R · Y分鐘學習X種語言

# [X分鐘速成Y](http://learnxinyminutes.com/) ## 其中 Y=R 源代碼下載：?[learnr-zh.r](http://learnxinyminutes.com/docs/files/learnr-zh.r) R 是一門統計語言。它有很多數據分析和挖掘程序包。可以用來統計、分析和制圖。你也可以在 LaTeX 文檔中運行?`R`?命令。 ~~~ # 評論以 # 開始 # R 語言原生不支持多行注釋 # 但是你可以像這樣來多行注釋 # 在窗口里按回車鍵可以執行一條命令 ################################################################### # 不用懂編程就可以開始動手了 ################################################################### data() # 瀏覽內建的數據集 data(rivers) # 北美主要河流的長度（數據集） ls() # 在工作空間中查看「河流」是否出現 head(rivers) # 撇一眼數據集 # 735 320 325 392 524 450 length(rivers) # 我們測量了多少條河流？ # 141 summary(rivers) # Min. 1st Qu. Median Mean 3rd Qu. Max. # 135.0 310.0 425.0 591.2 680.0 3710.0 stem(rivers) # 莖葉圖（一種類似于直方圖的展現形式） # # The decimal point is 2 digit(s) to the right of the | # # 0 | 4 # 2 | 011223334555566667778888899900001111223333344455555666688888999 # 4 | 111222333445566779001233344567 # 6 | 000112233578012234468 # 8 | 045790018 # 10 | 04507 # 12 | 1471 # 14 | 56 # 16 | 7 # 18 | 9 # 20 | # 22 | 25 # 24 | 3 # 26 | # 28 | # 30 | # 32 | # 34 | # 36 | 1 stem(log(rivers)) # 查看數據集的方式既不是標準形式，也不是取log后的結果! 看起來，是鐘形曲線形式的基本數據集 # The decimal point is 1 digit(s) to the left of the | # # 48 | 1 # 50 | # 52 | 15578 # 54 | 44571222466689 # 56 | 023334677000124455789 # 58 | 00122366666999933445777 # 60 | 122445567800133459 # 62 | 112666799035 # 64 | 00011334581257889 # 66 | 003683579 # 68 | 0019156 # 70 | 079357 # 72 | 89 # 74 | 84 # 76 | 56 # 78 | 4 # 80 | # 82 | 2 hist(rivers, col="#333333", border="white", breaks=25) # 試試用這些參數畫畫（譯者注：給 river 做統計頻數直方圖，包含了這些參數：數據源，顏色，邊框，空格） hist(log(rivers), col="#333333", border="white", breaks=25) #你還可以做更多式樣的繪圖 # 還有其他一些簡單的數據集可以被用來加載。R 語言包括了大量這種 data() data(discoveries) plot(discoveries, col="#333333", lwd=3, xlab="Year", main="Number of important discoveries per year") # 譯者注：參數為（數據源，顏色，線條寬度，X 軸名稱，標題） plot(discoveries, col="#333333", lwd=3, type = "h", xlab="Year", main="Number of important discoveries per year") # 除了按照默認的年份排序，我們還可以排序來發現特征 sort(discoveries) # [1] 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 # [26] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 # [51] 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 # [76] 4 4 4 4 5 5 5 5 5 5 5 6 6 6 6 6 6 7 7 7 7 8 9 10 12 stem(discoveries, scale=2) # 譯者注：莖葉圖（數據，放大系數） # # The decimal point is at the | # # 0 | 000000000 # 1 | 000000000000 # 2 | 00000000000000000000000000 # 3 | 00000000000000000000 # 4 | 000000000000 # 5 | 0000000 # 6 | 000000 # 7 | 0000 # 8 | 0 # 9 | 0 # 10 | 0 # 11 | # 12 | 0 max(discoveries) # 12 