翻译A (very) short introduction to R R的简短介绍

Posted 2020-06-18

【前言】

　　本文翻译自Paul Torfs & Claudia Brauer的文章A (very) short introduction to R。其中比较简单的地方没有翻译，不好用中文描述的地方也没有翻译。

1. 简介和安装

　　R语言是一种用于数据计算和图标制作的强大的语言。建议初学者使用集成开发环境RStudio。安装R和RStudio的部分就不写了，网上搜一下就可以了。

2. RStudio界面

       

　　左下方是控制台窗口，也叫命令行窗口，可以在>后输入简单的命令，R就会执行你的命令。这个窗口非常重要，因为这是R具体执行的地方。

　　左上方是编辑窗口，也叫脚本窗口。这个部分就是用来编程的，可以写入连续的指令。如果这个窗口没有打开，可以点击File->New->R script打开。如果想运行编辑窗口指令，点击Run，或按下CTRL+ENTER。

　　右上方是工作空间/历史窗口。在工作空间窗口，你可以看到R中存有的各种数据和值，点击就可以查看和更改这些值。历史窗口记录了你之前输入过的指令。

　　右下方是文件/图标/包/帮助窗口。这里可以打开文件，查看图表（包括以前的）、安装和加载包，以及使用帮助功能。

3. 工作目录

　　先设定自己的工作目录，也就是生成文件保存的地方。

　　在命令行中建立工作目录的方法：

　　>setwd("M:/Hydrology/R/")

　　在RStudio里也可通过Tools->Set working directory来设定。

4. 库

　　利用packages或libraries可以进行很多数据统计分析。

　　安装package：（以geometry为例）点击install packages，输入geometry，或者在命令窗口输入install.packages(“geometry”)。

　　加载package：在命令窗口中输入library(“geometry”)。

5. R命令示例

（1）计算

　　输入：

　　>10^2 + 36

　　得到答案：

　　[1] 136

　　练习：用2016减去你在这所学校开始学习的那一年，再除以2016减去你出生那年的差，再乘以100，可以得到你已经在这所学校度过了生命的百分之几。在需要的时候使用括号。

如果你加了左括号，忘了加右括号，那么>会变成+，如果想要退出运算状态，按Esc。

（2）工作空间

　　可以给数字一个命名，它就成为了变量，可以过一会再次使用。例如：

　　> a = 4

　　R会记住a的值。你可以询问R，a的值是多少。

　　> a

　　[1] 4

　　或者用a进行运算：

　　> a * 5

　　[1] 20

　　如果重新定义a，R就会忘记原来的值，而是记住新的值。

　　> a = a + 10

　　> a

　　[1] 14

　　如果要把所以变量从R的存储中移除：

　　>rm(list=ls())

　　或者点击工作空间窗口的clear all。如果只想移除变量啊，输入rm(a)。

　　注意命名必须以字母开头。

（3）标量、向量和矩阵

　　标量是一个数，0维；向量是一个一维数组；矩阵是一个二维数组。

　　定义一个向量，使用函数c，是concatenate的简写：

　　>b = c(3,4,5)

（4）函数

　　如果你想算向量b中所有数的平均值，你可以这么写：

　　> (3+4+5)/3

　　但如果向量特别长的话这么写就太繁琐了，所以可以使用函数。你可以使用R里有的函数，也可以用你自己写的函数。

　　> mean(x=b)

　　括号里是参数，给函数提供额外信息。x表示平均函数需要操作的向量是b。也可以省略x，写成mean(b)。

　　练习：先将4，5，8，11编到一个向量中，然后用sum函数计算其和。

　　再举一个例子：rnorm函数，能够从一个普通的分布生成随机的样本。输入下列代码，然后按ENTER，你就能得到10个随机数。

　　>rnorm(10)

　　[1] -0.949 1.342 -0.474 0.403

　　[5] -0.091 -0.379 1.015 0.740

　　[9] -0.639 0.950

　　第一行的rnorm是函数，10是参数，决定了产生多少个随机数。下面三行是结果，产生了10个随机数，生成一个10长度的向量。

　　再重新输入一次就会产生新的10个随机数。可以使用上箭头来恢复前一个指令。如果你想通过一个平均值为1.2标准差为3.4的普通分布得到10个随机数，可以输入：

　　>rnorm(10, mean=1.2, sd=3.4)

