R的下載
R語言基礎
- 初始調整
- R包的安裝&卸載
- 向量
  - 數值型向量
  - 邏輯型向量
  - 字串向量
  - 因子型向量（分類）
- 串列
- 矩陣
- 陣列
- 資料框(類似Excel)
  - 資料框操作
  - 重新命名
  - 資料框合并&切分

R的下載

R官網：百度 CRAN → the comprehensive r aichive network → Task View/Package
RStudio官網：www.RStudio.com
學習網站：Rbloggers \ Rdocumentation \ 統計之都

R語言基礎

初始調整

Tools → Global Options → Appearance調整輸入字體版式
Code → Saving改UTF-8
Packages 改下載地址至中國

R包的安裝&卸載

方法一：Packages → install鍵入
勾選install dependencies一并加載關聯包
方法二：使用代碼
install.packages('ggplot2') #注意加英文引號
Tab鍵可直接調出其它引數
方法三：從Github中下載包
先下載devtools包 → 再加載library(devtools) → install_github('lijian13/rinds')
.libPaths() 可顯示電腦中R包的位置
卸載包：①點Package界面中×直接卸載，②remove.packages()卸載包

向量

賦值符號<-

x <- 1  #給x賦值1
z <- 1:5 #給z賦值1 2 3 4 5
a <- c(1,2,4,3,5) #給a賦值向量(1 2 4 3 5)

identical(a,z) #判斷a和c是否完全一致(雖元素一致但方向不一致)

提取和增刪

a[3] #在a中提取第三個的元素

vector1 <- 1:10
vector1[1:4] #輸出vector1中前四個元素
vector1[6:10] #輸出vector1中后五個元素
vector1[-c(2,5,8)] #去掉第2,5,8個元素

c函式（combine）是常用的向量生成函式

加減運算

x <- 1:5
y <- 6:10
x+y #元素兩兩相加
x <- 1
x+y #y每個元素加1

數值型向量

生成一個數值型向量

vector1 <- c(1:3,6:10)
x <- 1
class(x) #判斷x類別 "numeric"代表數值型
is.integer(x) #判斷x是否是整型 不是整型

注意：與Python等語言不同，R語言中數字就是數值型，而不是整型或浮點型

y <- 1:3
class(y) #而加了冒號之后的y就是整型了

seq函式

seq(from = 1, to = 5, by = 0.5) #生成從1到5步長為0.5的向量
seq(from = 5, to = 1, by = -0.5) #生成從5到1步長為-0.5的向量
seq(1,6,length.out = 3)
seq(1,6,len = 3) #生成1到6分成三份
seq(1,5,along.with = 1:3)

rep函式

rep(c(1:3),times = 5) #1:3重復5次
rep(c(1:3),each = 5) #每個元素重復5次
rep(c(1,3),len = 9) #生成向量長度為9

length函式

x <- rep(1:2,times = 4)
length(x) #生成向量x的長度

邏輯型向量

生成一個邏輯性向量

logit <- rep(c(TRUE,FALSE), len = 5)
logit #生成一組長度為5的邏輯向量
sum(logit) #邏輯型向量可加減TRUE=1,FALSE=0

邏輯運算式的運用

logit1 <- c(100>99, 100>101)
logit1
class(logit1)

注意：邏輯判斷符號為 ==（R中不用 =，而是 == 雙等號）

logit2 <- (c(100!=1)) #！= 代表不等于
logit2
c(100>90 & 100>110) #&代表且
c(100>90 | 100>110) #|代表或

x <- seq(1,100,length.out = 20) #1到100生成長度20的向量
index <- x > 80 
x[index] #找到x中大于80的向量 #注意[]在接受邏輯型向量時會直接回傳TRUE的值
which(x>80) #回傳x>80的下標
x[which(x >80)] #回傳x>80的下標的值

練習：找到x中大于80、小于90的數

index <- 80<x & x<90
x[index]
x[which(x>80 & x<90)]

字串向量

生成一個字串向量

string <- c('abc','def',1,2)
class(string[3])
is.character(string) #判斷string向量是否是字串型別

letters用法

letters #a-z 26個小寫字母
LETTERS #A-Z 26個大寫字母
letters[1:5]
letters[25:28] #回傳"y" "z" NA  NA

y <- 1:5
y[6] #回傳NA

因子型向量（分類）

生成因子型向量

my_fac <- factor(x = rep(c(1,2),times=5),levels = c(1,2),labels = c('Male','Female'))
class(my_fac)
my_fac1 <- factor(LETTERS[1:5], labels = letters[1:5]) #將大寫字母用小寫標簽

