|
|
本帖最后由 biostat 于 2013-2-13 09:38 编辑
1 R的下载、安转
R有很多的版本，支持目前主流的操作系统MAC、Linux和WINDOWS系列。因为我个人是在WINDOWS下用R的，所以在这里将只介绍WINDOWS下R的下载&安装。
下载R：
你可以从世界各地很多网站上下载到R，官方的中国下载点是：
http://www.lmbe.seu.edu.cn/CRAN/bin/windows/base/
在我写这篇文章的时候，最新的版本是R-2.2.1版。
在网络上有一篇被翻译过来的R入门教材：R 導論（入門）
安装R：
1，双击R-2.2.1-win32.exe文件，进入安装画面。
2，在Welcome to the R for Windows Setup Wizard的画面中，单击NEXT。
3，在License Agreement的画面中，选择[I accept the agreement]，然后单击NEXT。
4，在Select Destination Location的画面中，可以自行设定安装目录，默认为：[C:\Program Files\R\R-2.2.1]，单击NEXT。
5，在接下来的过程中一律选则NEXT安装即可。
2 简单的数学计算、数学函数以及如何编辑R程序
1，用R进行简单的计算：
我们可以用R进行以下各类运算。
加法 +
减法 -
乘法 *
除法 /
幂运算 ^
整数商 %/%
余数 %%
例如：
输入： (1 + 2 - 3 * 4) / 5^6
结果： [1] -0.000576
2，R中还有很多的数学函数可以使用，比如说开方函数、对数函数等等。
例如：
输入： sqrt(2)
结果：[1] 1.414213
你还可以使用多个函数进行计算。例如：
输入： sqrt(100) + round(100) / log10(100)
结果：[1] 60 下面介绍的是R中可以使用的数学函数。
sqrt ： 开平方函数
abs ： 绝对值函数
exp ： 2.71828…
expm1 ： 当x的绝对值比1小很多的时候，它将能更加正确的计算exp(x)-1
log ： 对数函数
log10 ： 对数（底为10）函数
log2 ： 对数（底为2）函数
sin ： 正弦函数
cos ： 余弦函数
tan ： 正切函数
asin ： 反正弦函数
acos ： 反余弦函数
atan ： 反正切函数
sinh ： 超越正弦函数
cosh ： 超越余弦函数
tanh ： 超越正切函数
asinh ： 反超越正弦函数
acosh ： 反超越余弦函数
atanh ： 反超越正切函数
logb ： 和log函数一样
log1px ： 当x的绝对值比1小很多的时候，它将能更加正确的计算log(1+x)
gamma ： Γ函数（伽玛函数）
lgamma ： 等同于log(gamma(x))
ceiling ： 返回大于或等于所给数字表达式的最小整数
floor ： 返回小于或等于所 给数字表达式的最大整数
trunc ： 截取整数部分
round ： 四舍五入
signif(x,a) ： 数据截取函数 x：有效位 a：到a位为止
3，R程序的输入/编辑
你可以直接在R的环境里输入R命令执行计算，也可以用任何一款文本编辑器进行编程。R程序的默认文件名后缀是[ .R ]。
4，环境设置函数options()
用options()命令可以设置一些环境变量。
比如说：
options(digits=10)
这个命令，可以把R的整数表示能力设为10位。
options(warn=-1)
这个命令，可以忽视任何警告。（warn=1时，为不放过任何警告）
……
使用help(options)可以查看详细的参数信息。
RWEKA:
WEKA是一个JAVA写的数据挖掘的工具，RWEKA则是在R中调用WEKA的一个界面。
扩展包说明&下载地址(英文)：http://cran.r-project.org/src/contrib/Descriptions/RWeka.html
3、R的数据类型
R中包含以下的基本数据类型。
空值（NULL）
意义 ：该对象里什么都没有（甚至连0也没有）
欠损值、不定值（NA），非数（NaN），无限大（Inf）
意义 ：NA:表示数据缺损；NaN:表示用数字无法表示；Inf:无限大
复数（complex）
意义 ：复数
字符串（character）
意义 ：不是单一的字符，而是用双/单引号括起来的字符
逻辑值（logical）
意义 ：T表示真，F表示假
4_关于R的一些基本知识
首先看一下这一次要讲的内容。
在用R进行数据分析和计算的时候，将会用到很多变量、函数、数组等等。而对象则是对所有这些变量、函数、数组等的总称。比如说，下面这个式子：x <- 2通常我们会说，x是一个变量，我们通过赋值运算把它的值设为2。但是在R里，不论我们是给一个变量赋值也好，还是对一个数组进行初始化也好，我们统统把它称为[对象]。
什么是对象（Object）
如何改变工作目录
关于扩展包（库函数）
R的数据类型
环境设置函数options()
接下来，我们一个一个的简单介绍。
1，什么是对象（Object）
在用R进行数据分析和计算的时候，将会用到很多变量、函数、数组等等。而对象则是对所有这些变量、函数、数组等的总称。
比如说，下面这个式子：
x <- 2
下面的对象是R的预设对象。我们在命名自己的对象时，是不能与下面这些对象重名的。
break
else
for
function
if
TRUE
in
next
repeat
return
while
FALSE
另外：
使用objects()函数，还可以查看目前存在的对象名。
