用R做数据分析Word下载.docx
《用R做数据分析Word下载.docx》由会员分享，可在线阅读，更多相关《用R做数据分析Word下载.docx（22页珍藏版）》请在冰豆网上搜索。
R不仅免费还有各种各样的的功能包资源。
从某种程度上讲，任何你想要的功能应该都可以找到对应的包，只是说是否完全满足，对于一些算法研究人员来说，可以在原来的代码的基础进行借鉴。
这也许就是为什么R最开始主要用到高校或者学术领域（当然和国外学者、专家这种自由、开放的环境或者意识有很关系，这也许就是为什么许多开源软件都是国外出来，很少看到国内的大公司有什么好的东西开源）。
很多行业人士都说R是未来的“王道”，就像unix的发展过程一样。
我觉得未来一定有属于R的一片天空，而且这种天空可以说是接近无限。
所以，对于有志于从事数据挖掘、数据分析这个行业的朋友来说，掌握R是也许会成为未来的必备技能（就像现在数据分析师大多要求会：
SQL）。
最后，我对R语言的理解与总结可以概括为一句话：
“开源、二次加工、分享精神”。
R包介绍
R语言的使用，很大程度上是借助各种各样的R包的辅助，从某种程度上讲，R包就是针对于R的插件，不同的插件满足不同的需求
一、R语言包的安装
1、通过选择菜单：
程序包->
安装程序包->
在弹出的对话框中，选择你要安装的包，然后确定。
2、使用命令
install.packages（"
package_name"
"
dir"
）
package_name:
是指定要安装的包名，请注意大小写。
dir:
包安装的路径。
默认情况下是安装在..\library文件夹中的。
可以通过本参数来进行修改，来选择安装的文件夹。
例如：
mvtnorm安装到D:
/DM/r/R-2.15.2/library/目标下install.packages（"
mvtnorm"
D:
/DM/r/R-2.15.2/library/"
3、本地来安装
如果你已经下载的相应的包的压缩文件，则可以在本地来进行安装。
请注意在windows、unix、macOS操作系统下安装文件的后缀名是不一样的：
1）linux环境编译运行：
tar.gz文件
2）windows环境编译运行：
.zip文件
3）MacOSg环境编译运行:
.tgz文件
注：
包安装好后，并不可以直接使用，如果在使用包中相关的函数，必须每次使用前包加载到内存中。
通过library（package_name）来完成。
二、加载包
包安装后，如果要使用包的功能。
必须先把包加载到内存中（默认情况下，R启动后默认加载基本包），加载包命令：
Library（“包名”）
Require（“包名”）
三、查看包的相关信息
1、查看包帮忙
library（help=package_name）
主要内容包括：
包名、作者、版本、更新时间、功能描述、开源协议、存储位置、主要的函数，例如：
library（help=igraph）
2、查看当前环境哪些包加载
find.package（）或者
.path.package（）
默认情况下安装7个包（本系列文章使用的R的版：
2.15.2）
3、移除包出内存
detach（）
4、把其它包的数据加载到内存中
data（dsname,package="
pkgname"
5、查看这个包里的包有数据
data（package="
包名"
6、列出所有安装的包
library（）
四、R包的分类
1、根据包的功能，分成不同的类：
2、截止到2013年3月6号，CRAN上一共收录的：
4338个包。
3、不同开源协议的包的分布如下：
（相关查看代码：
#读取CRAN上包的相关信息
a<
-available.packages（contrib.url（"
"
"
source"
））
#查看CRAN上当前包的个数
nrow（a）
#各种开源协议的包的分布个数
sort（table（gsub（"
.*"
a[,"
License"
]））,
decreasing=T）
R软件初识数据分析
R软件下载地址：
1.用来制作散点图非常便捷。
plot（纵坐标变量~横坐标变量，data=数据集名称）
library（lattice）
xyplot（纵坐标变量~横坐标变量|属性拥有者，data=数据集名称）。
多个散点图。
2.数据存储成CSV格式的会更容易处理
3.R能用正则表达式来处理数据模式！
！
NewName<
-
sub（"
\\（.*
\\）"
Test$Name）
\\（
表示左括号，告诉R这不是R表达式
.
