R语言课件(简略版)

1、2021/3/271 R语言语言 2021/3/27计算机与R语言2 目录目录 2021/3/273 第二章 R语言基础 一、一个简短的一、一个简短的R会话会话 二、二、R的基本语法的基本语法 三、三、R的数据结构的数据结构 2021/3/274 一、一个简短的一、一个简短的R会话会话 数据的描述 ?mtcars mtcar:美国Motor Trend杂志收集的32辆汽车 （1973-1974车型）的11项指标。 2021/3/275 一、一个简短的一、一个简短的R会话会话 数据的浏览 所有数据 mtcars 前6个观测值 head(mtcars) 后6个观测值 tail(mtcars) 20

2、21/3/276 一、一个简短的一、一个简短的R会话会话 数据的编辑 方法一: data.entry(mtcars) 方法二: MTcarsfix(mtcars) 区别:edit()修改结果不存入mtcars中;fix()结 果保存至mtcars中。 2021/3/277 一、一个简短的一、一个简短的R会话会话 浏览变量信息,例如mpg先激活数据集mtcars attach(mtcars) mpg 1 21.0 21.0 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 17.8 16.4 17.3 15.2 15 10.4 10.4 14.7 32.4 30.4

3、 33.9 21.5 15.5 15.2 13.3 19.2 27.3 26.0 30.4 29 15.8 19.7 15.0 21.4 2021/3/278 二、R语言的基本语法 1、符号 1） 命令或运算提示符 2） + 续行符 3） # 说明语句字符 2、赋值符号 1） 大于 2） =大于等于 4）= 小于等于 5）= 等于 6） != 不等于 比较运算得到的结果是逻辑常量TRUE（真）和FALSE （假）。 2021/3/2711 5、逻辑运算符 1） ! x逻辑非 当前逻辑值取反运算。 2）x mode(compare)-TRUE; mode(z)-1i 1 character 2

4、logical 3 complex 2021/3/2721 三、R语言的数据结构 思考题思考题: : 下列不是数值型数据的是（）。 A123B.12.3C. 123 D.12e2.3 下列是字符型数据的是（）。 A. TRUEB.1e2C. 123 D.5+1i 下列字符型定界符用法错误的是（）。 A ab c B. ab c C. abc D. ab c 下列是逻辑型数据的是（）。 A TrueB.FALSEC.InfD.NaN Inf是（）型的数据。 A.数值型B.NA型C.字符型D.逻辑型 2021/3/2722 三、R语言的数据结构 统计实例 例:一家保险公司收集到 由36个投保个人组

5、成的 随机样本,得到每个投保 人的年龄（周岁）数据 如表所示。试确定投保 人平均年龄90%的置信区 间。 233539273644 364246433133 425345544724 342839364440 394938344850 343945484532 2021/3/2723 三、R语言的数据结构 注:置信区间是指数据可 靠程度的范围。90%指 置信水平。 求置信水平下的置信区 间公式为:即x的均值加 减常用置信水平的正态 分布的临界值乘以样本 标准差与样本个数开方 的差。 90%- =1.645 95%- =1.96 99%- =2.58 n s x 2021/3/2724 三、R语

6、言的数据结构 x-c(23,35,39,27,36,44, 36,42,46,43,31,33, 42,53,45,54,47,24,34,28,39,36,44,40, 39,49,38,34,48,50,34,39,45,48,45,32) m-mean(x) s-sd(x) z1-m+1.645*(s/sqrt(36) z2-m-1.645*(s/sqrt(36) z 1:10 1 1 2 3 4 5 6 7 8 9 10 a-1;b 1:(10-1) 1 1 2 3 4 5 6 7 8 9 1:10-1 1 0 1 2 3 4 5 6 7 8 9 2021/3/2729 三、R语言的数

