R语言基础入门

Posted 2020-11-12 icydengyw

请先安装好R和RStudio

如果不干别的，控制台就是一个内置计算器

2 * 3  #=> 6
sqrt(36)  #=> 6, square root
log10(100)  #=> 2, log base 10
10 / 3  #=> 3.3, 10 by 3
10 %/% 3  #=> 3, quotient of 10 by 3
10 %% 3  #=> 1, remainder of 10 by 3 余数　

分配符

a <- 10  # assign 10 to ‘a‘
a = 10  # same as above
10 -> a  # assign 10 to ‘a‘
10 = a  # Wrong!. This will try to assign `a` to 10.类

类或者数据类型　

R语言基于变量被赋予的值的属性自行决定变量类型，而非刻意定义变量类型

 更改变量类型

R语言中变量类型有无穷个，因为可以自由定义新的类，当然，一些常用的类有以下：

变量类型

• character – Strings
• integer – Integers
• numeric – Integers + Fractions 整数和小数
• factor – Categorical variable where each level is a category 类型变量
• logical – Boolean
• complex – Complex numbers 复数

数据类型

• vector – A collection of elements of same class 向量
• matrix – All columns must uniformly contain only one variable type. 矩阵 所有列都包含同一种变量类型
• data.frame – The columns can contain different classes. 每一列可以包含不同的类
• list – Can hold objects of different classes and lengths 可以包含不同类及不同长度的对象

R语言包及下载

R是一种开源语言，有很多包，实现不同的功能

install.packages("car")  # install car package 下载离你所在地方最近的CRAN镜像的包 

　　调用包之前，需要初始化

library(car)  # initialize the pkg ‘car‘  初始化
require(car)  # another way to initialize 初始化
library()  # see list of all installed packages 列出所有以及下载的包
library(help=car)  # see info about ‘car‘ pkg 关于包的信息

获得帮助 

help(merge)  # get help page for ‘merge‘
?merge  # lookup ‘merge‘ from installed pkgs 从以及下载的包中查找
??merge  # vague search 模糊查询
example(merge)  # show code examples 展示代码案例

工作目录

getwd()  # gets the working directory 获取当前目录
setwd(dirname)  # set the working directory to dir name 设置工作目录 名称只能用 / 或者 \\ 分割 

导入导出数据

R语言最常见最方便导入的数据格式是csv文件，也有其他包可以导入xlsx、数据库文件

myData <- read.table("c:/myInputData.txt", header = FALSE, sep="|", colClasses=c("integer","character","numeric") # import "|" separated .txt file

myData <- read.csv("c:/myInputData.csv", header=FALSE)  # import csv file 可以用colClass来人为设定数据框中每列的数据类型，这样处理效率更高，否则是自动识别数据类型的。
write.csv(rDataFrame, "c:/output.csv")  # export 　

如何浏览 删除控制台的对象

当创建新的变量时，默认在全局环境获得存储空间

a <- 10
b <- 20
ls()  # list objects in global env 列出全局环境中所有对象
rm(a)  # delete the object ‘a‘
rm(list = ls())  # caution: delete all objects in .GlobalEnv 删除全局环境中所有对象
gc()  # free system memory 释放系统内存

也可以创建新的环境来存储变量，可以把环境想象成一个包含对象（变量）的容器，最外面的主要环境就是全局环境，而环境容器本身也是对象，所以说可以在全局环境中创建很多个新的环境对象，只是说如果想进入新创建的环境，必须明确告诉R你想看哪一个子环境。

rm(list=ls())  # remove all objects in work space
env1 <- new.env()  # create a new environment
assign("a", 3, envir = env1)  # store a=3 inside env1
ls()  # returns objects in .GlobalEnv
ls(env1)  # returns objects in env1
get(‘a‘, envir=env1)  # retrieve value from env1

