赞R语言教程笔记入门级2知其然.docx

赞R语言教程笔记入门级2知其然.docx

《赞R语言教程笔记入门级2知其然.docx》由会员分享，可在线阅读，更多相关《赞R语言教程笔记入门级2知其然.docx（23页珍藏版）》请在冰豆网上搜索。

赞R语言教程笔记入门级2知其然

R编程笔记2

一、简介

1.突出特点：

【多领域的统计资源】目前在R网站上约有2400个程序包，涵盖了基础统计学、社会学、经济学、生态学、空间分析、系统发育分析、生物信息学等诸多方面。

【免费】

2.缺点：

【占用内存】所有的数据处理在内存中进行，不适于处理超大规模的数据。

【运行速度稍慢】即时编译，约相当于C语言的1/20。

3.CRAN：

全称TheComprehensiveRArchiveNetwork。

由世界几十个镜像网站组成网络，提供下载安装程序和相应软件包。

各镜像更新频率一般为1-2天。

推荐镜像：

中国的镜像:

数学所：

http:

//ftp.ctex.org/mirrors/CRAN/

即时更新的CRAN源：

http:

//cran.r-project.org/

界面下如下（版本R2.11.1）

4.R程序包（Rpackages）

4.1什么是R程序包

R程序包是多个函数的集合，具有详细的说明和示例。

每个程序包包含R函数、数据、帮助文件、描述文件等,window下是zip形式，安装时不要解压缩。

R程序包是R功能扩展，特定的分析功能，需要用相应的程序包实现。

例如：

系统发育分析，常用到ape程序包，群落生态学vegan包等。

4.2常用R程序包

ade4利用欧几里得方法进行生态学数据分析

adephylo系统进化数据挖掘与比较方法

ape系统发育与进化分析

apTreeshape进化树分析

bootBootstrap检验

cluster聚类分析

ecodist生态学数据相异性分析

FD功能多样性分析

geiger物种形成速率与进化分析

Graphics绘图

lattice栅格图

maptools空间对象的读取和处理

mefa生态学和生物地理学多元数据处理

mgcv广义加性模型相关

mvpart多变量分解

nlme线性及非线性混合效应模型

ouch系统发育比较

pgirmess生态学数据分析

phangorn系统发育分析

picante群落系统发育多样性分析

raster栅格数据分析与处理

seqinrDNA序列分析

sp空间数据处理

spatstat空间点格局分析，模型拟合与检验

splancs空间与时空点格局分析

statsR统计学包

SDMTools物种分布模型工具

vegan植物与植物群落的排序，生物多样性计算

CRANTaskViews中有对程序包的分类介绍

4.3R程序包安装

1．用函数install.packages（），

如果已经连接到互联网，在括号中输入要安装的程序包名称，选择镜像后，程序将自动下载并安装程序包。

例如：

要安装picante包,在控制台中输入

install.packages（"picante"）

2．安装本地zip包

路径：

Packages>installpackagesfromlocalfiles

选择本地磁盘上存储zip包的文件夹。

4.4程序包导入及使用

程序包的中函数，都要先导入，再使用

导入：

library（vegan）包中函数使用方法同R自带的函数使用方法一样。

4.5查看帮助文件

1>查询程序包内容：

1菜单帮助>Html帮助

2查看pdf帮助文档

2>查询函数使用介绍：

1?