7、据结构 2、seq(n1,n2,by=n3,length=n4) #生成从n1到n2的向量, n3为步长,n4为生成元素的数 量 seq(1,10) 1 1 2 3 4 5 6 7 8 9 10 seq(1,5,by=0.5) 1 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 seq(1,10,length=11) 1 1.0 1.9 2.8 3.7 4.6 5.5 6.4 7.3 8.2 9.1 10.0 2021/3/2730 三、R语言的数据结构 3、rep(n1,n2)#生成n1重复n2次的向量 rep(2,3) 1 2 2 2 rep(1:5,2) 1 1

8、2 3 4 5 1 2 3 4 5 rep(1:5,1:5) 1 1 2 2 3 3 3 4 4 4 4 5 5 5 5 5 rep(1:5,rep(2,5) 1 1 1 2 2 3 3 4 4 5 5 2021/3/2731 三、R语言的数据结构 4、c()#直接输出向量 x=c(42,7,64,9) length(x) 5、scan()#通过键盘建立向量 scan() 1: 1 3 6 8 #此行末打一空格后回车 5: #冒号后直接打回车 Read 4 items 1 1 3 6 8 2021/3/2732 三、R语言的数据结构 6、sequence(n1)#生成从1开始到n1结束步长 为

9、1的向量 sequence(5) 1 1 2 3 4 5 sequence(c(5,5) 1 1 2 3 4 5 1 2 3 4 5 sequence(c(5,4) 1 1 2 3 4 5 1 2 3 4 2021/3/2733 思考题思考题: : 下列（）不能生成向量（1 5 4 3 2 1）。 A. 5:1 B. 6-1:5 C.seq(1,5,by=-1) D.6-sequence(5) 下列（）不能生成向量（1 1 2 3 4 5 1 2 3 4 5）。 A. rep(1:5,2) B. sequence(rep(5,2) C. 1:10%6 D. (0:9%5)+1 2021/3/2

10、734 三、R语言的数据结构 2) 数值型向量的运算 向量的运算方法如下: （1）向量与一个常数的加、减、乘、除为向量的每一个元素与 此常数进行加、减、乘、除; （2）向量的乘方（）与开方(sqrt)为每一个元素的乘方与开方, 这对log,exp,sin,cos,tan 等普通的运算函数同样适用; （3）同样长度向量的加、减、乘、除等运算为对应元素进行加、 减、乘、除等; （4）不同长度向量的加、减、乘、除遵从循环法则（recycling rule）,但要注意这种场合通常要求向量的长度为倍数关系,否 则会出现警告:“长向量并非是短向量的整数倍”。 2021/3/2735 三、R语言的数据结构

11、循环法则:同一个表达式中的向量并不需要具有相同 的长度,如果它们的长度不同,表达式的结果是一个 与表达式中最长向量有相同长度的向量,表达式中较 短的向量会根据它的长度被重复使用若干次（不一 定是整数次）,直到与长度最长的向量相匹配,而常 数将被不断重复。 2021/3/2736 三、R语言的数据结构 sqrt(c(2,4,25) 1 1.414214 2.000000 5.000000 1:2+1:4 1 2 4 4 6 1:4+1:7 1 2 4 6 8 6 8 10 警告信息: In 1:4 + 1:7 : 长的对象长 度不是短的对象长度 的整倍数 例子: 5+c(4,7,17) 1 9

12、12 22 5*c(4,7,17) 1 20 35 85 c(-1,3,-17)+c(4,7,17) 1 3 10 0 c(2,4,5)2 1 4 16 25 2021/3/2737 统计函数作用 Max(x)返回向量x中最大的元素 Min(x)返回向量x中最小的元素 Mean(x)计算样本（向量）x的均值 Median(x)计算样本（向量）x的中位数 Var(x)计算样本（向量）x的方差 Sd(x)计算向量x的标准差 Length(x)返回向量x的长度 Sum(x)给出向量x的总和 Cumsum(x)返回向量x和累积和（其第i个元素是从x1到xi的和） Cumprod(x)返回向量x和累积积

