第一節 R語言簡介

• R語言簡介

R 既是一種語言（R是一種解釋性語言），也是一個軟件由AT&T貝爾實驗室的S語言發展而來具有統計分析功能和強大的作圖功能開源軟件

目前在 R 網站上有 17500個程序包，涵蓋了基礎統計學、社會學、經濟學、生態學、地理學、醫學統計學、生物信息學等諸多方面.

R語言的優勢

?開源免費???提供豐富的統計分析工具??可以運行在多種平臺，Windows、Linux、Mac

R語言參考書籍：《數據挖掘與R語言》?《R語言實戰》?《R語言編程藝術》

R軟件的下載與安裝

R-GUI編輯環境：網站http://cran.r-project.org/?或 Download R for Windows

RStudio是用于R語言開發的一個簡單而功能強大的圖形界面工具，下載地址https://www.rstudio.com/products/rstudio/download/

?

二．Rstudio

Console:命令窗口，Tab、向上、向下鍵輔助輸入。

文本編輯窗口：保存程序命令

Environment：顯示當前程序用的對象

History：顯示歷史命令，可以to console

File:文件存儲路徑

Plots:顯示圖形

Packages：加載的包

幾個常用的命令

(1)工作路徑設置

菜單命令

setwd(“d:\\mywork”) ??setwd(“d:/myword”)

getwd() 獲取工作路徑

(2)歷史命令

向上、向下或者Ctrl+p、Ctrl+N

(3)其他命令

ls()列出內存中對象

rm(list=ls(all=TRUE)) 把當前環境中的對象全部刪除

search()列出所加載的包

help()幫助命令 ??或 ?使用“？”

(4)注釋顯示亂碼?File ??Reopen with Encoding...

(5)修改界面顯示字體、快捷鍵、R版本?tools

2. 包package

作用：特定的分析功能，需要用相應的程序包實現。例如：做生存分析，要用到 survival 程序包; 做meta分析，要用到 meta 包等等。

包是R函數、數據文件、幫助文檔組成的集合。相當于C語言中的庫

存儲包的目錄稱為庫(library)。

包下載

從官網下載，安裝本地包

install.packages() ???????????打開安裝包目錄

install.packages(“包名”) ???安裝一個包

包加載(包卸除：detach(“package:ggplot2”) ）

library(包名) ??加載一個包

search() ???????查看已經加載的所有包

查看包的信息

help(package=“包名”)

(1)常用包

R提供了大量功能各異的包????技術：繪圖類、統計檢驗類、機器學習?

行業：微陣數據、信用風險建模、社會科學等

base: ??基本函數包，包括算術運算

boot：自助重復抽樣

class：分類算法，包括最近鄰、學習矢量化

foreign：讀取其他格式數據包，如SPSS等

graphic：基本繪圖函數

ggplot2：高級繪圖包

如何安裝R程序包（packages）

在線安裝?install.packages(“package_name")?

離線安裝?https://cran.r-project.org/web/views/

注意：“*.tar.gz”是針對LINUX系統的，“*.tgz”是用于MAC OS的，只有“*.zip”才是用于WIN系統的，這一點非常關鍵。

如何加載R程序包（packages）

使用函數libray(包名)或require(包名)

菜單操作：√右下角的plots旁邊的packages

3 . ?.Rdata和.history

?以“.”開頭的文件，通常用作配置，系統默認隱藏這類文件。

“.Rdata”是保持工作空間的默認文件。

“.history”是保存歷史命令的默認文件。

如果打開Rstudio特別慢，可能是因為.Rdata保存了很大的變量，可以找到.Rdata文件刪掉。

Rstudio 輸出結果

?

第二節 R 語言中的數據對象

一、數據對象object

1.數據對象（基本知識）

數據對象:在R中創建和控制的實體，也稱變量；

對象命名 ???以字母開頭，中間可以包含字母、數字、點及下劃線。

區分大小寫

不能使用關鍵字，如NA ,for 等

對象賦值 ?賦值符號：->、<-、=

對象查詢 ???????查詢所有對象ls()

查詢特定格式對象ls(pat=“m”)

查詢對象及內容ls.str()

刪除對象 ?rm()

