R语言和头发二选一，你会选择哪个？

Posted 2021-04-18 解螺旋

你可能早就听说了统计学的当红小生R语言，辣么方便，辣么高大上，但当你终于鼓起勇气去看教程，却看到辣么多复杂的代码，头好大，从此退避三舍……但是，仔细分解起来，还是很有规律的，简单易懂。且听我慢慢道来~

R语言对我们大多数人来说，还是一种“耳熟不能详”的神秘高人，只是听说它的各种好处，比如它能轻易处理超大样本的数据，而且对电脑配置的要求不高，听说有人曾经用Excel处理过20000行的大表格，搞得电脑欲仙欲死，但用R语言完全没问题；更好的是，它还免费，不需要辛辛苦苦找破解版；Geek们更在意的是，它是开源的，所以全球用户都可以对它的功能进行检验、改进，而且它有辣么多用户，任何一个bug都会得到迅速报告并修正。

不过这都不是重点，最重要的是它能做出很多高质量的美腻又直观的数据图。

比如用于检验正态性的QQ图：

炫丽的散点图：

信息丰富的热图：

再也不怕代码复杂了，为了玩出漂亮的图，发高大上的文章，我豁出去了~

不过，一口不能吃个胖子，今天这篇文章还不能让你学会做这些图，不过已经上路了~我们先探索一些简单的统计运算，做点朴素的图来展示自己的数据吧。

安装并认识RStudio

先下载并安装R和RStudio。

打开RStudio，用Ctrl+Shift+N新建文件，得到如下窗口：

如果你安装出来的界面排版跟我不一样，请参考英文自己对上号，也可以在“Tools→Global Options→Pane Layout”里设置成和我一样的。

编辑区就是我们的战略指挥中心，在这里输入命令；工作区是军械库，可以看到我们都有哪些武器装备（包括数据库、在编辑区输入命令后生成的各种变量等）；控制台则一来是后方监控，我们哪条命令运行成功，哪条失败，出了什么问题，都可以在这里看到，二来，运算结果也在这里显示；展示区，其实这个区功能比较杂，但我们暂时只用到展示统计图的Plots选项卡，所以就先这么称呼吧。

Ready：导入数据，向量赋值

我就用我伪造的一组数据来演示吧，假设我们有一个对照组和两种药物的治疗组，检测组织切片的显微镜下A细胞计数，这个数据在Excel里是这样的：

第一排是组名，全英文，不要有空格，底下是数据。

在RStudio的工作区有个Import Dataset，点击之后选择From Excel，然后可能会提示你安装一个导入数据的工具包，选Yes，然后等它自动安装。装好后，在接下来的弹窗里，点Browse导入你的Excel文件，然后你有可能发现你的数据都变成了什么鬼……此时，需要把每一列下的double下拉框点开，全都改成Numeric。确保下面的First Row as Names选上，其他的随意啦~

细心的小伙伴可能发现，左下角Name里的Cell_Count，比原文件名Cell Count多了一个下划线。这是系统自动改的，为了符合R语言的语法。像TNF-a这样含有分隔符的，也会变成下划线。如果不涉及这些特殊符号，一般不会有变化，但还是要留一下，因为一会儿要用到Name里的名字，而不是Excel的文件名。

这时候你看到工作区多了个数据表的选项卡，工作区也补给了弹药，Data。

现在要把弹药装填上膛：把每组数据变成向量，并赋值成为变量。可以理解成给每组数据穿上R语言能识别的外衣（向量），然后起个名字（变量）。

在编辑区输入简单的三行代码，格式：随便起一个名称=c(刚才导入Excel时出现的那个Name$数据表中相应的组名)，注意各种符号都要用英文半角状态。“c(blabla)”这串就是向量，前面起的那个名称就是变量。每输完一行都用Ctrl+Enter运行一下。

最后看到工作区多了个Values，其中的num表示这组向量的类型是数值，[1:16]表示这是第1~第16个数值。

要是现在就觉得输代码太麻烦了，不要怕，其实你输入前半个括号时，后半个就自动给你补齐了，不会出错的；而且输入前几个字母的时候会有弹窗提示，直接选中按Enter就好了：