13、（其第i个元素是从x1到xi的积） Cummin(x)返回向量x和累积最小值（其第i个元素是从x1到xi的最小 值） Cummax(x)返回向量x和累积最大值（其第i个元素是从x1到xi的最大 值） Cov(x,y)计算样本（向量）x与y的协方差 Cor(x,y)计算样本（向量）x与y的相关系数 2021/3/2738 统计实例 两变量线形相关系数的计算。 在-1和+1之间波动,其绝对值越接近1,两个变量间的直线相关 越密切。 例题:trees数据集中树木高度(Height)和木材体积(Volume)的相 关关系分析。 （1）绘制散点图 （2）计算相关系数值。 的方差的方差 的协方差和 yx

14、y x 2021/3/2739 三、R语言的数据结构 3）建立字符型向量 1. c() 直接输入向量 例如例如: : c(a,b,1,1e2,TRUE)#数字、逻辑型数据被强 制转换为字符串 1 a b 1 100 TRUE 2021/3/2740 2. paste() 接受任意字符,并顺次组合连成字符串,在 默认情况下,各字符串由一个空格分隔,可以通过 sep=string把它更改为其他字符,包括空字符串。 paste(a,1) 1 a 1 paste(c(a,b),1) 1 a 1 b 1 paste(c(a,b),c(1,2) 1 a 1 b 2 paste(app, le,sep=)

15、1 apple 2021/3/2741 三、R语言的数据结构 例子 z-c(green,blue sky,-99) paste(1:12) paste(A, 1:6, sep = ) labsrep(a,3) 1 a a a rep(c(a,b),3) 1 a b a b a b rep(c(a,b,c),rep(2,3) 1 a a b b c c 2021/3/2743 4）建立逻辑型向量 1. c() 直接输入向量 例如例如: : c(TRUE,FALSE,TRUE) 1 TRUE FALSE TRUE 2. rep() #生成重复的向量 例如例如: : rep(c(TRUE,FALSE

16、),2) 1 TRUE FALSE TRUE FALSE 3. 由运算生成 例如例如: : 1:53 1 FALSE FALSE FALSE TRUE TRUE 2021/3/2744 三、R语言的数据结构 5）建立因子型向量 一个因子(factor)或因子向量不仅包括分类变量本身,还包括变 量不同的可能水平。 factor(x,levels = sort(unique(x), na.last = TRUE),labels = levels, exclude =NA, ordered = is.ordered(x) 说明:这里x可以是数值型或字符型向量。 levels用来指定因子的水平（缺省值

17、是向量x中不同的值）; labels用来指定水平的名字; exclude表示从向量x中剔除的水平值; ordered是一个逻辑型选项,用来指定因子的水平是否有次序。 2021/3/2745 三、R语言的数据结构 （1）将字符型向量转换为因子 a a a 1 green blue green yellow Levels: blue green yellow 2021/3/2746 三、R语言的数据结构 （2）将数值型向量转换成因子 b b b 1 1,2,3,1 Levels: 1 2 3 factor(rep(1:5,2) 1 1 2 3 4 5 1 2 3 4 5 Levels: 1 2 3

18、 4 5 2021/3/2747 三、R语言的数据结构 （3）将字符型因子转换为数值型因子 a a levels(a) a 1 2 1 2 3 Levels: 1 2 3 4 ff ff 1 1 2 3 Levels: 1 2 3 2021/3/2748 三、R语言的数据结构 （4）将数值型因子转换为字符型因子 b b levels(b) b 1 low middle high low Levels: low middle high ff ff 1 A B C Levels: A B C 注:函数levels()用来提取一个因子中可能的水平值, 2021/3/2749 三、R语言的数据结构 例

19、如 ff ff 1 2 4 Levels: 2 3 4 5 levels(ff) 1 2 3 4 5 2021/3/2750 三、R语言的数据结构 （5）函数gl( )能产生规则的因子序列。 用法是 gl(k, n, length=产生数据的个数, label=每个水平因子的名字) 其中k是水平数,n是每个水平重复的次数。 例子 gl(3,5) 1 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 Levels: 1 2 3 2021/3/2751 三、R语言的数据结构 gl(3,5,length=30) gl(2,6,label=c(Male,Female) gl(2,10) gl