创建向量

使用函数 c(). 创建向量，向量中所有元素类型必须一致，如果不一致，会自动转换为统一类型元素

vec1 <- c(10, 20, 15, 40)  # numeric vector
vec2 <- c("a", "b", "c", NA)  # character vector
vec3 <- c(TRUE, FALSE, TRUE, TRUE)  # logical vector
vec4 <- gl(4, 1, 4, label = c("l1", "l2", "l3", "l4"))  # factor with 4 levels

length(vec1)  # 4
print(vec1[1])  # 10 从1开始索引 
print(vec1[1:3])  # 10, 20, 15 

 尽管可以随意增加向量中的元素，但是初始化向量的长度仍然很有必要，因为这样可以节约运行时间，只需要往索引的位置填补新元素，特别是当数据量很大的时候，如下所示

numericVector <- numeric(100) # length 100 elements 

对向量进行操作

切片

logic1 <- vec1 < 15  # create a logical vector, TRUE if value < 15
vec1[logic1]  # elements in TRUE positions will be included in subset 逻辑值为真的元素
vec1[1:2]  # returns elements in 1 & 2 positions.
vec1[c(1,3)]  # returns elements in 1 & 3 positions 位置1 3处元素

排序

sort(vec1)  # ascending sort 升序
sort(vec1, decreasing = TRUE)  # Descending sort 降序

或者

vec1[order(vec1)]  # ascending sort
vec1[rev(order(vec1))]  # descending sort

自定义向量排列

seq(1, 10, by = 2)  # diff between adj elements is 2 相邻元素差为2
seq(1, 10, length=25)  # length of the vector is 25 向量长度是25
rep(1, 5)  # repeat 1, five times. 重复1 五次
rep(1:3, 5)  # repeat 1:3, 5 times
rep(1:3, each=5)  # repeat 1 to 3, each 5 times.

 删除缺失值

vec2 <- c("a", "b", "c", NA)  # character vector
is.na(vec2)  # missing TRUE 返回一个缺失值处为真的逻辑向量
!is.na(vec2)  # missing FALSE
vec2[!is.na(vec2)]  # return non missing values from vec2 返回非缺失值

 抽样

sample(x, size, replace = FALSE, prob = NULL)

set.seed(100)  # optional. set it to get same random samples. 设置随机数
sample(vec1)  # sample all elements randomly 把所有元素打乱顺序
sample(vec1, 3)  # sample 3 elem without replacement 抽取三个元素 3是抽样后得到的样本数量
sample(vec1, 10, replace=T)  # sample with replacement 意思是抽取的元素可以相同

#对数据框抽取
data=1:10
#抽取列
sample(x=data,size=1,replace=T)  
#抽取行
data[sample(nrow(data),2,replace=F),]

#按比例抽取
set.seed(1234)
#按7：3的比例产生了1和2
index <- sample(x = 2,size = nrow(data),replace=TRUE,prob = c(0.7,0.3))
traindata <- data[index == 1,]
testdata <- data[index == 2,]

#按照某个字段分层抽取
result<-data.frame()
data<-data.frame(a=c(1,2,3,4,6,7,8,5,11,12),b=c(2,3,4,5,65,4,6,6,8,9),s=c(‘A‘,‘B‘,‘A‘,‘A‘,‘B‘,‘A‘,‘B‘,‘A‘,‘B‘,‘B‘))
subdata<-split(data,data$s) #按照s变量中的类型分类成列表
for(i in 1:length(subdata)){
    sub<-subdata[[i]]
    x<-sub[sample(nrow(sub),2,replace=F),] #每个列表元素中抽取两行
    result<-rbind(result,x) #rbind函数 按照行叠加起来
}
result

 数据框

数据框是一种很便于进行数据分析的数据对象，R读取csv文件时也是以数据框形式读取的，可用向量创建数据框，R语言也有很多内置的数据框格式数据集

myDf1 <- data.frame(vec1, vec2)  # make data frame with 2 columns
myDf2 <- data.frame(vec1, vec3, vec4)
myDf3 < data.frame(vec1, vec2, vec3)

library(datasets) # initialize
library(help=datasets) # display the datasets

#下面一些基本操作代码会经常用到 
class(airquality)  # get class
sapply(airquality, class)  # get class of all columns
str(airquality)  # structure
summary(airquality)  # summary of airquality
head(airquality)  # view the first 6 obs
fix(airquality)  # view spreadsheet like grid
rownames(airquality)  # row names
colnames(airquality)  # columns names
nrow(airquality)  # number of rows
ncol(airquality)  # number of columns