summary(discoveries) # Min. 1st Qu. Median Mean 3rd Qu. Max. # 0.0 2.0 3.0 3.1 4.0 12.0 #基本的統計學操作也不需要任何編程知識 #隨機生成數據 round(runif(7, min=.5, max=6.5)) # 譯者注：runif 產生隨機數，round 四舍五入 # 1 4 6 1 4 6 4 # 你輸出的結果會和我們給出的不同，除非我們設置了相同的隨機種子 random.seed(31337) #從標準高斯函數中隨機生成 9 次 rnorm(9) # [1] 0.07528471 1.03499859 1.34809556 -0.82356087 0.61638975 -1.88757271 # [7] -0.59975593 0.57629164 1.08455362 ######################### # 基礎編程 ######################### # 數值 #“數值”指的是雙精度的浮點數 5 # 5 class(5) # "numeric" 5e4 # 50000 # 用科學技術法方便的處理極大值、極小值或者可變的量級 6.02e23 # 阿伏伽德羅常數# 1.6e-35 # 布朗克長度 # 長整數并用 L 結尾 5L # 5 #輸出5L class(5L) # "integer" # 可以自己試一試？用 class() 函數獲取更多信息 # 事實上，你可以找一些文件查閱 `xyz` 以及xyz的差別 # `xyz` 用來查看源碼實現，?xyz 用來看幫助 # 算法 10 + 66 # 76 53.2 - 4 # 49.2 2 * 2.0 # 4 3L / 4 # 0.75 3 %% 2 # 1 # 特殊數值類型 class(NaN) # "numeric" class(Inf) # "numeric" class(-Inf) # "numeric" # 在以下場景中會用到 integrate( dnorm(x), 3, Inf ) -- 消除 Z 軸數據 # 但要注意，NaN 并不是唯一的特殊數值類型…… class(NA) # 看上面 class(NULL) # NULL # 簡單列表 c(6, 8, 7, 5, 3, 0, 9) # 6 8 7 5 3 0 9 c('alef', 'bet', 'gimmel', 'dalet', 'he') c('Z', 'o', 'r', 'o') == "Zoro" # FALSE FALSE FALSE FALSE # 一些優雅的內置功能 5:15 # 5 6 7 8 9 10 11 12 13 14 15 seq(from=0, to=31337, by=1337) # [1] 0 1337 2674 4011 5348 6685 8022 9359 10696 12033 13370 14707 # [13] 16044 17381 18718 20055 21392 22729 24066 25403 26740 28077 29414 30751 letters # [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" "p" "q" "r" "s" # [20] "t" "u" "v" "w" "x" "y" "z" month.abb # "Jan" "Feb" "Mar" "Apr" "May" "Jun" "Jul" "Aug" "Sep" "Oct" "Nov" "Dec" # Access the n'th element of a list with list.name[n] or sometimes list.name[[n]] # 使用 list.name[n] 來訪問第 n 個列表元素，有時候需要使用 list.name[[n]] letters[18] # "r" LETTERS[13] # "M" month.name[9] # "September" c(6, 8, 7, 5, 3, 0, 9)[3] # 7 # 字符串 # 字符串和字符在 R 語言中沒有區別 "Horatio" # "Horatio" class("Horatio") # "character" substr("Fortuna multis dat nimis, nulli satis.", 9, 15) # "multis " gsub('u', '?', "Fortuna multis dat nimis, nulli satis.") # "Fort?na m?ltis dat nimis, n?lli satis." # 邏輯值 # 布爾值 class(TRUE) # "logical" class(FALSE) # "logical" # 和我們預想的一樣 TRUE == TRUE # TRUE TRUE == FALSE # FALSE FALSE != FALSE # FALSE FALSE != TRUE # TRUE # 缺失數據（NA）也是邏輯值 class(NA) # "logical" #定義NA為邏輯型 # 因子 # 因子是為數據分類排序設計的（像是排序小朋友們的年級或性別） levels(factor(c("female", "male", "male", "female", "NA", "female"))) # "female" "male" "NA" factor(c("female", "female", "male", "NA", "female")) # female female male NA female # Levels: female male NA data(infert) # 自然以及引產導致的不育癥 levels(infert$education) # "0-5yrs" "6-11yrs" "12+ yrs" # 變量 # 有許多種方式用來賦值 x = 5 # 這樣可以 y <- "1" # 更推薦這樣 TRUE -> z # 這樣可行，但是很怪 #我們還可以使用強制轉型 as.numeric(y) # 1 as.character(x) # "5" # 循環 # for 循環語句 for (i in 1:4) { print(i) } # while 循環 a <- 10 while (a > 4) { cat(a, "...", sep = "") a <- a - 1 } # 記住，在 R 語言中 for / while 循環都很慢 # 建議使用 apply()（我們一會介紹）來錯做一串數據（比如一列或者一行數據） # IF/ELSE # 再來看這些優雅的標準 if (4 > 3) { print("Huzzah! It worked!") } else { print("Noooo! This is blatantly illogical!") } # => # [1] "Huzzah! It worked!" # 函數 # 定義如下 jiggle <- function(x) { x + rnorm(x, sd=.1) #add in a bit of (controlled) noise return(x) } # 和其他 R 語言函數一樣調用 jiggle(5) # 5±ε. 使用 set.seed(2716057) 后， jiggle(5)==5.005043 ######################### # 數據容器：vectors, matrices, data frames, and arrays ######################### # 單維度 # 你可以將目前我們學習到的任何類型矢量化，只要它們擁有相同的類型 vec <- c(8, 9, 10, 11) vec # 8 9 10 11 # 矢量的類型是這一組數據元素的類型 class(vec) # "numeric" # If you vectorize items of different classes, weird coercions happen #如果你強制的將不同類型數值矢量化，會出現特殊值 c(TRUE, 4) # 1 4 c("dog", TRUE, 4) # "dog" "TRUE" "4" #我們這樣來取內部數據，（R 的下標索引順序 1 開始） vec[1] # 8 # 我們可以根據條件查找特定數據 which(vec %% 2 == 0) # 1 3 # 抓取矢量中第一個和最后一個字符 head(vec, 1) # 8 tail(vec, 1) # 11 #如果下標溢出或不存會得到 NA vec[6] # NA # 你可以使用 length() 獲取矢量的長度 length(vec) # 4 # 你可以直接操作矢量或者矢量的子集 vec * 4 # 16 20 24 28 vec[2:3] * 5 # 25 30 # 這里有許多內置的函數，來表現向量 mean(vec) # 9.5 var(vec) # 1.666667 sd(vec) # 1.290994 max(vec) # 11 min(vec) # 8 sum(vec) # 38 # 二維（相同元素類型） #你可以為同樣類型的變量建立矩陣 mat <- matrix(nrow = 3, ncol = 2, c(1,2,3,4,5,6)) mat # => # [,1] [,2] # [1,] 1 4 # [2,] 2 5 # [3,] 3 6 # 和 vector 不一樣的是，一個矩陣的類型真的是「matrix」，而不是內部元素的類型 class(mat) # => "matrix" # 訪問第一行的字符 mat[1,] # 1 4 # 操作第一行數據 3 * mat[,1] # 3 6 9 # 訪問一個特定數據 mat[3,2] # 6 # 轉置整個矩陣（譯者注：變成 2 行 3 列） t(mat) # => # [,1] [,2] [,3] # [1,] 1 2 3 # [2,] 4 5 6 # 使用 cbind() 函數把兩個矩陣按列合并，形成新的矩陣 mat2 <- cbind(1:4, c("dog", "cat", "bird", "dog")) mat2 # => # [,1] [,2] # [1,] "1" "dog" # [2,] "2" "cat" # [3,] "3" "bird" # [4,] "4" "dog" class(mat2) # matrix # Again, note what happened! # 注意 # 因為矩陣內部元素必須包含同樣的類型 # 所以現在每一個元素都轉化成字符串 c(class(mat2[,1]), class(mat2[,2])) # 按行合并兩個向量，建立新的矩陣 mat3 <- rbind(c(1,2,4,5), c(6,7,0,4)) mat3 # => # [,1] [,2] [,3] [,4] # [1,] 1 2 4 5 # [2,] 6 7 0 4 # 哈哈，數據類型都一樣的，沒有發生強制轉換，生活真美好 # 二維(不同的元素類型) # 利用 data frame 可以將不同類型數據放在一起 dat <- data.frame(c(5,2,1,4), c("dog", "cat", "bird", "dog")) names(dat) <- c("number", "species") # 給數據列命名 class(dat) # "data.frame" dat # => # number species # 1 5 dog # 2 2 cat # 3 1 bird # 4 4 dog class(dat$number) # "numeric" class(dat[,2]) # "factor" # data.frame() 