由於一個項目原因,需要用到R對數據進行迴歸分析和數據挖掘,因此花半天時間對R進行了一個基礎的學習。這是之前整理的網易雲課程上的一個視頻教程中整理的。
這裏貼出來,也提供給源代碼下載地址(http://pan.baidu.com/s/1c1mV0Xy),方便大家直接在RStudio中執行測試,也方便自己和大家在學習過程中對基本的指令的查詢。
我剛發現,有可能第一次打開會出現亂碼。這時候在RStudio中選擇tools->global options->code->saving裏面將text encoding設置爲UTF-8就好啦~
安裝RStudio之前必須先安裝R,安裝包下載地址給分享給大家。
R安裝包:http://pan.baidu.com/s/1bnYK2g3
RStudio安裝包:http://pan.baidu.com/s/1nu0kvVj
照着敲一遍,包你入門啦~不要偷懶!!不想往下看的話,就去下載上面給出鏈接的源代碼tutorial.R文件哦。
#########################R learning##############
###1.R introduction ####
#語言歷史和特點
#1.1 R語言歷史####
#R是S語言的一種實現。S語言是由AT&T貝爾實驗室開發的一種用來進行數據探索、
#統計分析、作圖的解釋型語言。最初S語言的實現版本主要是S-PLUS.
#S-PLUS是一個商業軟件,它基於S語言,並由MathSoft公司的統計科學部進一步完善。
#後來Auckland大學的Robert Gentleman和Ross Ihaka及其他志願人員開發了一個R系統
#R的使用與S-PLUS有很多類似之處,兩個軟件有一定的兼容性
#1.2 R的特點####
#1.有效地數據處理和保存機制
#2.擁有一整套數組和矩陣的操作運算符
#3.一系列連貫而又完整的數據分析中間工具
#4.圖形統計可以對數據直接進行分析和顯示,可用於多種圖形設備。
#5.一種相當完善、簡潔和高效的程序設計語言。包括條件語句、循環語句、用戶自定義的遞歸函數以及輸入輸出接口。
#6.R語言是徹底面向對象的統計編程語言
#7.R語言和其他編程語言、數據庫之間有很好的接口
#8.R語言是自由軟件,可以放心大膽地使用,但其功能卻不必任何其他同類軟件差
#9.R語言具有豐富的網上資源
###2. Rstudio和R的基本操作####
#2.1查看R語言自帶的數據集
data()
#直接輸入數據集的名稱,查看數據
CO2
#2.2快捷鍵
#Ctrl+Enter:
#Ctrl+L:
#Ctrl+Shift+S:
#Ctrl+1:
#Ctrl+2:
#Ctrl+D:
#2.3查看數據集的前6行####
head(CO2)
#查看數據集的最後6行
tail(CO2)
#2.4安裝包(可以通過命令或者圖形界面來咱安裝)####
installed.packages("ggplot2")
#加載包
library(ggplot2)
#2.5創建向量和矩陣以及對它們的基本操作####
x1 <- c(1,2,3,4,5,6)
x2 <- c(2,4,6,8,10,12)
length(x1)
mode(x1)
class(x1)
rbind(x1,x2) #行聯合
cbind(x1, x2) #列聯合
Dmat<-cbind(x1,x2)
class(Dmat) #使用c函數結合的變量組成的是矩陣
Dmat<-rbind(x1,x2)
class(Dmat)
Dframe<-as.data.frame(cbind(x1,x2))
class(Dframe)
Dmat;Dframe #矩陣和數據框格式是不一樣的,矩陣是由行列組成的,數據框是由記錄和變量組成的
a<-c(1:100)
length(a)
cbind(a)
a
#2.6常用的函數####
b<-c(1:20)
mean(b) #均值
sum(b) #求和
max(b) #求最大值
min(b) #求最小值
sd(b) #標準差
#2.7產生向量####
1:5
1:5*2
1:5*2+1
#2.8查看內存中已有的對象####
ls()
#刪除當前內存中的所有對象
rm(list=ls())
ls()
#2.9訪問向量中的元素####
a<-1:5*2-1
a
a[3]
a[-3]
a[2:4]
a[-(2:4)]
a[1,2,3] #不能這樣訪問向量中的元素
a[c(1,2,3)]
a[a<=5]
a[a<=3 | a >= 7]
a[a>=3 & a <= 7]
a[a[2]]
#2.10 seq()函數和rep()函數,用來產生等差數列的函數,調用實例函數####
example("seq")
seq(0, 1, length.out = 11)
seq(stats::rnorm(20)) # effectively 'along'
seq(1, 9, by = 2) # matches 'end'
seq(1, 9, by = pi) # stays below 'end'
seq(1, 6, by = 3)
seq(1.575, 5.125, by = 0.05)
seq(17) # same as 1:17, or even better seq_len(17)
example(rep)
rep(1:4, 2)
rep(1:4, each = 2) # not the same.