句点表示任何字符
*星号表示任何数值的前字符
\\）表示右括号
4.读写文件语句
INPUT<
-read.csv（"
.csv"
header=TRUE）
读取一个.csv格式的文件
head（INPUT,n=?
）
查看开头数据中开头?
行
write.csv（INPUT,file="
OUTPUT.csv"
将结果写入到csv格式的文件
5.R区分大小写，连TRUE都不能用小写.
向量
在本系列文章中，接下将分别介绍R语言的几种数据对象：
向量、矩阵、数据框与列表、其它特殊对象；
请大家在学习R语言的时候永远记住一个概念，R语言所有内容都是对象；
一、向量基本概念
R语言中最为核心的构成之一
1、向量构成的基本元素为：
数值（numeric）、字符（character）、逻辑值（logical）、复数型（complex）；
2、向量不需要定义类型，可直接赋值：
1）生成一个空向量；
x<
-c（）;
2）给向量赋值。
-c（0,1,2,3）;
3、向量的元素下标取值是以1开始，这点请刚开始接触R的同学注意。
要前例中取x向量中值为1,则为x[2]
4、如果一个向量中有一个字符，则该向量的类型会变成字符；
如果逻辑变量与数值在一起，则为转换成数值。
TRUE转变成1andFALSE转变成0.
2、在R语言中没有单一的整数、单一字符的概念
X<
-2；
-'
a'
；
R都是当作向量来处理，只是这个向量只包括单一值。
3、给向量各元素命名:
names（x）
Demo_3<
-1:
3
names（Demo_3）<
-c（"
a"
b"
ab"
二、几种特殊向量的生成
1、生成系列seq（）
1）seq（length=,from=,to=）
Length:
指定生成个数
From:
是指开始生成的点
To:
截止点
2）如果不指定，则默认条件下：
seq（N1,N2,BY=）
N1：
开始位置
N2：
截止位置
BY=指定间隔
2、rep（P，N）重复生成P值N次
三、向量运算
1、取子向量
通过下标:
取某个元素：
x[2];
（如果X包括名称，注意:
x[2]与x[[2]]的区别；
取某中几个：
x[c（1,2,0）]
取某个/几个元素，利用-：
x[-n]
2、向量排序；
sort（）;
输出排序后的结果；
order（）；
输出排序后的各个向量位置；
a<
-c（3,9,0,12,19）
sort（a）；
order（）;
3、循环。
如果二个向量进行运算过程中，二个向量不相同，则R对长度小的向量自动补充值，直到长度等于大的向量。
Demo_5<
3;
Demo_6<
-2:
5;
Demo_7=Demo_6+Demo_5;
7;
（这也是很多人学习R语言的时候很难理解的地方，为什么会有这种机制）
vectorizedoperation（向量化运算）
1）、如果有一个是向量，是则结果都是向量形式；
2）、进行向量运算；
判断向量是否长度相等，如果长度不相等，则把短向量长度从头开始循环补充值，到与长向量的长度相等（所以二个长度的相关必须是整数倍）；
矩阵
矩阵的创建
在R中用函数matrix（）来创建一个矩阵，使用该函数时需要输入必要的参数值。
matrix（data=NA,nrow=1,ncol=1,byrow=FALSE,dimnames=NULL）
1.
data向量元素列表
2.
nrow行数
3.
ncol列数
4.
byrow矩阵是按列优先的方式进行排序,先列后行。
byrow项控制排列元素时优先级按行。
1）
matrix（c（1,2,3,4,5,6）,nrow=2,byrow=T）
5.