# cbind  rbind 为数据框添加行和列
cbind(myDf1, myDf2)  # columns append DFs with same no. rows
rbind(myDf1, myDf1)  # row append DFs with same no. columns

对数据框进行切片操作

myDf1$vec1  # vec1 column
myDf1[, 1]  # df[row.num, col.num]
myDf1[, c(1,2)]  # columns 1 and 2
myDf1[c(1:5), c(2)]  # first 5 rows in column 2

#也可以使用 subset() 和 which() 函数 which() 返回符合条件的行或列向量
subset(airquality, Day == 1, select = -Temp)  # 选择 Day=1 剔除 ‘Temp‘
airquality[which(airquality$Day==1), -c(4)]  # 作用同上

抽样 

把数据分为训练数据集和验证数据集

set.seed(100)
trainIndex <- sample(c(1:nrow(airquality)), size=nrow(airquality)*0.7, replace=F)  # get test sample indices 0.7比例 灵活性
airquality[trainIndex, ]  # training data
airquality[-trainIndex, ]  # test data

合并数据框

可以通过共同的列变量进行合并，merge()函数的不同参数可以实现内join，left join,right join以及完整join

merge(x, y, by = intersect(names(x), names(y)), by.x = by, by.y = by, all = FALSE, all.x = all, all.y = all, sort = TRUE, suffixes = c(".x",".y"), incomparables = NULL, ...)

x: 第一个数据框

y: 第二个数据框

by,by.x,by.y:用于连接两个数据集的列，intersect(a,b)值向量a,b的交集，names(x)指提取数据集x的列名 by = intersect(names(x), names(y)) 是获取数据集x，y的列名后，提取其公共列名，作为两个数据集的连接列， 当有多个公共列时，需用下标指出公共列，如names(x)[1]，指定x数据集的第1列作为公共列 也可以直接写为 by = ‘公共列名’ ，前提是两个数据集中都有该列名，并且大小写完全一致，R语言区分大小写

all, all.x, all.y: 指定合并类型的逻辑值。缺省为false，all=FALSE (仅返回匹配的行).

最后一组参数all, all.x, all.y需要进一步解释，决定合并类型。

内 join: 仅返回两数据框中匹配的数据框行，参数为：all=FALSE.

outer join: 返回两数据框中所有行， 参数为： all=TRUE.

Left outer join: 返回x数据框中所有行以及和y数据框中匹配的行，参数为： all.x=TRUE.

Right outer join: 返回y数据框中所有行以及和x数据框匹配的行，参数为： all.y=TRUE.

sort:by指定的列是否要排序.

suffixes:指定除by外相同列名的后缀.

incomparables:指定by中哪些单元不进行合并.

• inner 模式匹配，只显示两个数据集公共列中均有的行

# 有多个公共列时，需指出使用哪一列作为连接列merge(x,y,by=intersect(names(x)[1],names(y)[1]))

# 当两个数据集连接列名称同时，直接用by.x，by.y 指定连接列merge(x,y,by.x =‘name‘,by.y =‘name‘) 

# 当两个数据集均有连接列时，直接指定连接列的名称merge(x,y,by=‘name‘)

• outer 模式，将两张表的数据汇总，表中原来没有的数据置为空

merge(x, y, all=TRUE, sort=TRUE)

# all = TRUE 表示选取x, y 数据集的所有行，sort = TRUE，表示按 by 列进行排序，默认升序

• left 匹配模式

merge(x ,y,all.x=TRUE,sort=TRUE)

# 多个公共列 末指定连接列 ,左连接，设置 all.x = TRUE，结果只显示数据x的列及x在y数据集中没有的列

merge(x, y, by = ‘name‘,all.x = TRUE, sort = TRUE) # 多个公共列 指定连接列指， 左连接，设置 all.x = TRUE，结果只显示x所有names(x)[1]值

• right 匹配模式

merge(x ,y ,by=‘name‘,all.y=TRUE,sort=TRUE) 