rep(1:4, c(2,2,2,2)) # same as second.
rep(1:4, c(2,1,2,1))
rep(1:4, each = 2, len = 4) # first 4 only.
rep(1:4, each = 2, len = 10) # 8 integers plus two recycled 1's.
rep(1:4, each = 2, times = 3) # length 24, 3 complete replications
rep(1, 40*(1-.8)) # length 7 on most platforms
rep(1, 40*(1-.8)+1e-7) # better
## replicate a list
fred <- list(happy = 1:10, name = "squash")
rep(fred, 5)
# date-time objects
x <- .leap.seconds[1:3]
rep(x, 2)
rep(as.POSIXlt(x), rep(2, 3))
## named factor
x <- factor(LETTERS[1:4]); names(x) <- letters[1:4]
rep(x, 2)
rep(x, each = 2)
rep.int(x, 2) # no names
rep> rep_len(x, 10)
#2.11 產生字母序列####
letters[1:30]
#2.12 which()函數####
a<-rnorm(10)
a
which.max(a) #返回數組中最大的數的位置
which.min(a) #返回數組中最小的數的位置
a[which.max(a)]
which(a==a[which.max(a)])
which(a>0)
a[which(a>0)]
#2.13排序函數####
a<-1:10
a
rev(a) #反轉順序
a<-c(3,1,5,6,9,2,7,4,6,5)
sort(a)
rev(sort(a))
#2.14生成矩陣####
a<-c(1:36)
a
a1<-matrix(a,nrow = 9, ncol = 4);a1
a2<-matrix(a,nrow = 4, ncol = 9);a2
a3<-matrix(a,nrow = 9, ncol = 4, byrow = TRUE);a3
dim(a1) #查看函數的維度
dim(a2)[1] #行
dim(a3)[2] #列
#矩陣運算
t(a1) #轉置
a1+a2
a1+a3
#2.15改變RStudio的工作界面(通過tools裏面的layout設置完成)####
#2.16 設定工作目錄,方便載入數據,將數據存放在設定的目錄中,載入數據時就不用指定路徑了####
setwd("F:/feiguR/data")
setwd("F:\\feiguR\\data")
getwd() #用於查看當前工作目錄
#2.17 help()函數####
help("seq")
?seq
help(package="ggplot2")
#2.18 example()函數####
example("seq")
example("hist")
example("plot")
#搜索自己需要的函數
help.search("multivariate normal")
#2.19 數據框 dataframe####
##數據框就是一個數據表格,一行表示一個記錄,一列表示一個變量
x1<-c(1,2,3,4,5,6,7,8,9)
x2<-c(2,4,6,8,10,12,14,16,18)
x<-data.frame(x1,x2);x
x=data.frame('weight'=x1, 'cost'=x2);x
x$"feerate"<-x$cost/x$weight #數據框可以利用已有的變量產生新的變量並存儲於當前數據框中
names(x) #查看數據框中的變量
str(x) #查看數據框中數據的定義
#我們在載入數據後,要使用上面的兩個函數來檢查數據載入是否成功,並檢查數據的定義
#2.20 列表list() ####
x1<-1 #單個數字,其實是一個只有一個元素的一維向量
x2<-c(1,2,3,4)
x3<-c("a","bc","d") #字符向量
x4<-matrix(1:36,nrow = 9,ncol = 4) #矩陣,vector
x5<-data.frame(a=c(1,2,3,4), b=c(2,3,4,5),c=c(3,4,5,6))
list_01<-list(x1=x1,x2=x2,x3=x3,x4=x4,x5=x5) #產生一個數據框
list_01$x3
###3. 數據導入與導出 ####
#3.1 先把R內置的CO2數據集導出,然後再聯繫導入操作####
write.table(CO2,file="二氧化碳.txt")
write.csv(CO2,file = "二氧化碳.csv")
#3.2 導入逗號分割的文本文件####