數據對象（類型和屬性）

數據對象的屬性：類型，模式、長度、維度、名稱等；

數據對象（變量）的類型

數據對象的類型	含義
數值型（numeric)	整數（integer）、單精度和雙精度（double)
邏輯型（logical)	值為TRUE或FALSE
字符型（character)	用單引號或者雙引號引用
復數型（complex）	a+bi
原子型（raw）	二進制形式保存

3.特殊的數據對象

inf ?無窮， 如1/0=inf，即Infinity，無窮大；

NaN ?不確定，即“Not a Number（非數）” ?；

NA ??缺失或無法得到 ，是“not available”的縮寫；

NULL ?空； NA代表位置上的值為空，NULL代表連位置都沒有，變量為空，其長度為0，表明“空無一物”。

對象類型判別與轉換函數

類型	判別函數	轉換函數
數值	is.numeric()	as.numeric()
整數	is.integer()	as.integer()
雙精度	is.double()	as.double()
復數	is.complex()	as.complex()
字符	is.character()	as.character()
邏輯	is.logical()	as.logical()
無窮	is.infinite()	-
有限	is.finite()a	-
不確定	is.nan()	-
缺失	is.na()	-
空	is.null()	as.null

?

4.基本運算

四則運算 ?加(+)、減(-)、乘(*)、除(/)、乘方(^)、整除(%/%)、模(%%)

函數運算 ?????初等函數的運算

開方sqrt(),指數exp(),對數log(),三角函數sin(),cos()

邏輯運算 >,<,>=,<=,==,!=，結果為TRUE或FALSE

特殊符號 ???續行符 ?+

多組命令分隔符 ?；

5.R中數據對象的結構

R語言中的基本數據結構

向量

矩陣

數組

數據框

列表

各數據類型之間的區別

向量:包含一個元素或多個元素；

矩陣:由向量構成,是一個特殊的數組,即維數等于2的數組；

數組:與只能有二維的矩陣不同的是,數組的維數不限,但元素的數據類型必須一致,即數值型都是數值型,字符串都是字符串；

數據框:與數組不同的是,數據框里面的數據類型可以不一致,但向量維數必須相等,即各列數據長度相等；

列表:最寬泛的一個集合,它的數據類型可以不一致,長度也可以不一致,可以由向量,矩陣,數組,數據框,函數,甚至是列表組成；

對象的模式與屬性

R數據對象的類別：

原子(atomic):對象元素是同一類型，每個元素不是一個對象，如向量。C(2,4,6,8)

復合(recursive):對象元素可以是不同類型，每個元素是一個對象，如列表，數據框。

????list(c(1,2,3,4,5),c(“A”,”B”,”C”))

對象的屬性

R對象都有類型（mode）和長度（ length ）兩個基本（存儲）屬性

類型（mode）（表示對象在內存中的存儲類型）

類型：numeric(數值)、logical(邏輯)、complex(復數)、character(字符)

如：mode(rep(23,times=100))

????????mode(c(1,3,5,7)>5)

????????ch1<-rep(c("a","b","c"),times=5)

????????dim(ch1)<-c(3,5)

????????mode(ch1)

修改類型

如：mode(ch1)<-"numeric"

8.對象的屬性

R對象的長度??length()函數????求對象的長度 ?如 ：length(x)?????各數據類型的關系(圖)

對象長度賦值 ?如 ：length(x)<-5

R 允許對超出長度的下標賦值，結果是？

如：x<-numeric()?????????????length(x)???????????length(x)<-5 ????????x[5]<-15

9.attributes和attr函數

attributes(object)函數返回對象object的各種特殊屬性組成的列表，不包括固有屬性mode和length ；

x<-c(apples=2.5,orange=2.1)；attributes(x)

f1<-factor(rep(c(1,2),3))；attributes(f1)

attr函數 獲取或者設置對象的屬性

attr(x,which,exact=FALSE)????x:數據對象??which:描述屬性名稱的字符串

exact:是否與which精確匹配，邏輯值

如：attr(x,"names")

????attr(x, "type")<-"fruit" ??#給X增加type屬性

attributes(x)

10.class屬性

顯示或者設置對象的數據結構類型（class：是一種抽象類型）

如：mat<-matrix(rep(c(1,2,3,4),times=4)) ??class(f1)<-"tree"將f1定義為一種“tree”數據結構

class(mat)??????????mode(mat) ?#注意二者區別????????