20、(2,1,length=20) gl(2,2,length=20) 2021/3/2752 统计函数统计函数作作 用用说明说明 1 1max(x)max(x)返回向量返回向量x x 中最大的元素中最大的元素 2 2min(x)min(x)返回向量返回向量x x 中最小的元素中最小的元素 3 3which.max(x)which.max(x)返回向量返回向量x x中最大元素的下标中最大元素的下标 4 4which.min(x)which.min(x)返回向量返回向量x x中最小元素的下标中最小元素的下标 5 5mean(x)mean(x)计算样本（向量）计算样本（向量）x x的均值的均值 6 6

21、median(x)median(x)计算样本（向量）计算样本（向量）x x的中位数的中位数 对长度为对长度为n的系列数据的系列数据,根据数据大根据数据大 小排列得到的位于小排列得到的位于(n+1)/2位置上位置上 的数据。的数据。 7 7mad(x)mad(x)计算中位绝对离差计算中位绝对离差 8 8var(x)var(x)计算样本（向量）计算样本（向量）x x的方差的方差 各个数据与平均数之差的平方的平各个数据与平均数之差的平方的平 均数。均数。 9 9sd(x)sd(x)计算向量计算向量x x的标准差的标准差 各数据偏离平均数的距离的平均数各数据偏离平均数的距离的平均数, 1010rang

22、e(x)range(x)返回长度为返回长度为2 2的向量的向量: : c(min(x),max(x)c(min(x),max(x) 1111IQR(x)IQR(x)计算样本的四分位数极差计算样本的四分位数极差 1212quantile(x)quantile(x)计算样本常用的分位数计算样本常用的分位数 1313summary(x)summary(x)计算常用的描述性统计量（最小、最大、计算常用的描述性统计量（最小、最大、 平均值、中位数和四分位数）平均值、中位数和四分位数） 2021/3/2753 1414length(x)length(x)返回向量返回向量x x的长度的长度 1515sum(

23、x)sum(x)给出向量给出向量x x的总和的总和 1616prod(x)prod(x)给出向量给出向量x x的乘积的乘积 1717rev(x)rev(x)取向量取向量x x的逆序的逆序 1818sort(x)sort(x)将向量将向量x x按升序排序按升序排序, ,选项选项 decreasing=TRUEdecreasing=TRUE表示降序表示降序 1919order(x)order(x)返回返回x x的秩（升序）的秩（升序）, ,选项选项 decreasing=TRUEdecreasing=TRUE, ,得到降序的秩得到降序的秩 2020rank(x)rank(x)返回返回x x的秩的秩

24、 2121cumsum(x)cumsum(x)返回向量返回向量x x 和累积和和累积和 2222cumprob(x)cumprob(x)返回向量返回向量x x和累积积和累积积 2323cummin(x)cummin(x)返回向量返回向量x x和累积最小值和累积最小值 2424cummax(x)cummax(x)返回向量返回向量x x和累积最大值和累积最大值 2525var(x,y)var(x,y)计算样本（向量）计算样本（向量）x x与与y y的方差的方差 2626cov(x,y)cov(x,y)计算样本（向量）计算样本（向量）x x与与y y的协方差的协方差 2727cor(x,y)cor(

25、x,y)计算样本（向量）计算样本（向量）x x与与y y的相关系数的相关系数 2828outer(x,y)outer(x,y)计算样本（向量）计算样本（向量）x x 与与y y的外积的外积 29runif(n,min=n1,max=n2) 产生产生n个个n1和和n2之间的随机数之间的随机数 2021/3/2754 三、R语言的数据结构 6）向量的下标与子集的提取 选择一个向量的子集可以通过在其名称后面追加一 个方括号中的索引向量来完成。 （1）正整数向量 x1:10 选取了x的前10个元素（假设x的长度不小于10）。 xc(1,4) 取出了向量x的第1和第4个元素。 xx2 y fruit n

