R(一): R基础知识

2022-11-15 19:47:33

R 是一门拥有统计分析及作图功能的免费软件，主要用于数学建模、统计计算、数据处理、可视化等方向。据 IEEE Spectrum发布的2016年编程语言前10位排名来看，R语言由2015年排名第6位上升级2016年的第5位。目前在CRAN 上发布的算法包已经超过8000+多个。R体系涉及到高等数据、概率学、统计学、IT技术等多种知识的综合应用，虽然看起来超级复杂，但学过程还是得从基础开始。

解释：CRAN （The Comprehensive R Archive NetWork): 提供下载软件安装程序和相应软件包的网站，访问地址：https://www.r-project.org/

（附图2016年编程语言排名：来源于 http://spectrum.ieee.org/static/interactive-the-top-programming-languages-2016）

  • R(一): R基础知识

 目录：

  • R语言特点
  • R语法规范
  • R工作原理
  • R数据类型
  • R对象类别
  • R对象判断转换
  • R运算符
  • R特殊值
  • R循环语句
  • R工作空间
  • R帮助
  • 常用操作

R语言特点：

  • 灵活、开放、免费
  • R是一种解释性语言
  • R区分大小写
  • 帮助系统很赞，开发查找方便
  • 数量众多的算法功能包（8000+扩展包），还不包括在github上的开发包
  • 支持在UNIX、 Windows and MacOS多种系统上运行
  • 高质量、广泛的统计分析、数据挖掘

R语法规范：

  • 对象的命名以"."或字母开头，当以"."开头时，第二个字符不允许是数字
  • 基本命令要么是表达式，要么是赋值。如果命令是表达式，它被解析后，结果显示在屏幕同时清空命令所占内存。赋值被解析后，将值传给变量结果不显示。
  • 命令以";"分隔或另起一行，注释以"#"标注
  • 当一条命令在一行结束时还没不完整，R会结出延续提示符，默认是"+"
  • 与其它语言相比，R有个比较个性的赋值表达方式（即箭头赋值符号），至于此表达方式的来源，在谢老师的一篇文章中有介绍，请参见 （http://yihui.name/cn/2012/09/equal-and-arrow/）
  • 开发过程中的编码规范约定，可参见google的R语言编码风格指南，如下图（详细参见：http://bbs.pinggu.org/thread-1410518-1-1.html）
  • R(一): R基础知识

R工作原理：

  • 当R在运行时，所有的变量、数据、函数及结果都是以对象的形式存在于计算机的活动内存中，期间进行的所有操作都是针对活动内存中的对象，如下示意图
  • R(一): R基础知识
  • 用户通过输入一些命令调用函数，分析得出的结果可以直接显示在屏幕上，也可以直接存入某个对象或写入磁盘，因为产生的数据本身就是一种对象，所以它们也能被视为数据并能象其它数据一样被处理分析。数据的输入文件可来源于本地磁盘，也可以是从远程服务端获取
  • 上图中示意的所有的R 函数都包含在某个库里 (library), 我们从CRAN上下载的程序包被调用的时候，都要通过 library(包名）先加载到内存，再被使用，后面会详细介绍。
  • 在R软件安装包里自带的 base 库是R的核心，在启动R时会自动加载，它包含了如:数据读写、数据运算等基本操作。

R数据类型：

  • 数据型：Numeric
  • 字符型：Character
  • 逻辑型：Logical
  • 因子型：Factor   (表示不同类别，在下面的内容中会举例来说明)
  • 复数型：Complex

R对象类别：

  • 向量（Vector): 线性代数里面我记得又称为矢量，它表示一系统元素的组合。（注意：向量里面的元素类型必须一致，不一致时会自动进行转换），如下图示例
    • R(一): R基础知识
  • 因子（Factor): 为处理分类数据提供的一种有效方法，概念难懂，结合以下代码说明 
    #取10名考生所在的省赋给变量province
    
 province <- c('四川','湖南','江苏','四川','四川','四川','湖南','江苏','湖南','江苏')

 #创建因子, 并查看因子输出结果
    
 pf <- factor(province);pf

 #录入每位考生的分数
    
 score <- c(95,86,84,92,84,79,86,99,85,90)