read.table(file = "二氧化碳.txt", header = TRUE)
#最好指定一個名稱
carbon<-read.table(file = "二氧化碳.txt", header = TRUE)
#3.3 導入csv格式的數據####
carbon_csv<-read.csv(file = "二氧化碳.csv", header = TRUE)
#3.4通過剪貼板讀入數據並寫入文件
setwd("F:/feiguR")
clipboard<-read.table("clipboard",header = TRUE)
clipboard
write.table(clipboard, file = "clipboard.txt")
#3.5 導入空格分割的文本文件數據####
setwd("F:/feiguR")
lowtem<-read.table(file = "lowtemperature.prn", header = TRUE)
names(lowtem);str(lowtem)
lowtem$fyear<-factor(lowtem$year, c(2013,2014,2015), labels = c("2013年","2014年","2015年"))
#此處設計重新編碼變量的操作
#3.5.1 讀取數據框中的變量####
#1)很多函數中有data參數,可以指定數據框,然後在函數內部直接訪問數據框中的變量
boxplot(lowtem~year, data = lowtem)
#2)使用美元符號$
boxplot(lowtem$lowtem~lowtem$year)
#3)使用attach函數,不推薦使用,很容易出錯,特別是在同一個R代碼及中寫很多不同程序的時候
attach(lowtem)
boxplot(lowtem~year)
detach(lowtem)
###3.6 數據子集操作####
#1)先明確分類變量有幾個類別
unique(lowtem$year)
#2)選擇數據子集
lowtem_15<-lowtem[lowtem$year=2015,]
plot.ts(lowtem_15$lowtem)
#3)多個條件用邏輯連接符號進行連接
lowtem_1501<-lowtem[lowtem$year==2015 & lowtem$day=="1/1",]
lowtem_1501
#4)排序操作
#按照日最低氣溫進行排序,這個排序可能沒有實際意義,這裏只是演示操作的方便
orderlowtem<-lowtem[order(lowtem$lowtem),] #對行的操作
View(orderlowtem)
#5)合併數據子集
#加入三年的氣溫數據是分開的,我們要將它們合併到一個數據集中
#(1)先讀入數據
setwd("F:/feiguR")
hightem<-read.table("clipboard",header = TRUE) #通過剪切板讀入數據
write.table(hightem, file = "hightem.txt", quote = FALSE) #將這個數據保存一邊下次使用
lowtem<-read.table(file = "lowtemperature.prn", header = TRUE)
#(2)然後進行合併
colnames(hightem)<-c("day","year","hightem") #由於變量名稱大小寫不一致,對最高溫度的數據集變量名稱進行重命名
tem<-merge(hightem, lowtem, by=c("year", "day"))
tem$day<-as.Date(tem$day)
#(3)合併後有一個問題就是時間序列被打亂了
#暫時解決辦法是把文件寫入csv文件,用excel重新編輯日期,並排序後重新導入
tem_new<-read.csv(file = "tem.csv", header = TRUE)
head(tem_new)
#3.7 讀入excel格式的文件####
install.packages("RODBC") #注意有些包只在特定版本中能夠運行,更新問題
library(RODBC)
xls<-odbcConnectExcel("wechat.xls") #odbcConnectExcel is only usable with 32-bit Windows
###4. 常用的函數####
##4.1 tapply函數(用來對某數值變量依據另外一個分類變量求某值)####
setwd("F:/feiguR")
tem_new<-read.csv(file = "tem.csv", header = TRUE)
head(tem_new)
str(tem_new)
tapply(tem_new$lowtem, tem_new$year, mean) #計算最低氣溫均值
tapply(tem_new$hightem, tem_new$year, mean) #計算最高氣溫均值
tapply(tem_new_lowtem, tem_new$year, sd) #計算最低氣溫方差
