R语言软件入门指导.ppt

1,简介及基本指令,2012年4月25日,2,报告内容,一 R简介 二 对象、函数和软件包 三 R基本指令 四 简单编程,3,一 R 简介,4,什么是R?,图1 R首页的图形 R是一种统计绘图语言，也指实现该语言的软件。,The R Project for Statistical Computing,R 的起源,1995年由新西兰Auckland大学统计系的Robert Gentleman和Ross Ihaka，基于S语言的源代码，编写了一能执行S语言的软件，并将该软件的源代码全部公开，这就是R软件，其命令统称为R语言。,Robert Gentleman,Ross Ihaka,自1997年以后，有一个核心团队，这一团队能对 R 的源代码进行修改。,6,R的优点,丰富的资源 涵盖了多种行业数据分析中几乎所有的方法。 良好的扩展性 十分方便得编写函数和程序包，跨平台，可以胜任复杂的数据分析、绘制精美的图形。 完备的帮助系统 每个函数都有统一格式的帮助，运行实例。 Free,7,R的缺点,用户需要对命令熟悉 与代码打交道，需要记住常用命令。 帮助系统均为英文 占用内存 所有的数据处理在内存中进行，不适于处理超大规模的数据。 运行速度稍慢 即时编译，约相当于C语言的1/20。,8,图2 R软件首页 /,9,CRAN,The Comprehensive R Archive Network 简称CRAN，由世界几十个镜像网站组成网络，提供下载安装程序和相应软件包。各镜像更新频率一般为1-2天 推荐镜像： 中国的镜像:数学所 /mirrors/CRAN/ 及时更新的CRAN源 /,10,Windows下载和安装R,CRAN: BinariesWindowsbase 下载完成后，双击R-2.11.0-win32.exe 开始安装。 一直点击下一步，各选项默认，语言建议选英文。,图3 R2.11.0下载页面,R 的Windows图形用户界面 (RGUI),菜 单,按钮,命令行,绘 图 区,R 管理的几个概念,使用期 (Session): 启动R系统到结束R系统之间的时间段 对 象 (Object): 由R产生或处理的实体,包括变量、向量、矩阵、组合、函数等 历 史 (Histroy): R使用期间所应用的历史记录(XXX.Rhistroy) 工作空间 (Workspace): 当前被存储对象的集合(XXX.Rdata)不但对象而且包含了对象的系统环境；当一次使用完毕要关闭R时，R会询问是否保存工作空间 软件包 (Package): 执行一定功能的函数、数据等的集合，一些内置于R系统内，大部分外置于网络,R 文件（对象）管理,R 文件（对象）管理,工作路径: getwd() setwd(“aa:/bb/”) 导入 R code: source(“aa:/bb/XXX.r or XXX.txt”) 如果已设定是工作路径则source(“XXX.r or XXX.txt”) 存储工作空间: save.image(“XXX.Rdata”); 导入工作空间 load(“XXX.Rdata”), 或者直接双击XXX.Rdata打开R界面，此时工作空间自动导入，工作路径默认为XXX.Rdata存储时的工作路径 存储、导入命令行历史记 savehistory(file=“XXX.Rhistory”) loadhistory(file=“XXX.Rhistory”),R 界面调整,R 工作空间内对象和软件包显示,显示工作空间中的对象,删除工作空间中的所有对象,显示置入R工作空间的所有 Package,ls(),rm(list=ls(),search(),R 的 Package 管理,library(“packagename”),18,二 对象、函数和程序包,对 象 (Object): 由R产生或处理的实体,包括变量、向量、矩阵、组合等 函 数 （Function): 执行R 任务的一个完整的程序。 程序包(Package): 执行一定功能的函数的集合，一些内置于R系统内，大部分外置于网络,20,对象赋值与注释,在控制台中键入如下命令 2 + 2 a 代替 b - 2 c - a+b c #注释,赋值符号,21,元素的类型,对象是由各元素组成的。每个元素，都有自己的数据类型 数值型 Numeric 如 100, 0, -4.335 字符型 Character 如 “China” 逻辑型 Logical 如TRUE, FALSE 因子型 Factor 表示不同类别 复数型 Complex 如：2 + 3i,22,如何为对象起名？,R处理的所有数据、变量、函数和结果都以对象的形式保存。 1. 区分大小写,注意China和china的不同。 2. 不能用数字作为变量，对象也不能用数字开头，但是数字可以放在中间或结尾，如2result与result2，后者是合法的。 3. 建议不要用过短的名称。可以用“.”作为间隔，例如 anova.result1。 4. 不要使用保留名： NA, NaN, pi, LETTERS, letters, month.abb, ,23,对象的类(class),向量(vector) 一系列元素的组合。 