　　可以看出rnorm有三个参数，可以只给出第一个参数，后两个参数会用默认值代替。RStudio在你输入rnorm的时候会自动显示参数信息。

5. 图表

　　R可以生成图表。简单的例子：

　　> x = rnorm(100)

　　> plot(x)

　　结果会生成这个图：

　

　　练习：生成100个随机数的图表。

6. 帮助和文档

　　输入：

　　>help(rnorm)

　　能够得到rnorm这个函数的描述，包括参数以及默认值等等。输入：

　　> example(rnorm)

　　能够得到rnorm的一些使用例子。输入：

　　>help.start()

　　可以得到一个基于html编写的帮助总览。

　　当输入函数名称以及一个左括号后，按TAB键可以得到函数的参数信息，见下图。

   

　　其他有用的链接：

　　http://cran.r-project.org/doc/manuals/ R-intro.pdf一个完整的手册

　　http://cran.r-project.org/doc/contrib/ Short-refcard.pdf一个简短的参考文档

　　http://zoonek2.free.fr/UNIX/48_R/all. html包含了丰富的例子

　　http://www.statmethods.net/也叫Quick-R，提供了高效率的帮助。

　　http://mathesaurus.sourceforge.net/编程语言的词典。

　　使用谷歌搜索也相当高效。

　　练习：查看sqrt函数的帮助。

7. 脚本

　　R是一种类似于Python的解释型语言。你可以直接在控制台里打出命令。你也可以把命令存储在文件里，这就叫做脚本，这些文件的拓展名一般是.R，比如foo.R。你可以通过点击File->New->Open file打开编辑窗口来编辑文件。

　　先选择要执行的部分，然后按CTRL+ENTER或者点击Run来部分执行代码。如果不选择，那么程序会从光标停留的行开始执行。执行全部代码的命令是：

　　> source(“foo.R”)

　　也可以点击Run all，或者按CTRL+SHIFT+S来执行全部的代码。

　　练习：建立一个名为firstscript.R的文件，指令为产生100个随机数，并用图表展示。多次执行这个脚本。

8. 数据结构

（1）向量

　　使用函数c()来构造向量：

　　> vec1 = c(1,4,6,8,10)

　　> vec1

　　[1] 1 4 6 8 10

　　可用[i]来指定向量中的值：

　　> vec1[5]

　　[1] 10

　　可以替换指定位置的值：

　　> vec1[3] = 12

　　> vec1

　　[1] 1 4 12 8 10

　　另一种构造向量的方式，使用seq()函数：

　　> vec2 = seq(from=0, to=1, by=0.25)

　　> vec2

　　[1] 0.00 0.25 0.50 0.75 1.00

　　R中有很多基于向量的计算函数。如果将两个长度相同的向量相加，其中的元素会对应相加：

　　> vec1 + vec2

　　[1] 1.00 4.25 12.50 8.75 11.00

（2）矩阵

　　用函数matrix定义矩阵。

　　> mat=matrix(data=c(9,2,3,4,5,6), ncol=3)

　　> mat

        　　[,1] [,2] [,3]

　　[1,]9  3  5

　　[2,]2  4  6

　　参数data表示在矩阵中出现的数字。ncol定义了列数，也可以使用nrow来定义行数。

　　练习：把31-60这几个数放在名为P的向量中，然后放到一个6行5列的矩阵Q中。提示：使用seq函数。

　　矩阵的操作与向量类似，指定[row, column]可表示矩阵中元素。

　　>mat[1,2]

　　[1] 3

　　指定整个行：

　　>mat[2,]

　　[1] 2 4 6

　　以矩阵为参数的函数。

　　> mean(mat)

　　[1] 4.8333

（3）数据帧

　　数据帧就是一个矩阵，但与矩阵不同的是，它的每一列都是有命名的，所以有的时候你可以使用其中一个数值而无需知道它的准确位置：

　　> t = data.frame(x = c(11,12,14), y = c(19,20,21), z = c(10,9,7))

　　> t

　　　　x  y  z

　　1  11  20 10

　　2  12  20  9

　　3  14  21  7

　　两种通过使用z列进行平均值运算的方法：

　　> mean(t$z)

　　[1] 8.666667

　　> mean(t[[“z”]])