###4.2 sapply()函數 和 lapply()函數(對多個變量求某函數的結果)####
sapply(tem_new[,4:5], mean) #輸出爲向量
lapply(tem_new[,4:5], mean) #輸出爲列表
##4.3 summary()函數 用來輸出彙總信息####
a<-summary(tem_new)
b<-summary(tem_new$year)
c<-summary(c(1,2,3,4,5,6,7,8,9))
d<-lm(tem_new$hightem~tem_new$lowtem)
e<-summary(d)
class(a);class(b);class(c);class(d);class(e) #summary函數的輸出非常豐富,是一種列表
e$coeeficients
###4.4. table函數 (用於單變量的頻數統計,多分類變量的交叉分析)####
example("table")
#4.4.1 簡單的頻數統計####
rpois(100,5)
table(rpois(100,5))
#4.4.2 查看錶的結構(可用於對數據框中兩個分類變量進行交叉分析)####
View(warpbreaks)
with(warpbreaks, table(wool, tension))
###5. 繪圖工具 ####
#5.1 基本繪圖函數plot() ####
View(cars)
help(cars) #速度與剎車距離
head(cars)
plot(cars)
plot(cars$dist~cars$speed) #指定y軸表示剎車距離
plot(cars$speed~cars$dist) #指定x軸表示剎車距離
#5.2 爲了方便將兩幅圖在一起進行對比####
windows() #用單獨的窗口顯示圖形以獲得更好的顯示效果,注意windows命令在前
par(mfrow=c(2,2))
plot(cars$dist~cars$speed)
plot(cars$speed~cars$dist)
#5.3函數的參數####
plot(cars$dist~cars$speed, #y~x
main="剎車距離與車速之間的關係", #畫標題
xlab="Speed(miles per hour)", #X座標軸標題
ylab = "Distance travelled(miles)", #y座標軸標題
xlim = c(0,30), #x座標軸範圍
ylim = c(0,140), #y座標軸範圍
xaxs = "i", #設置x軸風格爲internal
yaxs = "i", #設置y軸風格爲internal
col = "red", #設置散點的顏色爲紅色
pch = 19 #設置散點的形狀爲實心圓點
)
#5.4 繪製線圖 ####
#使用微信公衆號數據
setwd("...")
num<-read.csv(file = "wechat.csv")
head(num)
windows()
plot(num$NetGrowth~as.Date(num$date),
type="1",
main="每日淨增長變化",
xlab="date",
ylab="每日淨增長人數",
col = "red"
)
##5.5 低水平繪圖函數lines() ####
lines(num$NetGrowth~as.Date(num$date),col = "red")
example("lines")
plot(cars, main = "Stopping Distance versus Speed")
lines(stats::lowess(cars)) #此代碼爲散點圖加上光滑的曲線
#5.6 柱形圖####
#使用數據集BOD
View(BOD)
#使用基礎繪圖包
barplot(BOD$demand, names.arg = BOD$Time)
#先輸出頻數表,然後在用條形圖繪製
table(mtcars$cyl)
barplot(table(mtcars$cyl))
#改變圖形的方向
windows()
par(mfrow=c(1,2))
barplot(BOD$demand, names.arg = BOD$Time)
barplot(BOD$demand, names.arg = BOD$Time, horiz = TRUE)
#5.7 繪製直方圖####
windows()
par(mfrow=c(1,2))
hist(mtcars$mpg)
hist(mtcars$mpg, breaks = 10) #控制分區數目
#5.8 繪製箱線圖####
#使用數據集ToothGrowth
View(ToothGrowth)
#使用plot函數時,當x軸爲分類變量,y軸爲數值型變量時,默認輸出箱線圖
plot(ToothGrowth$supp, ToothGrowth$len)
#5.9 繪圖設備(輸出圖形的格式)####
?device
setwd("F:/feiguR")
pdf("fly.pdf") #在圖形設備中輸出圖形名稱