Dimnames（Row_name,Col_name）给定行和列的名称,如果不需要给行或者列命名，则以NULL代替。
给下面的矩阵列命令
2）Demo_1<
-matrix（rnorm（15）*10,5,3,dimnames=list（NULL,c（'
A'
'
B'
C'
）））
矩阵的运算
1、R矩阵查看矩阵的列/行相关信息
#查看矩阵列名colnames（Demo_1）
#查看矩阵行名rownames（Demo_1）
#给矩阵的行命名rownames（Demo_1）<
-c（'
r1'
r2'
r3'
r4'
r5'
#矩阵的维度
dim（Demo_1）
#返回与矩阵相同的列与行
row（）/col（）函数将返回一个与某矩阵有相同维数的矩阵
#返回矩阵行数与列数nrow（）返回行数
ncol（）返回列数
2、R的子矩阵
#取矩阵中某个元素值，第二行第三列的值：
Demo_1[2,3]
#取矩阵中的某列，取矩阵的第一列
Demo_1[,1]
#取矩阵中的某行，取矩阵的第一行
Demo_1[1,]
#取某列大于某个值，取第二列大于3
Demo_1[Demo_1[,2]>
3,]
3、R矩阵的基本运算
#矩阵加&
减
Demo_2=Demo_3=matrix（1:
20,nrow=5,ncol=4）
#矩阵相乘
Demo_4=matrix（1:
20,nrow=4,ncol=5）
Demo_5=matrix（1:
Demo_4%*%Demo_5
4、增加行与列
-matrix（,4,2）
Demo_6[c（1,3）,]<
-matrix（c（1,2,3,4））
Demo_6
5、R矩阵的转置
t（Demo_1）
6、矩阵其它运算
#取对角元素diag（）
#各行汇总值rowSums（）
#各行的平均值rowMeans（）
#各位的汇总值colSums（）
#各列的平均值colMeans（）
数据框
前面几篇文章对R语言、R包以及R向量与矩阵等对象做了简单介绍，本篇继续介绍R数据框的相关内容。
数据框的创建
通过data.frame函数来创建数据框，该函数包含的主要参数为:
data.frame（...,row.names=NULL,check.rows=FALSE,check.names=TRUE,
stringsAsFactors=default.stringsAsFactors（））
创建一个数据框
Demo_1<
-data.frame（name=c（'
lucy'
alice'
lei'
）,
heigh=c（178,156,188）,
sex=c（'
F'
M'
score=c（200,210,198））
#包括一个缺少值的数据框
Demo_2<
NA）,
score=c（200,210,198）,
stringsAsFactors=F）
默认情况下，name与sex都是factor类型，如果要将某转化成字符类型，则使用选项：
stringsAsFactors=F
数据框特别点
1、可以包含不同类型的变量；
而在矩阵中只能是同一种类型，例如：
不能出现字符与数值二种类型；
所以可以把数据框理解为各列可为不同类型的向量组合。
2、各列的长度要求一致。
如果长度不一，则会报错。
3、如果你对数据库比较熟悉，你可以把数据框理解为数据库中的表。
数据框基本操作
1、查看数据框信息
#查看类型
class（Demo_1）
#查看某列的类型
class（Demo_1$sex）
#查看数据框长度
length（Demo_1）
#数据框各项名称
names（Demo_1）
#数据框信息总结,对字符类/因子类数据，给出相应的频数统计；
给数值型数据给出5个主要的指标。
summary（Demo_1）
#对数据框进行去重
unique（Demo_1）
#取数据框中重复的行
Demo_1[duplicated（Demo_1）,]
2、取数据框中的某个元素
Demo_1[i,j]指第i行第j列的数据；
3、取数据框中一列与多列
#取某列，可以通过列标或者名称
Demo_1$sex
Demo_1[,3]
#取多行，例如取1，2，4列
Demo_1[,-3]
Demo_1[,c（1,2,4）]
4、取数据框中的一行与多行
#取某行，可以通过行标或者名称,例如：
取数据框的第一行
Demo_1[1,]
#取多行，例如：
取数据框的第一与第二行
5、判断数据框各行是否完整
complete.cases（Demo_2）
#选择非缺失值的数据
Demo_1[complete.cases（Demo_2）,]
6、增加列
#给Demo_1增加一列
Demo_1$score2<
-c（12,13,23）
-cbind（Demo_1,score2=c（12,13,23））
7、增加行
#合并某二个数据框的二列
Demo_3<
-rbind（Demo_1[,c（1,2）],Demo_2[,c（1,2）]）