　　[1] 8.666667

　　练习：编写一个脚本文件，建立3个随机数向量，每个向量长度为100，将其命名为x1,x2和x3。建立1个数据帧，名为t，其中的向量为a,b,c，其中a=x1,b=x1+x2,c=x1+x2+x3。调用下列函数：plot(t)和sd(t)。你能理解结果吗？

（4）列表

　　列表与矩阵和数据帧不同的是，它的列长度可以不相同。

　　> L = list(one=1, two=c(1,2), five=seq(0,1,length=5))

　　> L

　　$one

　　[1] 1

　　$two

　　[1] 1 2

　　$five

　　[1] 0.00 0.25 0.50 0.75 1.00

　　可以显示出L中有哪些列：

　　> names(L)

　　[1] “one”“two”“five”

　　也可以使用里面的数：

　　>L$five + 10

　　[1] 10.00 10.25 10.50 10.75 11.00

9. 图表

　　简单的图生成：

　　> plot(rnorm(100), type=“1”, col=“gold”)

　　这个命令生成100个随机数，在图上表示，并连接每一个点。type=l就是表示将点用直线连接。col表示线的颜色是金色。

　　再来一个直方图的例子：

　　>hist(rnorm(100))

　　练习：使用下面的命令，用在前一个练习生成的结构中，自己通过实验搞清楚rgb是什么意思，rgb的参数是什么意思；lwd，pch，cex分别是什么意思。

　　>plot(t$a, type=“l”, ylim=range(t), lwd=3, col=rgb(1,0,0,0.3))

　　>lines(t$b, type=“s”, lwd=2, col=rgb(0.3, 0.4, 0.3, 0.9))

　　>points(t$c, pch=20, cex=4, col=rgb(0,0,1,0.3))

　　想要知道更多关于图表的信息，输入help(par)。谷歌“R color chart”，可以得到一个关于颜色选择的pdf文件。点击图表窗口的Export，可以选择最佳高度和宽度，然后点击Copy或者Save。

10. 读写文件

　　有很多种读写文件的方式，这里只介绍一种。先建立一个数据帧d：

　　> d = data.frame(a = c(3,4,5), b = c(12,43,54))

　　> d

　　　　a  b

　　1  3  12

　　2  4  43

　　3  5  54

　　>write.table(d, file=”tst0.txt”, row.names=FALSE)

　　将数据帧d写入文件tst0.txt，参数row.names=FALSE表示不把行名写入文件，因为行名并不重要，只是一些数字而已。

　　> d2 = read.table(file=”tst0.txt”, header=TRUE)

　　> d2

　　　　a  b

　　1  3  12

　　2  4  43

　　3  5  54

　　使用read.table函数将文件中的数据写到d2中。

　　练习：用下图数据建立文件tst1.txt。读取并将名为g的列中值乘以5，存入文件tst2.txt。

11. 无法获取的数据

　　练习：计算一个有100个随机数的向量的平方根的平均数。会发生什么？

　　当某个数据无法获取时，用NA表示：

　　> j = c(1,2,NA)

　　对于j就不能进行常规的计算了。比如：

　　> max(j)

　　[1] NA

　　计算不出最大值。

　　如果一定要计算的话，使用参数na.rm=TRUE，意思大概就是忽略NA的值：

　　>max(j, na.rm=TRUE)

　　[1] 2

12. 类

　　之前接触的都是数，有的时候你可能想处理一些不只是数的数据，比如一个名称或者一个数据文件。R中有三种类：numeric，character和POSIX。

（1）characters字符

　　定义一个字符串，需要加上双引号。

　　> m = “apples”

　　>m

　　[1] “apples”

　　> n = pears

　　ERROR: object ‘pears’ not found

　　也不能用字符串进行数学运算。

　　> m+2

　　Error in m + 2 : non-numeric argument to binary operator

（2）日期

　　日期和时间比较复杂。使用strptime函数是最简单的告诉R语言时间的方法：

　　> data1=strptime(c(“20100225230000”, “20100226000000”, “20100226010000”), format=”%Y%m%d%H%M%S”)

　　> date1

　　[1] "2010-02-25 23:00:00"

　　[2] "2010-02-26 00:00:00"

　　[3] "2010-02-26 01:00:00"