 #计算各省的平均成绩,并在屏幕显示
    
 tapply(score,pf,mean)

  • 输出结果如下图：（这样应该能明白了吧？）

  • R(一): R基础知识
  • 矩阵（matrix): 一种特殊的数组，是向量在多维度下的一般形式。 用法： matrix(data = NA, nrow = 1, ncol = 1, byrow = FALSE, dimnames = NULL)
    1. data为必要的矩阵元素，nrow 为行数，ncol 为列数，注意nrow 与ncol 的乘积应为 矩阵元素个数，byrow 项控制排列元素时是否按行进行，默认是按列，dimnames 给定行和列的名称
    2. 示例代码： 1：12表示 1至12 的有序数字序列 
      > matrix(1:12,nrow = 3,ncol = 4,byrow = TRUE,dimnames = list(c("Row1","Row2","Row3"),c("col1","col2","col3","col4")))
      
     col1 col2 col3 col4
      
Row1    1    2    3    4
      
Row2    5    6    7    8
      
Row3    9   10   11   12
      
>
  • 数据框（dataframe): 和矩阵类似的结构，列可以是不同的对象。
    1. 使用data.frame函数来初始化一个对象，示例代码如下： 
      > duty <-data.frame(date=c("","",""),
      
+                            Name=c("tgzhu","zhangShan","LiShi"),
      
+                            Tel=c("","",""))
      
> duty
      
      date      Name         Tel
      
1 20160814     tgzhu 13606401549
      
2  2016015 zhangShan 13606401550
      
3  2016016     LiShi 13606401551
      
>

    2. 在通过读取本地文件、通过RODBC访问数据库访问的都是 data.frame对象，在后续会以单独的章节对其包含的操作进行介绍

  • 列表(list): 一种泛化的向量，没有要求所有元素数型一致
    1. 通过 list 函数来初始化一个对象，示例代码如下： 
      #无tag 方式
      
list("tgzhu",16,TRUE)

#带tag方式
      
list(name="tgzhu",workAge=16,goodMan=TRUE)

#list 嵌套
      
list(name="tgzhu",workAge=16,address=list(address="JN",Tel=""))

    2. list中元素的访问：list_name$tag_name、list_name[[tag_name]]、 list_name[[index]]

    3. 注意：list中元素的访问需要双层[[]]，如果单层[index]或[tag_name]会访问到tag_name(或者index)与值本身，是个子list，而不仅仅是值；
    4. 双层[[]]中的只能是单一的tag_name或index，不能是类似[[1:3]]这样访问，而单层可以[1:3]，提取出1~3作为子list
  • 小结：
    1. R中的数据结构主要面向《线性代数》中的一些概念，如向量、矩阵等
    2. R中其实没有简单数据（数值型、逻辑型、字符型等），对于简单类型会自动看做长度为1的向量

 R对象判断转换：

  • R对象判断函数：其返回值：TRUE或FALSE
    1. is.numeric()： 是否数值型数据
    2. is.character()：   是否字符型数据
    3. is.vector()：   是否向量数据
    4. is.matrix()：  是否矩阵数据
    5. is.data.frame()：   是否数据框数据
    6. is.factor()：    是否因子数据
    7. is.logical()：   是否逻辑型数据
  • 转换数据类型：函数将输入参数转换为对应的类型
    1. as.numeric()
    2. as.character()
    3. as.vector()
    4. as.matrix()
    5. as.data.frame()
    6. as.factor()
    7. as.logical()
    • 简单示例如下 
      > a <- c(1,2,3);a
      
[1] 1 2 3
      
>
      
> is.numeric(a)
      
[1] TRUE
      
>
      
> a<-as.character(a);a
      
[1] "" "" ""
      
>
      
> is.numeric(a)
      
[1] FALSE

 R运算符：

  • 算术运算符： + - * /
  • 逻辑运算符： <，<=，>，>=，==,!=, &, |, !
  • 数学函数：log，exp，sin，cos，tan，sqrt，max ，min，range，length，sum，prod，var