列表
通过list函数来创建列表,例如，创建一个包含三个列的列表，请注意与R语言中的列表显示有什么不一样：
1.创建列表demo_1
2、创建数据框demo_1_1
列表对每个列显示都会单独以一行的形式存在；
数据框则是以表（或者是矩阵）的形式显示；
所以根据数据输出的格式可以判断是列表还是数据框；
创建一个示例列
-list（name=c（'
#包括一个缺少值的列表
-list.frame（name=c（'
列表特点
列表包含所有列表的特点。
列表与列表的最大区别在于，列表的各列的长度是可以不一致的。
）,
heigh=c（178,156）,
sex='
列表基本操作
1.查看列表信息
#查看列表长度即就是列的个数
#列表各项名称
names（Demo_1）
2.取列表中的某列或者某列元素
#取列表的第二列
Demo_2[2]
Demo_2$heigh
#取列表的某二列的元素
Demo_2[[2]]
Demo_2[[2]]与Demo_2[2]二者输出的区别在于，前者是输出向量，后者输出是列表；
我们详细来看下面的内容：
3.取向量中的某个元素
Demo_2[[N]][M]取：
N列中的第M个元素；
4.判断列表各行是否完整
#选择非缺失值的数据
Demo_3[complete.cases（Demo_3）
5.增加列
#给Demo_1增加一列
Demo_1$score2<
-cbind（Demo_1,score2=c（12,13,23）
6.其它操作
#删除一个值
-NULL
#把列表转为向量：
unlist（）
#移除列表中的元素：
list[[N]]<
-NULL
数据的输入与输出之Scan函数
前面系列文章，介绍了R语言中的几种数据格式；
其它特殊的数据格式将在后续的文章中介绍，接下来的几篇文章，将讨论如何从外部中读入数据或者将其它格式的数据读入到R环境中；
scan（）函数
scan（file="
what=double（0）,nmax=-1,n=-1,sep="
quote=if（identical（sep,"
\n"
））"
else"
'
\"
dec="
."
skip=0,nlines=0,na.strings="
NA"
flush=FALSE,fill=FALSE,strip.white=FALSE,
quiet=FALSE,blank.lines.skip=TRUE,multi.line=TRUE,
comment.char="
allowEscapes=FALSE,encoding="
unknown"
一、主要的参数说明如下：
what:
声明读入为字符类型数据，可能指定读入的精度/类型，例如：
what=integer（0）；
what=numeric（0）；
what=character（0）；
如果SCAN（）读入有字符与数字，用what="
来进行声明，则会把读入的数字隐式的都转变成字符；
2）
SEP：
指定各个读入的数据之间的分隔符；
默认情况下分隔符：
空格、tab；
如果不是其它分隔符，例如“：
/”通过SEP来指定；
3）
可以通过list指定读入变量的变量名，同时生成的对象为列表，则可以同时读入字符与数字；
4）
Skip从第几行开始读入数据；
5）
Nlines指定最大读入行数；
6）
如果通过键盘输入的时候，不希望出现下标提示，则可以使用：
quiet=TRUE；
7）
encoding=””指定的编码格式，有时候读入的中文可能会出现乱码的时候，可能通过这个参数来指定：
Latin-1或者UTF-8；
二、SCAN几点注意：
用于读入纯字符或者数字，没有表头；
如果输入的单一类型的变量，例如均是：
数值或者均是字符，用scan效率更高。
但其不能读入混合类型的数据，也就是在scan（）读入的必须同为字符或者同为数值；
默认情况下用scan读入的数据生成向量类型（这也就是为什么读入的数据必须是同为字符或者同为数字）。
三、案例说明
1、手工输入数据
1）从键盘中输入数字
2）从键盘中输入字符
2、从外部读入
1）从D盘读入TXT文件，例如：
3、如果读入的数据中有字符或者数字，可以通过list来进行指定，则生成的对象是列表格式，如下：
4、指定输入字符的编码类型
数据的输入与输出之READ函数
read.table（）函数
1、用于读入表格（表）类型的数据，同时生成数据框对象。
2、读入的数据要求有规则的分隔符，默认有：
空格、TAB、换行符、回车符；
其它的分隔符，通过sep=来进行指定。
read.table（file,header=FALSE,sep="
quote="
dec="
row.names,col.names,
as.is=!
stringsAsFactors,
na.strings="
colClasses=NA,nrows=-1,
skip=0,check.names
升级会员 