使用rm()函数，可以消除自己所定义过的对象。（ 例如： rm(killme) ）
使用rm(list=ls(all=TRUE))命令，可以消除自己所定义过的所有的对象。
命名对象时，要注意大小写。（例如：x和X是两个不同的对象）
2、如何改变工作目录
你可以用getwd()命令来查看当前目录，也可以用类似setwd("c:/usr")的命令来更改当前的目录。
你还可以用dir()命令来查看当前目录里的文件。（好像回到了dos时代…呵呵）
3、关于扩展包（库函数）
R有很好的扩展性能，默认下R自带了以下的扩展包。
base：R的基本扩展包
boot：R的启动函数库
class：Classification的函数库
cluster：进行聚类分析计算的函数库
foreign：读取其它的统计软件（如：SAS…）等生成的文件的函数库
grid：grid图像函数库
KernSmooth：进行核函数密度估计运算的函数库
lattice：lattice图像函数库
MASS：在『Modern Applied Statistics with S』中出现的数据与函数库
methods：定义了在R中用于对象的各种方法、类、程序以及工具。
mgcv：GCV和一般加法模型GAM（generalized additive model）的函数库
nlme：线性混合效果模型和非线性混合效果模型的函数库
nnet：
rpart：使用了再归算法的分类和回归树的函数库
spatial：
splines：splines回归的函数库
stats：R的统计函数库
stats4：S4类的统计函数库
survival：
tcltk：Tcl/Tk的接口函数库
tools：用于扩展包开发和管理的函数库
utils：
另外：
使用library(help="扩展包名")命令可以查看该扩展包的详细信息
使用library(扩展包名)命令可以使用该扩展包
使用search()命令可以查看现在已经读取的扩展包
使用detach("package:扩展包名")命令可以卸载某个扩展包
使用data()命令可以查看当前可使用的数据对象
使用data(package = "扩展包名")命令可以查看在该扩展包中的数据对象
扩展包的安装：
使用下面的命令，可以联网安装扩展包。
options(CRAN="http://cran.r-project.org")
install.packages("扩展包名")
如果你已经下载了扩展包的ZIP压缩文件，你可以用下面的命令指定路径安装扩展包。
install.packages("路径名/文件名.zip", contriburl = NULL)
例如：install.packages("c:/adapt_1.0-4.zip", contriburl = NULL)
当然，你也可以通过菜单操作下载和安装扩展包，请自己研究。
5_用R进行基本的统计计算
今天简单的讲一下如何用R进行基本的统计计算。
定义：
数据有很多种分类方法，在这里，为了方便理解，暂时把年龄、身高、体重等用数字表示的数据叫做数量型数据；相对的，把血型、性别、职称等用文字叙述的数据叫做质量型数据。
在这里所说的基本的统计计算，是指对各类数量型数据进行求和、平均、求最大值最小值等等的计算。
●和与百分比
A：和
在对数量型数据进行分析计算时，求和是经常会使用到的。
比如说，有五位同学，他们的身高分别是：
1.75米 、 1.82米 、 1.78米 、 1.93米 、 1.77米
求他们的身高的总和。
和 = 1.75+1.82+1.78+1.93+1.77 = 9.05米
用R进行求和计算时，你可以按照下面的方式进行计算
> 1.75+1.82+1.78+1.93+1.77
[1] 9.05
也可以利用R本身的sum()函数，这样的话，会更加便捷。
> shengao <- c(1.75,1.82,1.78,1.93,1.77)
> sum(shengao)
[1] 9.05
B：百分比
还是刚才那5位同学，他们的体重分别是：
69公斤 ， 80公斤 ， 78公斤 ， 96公斤 ， 65公斤
他们的总体重为：
R代码
> tizhong <- c(69,80,78,96,65)
> sum(tizhong)
[1] 388
> tizhong <- c(69,80,78,96,65)> sum(tizhong)[1] 388
388公斤。
那么，第一位同学占总体重的多少呢？
按比例计算：
R代码
> tizhong/sum(tizhong)
[1] 0.1778351
0.2061856
0.2010309
0.2474227
0.1675258
> tizhong/sum(tizhong)[1] 0.1778351 0.2061856 0.2010309 0.2474227 0.1675258
按百分比计算：
R代码
> 100*(tizhong/sum(tizhong))
[1] 17.78351
20.61856
20.10309
24.74227
16.75258
> 100*(tizhong/sum(tizhong))[1] 17.78351 20.61856 20.10309 24.74227 16.75258
使用扩展包sca中的percent函数，可以用带%符号的表示方式显示结果。
R代码
> library(sca)
> percent(tizhong/sum(tizhong))
[1] "18 %" "21 %" "20 %" "25 %" "17 %"
> library(sca)> percent(tizhong/sum(tizhong))[1] "18 %" "21 %" "20 %" "25 %" "17 %"