　　先用c()函数建立一个向量，记住用双引号，因为strptime需要字符串作为输入。format参数决定了读入时间的格式。依次是年、月、日、时、分、秒。

　　练习：生成一张图，x轴表示今天、2014年的圣尼古拉斯日、你的生日。y轴表示你想在这些日子得到礼物的数目。

13. 编程工具

　　如果需要编大程序，可能会用到一些编程语句：

（1）if语句

　　> w = 3

　　>if(w< 5)

  　　{

   　　d=2

　　}else{

  　　d=10

  　　}

　　> d

　　2

　　学过编程的都明白就不详细说了。

　　也可以用于界定特殊的条件：

　　> a = c(1,2,3,4)

　　> b = c(5,6,7,8)

　　> f = a[b==5 | b==8]

　　>f

　　[1] 1 4

　　注意双等于的符号。还有一些其他的符号，比如<、>、!=、<=、>=。如果要验证多于一个条件，使用&表示且，使用|表示或。

（2）for循环

    要定义次数和每次做的动作。

    > h = seq(from=1, to=8)

    > s = c()

    > for(i in 2:10)

      {

      s[i] = h[i] * 10

      }

    > s

    [1] NA 20 30 40 50 60 70 80 NA NA

    首先定义一个向量h。然后建立一个空向量s。for循环的目的是将2到10个元素乘以10，然后放到s中。

    练习：建立一个从1到100的向量，用for循环遍历整个向量，将比5小的值和比90大的值乘以10。其他的值乘以0.1。

（3）编写自己的函数

    > func1 = function(arg1, arg2)

      {

      w = arg1^2

      return(arg2+w)

      }

    > func1(arg1 = 3, arg2 = 5)

    [1] 14

    练习：把上一个练习写成函数，在函数中使用for循环。可以用length函数来定义循环的范围。

14. 一些有用的参考

（1）函数

　　R reference card中提到的一些函数：

a) data creation

    • read.table: 从文件中读取一个文件。 参数： header=TRUE: 将第一行读作列名; sep=",": 数据由逗号隔开; skip=n: 不读取前n行。

    • write.table: 将一个表写入文件。

    • c: 将数字集合起来生成一个向量。

    • array: 建立一个向量, 参数: dim: length

    • matrix:建立一个矩阵, 参数: ncol and/or nrow: number of rows/columns

    • data.frame: 建立一个数据帧

    • list: 建立一个列表

    • rbind and cbind: 将两个向量按行或按列组合成一个矩阵

b) extracting data

    • x[n]: 向量中的第n个元素

    • x[m:n]: 第m个到第n个元素

    • x[c(k,m,n)]: 特定位置的元素

    • x[x>m & x<n]: m和n之间的元素

    • x$n: 列表或数据帧中名为n的元素

    • x[["n"]]: 同上

    • [i,j]: 第i行第j列的元素

    • [i,]: 矩阵中的第i行

c) Information on variables

    • length: 矩阵的长度

    • ncol or nrow: 矩阵中的列或行号

    • class: 变量的类

    • names: 列表中一个对象的名字

    • print: 在屏幕上显示变量或字符串

    • return: 在函数中用于返回变量

    • is.na: 判断变量是否为NA

    • as.numeric or as.character: 将类变为数字或字符串

    • strptime: 将字符串的类转换为时间（POSIX）

d) Statistics

    • sum: 向量或矩阵元素的和

    • mean: 向量的平均值

    • sd: 向量的标准差

    • max or min: 最大或最小元素

    • rowSums (or rowMeans, colSums and colMeans): 矩阵中每行/列的和/平均值。结果是一个向量。

    • quantile(x,c(0.1,0.5)): sample the 0.1 and 0.5th quantiles of vector x

e) Data processing

    • seq: 均匀地建立向量（比如from1to100）

    • rnorm: 建立一个基于平常分布的随机数向量

    • sort: 将元素升序排列

    • t: 转置一个矩阵

    • aggregate(x,by=ls(y),FUN="mean"): 将x按照y分为子集，计算子集的平均值，生成一个新的列表。

    • na.approx: interpolate (in zoo package). Argument: vector with NAs. Result: vector without

NAs.