一切准备就绪。

前方高能预警，全都是代码！！！

Go：简单的运算、作图

一、先做个描述性统计吧

代码：summary(Cell_Count)，其中summary是函数名，也就是我们要做的事情，括号里的是对象，所以这行代码的意思就是，我们要对Cell_Count这个数据集做个Summary描述性统计。这就是R语言的基本格式了，其他更复杂的几乎都是在此基础上变化。

Ctrl+Enter运行之后，就可以在控制台上看到运算结果：

给出了各组的最大值、最小值、中位数、四分位距、平均值。

同理，可以用bartlett.test(Cell_Count)做方差齐性检验，用shapiro.test(Control)来检验其中Control组的正态性，这里就不展示结果了。

一个括号里还可以放两个变量，比如常用的T检验，要比较两组之间的差异，就把这两组都放到括号中，用逗号把它们隔开，输入t.test(Control,Drug_1)并运行，就会得到：

终于看到了我们心心念念的p值~当然还有95%CI、各组平均值等等。

这样，我们可以做很多类似的简单运算，比如计算对数：log()，标准差：sd()等等。再说，其实这时候我们已经可以理解不少网络上搜到的代码了，不会就搜之——R语言有个公认的好处就是，它有很多用户，你只要入门，理解代码，就很容易在网上找到帮助。

二、作图

终于要画图了~拿到一组数据，我想先看看它的分散情况，通常会使用箱形图。RStudio也可以轻松完成。

上代码：boxplot(Cell_Count)，运行，左下角的plot选项卡里就出现了一幅箱形图：

但是有没有觉得少了点什么……横坐标、纵坐标去哪了？

所以就要对代码进行加工，变成这样：boxplot(Cell_Count,names =c('Control','Drug 1','Drug 2'),xlab='Treatment',ylab='Cell Count / HPF')，于是得到这个图：

注意到了吗？下划线都没有了！是因为代码中做了限定，names =c('Control','Drug 1','Drug 2')，和ylab='Cell Count / HPF'，每个词组都加了单引号，引号内是字符串，不参与运算，所以几乎不受符号的影响。

图的上方有个Export，从这里可以导出图片，可以根据杂志的要求保存成各种格式，还可以调整尺寸（其实导出之前拖动窗口大小也可以调整尺寸）：

OK，都讲到代码的加工升级了，就不再展开了，先消化一下。

是不是很有DIY的乐趣？就像前面说的，你已经可以从网上搜些代码来对自己的数据探索一番了。Quick-R（http://www.statmethods.net/）就是这样一个社区，目的之一就是让其他统计软件（SAS, SPSS, Stata）的用户更快地转移到R语言上，俗称挖墙脚。

要是还嫌弃代码和界面都是英文好难记，虽然SPSS可能也是英文界面，但只用点击不用输入啊~这其实也是使用R语言的一大好处——反正你写文章的时候也要描述统计方法的嘛，不如平时先熟悉起来~查字典要趁早，早死早超生啊^(00)^总之，一入R门深似海，从此SPSS是路人。

那么R语言好学吗？如何让快速入门R语言呢？在这里小编向你推荐一本非常适合0基础学习的书籍 《R语言实战》

这本书比较注重实用性，全面而细致的讲解R指南，高度概括了该软件和它的强大功能，展示了使用的统计示例，且对于难以用传统方法处理的凌乱、不完整和非正态的数据给出了优雅的处理方法。作者不仅仅探讨统计分析，还阐述了大量探索和展示数据的图形功能。2版做了大量更新和修正，新增了近200页内容，介绍数据挖掘、预测性分析和高级编程。受到了很多大佬的推荐！豆瓣评分8.8分！    

总之，每天抽一点点时间来看这本书，进步也是非常快的。希望你在学习R语言的道路上收获颇丰！！本次活动我们也准备了300本实体书，免费包邮！领取方式还是老办法，扫描下方二维码即可！

领取须知：

1.书籍首批仅限300本，送完即止。

2.邀请好友完成助力后，点击公众号弹出的模板消息填写地址。如果出现无法填写地址的情况，可能是同一时间填写的用户人数太多导致的，您可以扫码加入公众号消息弹出的活动群，会有我们的活动小助手为您处理。