26、ames(fruit) fruit lunch lunch 2021/3/2756 三、R语言的数据结构 （4）逻辑向量 x x10 xx10 xx10 numeric(0) xx10 x 2021/3/2757 思考题思考题: : 1.已知a-1:100,若要取出向量a中的偶数位置上的元素,表达 式应为（）。 A. a2:100B. a/50 C.aseq(2,100,by=2) D.a/2 2. 已知a5D.a5 3. 表达式max(c(1:5,7:10)6:8)的结果是（）。 A. 1B.6C.7D.9 4. 已知a-c(1:5,7:10),则max(a6:8-3:1)的结果是（）。 A

27、. 1B.3C.9D.10 5. 已知a array(data,dim,dimnames) 其中data为一向量,其元素用于构建数组;dim为数组的维数向 量;dimnames为由各维的名称构成的向量（字符型）,缺省为 空。 2021/3/2759 三、R语言的数据结构 例子 A A , , 1 ,1 ,2 ,3 ,4 1, 1 4 7 10 2, 2 5 8 11 3, 3 6 9 12 , , 2 ,1 ,2 ,3 ,4 1, 1 4 7 10 2, 2 5 8 11 3, 3 6 9 12 其中,dim=c(3,4,2)的 第一个3代表有3行, 第二个4代表有4列, 第三个2代表有2组。

28、 A B B dim(A) dimnames(A) A colnames(A) rownames(A) dimnames(A) 2021/3/2761 三、R语言的数据结构 例子 A A A A A A 2021/3/2762 三、R语言的数据结构 2）矩阵的建立 由于矩阵在数学及统计中的特殊性,在R中最为常用 的是使用命令matrix( )建立矩阵。格 式:matrix(data=NA,nrow=1,ncol=1,byrow=FALSE,dimna mes=NULL) 其中data是一个向量数据,nrow是矩阵的行数,ncol是 矩阵的列数,当byrow=TRUE时,生成矩阵的数据按行 放置

29、,缺省时相当于byrow=FALSE,数据按列放置。 dimnames是数组维的名字,缺省时为空。 2021/3/2763 三、R语言的数据结构 例子 X X X X A A 注意:循环准则仍然适用于matrix(),但是要求数据项 的个数等于矩阵的列数的倍数,否则会出现警告。 2021/3/2764 三、R语言的数据结构 3）数组与矩阵的下标（index）与子集（元素）的提取 同向量的下标一样,矩阵与数组的下标可以使用正整 数、负整数和逻辑表达式,从而实现子集的提取或修 改。 2021/3/2765 三、R语言的数据结构 X X X2,2 #取出一个元素 X2, #取出一行元素 X,2 #取

30、出一列元素 X-1, #去掉第1个行 X,-2 #去掉第2个列 X,3Xis.na(x) X 2021/3/2766 思考题思考题: : 已知矩阵a X X t(X) 提取对角元diag( ) X X diag(X) diag(3) #生成3行的单位矩阵 2021/3/2768 三、R语言的数据结构 按行合并rbind( )与按列合 并cbind( ) m1 m2 rbind(m1,m2) cbind(m1,m2) 矩阵的逐元乘积“*” m2*m2 ,1 ,2 ,3 ,4 1, 1 1 2 2 2, 1 1 2 2 ,1 ,2 1, 1 1 2, 1 1 3, 2 2 4, 2 2 ,1 ,2

31、 1, 4 4 2, 4 4 ,1 ,2 1, 1 1 2, 1 1 ,1 ,2 1, 2 2 2, 2 2 m1m2 rbind(m1,m2) cbind(m1,m2) m2*m2 2021/3/2769 三、R语言的数据结构 矩阵的代数乘积“%*%” 【注】矩阵的代数乘法 设 分别是m n, n p矩阵, 则矩阵A与B的乘积是一m p矩 阵: 2021/3/2770 例1: m3 m4 m3%*%m4 ,1 ,2 1, 11 19 2, 16 28 例2: rbind(m1,m2)%*% cbind(m1,m2) ,1 ,2,3 ,4 1, 2 2 4 4 2, 2 2 4 4 3, 4