#n表示因子水平個數，k表示每個因子重復次數
my_fac2 <- gl(n=2, k=5, labels = c('Control','Treatment')) 
my_fac3 <- gl(n = 2, k = 1, length = 8, labels = c('Control','Treatment'))
temp_string <- c('A','B','AB','O')

因子轉換

my_fac4 <- as.factor(temp_string) #把字串'A','B','AB','O'轉換為因子A AB B O
as.character(my_fac4) #把因子A AB B O轉換為字串'A','B','AB','O'

練習：將x轉換為因子和字串

x <- 1:5
as.factor(x)
as.character(x)

#當不知道有多少因子水平時
nlevels(my_fac4) #回傳因子水平數量
levels(my_fac4) #回傳所有因子水平

生成參照（啞變數）R語言可以自動生成啞變數

reference
my_fac5 <- relevel(my_fac4, ref = 'B')
#會輸出B A AB O，B在第一位說明把B作為參照，不設定時會自動將第一個水平作為參照
x <- c('Placebo','10mg','20mg','50mg')
my_order_fac <- factor(x, ordered = TRUE) # ordered = TRUE認為x已經是有序分類
#這樣會輸出10mg < 20mg < 50mg < Placebo，而Placebo代表0mg，結果不準確
#①將Placebo寫為0mg；②用DescTools函式
library(DescTools)
my_order_fac2 <- reorder.factor(my_order_fac,new.order = x)#代表定義一個新排序

串列

生成串列

my_list <- list(1,2,3,'R','Hello',TRUE,FALSE)
my_list1 <- list(1:10, letters[1:5])
my_list2 <- list(1:10,letters[1:5],list(11:14,LETTERS[1:5]))

提取串列元素

my_list1[[1]] #提取串列中的元素
my_list1[[2]][1] #提取串列中的元素a
my_list2[[3]][[2]][3] #提取串列中的元素C

矩陣

生成矩陣

my_matrix <- matrix(data = https://www.cnblogs.com/Mannie/p/1:6, nrow = 2, byrow = TRUE) 
my_matrix1 <- matrix(data = 1:10, nrow = 5) #生成一個5行共10個元素的矩陣
# byrow = TRUE 表示按行來排列數字，默認狀態按列排列數字

my_matrix2 <- matrix(data = https://www.cnblogs.com/Mannie/p/2,nrow = 3,ncol = 4) #生成一個3行4列的矩陣
my_matrix3 <- matrix(data = letters[1:3],nrow = 2,ncol = 4) #2x4=8個元素1:3會警告

dimnames給行列命名

my_matrix4 <- matrix(data = https://www.cnblogs.com/Mannie/p/1:12, nrow = 3, ncol = 4, dimnames = list(c('A','B','C'),c('V1','V2','V3','V4')))

轉置函式t(x)

t(my_matrix4)
my_matrix5 <- matrix(c(1:5,letters[1:5]),nrow = 2,byrow = TRUE)

陣列

生成陣列

my_array <- array(data = https://www.cnblogs.com/Mannie/p/1:16,dim = c(2,4,2)) #dim生成兩行四列兩層的陣列

dim函式

dim(my_array) #dim可回傳陣列維度
dim(my_array) <- c(4,2,2) #使用dim函式改變陣列維度

分別給陣列的行/列/層命名

my_array1 <- array(1:16,dim = c(4,2,2),dimnames = list(c(LETTERS[1:4]),c('col1','col2'),c('first','second')))
my_matrix6 <- matrix(1:8, nrow = 4)

提取矩陣陣列的元素

my_matrix6[4,2] #提取元素8，在第4行第2列
my_matrix6[4,] #提取第4行
my_array1[2,2,1] #提取陣列1中的元素6[2行,2列,1層]
my_array1[4,,2] #提取陣列1第2層中的第4行

注意：提取資料時行、列、層都要按格式和范圍寫入，缺一或超范圍就會報錯

資料框(類似Excel)

生成一個資料框

my_df <- data.frame(name = c('Tom','Andy','Marry'),age = c('24','25','26'),height = c('178','176','180'))

