#说明 文中‘test’均为模拟名称,原始编码为GKB方式
推荐大家使用Rstudio,界面友好 偏统计
###2.Rstudio基本操作#### #2.1查看R语言自带的数据集#### data() #直接输入数据集的名称,查看这些数据 CO2 #2.2快捷键#### #Ctrl+Enter:运行光标所在行的代码,也可以用来运行鼠标选中区域的代码 #Ctrl+L:清除控制台中的代码 #Ctrl+shift+S:运行代码集中的所有代码 #Ctrl+1:跳转到代码编辑环境 #Ctrl+2:跳转到控制台 #Ctrl+D:删除代码集中光标所在行的代码 #2.3查看数据集的前6行#### head(CO2) #查看数据集最后的6行 tail(CO2) #2.4安装包(可以通过命令或者通过图形界面来安装)#### install.packages("ggplot2") #加载包 library(ggplot2) #2.5创建向量和矩阵,以及对它们的基本操作#### rm(list = ls()) x1<-c(1,2,3,4,5,6) x2<-c(2,4,6,8,10,12) length(x1) mode(x1) class(x1) C<-rbind(x1,x2);C cbind(x1,x2) # column vector Dmat<-cbind(x1,x2) class(Dmat) #矩阵 Dmat3<-rbind(x1,x2) class(Dmat3) #matrix Dframe<-as.data.frame(cbind(x1,x2)) #data.frame class(Dframe) Dmat;Dframe #矩阵和数据框格式是不一样的,矩阵是由行列组成的,数据框是由记录和变量组成的 a<-c(1:100) #total :100 numbers length(a) a b <- cbind(a);b #矩阵 是 列优先 排列 的 #2.6常用的函数#### b<-c(1:20) mean(b) sum(b) max(b) min(b) sd(b) # standard deviation #产生向量 1:5 1:5*2 1:5*2+1 #2.8查看内存中已有的对象#### ls() #删除当前内存中的所有对象 rm(list = ls()) ls() #2.9访问向量中的元素#### a<-1:5*2-1 a a[3] # 3th a[-3] #except 3th a[2:4] #second to 4th a[-(2:4)] #except(sec to 4th) a[1,2,3] #不能这样访问向量中的元素 a[c(1,2,3)] #right way compared with Row127 a[a<=5] a[a<=3 | a>=7] #not consecutive,use | a[a>=3 & a<=7] # consecutive ,use & #2.10 seq()函数和rep()函数,用来产生等差数列的函数,调用示例函数#### example("seq") demo(lm.glm,package = 'stats',ask = T) #Demonstrations of R Functionality help(lm.glm) seq(0, 1, length.out = 11) seq(stats::rnorm(20)) seq(1, 9, by = 2) seq(1, 9, by = pi) seq(1, 6, by = 3) seq(1.575, 5.125, by = 0.05) seq(17) example("rep") rep(c("a","b","c"),each=4) rep(c("a","b","c"),4) #2.11 产生字母序列#### letters[1:30] #2.12 which()函数#### a<-rnorm(10) a which.max(a) #位置 a[which.max(a)] which(a==a[which.max(a)]) which(a>0) a[which(a>0)] #2.13 排序函数#### a<-1:10 a rev(a) #反转顺序 a<-c(3,1,5,6,9,2,7,4,6,5) sort(a) # make a from small to big (sorting) rev(sort(a)) # reverse sort a #2.14 生成矩阵#### a<-c(1:36) a1<-matrix(a,nrow = 9,ncol = 4);a1 a2<-matrix(a,nrow = 4,ncol = 9);a2 a3<-matrix(a,nrow = 9,ncol = 4,byrow = TRUE);a3 dim(a1) #dim函数用来查看矩阵的维度 dim(a2)[1] #行 dim(a3)[2] #列 #矩阵运算 ##解方程 #解方阵 x1<-c(4,2,-1,1) x2<-c(3,-1,21,1) x3<-c(11,3,1,1) x4<-c(1,1,1,1) b<-c(2,10,-8,1);b A<-as.matrix(rbind(x1,x2,x3,x4));A solve(A,b) #一元高次。a+bx+cx^2=0, c(a,b,c) polyroot(c(4,-4,1)) svd(A) #奇异值分解 cor(x1,x2,method = c("spearman")) options() # 设置小数点位数等paramater x <- t(A) %*% A #矩阵A的转置成A x/5 cov(A) t(a1) a1+a2 a1+a3 #2.15 改变Rstudio的工作界面(通过tools里面的layout设置完成)#### #2.16 设定工作目录,方便载入数据.将数据存放在设定的目录中,载入数据时就不用指定路径了#### setwd("~") setwd("~") #!!or ctrl+5, click ‘ ...’ ,choose object file ,click ‘more’ >>set as working directory getwd() #用于知道当前工作目录 #2.17 help()函数 #### help("seq") ?seq help(package="ggplot2") #获取对整个包的帮助文件 #2.18 example()函数 #### example("seq") example("plot") example("hist") #搜索自己需要的函数 help.search("multivariate normal") #2.19 数据框。dataframe#### ##数据框就是一个数据表格,一行表示一个记录,一列表示一个变量 x1<-c(1,2,3,4,5,6,7,8,9) x2<-c(2,4,6,8,10,12,14,16,18) x <-data.frame(x1,x2);x x=data.frame('重量'=x1,'运费'=x2);x #or names(x) <- c('重量','运费');x x$"费率" <- x$运费/x$重量 #数据框可以利用已有的变量产生新的变量并存储于当前数据框中 names(x) #查看数据框中的变量 str(x) #查看数据框中数据的定义 #我们在载入数据后,要使用上面的两个函数来检查数据载入是否成功,并检查数据的定义 ###2.20 列表 list()#### x1<-1 #单个数字,其实是一个只有一个元素的一维向量 x2<-c(1,2,3,4) #有四个元素的一维向量 x3<-c("a","bc","d") #字符向量 x4<-matrix(1:36,nrow = 9,ncol = 4) #矩阵,vector x5<-data.frame(a=c(1,2,3,4),b=c(2,3,4,5),c=c(3,4,5,6)) list_01<-list(x1=x1,x2=x2,x3=x3,x4=x4,x5=x5) #产生一个数据框 list_01$x3 ###3.数据导入与导出#### #3.1 先把R内置的CO2数据集导出,然后再练习导入操作#### write.table(CO2,file = "二氧化碳.txt") write.csv(CO2,file = "二氧化碳.csv") #3.2 导入逗号分割的文本文件#### read.table(file = "二氧化碳.txt",header = TRUE) #最好给指定一个名称# carbon<-read.table(file = "二氧化碳.txt",header = TRUE) #3.3 导入csv格式的数据#### carbon_csv<-read.csv(file = "二氧化碳.csv",header = TRUE) #3.4 通过剪贴板读入数据并写入文件#### setwd("~") clipboard<-read.table("clipboard",header = TRUE) # often-used!! clipboard write.table(clipboard,file = "clipboard.txt") #3.5 导入空格分割的文本文件数据#### setwd("~") data <- CO2 write.table(data,'test.txt') co2<-read.table(file = "test.txt",header = TRUE) names(co2);str(co2) #3.5.1 读取数据框中的变量#### #1)很多函数中有data参数,可以指定数据框,然后在函数内部直接访问数据框中的变量 co2$conc<-as.factor(co2$conc) #variable must be numeric boxplot(uptake~conc,data = co2) #boxplot(y ~ grp) ,grp usually a factor #2)使用美元符号$ boxplot(co2$uptake~co2$conc) #3)使用attach函数,不推荐使用,很容易出错,特别是在同一个R代码集中写很多不同程序的时候 attach(co2) boxplot(co2~year) detach(co2) ###3.6 数据子集操作#### #1)先明确分类变量有几个类别 unique(co2$Plant) #2)选择数据子集 co2_15<-co2[co2$Plant=='Mc1',] #3)多个条件用逻辑连接符号进行连接 co2_1501<-co2[co2$Plant=='Mc3'&co2$uptake==17.9,] co2_1501 #4)排序操作 #,这个排序可能没有实际意义,这里只是演示操作的方便 orderuptake<-co2[order(co2$uptake),] #对行的操作 View(orderuptake) #5)合并数据子集 #(1)先读入数据 co2<-read.table(file = "test.txt",header = TRUE) #or co2<-read.table("clipboard",header = TRUE) #通过剪贴板读入数据 #(2)然后进行合并 #假设plant是人名,我们要将另一个带有人名的数据合并 name <- co2$Plant;name x <- c(rnorm(84,0,1)) #生成84个随机正态数列 co3 <- data.frame(name,x) tem <- merge(co2,co3,by.x = 'Plant',by.y = 'name' ) #3.7 读入Excel格式的文件#### #install.packages("RODBC") #注意有些包只在特定版本中能够运行,更新问题 #library(RODBC) #xls<-odbcConnectExcel("mvstats4.xls") co2<-read.table("clipboard",header = TRUE) #有行名列名 library("readxl") co3 <- read_excel('test.xls') #只有行名 或者 只有列名
Valar morghulis