32、4 8 8 4, 4 4 8 8 cbind(m1,m2) %*% rbind(m1,m2) ,1 ,2 1, 10 10 2, 10 10 2021/3/2771 三、R语言的数据结构 方阵的行列式det( ) X X ,1 ,2 1, 1 3 2, 2 4 det(X) 1 -2 说明:行列式相当于主对角线（左上至右下）元素的乘积 减去副对角线（右上至左下）元素的乘积。 2021/3/2772 三、R语言的数据结构 其它函数 crossprod( ):交叉乘积函数; eigen( ):特征根与特征向量函数; qr( ):QR分解函数。 solve ():逆矩阵函数。 例:x-matrix(

33、1:4,2,2) y-solve(x) y 2021/3/2773 思考题思考题: : 已知a-matrix(1:4,2,2);bf=matrix(c(11.3262,36.241,5.1928,3.550,406.82,11.4638, 40.382,5.3782,4.120,415.92,11.5993,45.178,5.7170,5.70 0,429.03,513.2178,2495.299,456.2197,1667.402,786.45, 613.3035,3006.700,542.1962,1778.898,790.48),5,5,byro w=T) f cor(f) #计算相关系

34、数 pairs(f) #矩阵散点图 2021/3/2776 三、R语言的数据结构 （2）矩阵的统计运算 函数1:apply(X,MARGIN,FUN) 其中X为参与运算的矩阵,FUN为上面的一个函 数或“+”、“-”、“*”、“/”（必须放在引号 中）,MARGIN=1表示按行计算,MARGIN=2表示按 列计算。 函数2:sweep(X,MARGIN,STATS,FUN) 表示从矩阵X中按MATGIN计算STATS,并从X中 除去。 FUN默认是“-”。 2021/3/2777 三、R语言的数据结构 例1:求均值,中位数等 m apply(m,MARGIN=1,FUN=mean) #求各行的

35、均值 apply(m,MARGIN=2,FUN=mean) #求各列的均值 2021/3/2778 三、R语言的数据结构 减去中位数 row.med-apply(m,MARGIN=1,FUN=median) sweep(m,MARGIN=1,STATS=row.med,FUN=-) 2021/3/2779 三、R语言的数据结构 4、列表与数据框的建立 1）列表的建立 列表是一种特别的对象集合,它的元素也由序 号（下标）区分,但是各元素的类型可以是任意对 象,不同元素不必是同一类型。元素本身允许时其 它复杂数据类型,比如,列表的一个元素也允许是 列表。 2021/3/2780 三、R语言的数据结

36、构 格式: Lst Lst Lst $name 1 Fred $wife 1 Mary $no.children 1 3 $child.ages 1 4 7 9 2021/3/2782 列表元素总可以用“列表名下标”的格式引用, Lst2 1 Mary Lst42 1 7 Lstname 1 Fred Lstchild.age NULL Lstchild.ages 1 4 7 9 Lst$name 1 Fred Lst$wife 1 Mary 2021/3/2783 三、R语言的数据结构 列表的元素可以修改,只要把元素引用赋值即可。 Lst$name Lst$income list.ABC-c(list.A,list.B,list.C) 2021/3/2784 三、R语言的数据结构 2）数据框的建立 统计分析中一个完整的数据集通常是由若干个 变量的若干个观测值组成的,在R中称为数据框。 维数:二维。 2021/3/2785 三、R语言的数据结构 矩阵: 数据框: 二维数据对象相同点 不同点 数据框 二维 行与列的意义不同:列表示变量;行 表示观测值。 矩阵、二维数组行列意义相同 2021/3/2786 三、R语言的数据结构 （1）数据框的生