! It worked!"
  260. # 函数
  262. # 定义如下
  263. jiggle <- function(x) {
  264.     x + rnorm(x, sd=.1) #add in a bit of (controlled) noise
  265.     return(x)
  266. }
  268. # 和其他 R 语言函数一样调用
  269. jiggle(5)   # 5±ε. 使用 set.seed(2716057) 后， jiggle(5)==5.005043
  271. #########################
  272. # 数据容器：vectors, matrices, data frames, and arrays
  273. #########################
  275. # 单维度
  276. # 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
  277. vec <- c(8, 9, 10, 11)
  278. vec #  8  9 10 11
  279. # 矢量的类型是这一组数据元素的类型
  280. class(vec)  # "numeric"
  281. # If you vectorize items of different classes, weird coercions happen
  282. #如果你强制的将不同类型数值矢量化，会出现特殊值
  283. c(TRUE, 4)  # 1 4
  284. c("dog", TRUE, 4)   # "dog"  "TRUE" "4"
  286. #我们这样来取内部数据，（R 的下标索引顺序 1 开始）
  287. vec[1]  # 8
  288. # 我们可以根据条件查找特定数据
  289. which(vec %% 2 == 0)    # 1 3
  290. # 抓取矢量中第一个和最后一个字符
  291. head(vec, 1)    # 8
  292. tail(vec, 1)    # 11
  293. #如果下标溢出或不存会得到 NA
  294. vec[6]  # NA
  295. # 你可以使用 length() 获取矢量的长度
  296. length(vec) # 4
  298. # 你可以直接操作矢量或者矢量的子集
  299. vec * 4 # 16 20 24 28
  300. vec[2:3] * 5    # 25 30
  301. # 这里有许多内置的函数，来表现向量
  302. mean(vec)   # 9.5
  303. var(vec)    # 1.666667
  304. sd(vec) # 1.290994
  305. max(vec)    # 11
  306. min(vec)    # 8
  307. sum(vec)    # 38
  309. # 二维（相同元素类型）
  311. #你可以为同样类型的变量建立矩阵
  312. mat <- matrix(nrow = 3, ncol = 2, c(1,2,3,4,5,6))
  313. mat
  314. # =>
  315. #      [,1] [,2]
  316. # [1,]    1    4
  317. # [2,]    2    5
  318. # [3,]    3    6
  319. # 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
  320. class(mat) # => "matrix"
  321. # 访问第一行的字符
  322. mat[1,] # 1 4
  323. # 操作第一行数据
  324. 3 * mat[,1] # 3 6 9
  325. # 访问一个特定数据
  326. mat[3,2]    # 6
  327. # 转置整个矩阵（译者注：变成 2 行 3 列）
  328. t(mat)
  329. # =>
  330. #      [,1] [,2] [,3]
  331. # [1,]    1    2    3
  332. # [2,]    4    5    6
  334. # 使用 cbind() 函数把两个矩阵按列合并，形成新的矩阵
  335. mat2 <- cbind(1:4, c("dog", "cat", "bird", "dog"))
  336. mat2
  337. # =>
  338. #      [,1] [,2]
  339. # [1,] "1"  "dog"
  340. # [2,] "2"  "cat"
  341. # [3,] "3"  "bird"
  342. # [4,] "4"  "dog"
  343. class(mat2) # matrix
  344. # Again, note what happened!