class和mode返回值比較

class(x)：

• 當x是單個值，或者向量的時候：返回的結果和mode一致，如numeric，character
• 其他情況（矩陣，數組，日期，因子）

class返回（matrix，array，Date，factor）

mode返回（x中元素的類型——在內存中的存儲類型logical（邏輯型）、numeric（數值型）、complex（復數型）、character（字符型） ）

• 當x是數據框的時候，class返回dataframe，mode返回list
• 當x是列表的時候，class和mode都返回list

二、向量vector

向量是由相同基本類型的元素構成的序列，是R中最常用的對象，也是R中最基本的數據輸入。

注：單個向量中的數據類型是固定的，比如數值型向量中的元素就必須全為數值，而字符型向量中的元素必須全部為字符。

向量的賦值：

x<-c(1,2,3,4,5),其中c()為連接函數???????????????????c(1,2,3,4,5)->x

assign(“x”,c(1,2,3,4,5)) ????????????????????????????numeric(length)生成初始向量

1.有規律的向量

• 等差數列

a:b 表示從a開始，逐項加1，直到b為止。???????如 1:10表示1 2 3 4 5 6 7 8 9 10

：運算符優先級高于四則運算 ?如 ?2*1:15??????????????????如 ??1:n-1 表示？？

• 等間隔函數

seq(from,to,by,length.out,along.with)

from,to 為數值，表示開始和結束?????by為數值，表示間隔

length.out為數值，表示數列長度??along.with為向量，表示數列長度與該向量長度相等

• 重復函數

rep(x,times,length.out,each,正整數向量)

x為數量、向量、數據對象???????????times ，x重復的次數

length.out，重復后該向量的長度??????each，x中每個分量重復的次數

正整數向量，x中分量對象重復的次數

2.邏輯向量

每個分量的值為TRUE或FALSE

連接函數生成邏輯向量 z<-c(T,F,T,T) z1<-c(z,T)

邏輯運算生成邏輯向量 y<-c(5,6,7,8,9);y>5

邏輯向量的函數??all() 判斷分量是否都為T?????any() 判斷分量中是否有T

which()判斷分量中誰為T?????logical()構造初始邏輯向量

向量中的缺失數據

NA表示缺失 ??z<-c(1:4,NA)

is.na(z) 檢測向量中是否有缺失值

z[is.na(z)]<-0 將缺失數據改為0

字符型向量

（1）分量為字符串的向量z<-c("happy","birthday")

（2）字符向量函數

character(length=5) 構造初始字符

is.character(z) 判斷是否為字符型

nchar() 提取字符向量中分量個數

6.字符向量函數

（1）substr(z,start,stop)

求子串,start,stop取整數或整數向量，分別表示取子串的起始和結束位置。

如 ?substr(“abcde”,2,4) ??bcd

????substr(rep(“abcdef”,4),1:4,4:5)

?????"abcd" "bcde" "cd" "de" ???#短向量被重復使用

（2）substr(z,start,stop)<-value

???替換子串,start,stop取整數或整數向量，分別表示替換子串的起始和結束位置，value為替換的向量

???如：x<-rep("abcdef",4)

???????substr(x,2,6)<-c("y")

???????string1<-c("生物1","生物2","生物3")

???????substr(string1,1,2)<-c("信管")

（3）paste() ?“粘貼”多個對象

???paste(……,sep=“ ”,collapse=NULL),……為一個或多個對象，sep為分隔符

???如：paste("Happy","birthday")

???????paste("Happy","birthday",sep=",")

???????paste("信管2016",1:4,sep="-")

???????paste(c("x","y"),rep(c(1,2),each=2))

（4）strsplit(x,split,fixed=FALSE)

分解字符向量，x為待分解字符向量，在split出現處分解，fixed為F時表示split精確匹配

如：strsplit("you are a good boy"," ")

（5）noquote()

去掉字符串中的引號

如：noquote("hello")

7.用vector生成向量

vector(mode="logical",length=0)

mode為生成向量的類型，默認為邏輯型??length為向量長度

如：vector(length = 3)

????vector(mode="numeric",length = 3)

8.向量的下標

X[i]

（1）其中X為向量名，i為下標，x[i]表示向量中第i個分量

（2）修改某個分量的值??????x[2]<-"aaa”

（3）向量的正下標表示被選中的分量

???x<-10:20;x[c(1,2,3,4)]

???x[c(1,2,3,1)]

???c("a","b","c","d")[rep(c(2,1,3),3)]