# 多个公共列指定连接列# 左连接，设置all.y =TRUE，结果只显示y所有names(y) [1] 值的记录

paste 函数

连接字符串，自定义字符串模式

paste("a", "b")  # "a b"
paste0("a", "b")  # concatenate without space, "ab"
paste("a", "b", sep="")  # same as paste0
paste(c(1:4), c(5:8), sep="")  # "15" "26" "37" "48"
paste(c(1:4), c(5:8), sep="", collapse="")  # "15263748"
paste0(c("var"), c(1:5))  # "var1" "var2" "var3" "var4" "var5"
paste0(c("var", "pred"), c(1:3))  # "var1" "pred2" "var3"
paste0(c("var", "pred"), rep(1:3, each=2))  # "var1" "pred1" "var2" "pred2" "var3" "pred3

处理日期字符串

dateString <- "15/06/2014"
myDate <- as.Date(dateString, format="%d/%m/%Y")
class(myDate)  # "Date"
myPOSIXctDate <- as.POSIXct(myDate)  # convert to POSIXct

 查看R对象的内容

attributes(myPOSIXltDate)  # best
unclass(POSIXltDate)  # works!
names(myPOSIXltDate)  # doesn‘t work on a POSIXlt object
unlist(myPOSIXltDate)  # works!

object.size(myDate)  # 216 bytes
object.size(myPOSIXltDate)  # 1816 bytes
object.size(myPOSIXctDate)  # 520 bytes

列联表

test <- c(1,2,3,2,1,1,5,6,4,5,1)
test1 <- table(test)
test1
test
1 2 3 4 5 6   #test中的元素
4 2 1 1 2 1   #各个元素出现的频率
#提取table()中的元素
names(test1)
[1] "1" "2" "3" "4" "5" "6"
#提取table()中的频率
as.numeric(test1)
[1] 4 2 1 1 2 1
#3.进阶，提取table()中指定频率的数据，先用as.data.frame()转换
test2 <- as.data.frame(test1)
test2
  test Freq
1    1    4
2    2    2
3    3    1
4    4    1
5    5    2
6    6    1
test2[which(test2$Freq==1),]  #提取出现频率为1的元素
  test Freq
3    3    1
4    4    1
6    6    1

列表

列表是R语言中的对象，它包含不同类型的元素，比如 - 数字，字符串，向量和另一个列表等。一个列表还可以包含一个矩阵或一个函数作为它的元素。使用list()函数创建列表。

# Create a list containing strings, numbers, vectors and a logical values.
> list_data <- list("Red", "Green", c(21,32,11), TRUE, 51.23, 119.1)
> print(list_data)
> print(list_data)
[[1]]
[1] "Red"
[[2]]
[1] "Green"
[[3]]
[1] 21 32 11
[[4]]
[1] TRUE
[[5]]
[1] 51.23
[[6]]
[1] 119.1

命名列表元素

# Give names to the elements in the list.
 names(list_data) <- c("1st Quarter", "A_Matrix", "A Inner list")

访问列表元素

print(list_data[1])#使用元素索引访问
print(list_data$A_Matrix)#使用名称访问

操控列表元素

list_data[3] <- "updated element"#更新
list_data[4] <- NULL #删除
# Create two lists.
list1 <- list(1,2,3)
list2 <- list("Sun","Mon","Tue")
# Merge the two lists.
 merged.list <- c(list1,list2)

转换列表为向量

# Convert the lists to vectors.
v1 <- unlist(list1)

条件语句

if(checkConditionIfTrue) {
  ....statements..
  ....statements..
} else {   # place the ‘else‘ in same line as ‘}‘
  ....statements..
  ....statements..
} 

for 循环

for(counterVar in c(1:n)){
  .... statements..
}

Error handling with tryCatch()

tryCatch({1 <- 1; print("Lets create an error")}, # First block
error=function(err){print(err); print("Error Line")},  # Second Block(optional)
finally = {print("finally print this")})# Third Block(optional)
#=> [1] "Lets create an error"
#=> <simpleError in 1 <- 1: invalid(do_set) left-hand side to assignment>
#=> [1] "Error Line"
#=> [1] "finally print this"

参考：

http://r-statistics.co/R-Tutorial.html

https://www.jianshu.com/p/148a399b61d3

https://blog.csdn.net/neweastsun/article/details/79435271

https://blog.csdn.net/wlt9037/article/details/76570155

https://www.jianshu.com/p/9d52cd5aa6d9