注意：變數命名規范 ①數字不能開頭，②不可用數字命名，③不可使用運算子命名，

查看資料框

dim(my_df) #看資料框格式
View(my_df) #生成表格看格式
nrow(my_df) #看資料框行數

my_df1 <- data.frame(one = c(1.2,2.3,3.4,4.5,5.4),two = LETTERS[1:5],three = c(TRUE,F,T,F,T))
#每個元素要同行數
str(my_df1) #可查看資料框格式

資料框操作

my_df2 <- data.frame(one = c(1.2,2.3,3.4,4.5,5.4),two = c('Tom','Jerry','Amy','Vickie','Mannie'),three = c(TRUE,F,T,F,T),stringsAsFactors = FALSE)
str(my_df2) #stringsAsFactors = FALSE 將因子型改為字串格式
my_df2[,-2] #去掉第二列two變數
my_df2$two <- NULL #去除第二列two變數
my_df2$four <- LETTERS[1:5] #新增第四列four變數

修改變數

edit(my_df2) #調出編輯框，但注意，edit是一次性的編輯
my_df3 <- edit(my_df2) #賦值后就會存盤修改后的
fix(my_df2) #fix函式是永久性操作

實體：鳶尾花

View(iris) #查看表格格式
head(iris,n = 5) #快速查看前部資料結構
tail(iris,n = 5) #快速查看尾部資料結構
library(psych)
describe(iris) #descibe用來查看描述性統計

重新命名

names(iris)
names(iris) <- c('SL','SW','PL','PW','S') 
head(iris)
#為命名兼容中文，需改UTF-8, windows系統下運行以下函式
Sys.setlocale(locale = 'chinese')
names(iris) <- c('用','中','文','命','名') 
head(iris)
my_df4 <- data.frame(one = c(1.2,2.3,3.4,4.5,5.4),two = c('湯姆','杰瑞','艾米','維奇','曼尼'),three = c(TRUE,F,T,F,T))
my_df5 <- data.frame(four = c(1.2,2.3,3.4,4.5,5.4),five = c('湯姆','杰瑞','艾米','維奇','曼尼'),six = c(TRUE,F,T,F,T))

資料框合并&切分

cbind按列合并兩資料框（要求兩資料框有相同數量觀測值）

my_df6 <- cbind(my_df4,my_df5) 
my_df7 <- data.frame(one = c(1.2,2.3,3.4),two = c('湯姆','杰瑞','艾米'),three = c(TRUE,F,T))

rbind按行合并兩資料框（要求兩資料框名字相同）

my_df8 <- rbind(my_df4,my_df7)

merge函式（去重合并）

my_df9 <- data.frame(one = c(1.2,2.3,3.4,4.5,5.4),seven = c('湯姆','杰瑞','艾米','維奇','曼尼'),eight = c(TRUE,F,T,F,T))
my_df10 <- merge(my_df4,my_df9)

資料框的切分

set.seed(2022) #設定種子之后，可得到相同的亂數，自定義個起始值2022
iris_sub <- iris[sample(1:nrow(iris),30),] #抽樣范圍是1:nrow(iris)，隨機抽30個

用split函式切分提取

iris_sub1 <- split(iris,f = iris$SL) #根據因子SL進行切分？
setosa <- as.data.frame(iris_sub1[2])
head(setosa) #將setosa提取出來（？）

手術刀精細切分提取

iris_sub2 <- iris[iris$S=='setosa',]
head(iris_sub2)
iris_sub3 <- iris[iris$S=='setosa'&iris$SL>4.5,]#S中帶setosa行，并且SL中大于4.5
head(iris_sub3)
range(iris_sub3$SL)#輸出SL列的極值
iris_sub4 <- iris[iris$S=='setosa'&iris$SL>4.5,1:2]#只要第1、2列

用subset函式切分提取

iris_sub5 <- subset(iris,iris$S=='setosa'&iris$SL>4.5,select = 1:2)
identical(iris_sub4,iris_sub5) #4和5完全一致

cr.leopard課程

轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/492393.html

標籤：R

上一篇：【2022-06-16】Pycharm的下載與安裝使用

下一篇：為什么我無法通過瀏覽器訪問我的docker節點應用程式，在它作業的容器中？

R語言學習筆記1_初級