向量的負下標表示被排除的分量?????x<-10:20;x[-c(1,2,3,4)]

（5）邏輯下標

作用：選擇向量中所有邏輯下標為真的分量

如： x<-c(1,3,6);x[x>5]

????????z<-c(-1,1:3,NA);y<-z[!is.na(z)];y

（6）字符下標

給向量的分量添加名稱的2種方法

如： ages<-c(Li=33,zhang=29,Wang=31)

names()命名函數??如： fruit<-c(5,10,8,11)?;names(fruit)<-c("orange","banana","apple","peach")

與數值向量有關的函數

（1）最小值、最大值、范圍

min(x) ?which.min(x)哪一個最小 ??

max(x) ?which.max(x)哪一個最大

range(x)

（2）求和、求乘積

?

sum(x) ?和

prod(x) 分量乘積

length(x) ?分量個數

中位數 ???median(x)

均值 ?????mean(x)

方差 ?????var(x)

標準差 ???sd(x)

向量排序 ?sort(x)

保留小數 ?round(x,digit)

隨機數 ???runif(n,min,max) ??

round(3.555,2) #保留兩位小數

runif(50,1,20) #產生50個1-20之間的隨機數

?

?

• 因子Factor

1.因子

minzu<-c("漢族","維吾爾","回族","維吾爾","漢族")

grade<-c("及格","優秀","不及格","優秀","良好")

score<-c(67,88,57,93,78)

類別：沒有順序之分的類別向量，如民族

有序：表示順序關系的向量，如等級

連續：某個范圍內的任意值，同時表示數量和順序，如分數

因子：類別和有序向量稱為因子

2.Factor函數

作用：將一個向量轉換成因子

格式

factor(x,levels,labels=levels,exclude=NA,ordered=is.ordered(x))

?

x:被轉換的向量

levels:因子水平，可以為空

labels:各水平的名字，可以為空

exclude:從x中剔除的水平值

ordered:因子水平是否有序，TRUE 或者FALSE

?

例：

data<-c(1,2,3,3,1,2,2,3,1,3,2,1) ??#數值向量

fdata<-factor(data)

grade<-c("優","良","差","差","優","良","良","差","優","差","良") ??#字符向量

fgrade<-factor(grade)

3.gl函數

生成因子

（1）gl(n,k,length=n*k,labels=1:n,ordered=FALSE)

?

n: 水平個數，整數

k: 重復次數，整數

length：因子向量的長度

labels：因子的水平名稱

ordered：是否有序

?

（2）levels()

查看因子的水平 ???levels(fdata) ?

例：gl(3,5) ?#3個水平，每個水平重復5次

gl(3,5,labels=c("A1","A2","A3")) ?#帶名稱的因子

gl(3,5,labels=paste("A",1:3,sep="")) ??#因子的名稱用paste函數生成

4.與因子有關的函數

（1）table函數

統計因子向量中各水平出現的頻數 ????table(fdata)

（2）tapply函數

不同水平下指定函數的計算

tapply(x,index,fun,simplify=TRUE)

?

x：計算對象，向量 ????index：與x長度相同，表示x的因子水平

fun：需要計算的函數 ??simplify：返回值類型，T表示數組，F為列表

?

• 矩陣

1.矩陣的生成

（1）matrix(data, nrow, ncol, byrow, dimnames)

?

data：數據向量

nrow：矩陣的行數

ncol： ?矩陣的列數

byrow：邏輯值，T表示行序為主序，F表示列序為主

dimnames：行、列名稱，列表格式

?

如：

mdat<-matrix(c(1,2,3,4,5,6,7,8,9,0),nrow=2,byrow=T,dimnames=list(c("row1","row2"),c(“C1”,”C2”,”C3”,”C4”,”C5”)))

（2）dim函數

設置或求矩陣的維數

如：dim(mdat)

???x<-1:12 ?; ???dim(x)<-c(3,4)將向量X以列序為主序設置為矩陣

2.與矩陣運算有關的函數

?

（1）求矩陣的維數

dim() ????求矩陣的行列數

nrow() ??求矩陣的行數

ncol() ????求矩陣的列數

?