plot(ToothGrowth$supp, ToothGrowth$len)
dev.off() #關閉當前圖形設備,相當於保存該圖形
png("fly.png")
plot(ToothGrowth$supp, ToothGrowth$len)
dev.off()
pdf("xxx.pdf") #在你希望將所有圖形輸出到一個文件中時,這樣做不支持PNG格式
hist(mtcars$mpg)
hist(mtcars$mpg, breaks = 10)
plot(ToothGrowth$supp, ToothGrowth$len)
dev.off()
#圖形設備設置
dev.cur() #查看當前正在使用的圖形設備
dev.set(3) #把當前正在使用的圖形設備設置爲其他設備
#5.10 其他常用圖形####
example("pie") #查看餅圖的使用方法和實例
example("plot.ts")
#5.11 繪圖參數####
setwd("F:/feiguR")
wec<-read.csv(file = "wechat.csv", header = TRUE)
head(wec)
windows()
plot.ts(wec$NetGrowth, col="red")
points(wec$NetGrowth, bg="skyblue", color="red", pch=21)
abline(h=mean(wec$NetGrowth), col="blue")
title("公衆號日增淨關注人數變化")
box()
#5.12 生成時間序列的函數####
ts(1:10, frequency = 4, start = c(1959,2)) #生成時間序列,季度,起始
print(ts(1:10, frequency = 7, start = c(12,2)), calendar = TRUE) #星期 日曆
gnp<- ts(cumsum(1+round(rnorm(100),2)), start = c(1954,7), frequency = 12)
z <- ts(matrix(rnorm(300), 100, 3), start = c(1961,1), frequency = 12)
class(z)
head(z)
plot(z)
###6. R語言與統計####
###7. 循環與自定義函數####
#7.1 for循環####
example("for")
for (i in 1:5) { #循環遍歷每個數,每取出一個數就打印一個向量
print(1:i)
}
for (n in c(2,5,10,20,50)) {
x <- stats::rnorm(n) #生成含有n個數的正態分佈
cat(n, ":", sum(x^2), "\n") #對應每一個數,計算生成的正太分佈數組的平方和
}
f<-factor(sample(letters[1:5], 10, replace = TRUE));f #抽樣,生成字母序列
for (i in unique(f)) { #依次去除序列中的每一個獨有的值
print(i)
}
#7.2 while語句####
a[1]<-1; i<-1
while(a[i] < 100){
i = i + 1;
a[i] <- a[i-1]+3
}
#7.3 自定義函數####
myfunc_cv<-function(x){ #函數在R中也是一個對象
cv<-sd(x)/mean(x)
return(cv) #變異係數
}
#測試該函數
a<-c(1,2,5,8,9,6)
myfunc_cv(a)
#7.4 通過循環和自定義函數來驗證中心極限定理####
myfun<-function(a){
x<-1:100 #先生成一個1到100的序列,後面可以更改這些值,相當於覆蓋掉原來的值
x<-data.frame(x)
a<-data.frame(a)
for (i in 1:100) { #設置循環,循環抽取100個樣本,並將計算出來的均值付給數據框中的x變量
c<-a[sample(nrow(a), 1000),]
m = mean(c)
x$x[i] = m
}
windows(1280,720);par(mfrow=c(1,2))
plot(density(a$a),main="這是原來的分佈")
plot(density(x$x), main = "這是抽取的樣本的均數的分佈")
}
a<-c(1:1000)
myfun(a)
###7.4.1 正態分佈####
a<-rnorm(10000,0,1)
myfun(a)
###7.4.2 指數分佈####
b<-rexp(10000,1)
myfun(b)
###7.4.3 t分佈####
c<-rt(1000,3)
myfun(c)
###7.4.4 F分佈####
d<-rchisq(100000,1)
myfun(d)
###8.數據處理####
###8.1 把數據框變長####
其中的條目最後的四個'#'號是做成目錄的一個代碼(必須只能是四個‘#’號),在RStudio中可以直接在代碼編輯框下面選擇。