如 c(1,2,3); c(“a“,“a“,“b“,“b“,“c“) 矩阵(matrix) 二维的数据表，是数组的一个特例 matrix(1:12,3,4) ,1 ,2 ,3 ,4 1, 1 4 7 10 2, 2 5 8 11 3, 3 6 9 12,24,对象的类,数据框(dataframe) 是由一个或几个向量和（或）因子构成，它们必须是等长的，但可以是不同的数据类型。 X=1:26 y=letters data.frame(x,y) 列表(list) 列表可以包含任何类型的对象，也就是数据集。 可以包含向量、矩阵、高维数组，也可以包含列表,25,R的函数,R是一种解释性语言，输入后可直接给出结果。 功能靠函数实现。 函数形式: 函数(输入数据，参数= ) 如果没有指定，则参数的以默认值为准。 例如: 线性模型 lm(yx, data=test),26,图 11 R帮助文件的内容与格式,apropos(“tab“),27,帮助文件的内容,lmstats #函数名及所在包 Fitting Linear Models #标题 Description #函数描述 Usage #函数用法及默认选项 Arguments #参数 Details #详情 Values #计算结果解释 Author(s) #作者 References #参考文献 Examples #举例,28,R程序包（R Packages）,程序包是什么？ R程序包是多个函数的集合，具有详细的说明和示例。 Window下的R程序包是经过编译的zip包。 每个程序包包含R函数、数据、帮助文件、描述文件等。 为什么要安装程序包？ R程序包是R功能扩展，特定的分析功能，需要用相应的程序包实现。 例如：群落生态学vegan包，系统发育分析ape程序包。,如何寻找包?,29,如何寻找包?,30,如何寻找包?,31,如何寻找包?,32,如何寻找包?,33,如何寻找包?,34,35,安装程序包的方法,1 安装本地zip包 路径：Packagesinstall packages from local files 选择本地磁盘上存储zip包的文件夹。 2 用函数 install.packages() 如果已经连接到互联网，在括号中输入要安装的程序包名称，选择镜像后，程序将自动下载并安装程序包。 例如： 要安装vegan包,在控制台中输入 install.packages(“vegan“),36,程序包使用,程序包的中函数，都要先导入，再使用，因此导入程序包是第一步。 在控制台中输入如下命令： library(vegan) 程序包内的函数的用法与R内置的基本函数用法一样。 library(vegan) This is vegan 1.17-2,37,查看程序包帮助文件,vegan 程序包内部都有哪些函数？分别有什么功能？ 查询程序包内容最常用的方法： 1 菜单 帮助Html帮助 2 查看pdf帮助文档 3 引用 citation(package = vegan),38,常用R程序包(I),39,常用R程序包(II),40,常用R程序包(III),41,图 9 CRAN Task Views： 对程序包的分类介绍 /web/views/,CRAN Task Views,42,R图形界面：R commander,R commander是R的图形界面之一，是John Fox教授编写的，适用于不希望R编程的用户。随着用户的操作，其窗口还可以显示出相应操作的R程序，对于初学者可能会有帮助，但不推荐使用！ 安装R commander install.packages(“Rcmdr“) R将自动下载并安装Rcmdr所需的所有程序包,43,图形界面之一：R Commander,图 12 R commander 界面 library(Rcmdr),界面操作代码,结果输出,44,三 R基本指令,45,数据读取,最为常用的数据读取方式是用read.table() 函数或read.csv()函数读取外部txt或csv格式的文件。 txt文件，制表符间隔 read.table(“*.txt”,head=T) csv文件，逗号间隔 read.csv(“*.csv”,head=T) read.table(file=file.choose(),header=T) read.csv(file=file.choose(),header=T) read.table(“clipboard“) 可以弹出对话框，选择文件。 一些R程序包（如foreign）也提供了直接读取Excel, SAS, dbf, Matlab, spss, systat, Minitab文件的函数。