（2）矩陣的合并

rbind() ??對矩陣按行合并，要求子矩陣有相同列數

如： x1<-c(1,2,3,4,5,6)

????????x2<-c("a","b","c","d","e","f")

????????dim(x1)<-c(2,3)

????????dim(x2)<-c(2,3)

????????rbind(x1,x2)

cbind() ?對矩陣按列合并，要求子矩陣有相同行數

（3）矩陣的拉直

as.vector() 將矩陣轉換為向量

如：as.vector(mat)

（4）矩陣行列的命名

rownames() ?求矩陣行名，或為其命名

colnames() ???求矩陣列名，或為其命名

如：mdat<-matrix(c(1,2,3,4,5,6,7,8,9,0),nrow=2,byrow=T)

rownames(mdat)<-c("row1","row2")

colnames(mdat)<-paste("C",1:5,sep="")

3.矩陣下標

使用矩陣下標訪問矩陣元素，如同C語言中的二維數組，下標從1開始

如：A[1,2] 表示行下標為1，列下標為2的矩陣元素值

A[1，] 表示行下標為1的整行元素

A[,-2] ??表示矩陣去掉列下標為2的元素剩下的元素

4.數組的生成(2種方法）

（1）array(data=NA,dim=length(data),dimnames=NULL)

?

data:數據向量

dim:數組各維長度，整數向量，默認為data長度

dimnames:各維的名稱，列表的形式

?

如：data<-rep(c(1,3,5,7),times=5) ????x<-array(data,dim=c(5,4))

????x1<-array(data,dim=c(2,5,2))

（2）dim()構造數組

x2<-1:24

dim(x2)<-c(3,4,2)

dimnames對各維命名

dimnames(x2)<-list(c("row1","row2","row3"),c("col1","col2","col3","col4"),c("z1","z2"))

5.數組下標

使用下標對數組元素訪問

?

a<-1:20

dim(a)<-c(4,5)

a[1,3];a[1,];a[1,2:3]

?

6.apply函數

對矩陣或數組按照維度做運算

apply(x,margin,fun)

?

x:數組或矩陣

margin:做運算的維度，1表示行，2表示列

fun:運算函數

?

如：A<-matrix(1:6,nrow=2);A?????????sum(A);sum(A[,2])?????????apply(A,1,sum)

?

• 列表list

列表的元素類型可以是任意對象，可以是不同類型。

1.列表的構造

list（成員列表）

如：st<-list(name="Fred",wife="Mary",no.children=3,child.age=c(2,4,7))

stu<-list(name="張三",class1=c("高數","計算機","體育","英語"),intrests=c("繪畫","唱歌"))

2.列表成員的訪問

列表名[[下標]] ?????如：lst[[1]];stu[[2]];stu[[2]][2]

每次只能訪問一個成員，不能同時訪問多個

列表名[下標]表示一個子列表 ???如：lst[1]

列表名[[“成員名”]] ??????????如：lst[[“name”]]等價 lst[[1]]

列表名$成員名 ???????????????如： lst$name等價 lst[[1]]

六、數據框data.frame

矩陣形式，各列類型不同。列為變量，行為一個觀測樣本。

1.數據框的生成

（1）data.frame函數

df<-data.frame(

????????????????Name=c("Alice","Becka","James","Jeffrey"),

????????????????Sex=c("F","F","M","M"),

????????????????Age=c(13,13,12,13),

????????????????Height=c(56.5,65.3,57.3,62.5),

????????????????Weight=c(84,98,83,84))

（2）as.data.frame將其他數據結構轉換成數據框

lst<-as.data.frame(lst)

2.數據框的引用

數據框元素的引用與矩陣元素的引用方法相同

使用下標???????????????????df[1:2,3:4] ;df[,1] #使用下標

使用變量名稱???????????????df[[“Name”]];df[,“Name”];df[“Name”];df$Name

3.數據框的命名

將名稱向量賦予列或行

變量（列）命名 ?????names(df)<-paste("col",1:5,sep = "")

行命名 ?????rownames(df)<-c("row1","row2","row3","row4")

rownames(df)<-df[,1] ??

3.attach函數

將數據框“連接”到內存中，便于調用 ??attach(df)

r<-Height/Weight

給數據框增加新的變量 ???數據框名$新變量<-值 ?如：df$r<-Height/Weight

刪除變量:數據框名$新變量<-NULL

取消“連接” ??detach(df)

4.lapply()函數與sapply()函數

?

（1）lapply()

lapply(x,fun)

lapply(lst[3:5],mean); lapply(lst["Age"],mean)

lapply(df[,3:5],mean)

?