會將字符向量轉換為 factor 向量 # 有很多精妙的方法來獲取 data frame 的子數據集 dat$number # 5 2 1 4 dat[,1] # 5 2 1 4 dat[,"number"] # 5 2 1 4 # 多維（相同元素類型） # 使用 arry 創造一個 n 維的表格 # You can make a two-dimensional table (sort of like a matrix) # 你可以建立一個 2 維表格（有點像矩陣） array(c(c(1,2,4,5),c(8,9,3,6)), dim=c(2,4)) # => # [,1] [,2] [,3] [,4] # [1,] 1 4 8 3 # [2,] 2 5 9 6 #你也可以利用數組建立一個三維的矩陣 array(c(c(c(2,300,4),c(8,9,0)),c(c(5,60,0),c(66,7,847))), dim=c(3,2,2)) # => # , , 1 # # [,1] [,2] # [1,] 2 8 # [2,] 300 9 # [3,] 4 0 # # , , 2 # # [,1] [,2] # [1,] 5 66 # [2,] 60 7 # [3,] 0 847 #列表（多維的，不同類型的） # R語言有列表的形式 list1 <- list(time = 1:40) list1$price = c(rnorm(40,.5*list1$time,4)) # 隨機 list1 # You can get items in the list like so # 你可以這樣獲得列表的元素 list1$time # You can subset list items like vectors # 你也可以和矢量一樣獲取他們的子集 list1$price[4] ######################### # apply()函數家族 ######################### # 還記得 mat 么？ mat # => # [,1] [,2] # [1,] 1 4 # [2,] 2 5 # [3,] 3 6 # Use apply(X, MARGIN, FUN) to apply function FUN to a matrix X # 使用(X, MARGIN, FUN)將函數 FUN 應用到矩陣 X 的行 (MAR = 1) 或者列 (MAR = 2) # That is, R does FUN to each row (or column) of X, much faster than a # R 在 X 的每一行/列使用 FUN，比循環要快很多 apply(mat, MAR = 2, myFunc) # => # [,1] [,2] # [1,] 3 15 # [2,] 7 19 # [3,] 11 23 # 還有其他家族函數 ?lapply, ?sapply # 不要被嚇到，雖然許多人在此都被搞混 # plyr 程序包的作用是用來改進 apply() 函數家族 install.packages("plyr") require(plyr) ?plyr ######################### # 載入數據 ######################### # "pets.csv" 是網上的一個文本 pets <- read.csv("http://learnxinyminutes.com/docs/pets.csv") pets head(pets, 2) # 前兩行 tail(pets, 1) # 最后一行 # 以 .csv 格式來保存數據集或者矩陣 write.csv(pets, "pets2.csv") # 保存到新的文件 pets2.csv # set working directory with setwd(), look it up with getwd() # 使用 setwd() 改變工作目錄，使用 getwd() 查看當前工作目錄 # 嘗試使用 ?read.csv 和 ?write.csv 來查看更多信息 ######################### # 畫圖 ######################### # 散點圖 plot(list1$time, list1$price, main = "fake data") # 譯者注：橫軸 list1$time，縱軸 wlist1$price，標題 fake data # 回歸圖 linearModel <- lm(price ~ time, data = list1) # 譯者注：線性模型，數據集為list1，以價格對時間做相關分析模型 linearModel # 擬合結果 # 將擬合結果展示在圖上，顏色設為紅色 abline(linearModel, col = "red") # 也可以獲取各種各樣漂亮的分析圖 plot(linearModel) # 直方圖 hist(rpois(n = 10000, lambda = 5), col = "thistle") # 譯者注：統計頻數直方圖 # 柱狀圖 barplot(c(1,4,5,1,2), names.arg = c("red","blue","purple","green","yellow")) # 可以嘗試著使用 ggplot2 程序包來美化圖片 install.packages("ggplot2") require(ggplot2) ?ggplot2 ~~~ ## 獲得 R * 從?[http://www.r-project.org/](http://www.r-project.org/)?獲得安裝包和圖形化界面 * [RStudio](http://www.rstudio.com/ide/)?是另一個圖形化界面