还可以用参数d来指定小数点后的表示位数。在不指定的情况下，小数点后的数字不表示。
R代码
> percent(tizhong/sum(tizhong),d=1)
[1] "17.8 %" "20.6 %" "20.1 %" "24.7 %" "16.8 %"
> percent(tizhong/sum(tizhong),d=1)[1] "17.8 %" "20.6 %" "20.1 %" "24.7 %" "16.8 %"
如果不想结果被双引号包围，可以用noquote命令
R代码
> noquote(percent(tizhong/sum(tizhong),d=1))
[1] 17.8 % 20.6 % 20.1 % 24.7 % 16.8 %
> noquote(percent(tizhong/sum(tizhong),d=1))[1] 17.8 % 20.6 % 20.1 % 24.7 % 16.8 %
●表示中心的统计量
表示数据中心位置的统计量有很多种，最基本的有：平均值、最频值。
A：平均值
上面那五位同学的年龄分别为：
19岁 、 21岁 、 20岁 、 26岁 、 17岁
在求这五位同学的年龄的平均值时，可以用下面这种方法：
R代码
> (19+21+20+26+17)/5
[1] 20.6
> (19+21+20+26+17)/5[1] 20.6
也可以用R自带的mean()函数：
> nianling <- c(19,21,20,26,17)
> mean(nianling)
[1] 20.6
> nianling <- c(19,21,20,26,17)> mean(nianling)[1] 20.6
B：最频值
在数据中最频繁出现的数值叫做最频值。
我们先用其他的函数来间接的求最频值。
例如：我们在求下面这组数据的最频值时，可以使用table函数。
R代码
1 , 7 , 3 , 7 , 8 , 23 , 5 , 7 , 9 , 3 , 4
> table(c(1 , 7 , 3 , 7 , 8 , 23 , 5 , 7 , 9 , 3 , 4))
1
3
4
5
7
8
9
23
1
2
1
1
3
1
1
1
1 , 7 , 3 , 7 , 8 , 23 , 5 , 7 , 9 , 3 , 4> table(c(1 , 7 , 3 , 7 , 8 , 23 , 5 , 7 , 9 , 3 , 4)) 1 3 4 5 7 8 9 23 1 2 1 1 3 1 1 1
从返回的结果中我们可以清楚地看到，在数据中 "7" 出现了3次，因此 "7" 为该组数据的最频值。
接着，我们直接用函数median()来求最频值。
R代码
> median(c(1 , 7 , 3 , 7 , 8 , 23 , 5 , 7 , 9 , 3 , 4))
[1] 7
> median(c(1 , 7 , 3 , 7 , 8 , 23 , 5 , 7 , 9 , 3 , 4))[1] 7
●表示分散的统计量
表示数据中心的统计量虽然很重要，但是表示数据四周的分散信息的统计量也十分的重要。
A：最大值、最小值和范围
我们用tizhong数据，分别计算五位同学体重的最大值、最小值和体重的分布范围。
最大值
R代码
> max(tizhong)
[/1] 96
最小值
> min(tizhong)
[1] 65
范围
> range(tizhong)
[1] 65
96
B：方差和标准偏差（variance AND standard deviation）
在R中，有很方便的求方差和标准偏差的函数var()和sd()。
例如在求tizhong数据的方差和标准偏差时，可以如下计算。
方差：
> var(tizhong)
[1] 144.3
标准偏差：
> sd(tizhong)
[1] 12.01249
C：四分位数
四分位数是指把样本数据按从小到大的顺序等分成四份，各等分点上的数即为四分位数。
例如：数据
3（0%点） 5
6（25%点） 8
9（50%点） 11
12（75%点） 15
16（100%点）
25%点的6和75点的12分别称为下四分位数和上四分位数。
上四分位数与下四分数之差叫做四分位间距。
在R中我们可以用quantile()函数和IQR()函数来求四分位数和四分位间距。
> sifenshu <- c(3,5,6,8,9,11,12,15,16)
> quantile(sifenshu)
0% 25% 50% 75% 100%
3
6
9
12
16
> IQR(sifenshu)
[1] 6
今天简单介绍了一下如何用R对一些基本的统计量进行计算，如果有其它的要求的，欢迎提出来，我会进一步介绍的。今天就先到这里了，呵呵。
6_R的函数
R中有很多的标准自带的函数，也有很多的由扩展包支持的函数。今天我们主要看一看R中标准自带的函数。
首先简单定义一下什么是函数：
在R中，所谓函数实际上就是一系列程序的组合。
为了能够更深刻的理解这句话，我将在下面这个例子中先一步一步的计算几个数的平均值；再讲如何把这些可以重复利用的运算步骤改写成为自己服务的函数；最后，我们再看一下R中已经为我们准备好了的求平均值的函数的用法：
1，一段程序
我们用R计算下面这5个数的和
23
34
56
78
89
在R中，我们刚开始可能会这样写：
>x <- c( 23, 34, 56, 78, 89 )
>z <- 0
>for( i in 1:5 ){
>z <- z + x
>}
>z <- z/5
>z
[1]56
|
|
发表于 2013-2-13 09:33:43