（2）sapply()

sapply(x,fun)

sapply(lst[3:5],mean); sapply(lst["Age"],mean)

sapply(df[,3:5],mean)

?

5.apply，sapply，lapply，tapply，vapply, mapply

apply : 用于遍歷數組中的行或列，并且使用指定函數來對其元素進行處理；
lapply : 遍歷列表向量內的每個元素，并且使用指定函數來對其元素進行處理。返回列表向量；
sapply : 與lapply基本相同，只是對返回結果進行了簡化，返回的是普通的向量；
mapply: 支持傳入兩個以上的列表；
tapply: 接入參數INDEX，對數據分組進行運算，就和SQL中的by group一樣。

?

第三節程序控制結構

一、分支函數

1.if / else函數??多用于兩分支

格式1：if (cond) expr

??????????????如果cond條件成立，則執行expr,否則跳過

格式2：if (cond) cons.expr ?else ?alt.expr

??????????????如果cond條件成立，則執行expr,否則執行alt.expr

2.if / else函數的嵌套

if (cond) expr

else if (cond_1) ?expr1

else if (cond_2) expr2

else expr3 ?????????

3.R語言中的if-else語句寫法

結構 ?1 ： ?if() ?xx ?else ???yy ???一行；

結構 ?2： ??if() ?{xx} else ?{yy} ?????????????????

　　或者 ??if(){ ?

??????????????? xx ?????????????????????????

}else ???#此處不能兩行寫 ????????????????????????

yy

結構3： ?{

if ???

else ?

}

結構3，括號可以任意寫。

4.switch函數

用于多分支

格式：switch(expr,list)

?????????expr表達式，List列表

表明：如果表達式的值在length(list)之間，則返回列表中對應表達式位置上的值。

如：switch(1,"a","b","c")

如果list有元素名，expr等于元素名時，返回變量名對應的值

y<-"fruit" ?

switch(y,fruit="banana",vegetable="broccoli",meat="beef")

二、循環函數

1.for函數

格式：for(var in seq) expr

?var:循環變量 ?????????seq:向量表達式，如1:20 ???????expr:一組表達式

2.while函數

格式：while (cond) expr

例如：編寫計算1000以內的Fibonacci數

????????f(i)=f(i-1)+f(i-2)

f<-c(1,1);i<-1

while(f[i]+f[i+1] < 1000){

??f[i+2]<-f[i]+f[i+1]

??i<-i+1

}

3.repeat函數

格式：repeat ?expr

???結合break語句跳出循環

例：i<-10

repeat{

??print("hello") ;i<-i-1

????if (i<0) break

}

4.中止語句與空語句

中止語句break ??強行中止，跳出循環

三、R程序設計

1.函數定義

格式：funname<-function(arg_1,arg_1,……）expression

?

funname:函數名

arg_1,arg_2:函數參數

?expression:表達式

?

2.函數調用

格式：funname(expr_1,expr_2)

注意：在編輯器中編寫和保存使用時，需要調用函數所在的腳本文件 ???

????????source(“funname.R”)

????????funname()

3.無參數函數

??執行時不需要輸入參數，每次執行，返回值都相同。

例如：welcome<-function()

????????print(“welcome to use R”)

調用：source(“welcome.R”)

???????welcome()

4.有參數的函數

函數名<-function(){

……

返回值計算表達式

}

5.有名參數

函數調用時，如果參數沒有名稱，需要按照定義順序設置參數；

函數調用時，可以指定形參和實參的對應關系，此時順序可以不按照定義時；

如 fun1<-function(data,data.frame,graph,limit)

??調用 ans<-fun1(d,df,TRUE,20)

????????ans<-fun1(d,df,graph=TRUE,limit=20)

????????ans<-fun1(data=d,limit=20,graph=TRUE,data.frame=df)

6.遞歸函數

（1）遞歸函數：自身調用自身，在函數體內增加一個計算結果的變量

如：向量的求和公式編寫

例：求n的階乘

（2）類似函數不用編寫，R自帶很多相應函數

Browser()調試提示符窗口上方的導航按鈕實現下一步操作：
第一個按鈕是Next(下一步) 用來運行函數的下一行代碼；
第二個按鈕是Continue(繼續) 用來運行函數剩余的所有代碼，完成之后退出瀏覽器模式；
第三個按鈕是Stop(停止) 他會立刻中斷并退出瀏覽器模式，不運行任何代碼；

