R语言学习笔记--入门

文章来源：

这段时间为了后面比赛和毕设的各种统计分析的需要，决定系统学习一下R语言。毕竟Linux版本的 SPSS和SAS都是商业软件，穷学生也是消费不起的。更何况从学习知识的角度来说，R语言的学习还可以顺带复习巩固下概率论的基础，而SPSS这样的软 件可能就是随便点几下出结果了。想来去年的数模全国赛就已经意识到这个问题（聚类分析的时候中间很多过程的物理意义没搞明白），虽然后来答辩的时候得以侥 幸逃过。

大概决定用一个星期的时间学完，可能要写5到6篇文章来做完整个学习笔记。

R语言简介

早在二十年前，专业统计界已经广泛使用另一种专业统计软件S-PLUS。但是S-PLUS是一种收费的软件平台，其计算机语言称为S，由于这种软件 非常昂贵，因此也就未能普及于教育界。直到90年代末期，跟S语言极其相似的R语言面世，而最重要的是R的软件平台是免费的，这也大大地增加了它的普及 性。虽然R为免费软件，但它拥有很多其他收费软件没有的有点

1. 可以同时处理不同类型的数据。比如数字和字符串一并处理，应用层面广。
2. 独立软件。使用者可以自行编写所需的程序，不想一般软件，规范严谨，缺乏弹性。
3. 大部分常用的统计工具都已经被写成了R程序，使用者可以按照自己的需要进行添加或删减。再者，很多网站也都提供一些常用的程序，只要下载就可以免费使用了。

上面就是一些R语言不同于其他统计分析软件的地方。当然了，R的优点不仅仅如此，更多的背景知识请自行Google吧。

R语言入门 下载及安装R

R应该早已进入各大Linux发行版的官方源，示例下Ubuntu好了，Archlinux用户pacman自行安装。

apt-get install r-base-core

apt-get install rkward

安装完毕之后，即可在菜单中找到rkward，进入后选择新建空脚本，方便直接实验计算。当然，直接在终端中用命令计算也是可以的，只是如果记录太久，终端内容也会积累太多难以查找历史命令了。

基本运算命令

基本的常用运算么有太多好说的，跟MATLAB类似，以下简单示例几个：

> 2+3

[1] 5

> sqrt(9)

[1] 3

> abs(-4)

[1] 4

> sqrt(9

+ )

[1] 3

如你所见，sqrt和abs的语法几乎与MATLAB如出一辙。如果一句未完，下句默认以+开头表示继续。这里sqrt和abs可以理解成命令，当 然其实也是R内置的函数。在R里面，函数的格式可以分为“有自变量”和“无自变量”两种。“无自变量”直接输入函数名即可，如：funcname()即 可。相反则需要：funcname(arg1,arg2)。如果去掉括号会显示该函数的定义。运算结果中的[1]代表着所得答案的第一个元素，这样在显示 向量的时候比较方便，后面会很常见。

变量和赋值

> x=sqrt(9)

> x

[1] 3

> y="hello world"

> y

[1] "hello world"

如你所见，R中我们可以使用"="或者“<-”来将数值赋给一个变量。我自己已经习惯于“=”来赋值。需要注意的一点是：R的变量名中是不允许有空格和“-”的，不过下划线还是可以的。

向量

上面所用的例子都是标量，但是在统计学中，几乎所有的数据都是以组的形式来表现。在R中，我们需要以向量的形势来输入一组数字。举例来说，我们可以利用向量的形式吧下面这组数据存储在一个变量中：

> vector=c(1,2,3,4,5,6,7)

> vector

[1] 1 2 3 4 5 6 7

> vector+2

[1] 3 4 5 6 7 8 9

> vector*2

[1] 2 4 6 8 10 12 14

在这里，vector是一个包含了7个数值的向量，而c()则指示R在括号中的数值是以向量的形式输入。再输入vector的时候，则会显示变量的内容。如上面所演示的那样，向量的运算和标量的运算时相同的。

> mean(vector)

[1] 4

> var(vector)

[1] 4.666667

函数mean()和var()可以用来计算变量的平均值和方差，非常方便。这里也是可以使用vector[1:3]这样的形式来对向量中的元素进行选择。特别值得一提的是可以使用vector[vector>4]这样的基本逻辑形式来选择适当的子集。

R例子

以上示例中的数据全部都是手动输入的，当然R是可以读取外部数据的。比如我们直接来读取内置的trees数据组来操作。trees所包含的是31棵樱桃树的数据，

> data(trees)

> summary(trees)

Girth Height Volume

Min. : 8.30 Min. :63 Min. :10.20

1st Qu.:11.05 1st Qu.:72 1st Qu.:19.40

Median :12.90 Median :76 Median :24.20

Mean :13.25 Mean :76 Mean :30.17

3rd Qu.:15.25 3rd Qu.:80 3rd Qu.:37.30

Max. :20.60 Max. :87 Max. :77.00

有时候简单的几幅图片相对于数据来说，更能清楚表达出数据的特质。例如想画出树木体积的直方图：

> vol=trees[["Girth"]]^2*trees[["Height"]]/(4*pi)

> hist(vol,col=1)

hist是画直方图的命令，后面还会有很多画图的命令。关于hist，可以help(hist)一下来查询详细用法。若想以图像的方式来表达树木体积和可用木材的关系，可以：

> plot(trees[["Volume"]],vol,col="blue")

这样体积值就会显示在图像中的x轴，而vol则会显示于图像的y轴。图像中也显示它们有明显的对应关系。不过有一点，如果只输入一个向量，函数plot会把向量数值显示在y轴，而数值的次序则会显示在x轴。可以利用这个方法来作残差分析，观察余量的标差是否一致。