《R实战》读书笔记二
第一章 R简单介绍
本章概要
1安装R
2理解R语言
3执行R程序
本章所介绍的内容概括例如以下。
一个典型的数据分析步骤如图1所看到的。
图1:典型数据分析步骤
简而言之,现今的数据分析要求我们从多种数据源中获取数据、数据合并、标注、清洗和分析。而且把分析的结果进行展示,形成报告或者系统。辅助决策。R可以满足现今数据分析的要求。
为什么用R?
R是一个适合统计分析和画图的环境与语言。它是开源、免费的。获得世界范围社区支持。
统计分析和画图工具已经非常多了。比如:SPSS。SAS。Excel,Stata和Minitab等。为什么还要用R呢?R的诸多特性,能够回答这个问题。
1)R是免费的,大多数统计工具都是商业化的,即要花钱。
2)R是一个功能强大全面的统计分析平台。一个典型的数据分析过程都能够用R来完毕。
3)R具有强大的画图能力。
4)R是一个可以进行交互式数据分析和探索的平台。
5)R是一个以easy且直观的方式编写统计方法的无与伦比的平台。
6)R实现了非常多高级统计方法。
7)R能够在多个系统上执行。
8)R对于不想编程的人,提供GUI,实现R所能做的事情。
获得和安装R
从网址http://cran.r-project.org获得R安装程序。
R工作
R是一个有大写和小写之分的解释型语言。你能够在命令提示符(>)每次输入一条命令或者在一个源文件里写好全部命令集。
R的赋值符号是”<-“。
> x <- rnorm(5) # 向量x包括5个服从标准正态分布的随机数
R在Windows系统的GUI如图2所看到的。
图2:Windows系统下GUI
R实例一,数据集为10个婴儿年龄(单位:月)和体重(单位:千克)。
程序清单例如以下:
> Age <- c(1, 3, 5, 2, 11, 9, 3, 9, 12, 3)
> Weight <- c(4.4, 5.3, 7.2, 5.2, 8.5, 7.3, 6.0, 10.4, 10.2, 6.1)
> mean(Weight)
[1] 7.06
> sd(Weight)
[1] 2.077498
> cor(Age, Weight)
[1] 0.9075655
> plot(Age, Weight)
关于Age与Weight的散点图如图3所看到的。
图3:10个婴儿的Age-Weight散点图
退出界面,运行例如以下函数。
> q()
R帮助系统非常强大,通过帮助能够获得R中已安装包的函数的细节、參考和实例。R 中获得帮助的方法。
方法一:help.start()
方法二:help("foo")或者?foo
方法三:help.search("foo")或者??foo
方法四:example("foo")
方法五:RSiteSearch("foo")
方法六:apropos("foo",mode="function")
方法七:data()
方法八:vignette()
方法九:vignette("foo")
R 工作空间是R当前工作环境和用户定义的全部对象。
(向量、列表、数组、矩阵、数据框 和函数等)
管理R空间的一些函数。
函数一:getwd()
函数二:setwd("mydirectory")
函数三:list()
函数四:rm(objectname)
函数五:help(options)
函数六:options()
函数七:history(#)
函数八:savehistory("myfile")
函数九:loadhistory("myfile")
函数十:save.image("myfile")
函数十一:load("myfile")
函数十二:save(objectlist, file="myfile")
R实例二,数据集20个服从标准均匀分布的随机数
> setwd("E://myproject")
>options()
>options(digits=3)
>x <- runif(20)
>summary(x)
>hist(x)
>savehistory(x)
>save.image()
>q()
R脚本输入方法,即source("myscript.R")
文本输出方法。即sink("myfilename")
图形输出方法,即pdf("xxx.pdf")或者png("xxx.png")或者jpeg("xxx.jpg")或者bmp("xxx.bmp")等。
R包
R功能之所以强大,原因之中的一个就是具有许多的功能扩展包。R包下载地址例如以下:
http://cran.r-project.org/web/packages/
为什么要用R包。
R包是R函数、数据,可编译代码的聚合。
.libPaths() #显示包安装路径
library() # 查看已安装的包
search() #告知那些包已装载和能够使用
R软件安装完成后,自带包(标准包)有base。datasets,utils。grDevices。graphics。stats和methods。
安装包方法,即 install.packages("packagename")
更新包方法。即update.packages()
了解已安装包的具体信息方法,即installed.packages()
载入包(前提是该包已经安装)的方法,即library("packagename")
对新安装包的学习和认知方法,即help(package="packagename")
批处理
适合反复性工作
形式:R CMD BATCH options infile outfile
结果重用
f分析的结果能够保存。并作为下一次的输入。
R实例三。数据集R自带的mtcars。
程序清单:
>lmfit <- lm(mpg ~ wt, data=mtcars)
>summary(lmfit)
>plot(lmfit)
>predict(lmfit, mynewdata)
对待大数据集
R所处理的一切都视为对象代之,而且是把对象载入到内存中进行操作和处理。
因而,R能处理多大的数据集取决于作业环境的内存容量。
使用R进行数据分析,须要考虑两点,一是数据的大小。二是统计分析的方法。
R可以处理GB级到TB级数据。
但特殊过程特殊处理。
R实例
秉承”学以致用、活学活用“的原则。以一个综合实例融合上述内容。
R综合实例,程序清单例如以下。
>help.start()
>library()
>install.package("vcd")
>help(package="vcd")
>library(vcd)
> help(Arthritis)
> Arthritis
> example(Arthritis)
>q()
执行效果如图4所看到的。
总结
1 )R的优势。
2 )因R非常适合理解数据,吸引非常多用户群(学生、研究人员、统计学者、数据分析师等)。
3)RGUI、R安装、R包、R程序、R帮助、R结果保存、R批处理等内容。
Resoure:
1.http://www.wangluqing.com/2014/06/r-in-action-note2/
2.《R in action》第一部分的第一章