7.作用域

全局變量

x<-10;y<-20 ?????????#x,y全局變量

f<-function(y) ?x+y ??#y為局部變量 ????????f(10)

8.程序調試

（1）print（）顯示變量內容的函數

使用print()函數顯示變量的值

如：f<-function(y){

???????????print(x);print(y);x+y

????????}

??????f(y)

??????f(10)

（2）cat()函數

f<-function(y){

??cat('x=',x,'\n');cat('y=',y,'\n');x+y

}

（3）跟蹤程序的函數

browser():在程序體內增加該語句，單步調試；

debug():函數運行前增加debug(函數名)，標記函數進行測試；

外部文件的讀寫

?第四節 外部文件的讀寫

一、外部文件的讀寫

實際應用數據的分析往往是外部文件存儲

計算結果應當保存成外部文件：讀寫文件首先需要設置工作路徑，確保操作文件在工作路徑下。

setwd(“工作路徑”)???????getwd()

二、純文本文件

1.read.table()函數?????讀取表格形式的文件read.table(file,header=True,sep=“”,row.names,col.names,skip,nrows)

?

file:讀入數據文件名，數據以表格形式(純文本文件)保存在文件中。

header:數據文件中有表頭，則為T。

sep:數據分隔字符

row.names:行名

col.names:列名（變量名）

skip:讀數據時跳過的行數，非負整數。

nrows:讀取的行數

?

例：體會以下代碼的含義

data_stu<-read.table("stu.txt",header=T)

data_stu

data_stu<-read.table("stu.txt",header=T,row.names = paste("201601",1:5,sep=""))

data_stu<-read.table("stu.txt",header=F,skip=2)

2） scan()函數

直接讀純文本文件

scan(file,sep="",skip)

?

file:讀取的文件名

sep：為分隔符

?

例：data_stu1<-scan(file="data.txt")

2.read.fwf()

將固定寬度格式的文本文件讀入R

read.fwf(file,widths,header,sep,skip,row.names,n)

?

file:讀入文件名

widths:整數向量，每個值表示讀入變量的?????????????寬度

header：是否有變量名

sep：分隔變量名的符號

skip:文件頭部跳過的行數

row.names:行名的向量

n:讀入R的行數

?

三、Excel文件

1.read.delim()函數

需要將Excel文件轉換為文本文件(制表符分隔)后讀取

read.delim(file,header)

file :文件名 ?????header:是否有表頭，值為True或者False

2.read.csv()函數

需要將Excel文件轉換成CSV(逗號分隔)文件

read.csv(file,header)

3.直接讀取Excel數據表

安裝包RODBC

使用odbcConnectExcel()函數完成ODBC庫與數據表的連接

sqlTables()函數獲取數據表信息

讀取數據：sqlFetch() ???????sqlQuery()

關閉連接close()

外部文件的讀入-Excel文件

例

install.packages(“RODBC”)

library(RODBC)

con<-odbcConnectExcel(“scores.xls”)

tbles<-sqlTables(con)

sh1<-sqlFetch(con,tbls$TABLE_NAME[1])

qry<-paste(“select * from [“,tbls$TABLE_NAME[1],”]”,sep=“”)

shc<-sqlQuery(con,qry)

close(con)

四、其他軟件格式數據文件

可以讀取SPSS\SAS\S-PLUS和Stata數據文件

1)必須先加載foreign數據包 ????2)read.spss(file)

注：對于大型數據的讀取可以使用readr包和readxl包，速度比read.table()快很多。

五、數據集的讀取

1.R提供了100多個數據集

2.使用data()函數查看或加載數據集

library(“pknames”)加載程序包

data() ?????????????查看數據集

data(dataname) ?????加載數據集

試著加載并讀取數據集iris

六、寫數據文件

1.write()函數

write(x,file,ncolumns,append)

x:需要寫入文件的數據，通常為矩陣或向量

file:要保存的文件名

ncolumns:列數，字符默認1，數值默認5

append:邏輯變量，為T表示在原有文件添加數據，F表示新文件

2.write.table()與write.csv()

將數據寫為表格形式的文本文件或者CSV格式文件

write.table(x,file,append,sep)

sep:為分離數據的字符

總結

以上是生活随笔為你收集整理的R语言课程资料的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。