    • cumsum: 累积和，结果是一个向量。

    • rollmean: moving average (in the zoo package)

    • paste: 将字符串黏合在一起

    • substr: 将一个字符串分成几个部分

f) Fitting

    • lm(v1sv2): linear fit (regression line) between vector v1 on the y-axis and v2 on the x-axis

    • nls(v1sa+b*v2, start=ls(a=1,b=0)): nonlinear fit. Should contain equation with variables (here v1 and v2 and parameters (here a and b) with starting values

    • coef: returns coe"cients from a fit

    • summary: returns all results from a fit

g) Plotting

    • plot(x): plot x (y-axis) versus index number (x-axis) in a new window

    • plot(x,y): plot y (y-axis) versus x (x-axis) in a new window

    • image(x,y,z): plot z (color scale) versus x (x-axis) and y (y-axis) in a new window

    • lines or points: add lines or points to a previous plot

    • hist: plot histogram of the numbers in a vector

    • barplot: bar plot of vector or data frame

    • contour(x,y,z): contour plot

    • abline: draw line (segment). Arguments: a,b for intercept a and slope b; or h=y for horizontal line at y; or v=x for vertical line at x.

    • curve: add function to plot. Needs to have an x in the expression. Example: curve(x^2)

    • legend: add legend with given symbols (lty or pch and col) and text (legend) at location

(x="topright")

    • axis: add axis. Arguments: side – 1=bottom, 2=left, 3=top, 4=right

    • mtext: add text on axis. Arguments: text (character string) and side

    • grid: add grid

     • par: plotting parameters to be specified before the plots. Arguments: e.g. mfrow=c(1,3)):

number of figures per page (1 row, 3 columns); new=TRUE: draw plot over previous plot.

h) Plotting parameters

    These can be added as arguments to plot, lines,image, etc. For help see par.

    • type: "l"=lines, "p"=points, etc.

    • col: color – "blue", "red", etc

    • lty: line type – 1=solid, 2=dashed, etc.

    • pch: point type – 1=circle, 2=triangle, etc.

    • main: title - character string

    • xlab and ylab: axis labels – character string

    • xlim and ylim: range of axes – e.g. c(1,10)

    • log: logarithmic axis – "x", "y" or "xy"

i) Programming

    • function(arglist){expr}: function definition: do expr with list of arguments arglist

    • if(cond){expr1}else{expr2}: if-statement: if cond is true, then expr1, else expr2

    • for(var in vec) {expr}: for-loop: the counter var runs through the vector vec and does expr each run

    • while(cond){expr}: while-loop: while cond is true, do expr each run

（2）快捷键

    可点击Help->Keyboard Shortcuts查看。

    • CRL+ENTER: 将脚本窗口的命令发送到命令窗口

    • 向上箭头or 向下箭头 in command window: previous or next command

    • CTRL+1, CTRL+2, etc.: change between the windows Not R-specific, but very useful keyboard shortcuts:

    • CTRL+C, CTRL+X and CTRL+V: copy, cut and paste

    • ALT+TAB: change to another program window

    • 向上, 向下, 向左or 向右: move cursor

    • HOME or END: move cursor to begin or end of line

    • Page Up or Page Down: move cursor one page up or down

    • SHIFT+向上/向下/向左/向右/HOME/END/PgUp/PgDn: select

（3）错误信息

    • No such file or directory or Cannot change working directory

    确保工作目录和文件名正确

    • Object ‘x’ not found

    变量x还没有被定义，定义x或者用双引号表示x是一个字符串。

    • Argument ‘x’ is missing without default

    你没有定义参数x，如果参数x是强制性定义的。

    • +

    R正在运行中或者你忘了加右括号。等待，或者单击}、)或单击ESC。

    • Unexpected ’)’ in ")" or Unexpected ’}’ in "}"

    多打了右边括号。

    • Unexpected ‘else’ in "else"

    Put the else of an if-statement on the same line as the last bracket of the “then”-part: }else{.

    • Missing value where TRUE/FALSE needed

    条件部分出现问题，比如(if(x==1))，x是不是NA？

    • The condition has length > 1 and only the first element will be used

    比如(if(x==1))如果x是一个向量就会报错。试一试x[i]。

    • Non-numeric argument to binary operator

    试图对非数字进行运算。试一下class()测试一下数据的类，或用as.numeric()转换为数字。

    • Argument is of length zero or Replacement is of length zero

    变量为控制