R循环语句：

  • 条件语句:  if (expr1 ) expr2 else expr3
  • 循环控制：for,repeat,while
  1. for语法： for (name in expr1 ) expr2 其中name 是循环变量，expr1是一个向量表达式，而expr2常常是根据虚拟变量name 而设计的成组表达式。在name 访问expr1所有可以取到的值时，expr2都会运行
  2. 注意：相比其他程序语言，R代码里面很少使用for(),执行效率很低
  3. repeat expr， while (condition) expr
  4. 关键字break：可以用于结束任何循环，甚至是非常规的。它是结束repeat 循环的唯一办法。
  5. 关键字next：可以用来结束一次特定的循环，然后直接跳入"下一次"循环

R特殊值：

  • 在某些情况下，向量的元素可能有残缺.R为确保所有数据都能被正确识别、计算或统计等，定义了一些特殊值数据
    1. NULL：空数据
    2. NA（not available）：表示无数据
    3. NaN（Not a Number）：表示非数字
    4. inf：数字除以0得到的值，无穷大
  • 断一个object （x）是不是属于这些类型有相应的函数：
    1. is.null(x)
    2. is.na(x)
    3. is.nan(x)
    4. is.infinite(x)

R工作空间:

  • 工作空间（workspace）就是当前R的工作环境，它储存着所有用户定义的对象（向量、矩阵、函数、数据框、列表） 。在一个R会话结束时，你可以将当前工作空间保存到一个镜像中，并在下次启动R时自动载入它
  • 当前的工作目录（working directory）是R用来读取文件和保存结果的默认目录。使用函数getwd()来查看当前的工作目录，或使用函数setwd()设定当前的工作目录。
  • 注意：如果需要读入一个不在当前工作目录下的文件，则需在调用语句中写明完整的路径。记得使用引号闭合这些目录名和文件名
  • 用于管理工作空间的部分标准命令：
    1. getwd()： get working directory  显示当前的工作目录
    2. setwd("yourdirectory"):  修改当前的工作目录为你指定的目录地址
    3. ls()：  列出当前工作空间中的对象
    4. rm(objectlist)：  移除（删除）一个或多个对象，变通一下： rm(list=ls())  即表示删除工作空间内存中的所有对象
    5. rm(list=ls(pat=“^m”)): 删除内存中以m开头的变量
    6. options():  显示或设置当前选项,这个命令很有用，在下面的章节会用到
    7. save.image("myfile") ： 保存工作空间到文件myfile中（默认值为.RData）
    8. save(objectlist, file="myfile")：  保存指定对象到一个文件中
    9. load("myfile")：  读取一个工作空间到当前会话中（默认值为.RData），一些静态的数据文件也可保存为.rda文件，通过load加载到内存
    10. q()：  退出R

R帮助：

  • help.start()： 打开所有已在本地安装的帮助文档
  • help( 函数名) 或 ? 函数名 : 查看函数帮助文档
  • help.search(“pattern”)  或 ??pattern:  函数搜索已在本地计算机安装的帮助文档
  • 如果有些包是最近才安装的，则设置rebuild参数来刷新数据库，如：help.search(‘tree’,rebuild=TRUE）
  • 示例：help(“bs”,try.all.package=TRUE) : 默认情况下，help只会在载入内存的包中进行搜索，选项 try.all.package = FASLSE,若设为TRUE，则可在所有包中进行搜索。在 这种情况下，不会显示函数 的帮助页面
  • 若package未载入内存，而想查看帮助页面，可使用：help(“bs”,package=“splines”);
  • apropos("yourSearchName")：找出所有名字中含有指定字符串的函数（仅加载到内存中的包中搜）

常用操作

  • 查看已加载的包:   (.packages())
  • 卸除已加载的包，如卸除RMySQL包:   detach("package:RMySQL")
  • 安装包，如下载安装报名为“rjson”的包:    install.packages("rjson")
  • 彻底删除已安装的包： remove. packages(c("pkg1","pkg2") , lib = file .path("path", "to", "library"))
  • 查看已安装的包:  installed.packages()[,c('Package','Version','LibPath')]  (其中c('Package','Version','LibPath') 表示显示包名、版本、库路径信息，若无[,c('Package','Version','LibPath')]参数，则显示所有信息)
  • 查看某个包提供的函数:  help(package='TSA')    (package参数为要查看的包的包名)
  • 查看某个函数属于哪个包: help(函数名)
上一篇：Django查询的琐碎记录


下一篇：ELK环境配置+log4j日志记录