,46,数据保存,write.table(x,file=“*.txt”) write.csv(x,file=“*.csv”) sink(“*.txt”) sink() #sink开头，sink()结束 save.image(file=“test.RData“) edit(x) fix(x),47,运算符,数学运算 运算后给出数值结果 +, -, *, /, #不仅是运算符，也是函数,“(x,1/3) 比较运算 运算后给出判别结果(TRUE FALSE) , =, =, != 三角函数 sin,cos,tan,asin,acos,atan 对数 log,exp,log10,log(x,base) abs()#绝对值 组合数 choose(4,2) 组合combn(1:4,2) 排列P(m,n)= factorial(m)/factorial(m-n),48,向量的创建,生成向量的函数 c(),rep(),seq(),”:” c(2,5,6,9) rep(2,times=4) seq(from=3, to=21, by=3 ) 1 3 6 9 12 15 18 21 “:” 1:15 (15:1) 1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 通过与向量的组合，产生更为复杂的向量。 rep(1:2,c(10,15),49,向量运算指令,最大值 max(x) 最小值 min(x) 中值 median(x) 分位数 quantile(x,probs=0.25） 平均值 mean(x) 范围 range(x) 和 sum(x) 差分diff(x) 连乘 prod(x) weighted.mean(x,w)加权平均,rank(x)秩, var(x)方差 sd(x)标准差 length(x)长度 summary(x) which.min(x) which.max(x),50,向量运算指令,rev(x) #倒置 sort(x) #升序 rev(sort(x) #降序 unique(x) #去掉重复元素 sample(x,n) #从向量内随机抽取n个，不放回 sample(x,n,replace=T) #放回随机抽样 scale(x,scale=F,center=F)#标准化，默认是T append(x, values, after = length(x) # 往向量内插值 table(x) #频率分布表 match(x,y) #返回x长度的向量，y等取，不等NA cor(x,y)相关系数,51,向量内的元素引用,x 6000 #大于6000的元素 xx6000&x8000#大于6000的元素且小于8000的元素,52,矩阵的创建,生成矩阵的函数 dim()和matrix() dim() 定义矩阵的行列数，例如： x - 1:12 dim(x) - c(3,4) ,1 ,2 ,3 ,4 1, 1 4 7 10 2, 2 5 8 11 3, 3 6 9 12 x - matrix(1:12,nrow=3,byrow=T) rownames(x)=c(“row1”,“row1”,“row1”) colnames(x)=paste(“col“, 1:4, sep = “),53,矩阵的运算,dim(x) # 矩阵的维数 t(x) #转置矩阵 rowsum(x) #行的和 rowMeans(x)#行的平均值 colsum(x) #列的和 colMeans(x)#行的平均值 xi,j #第i行，第j个元素 xi,x,j,x1:5,2:4 x$colname #引用列，后面为列的名称,54,矩阵的运算,cbind () # 相同行数的矩阵组合 rbind() # 相同列数的矩阵组合 head() #默认访问矩阵的前6行 tail()#默认访问矩阵的最后6行 attach() #直接调用数据框内的列，以列的名称作为向量的名称 detach() subset() #条件调用 subset (iris, select= c(Sepal.Length, Petal.Length), Species = “setosa“) xorder(x,1), #矩阵排序,55,数据表的行与列,行名Row names 字符串,列名 Column names,每列可看做带名称的向量,表1 数据表、数据框与向量,字符串、因子,每行作为一个Entry,56,数据框的创建,创建数据框的函数: data.frame(x,y,z), as.data.frame(x,rownames=NUll) cbind() rbind() edit()和fix() #修改数据矿 矩阵的命令基本上也适用于数据框,57,曲线积分,integrate(dnorm,-1.96,1.96) integrand = function(x) 1/(x+1)* sqrt(x) integrate(integrand, lower = 0, upper=Inf ) 求（偏）导数？ integrand = expression(1/(x+1)* sqrt(x) D(integrand,“x“),58,类的判断,对象类型判断 mode() 判断存储的类型 class() 判断数据的类 is.numeric() #返回值为TRUE或FALSE is.logical() #是否为逻辑值 is.charactor() #是否为字符串 is.null() #是否为空 is.na() #是否为na,59,类的转换,as.numeric() #转换为数值型 as.logical() #转换为逻辑型 as.charactor() #转换为字符串 as.matrix() #转换为矩阵 as.data.frame() #转换为数据框 as.factor() #转换为因子,60,简单绘图函数,61,绘图函数,62,绘图参数,参数用在函数内部，在没有设定值时使用默认值。 