t.test2RGui>Help>Htmlhelp

3apropos（"t.test"）4help（"t.test"）

5help.search（"t.test"）6查看R包pdf手册

3>解读帮助文件：

lm{stats}#函数名及所在包

FittingLinearModels#标题

Description#函数描述

Usage#默认选项

Arguments#参数

Details#详情

Author（s）#作者

References#参考文献

Examples#举例

例：

帮助>R函数帮助（文本）>弹出>点“确定”后弹出下面网页

或录入

二、函数与对象

1.R函数

1.1函数形式

R是一种解释性语言，输入后可直接给出结果。

功能靠函数实现。

函数名（输入数据，参数=…）

例：

平均值mean（x,trim=0,na.rm=FALSE,...）

线性模型lm（y~x,data=test）

1.2函数种类

低级VS高级（泛函）Help>Htmlhelp>packages

log（）log10（）

exp（）

sin（）cos（）

tan（）

asin（）acos（）

binom.test（）

fisher.test（）

chisq.test（）

glm（y~x1+x2+x3,binomial）

friedman.test（）

常用统计函数如下：

返回值

返回序号

举例：

箱线图绘制函数的调用

boxplot（day~type,data=bac,col="red",xlab="Virus",ylab="days"）

day~type，以type为横轴，day为纵轴绘制箱线图。

（type,day都是向量对象（后面会介绍））

data=bac数据来源bac（bac为数据框对象）

col=“red”箱线图为红色

xlab=“Virus”横轴名称为Virus

ylab=“days”纵轴名称为days

2.对象

R处理的所有数据、变量、函数和结果都以对象的形式保存

2.1命名规则

1.区分大小写,注意China和china的不同。

2.不能用数字作为变量，对象也不能用数字开头，但是数字可以放在中间或结尾，如2result与result2，后者是合法的。

3.建议不要用过短的名称。

可以用”.”作为间隔，例如anova.result1。

4.不要使用保留名：

NA,NaN,pi,LETTERS,letters,month.abb,month.name

2.2元素类型（存储类型）

对象是由各元素组成的。

每个元素，都有自己的数据类型

数值型Numeric如100,0,-4.335

字符型Character如“China”

逻辑型Logical如TRUE,FALSE

因子型Factor表示不同类别

复数型Complex如：

2+3i

2.3对象类型（结构化数据）

向量（vector）一系列元素的组合。

如c（1,2,3）;c（"a","a","b","b","c"）

因子（factor）因子是一个分类变量

c（"a","a","b","b","c"）

矩阵（matrix）二维的数据表，是数组的一个特例

x<-1:

12;dim（x）<-c（3,4）

[,1][,2][,3][,4]

[1,]14710

[2,]25811

[3,]36912

数组（array）数组是k维的数据表（kin1:

n,n为正整数）。

向量（n=1）矩阵（n=2）高维数组（n>=3）

数据框（dataframe）

是由一个或几个向量和（或）因子构成，它们必须是等长的，但可以是不同的数据类型。

列表（list）

列表可以包含任何类型的对象。

可以包含向量、矩阵、高维数组，也可以包含列表

2.4运算符

数学运算运算后给出数值结果

+,-,*,/,^（幂）

比较运算运算后给出判别结果（TRUEFALSE）

>,<,<=,>=,==,!

=

逻辑运算与、或、非

!

&,&&,|,||

2.5数据表

每个数据表可以看作一个数据框（dataframe），由很多不同类型的向量组成，如字符型，因子型，数值型，

每一列（column）作为一个向量（vector），每一行（row）作为一个记录（entry）。

如何生成数据框？

（1）从外部数据读取

test.data<-read.csv（"D:

/R/test2.csv",header=T）header=T表示用第一行为列标题

read.table（file=file.choose（）,header=T）可以弹出对话框，选择文件。

数据量较大时用read.table函数从外部txt文件读取：

data1<-read.table（"d:

/t.test.data.txt",header=T）

（2）各类型因子组合成数据框

见后2.6.3，数据框创建

举例：

外部读入数据后进行方差分析

bac<-read.table（"d:

/anova.data.txt",header=T）

#将ba数据框中的type转换为因子（factor）==有分类的作用

bac$type<-as.factor（bac$type）

ba.an<-aov（lm（day~type,data=bac））

summary（ba.an）

boxplot（day~type,data=bac,col="red"）

2.6对象的创建

2.6.1向量

（1）生成向量的函数c（）,rep（）,seq（）,“:

”

c（2,5,6,9）#自定义的向量

rep（2,times=4）#重复型向量

seq（from=3,to=21,by=3）#等距数值型向量

[1]36912151821

1:

15#连续型数值向量

[1]123456789101112131415

通过与向量的组合，产生更为复杂的向量。

rep（1:

2,c（10,15））#数值1重复10次，数值2重复15次

rep（1:

5,1:

5）#数值1至5按顺序分别重复1:

5次

注意：

除了生成数值型向量，还可以生成字符型（abc），逻辑型（T,F）和复数型（a+bi）向量。

（2）随机数向量

runif（10,min=0,max=1）#均匀分布随机数

rnorm（10,mean=0,sd=1）#正太分布随机数

几个随机数的相关函数

概率密度dunif（x,min=0,max=1,log=FALSE）

累积函数punif（q,min=0,max=1,…）

分位数qunif（p,min=0,max=1,…）

随机均匀分布runif（n,min=0,max=1）

2.6.2矩阵

dim（）和matrix（）为生成矩阵的函数，其中dim（）定义矩阵的行列数，举例：

（1）x<-1:

12

dim（x）<-c（3,4）

[,1][,2][,3][,4]

[1,]14710

[2,]25811

[3,]36912

（2）matrix.x<-matrix（1:

12,nrow=3,byrow=T）

t（x）#转置

row.names（）col.names#为行或列添加名称

2.6.3数据框

cbind（）#按列组合成数据框

rbind（）#按行组合成数据框

data.frame（）#生成数据框

head（）#默认访问数据的前6行

例子：

2.6.4列表

列表可以是不同类型甚至不同长度的向量（数值型，逻辑型，字符型等等）、数据框甚至列表的组合。

list（）

例如：

list（character,numeric,logical,m