  345. # 注意
  346. # 因为矩阵内部元素必须包含同样的类型
  347. # 所以现在每一个元素都转化成字符串
  348. c(class(mat2[,1]), class(mat2[,2]))
  350. # 按行合并两个向量，建立新的矩阵
  351. mat3 <- rbind(c(1,2,4,5), c(6,7,0,4))
  352. mat3
  353. # =>
  354. #      [,1] [,2] [,3] [,4]
  355. # [1,]    1    2    4    5
  356. # [2,]    6    7    0    4
  357. # 哈哈，数据类型都一样的，没有发生强制转换，生活真美好
  359. # 二维(不同的元素类型)
  361. # 利用 data frame 可以将不同类型数据放在一起
  362. dat <- data.frame(c(5,2,1,4), c("dog", "cat", "bird", "dog"))
  363. names(dat) <- c("number", "species") # 给数据列命名
  364. class(dat)  # "data.frame"
  365. dat
  366. # =>
  367. #   number species
  368. # 1      5     dog
  369. # 2      2     cat
  370. # 3      1    bird
  371. # 4      4     dog
  372. class(dat$number)   # "numeric"
  373. class(dat[,2])  # "factor"
  374. # data.frame() 会将字符向量转换为 factor 向量
  376. # 有很多精妙的方法来获取 data frame 的子数据集
  377. dat$number  # 5 2 1 4
  378. dat[,1] # 5 2 1 4
  379. dat[,"number"]  # 5 2 1 4
  381. # 多维（相同元素类型）
  383. # 使用 arry 创造一个 n 维的表格
  384. # You can make a two-dimensional table (sort of like a matrix)
  385. # 你可以建立一个 2 维表格（有点像矩阵）
  386. array(c(c(1,2,4,5),c(8,9,3,6)), dim=c(2,4))
  387. # =>
  388. #      [,1] [,2] [,3] [,4]
  389. # [1,]    1    4    8    3
  390. # [2,]    2    5    9    6
  391. #你也可以利用数组建立一个三维的矩阵
  392. array(c(c(c(2,300,4),c(8,9,0)),c(c(5,60,0),c(66,7,847))), dim=c(3,2,2))
  393. # =>
  394. # , , 1
  395. #
  396. #      [,1] [,2]
  397. # [1,]    2    8
  398. # [2,]  300    9
  399. # [3,]    4    0
  400. #
  401. # , , 2
  402. #
  403. #      [,1] [,2]
  404. # [1,]    5   66
  405. # [2,]   60    7
  406. # [3,]    0  847
  408. #列表（多维的，不同类型的）
  410. # R语言有列表的形式
  411. list1 <- list(time = 1:40)
  412. list1$price = c(rnorm(40,.5*list1$time,4)) # 随机
  413. list1
  415. # You can get items in the list like so
  416. # 你可以这样获得列表的元素
  417. list1$time
  418. # You can subset list items like vectors
  419. # 你也可以和矢量一样获取他们的子集
  420. list1$price[4]
  422. #########################
  423. # apply()函数家族
  424. #########################
  426. # 还记得 mat 么？
  427. mat
  428. # =>
  429. #      [,1] [,2]
  430. # [1,]    1    4
  431. # [2,]    2    5
  432. # [3,]    3    6
  433. # Use apply(X, MARGIN, FUN) to apply function FUN to a matrix X
  434. # 使用(X, MARGIN, FUN)将函数 FUN 应用到矩阵 X 的行 (MAR = 1) 或者 列 (MAR = 2)
  435. # That is, R does FUN to each row (or column) of X, much faster than a
  436. # R 在 X 的每一行/列使用 FUN，比循环要快很多
  437. apply(mat, MAR = 2, myFunc)
  438. # =>
  439. #      [,1] [,2]
  440. # [1,]    3   15
  441. # [2,]    7   19
  442. # [3,]   11   23
  443. # 还有其他家族函数 ?lapply, ?sapply
  445. # 不要被吓到，虽然许多人在此都被搞混
  446. # plyr 程序包的作用是用来改进 apply() 函数家族
  448. install.packages("plyr")
  449. require(plyr)
  450. ?plyr
  452. #########################
  453. # 载入数据
  454. #########################
  456. # "pets.csv" 是网上的一个文本
  457. pets <- read.csv("http://learnxinyminutes.com/docs/pets.csv")
  458. pets
  459. head(pets, 2) # 前两行
  460. tail(pets, 1) # 最后一行
  462. # 以 .csv 格式来保存数据集或者矩阵
  463. write.csv(pets, "pets2.csv") # 保存到新的文件 pets2.csv
  464. # set working directory with setwd(), look it up with getwd()
  465. # 使用 setwd() 改变工作目录，使用 getwd() 查看当前工作目录
  467. # 尝试使用 ?read.csv 和 ?write.csv 来查看更多信息
  469. #########################
  470. # 画图
  471. #########################
  473. # 散点图
  474. plot(list1$time, list1$price, main = "fake data") # 译者注：横轴 list1$time，纵轴 wlist1$price，标题 fake data
  475. # 回归图
  476. linearModel <- lm(price  ~ time, data = list1) # 译者注：线性模型，数据集为list1，以价格对时间做相关分析模型
  477. linearModel # 拟合结果
  478. # 将拟合结果展示在图上，颜色设为红色
  479. abline(linearModel, col = "red")
  480. # 也可以获取各种各样漂亮的分析图
  481. plot(linearModel)
  483. # 直方图
  484. hist(rpois(n = 10000, lambda = 5), col = "thistle") # 译者注：统计频数直方图
  486. # 柱状图
  487. barplot(c(1,4,5,1,2), names.arg = c("red","blue","purple","green","yellow"))
  489. # 可以尝试着使用 ggplot2 程序包来美化图片
  490. install.packages("ggplot2")
  491. require(ggplot2)
  492. ?ggplot2

获得 R

还没有评论.