font = 字体 lty = 线类型 lwd = 线宽度 pch = 点的类型, xlab = 横坐标 ylab = 纵坐标 xlim = 横坐标范围 ylim = 纵坐标范围 也可以对整个要绘制图形的各种参数进行设定 参见 par(),63,例1：从数据输入到t检验,六名患者的身高和体重,现有6名患者的身高和体重，检验体重除以身高的平方是否等于22.5。,64,第一种方式：从控制台输入数据,数据量较少时可以从控制台直接输入： height-c(1.75, 1.80, 1.65, 1.90, 1.74, 1.91) weight-c(60, 72, 57, 90, 95, 72) sq.height-height2 ratio-weight/sq.height t.test(ratio, mu=22.5),65,第二种方式 从外部读取数据,数据量较大时用read.table函数从外部txt文件读取 第1步 将Excel中的数据另存为.txt格式（制表符间隔）或.csv格式。 第2步 用read.table()或read.csv()函数将数据读入R工作空间，并赋值给一个对象。,66,图14 在Excel中将数据存为txt文件,67,例：t检验(续),一般从txt文档读取数据。每一行作为一个观测值。每一行的变量用制表符，空格或逗号间隔开。 read.table(”位置”, header=T) read.csv(”位置”,header=T) #从外部读取数据 data1-read.table(“d:/t.test.data.txt“,header=T) bmi- data1$weight/data1$height2 t.test(bmi, mu=22.5) #t检验,68,例2：单因素方差分析,将三种不同菌型的伤寒病毒a,b,c分别接种于10，9，和11只小白鼠上，观察其存活天数，问三种菌型下小白鼠的平均存活天数是否有显著差异。 a菌株：2, 4, 3, 2, 4, 7, 7, 2, 5, 4 b菌株：5, 6, 8, 5, 10, 7, 12, 6, 6 c菌株：7,11,6, 6, 7, 9, 5, 10, 6, 3, 10,69,准备数据表,图15 数据表的准备 day和type 各为一列,70,例2：方差分析(续),#数据读取，将test1.txt中的内容保存到bac中， header=T表示保留标题行。 bac-read.table(“d:/trees.txt“,header=T) #将ba数据框中的type转换为因子(factor) bac$type-as.factor(bac$type) ba.an-aov(lm(daytype, data=bac) summary(ba.an) boxplot(daytype,data=bac,col=“red“),71,图16 三种菌型对小白鼠影响的箱线图,72,例3-线性回归,对一批涂料进行研究，确定搅拌速度对杂质含量的影响，数据如下，试进行回归分析,表3 搅拌速度对涂料中杂质的影响,73,rate-c(20, 22, 24, 26, 28, 30, 32, 34, 36, 38, 40, 42) impurity -c(8.4, 9.5, 11.8, 10.4, 13.3, 14.8, 13.2, 14.7, 16.4, 16.5, 18.9, 18.5) plot(impurityrate) reg-lm(impurityrate) abline(reg,col=“red“) summary(reg),74,四 简单编程,75,编程基础,R可以灵活的编写程序，用户自己编写的程序可以直接调用。 基本格式 函数名 - function(数据,参数1= 默认值,) 表达式(循环/判别); return(返回值); 函数内部也可用#添加注释,76,程序流程控制 if,if(条件) 表达式 if(条件) 表达式1 else 表达式2 举例 if(p 0.05!“) ,77,循环 for, while,for(变量 in 向量) 表达式 用法： for(i in 1:10) print(i) while(条件) 表达式 用法: i - 1 while(i10) print(i) i - i + 1 ,78,返回值,返回值表示函数输出的结果。 返回值必须是一个对象。 R默认将最后一行作为返回值。 如果函数的结果需要有多个返回值，可以创建一个list()，并返回该对象。 也可以用return()函数，设定返回值。 但是一个函数的返回的对象只有一个。,79,简单函数举例,问题:输入直角三角形的两个边长，求其斜边长。 定义函数： rcal = function(x,y) z - x2 + y2 result - sqrt(z) return(result) 调用函数： rcal(3,4),80,条