用R做数据分析Word下载.docx

1、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

2、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：mvtno

3、rm安装到D:/DM/r/R-2.15.2/library/目标下install.packages（mvtnormD:/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、

4、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

5、（dsname, package=pkgname5、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

6、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=

7、?） 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,

8、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x24、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1 and FALSE 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_3-1:3names（Demo_3） - c（abab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

9、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：x2;（如果X包括名称，注意:x2与x2的区别；取某中几个：xc（1,2,0）取某个/几个元素，利用-：x-n2、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_53;Demo

10、_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）vectorized operation（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 = NU

11、LL）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,BC）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

12、矩阵行名rownames（Demo_1）#给矩阵的行命名rownames（Demo_1）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_54、增加行与列- matrix（,4,2）Demo_6c（1,3）, - matrix（c（1,2,3,4）Demo_65、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（

13、）#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（lucyalicelei）,heigh=c（178,156

14、,188）,sex=c（FMscore=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

15、、查看数据框信息#查看类型 class（Demo_1）#查看某列的类型 class（Demo_1$sex）#查看数据框长度 length（Demo_1）#数据框各项名称 names（Demo_1）#数据框信息总结,对字符类/因子类数据，给出相应的频数统计；给数值型数据给出5个主要的指标。summary（Demo_1）#对数据框进行去重unique（Demo_1）#取数据框中重复的行 Demo_1duplicated（Demo_1）,2、取数据框中的某个元素Demo_1i,j指第i行第j列的数据；3、取数据框中一列与多列#取某列，可以通过列标或者名称Demo_1$sexDemo_1,3#取多行，

16、例如取1，2，4列Demo_1,-3Demo_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_11,#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_1complete.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

17、_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_12、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

18、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_22Demo_2$heigh#取列表的某二列的元素Demo_22Demo_22与Demo_22二者输出的区别在于，前者是输出向量，后者输出是列表；我们详细来看下面的内容：3.取向量中的某个元素Demo_2NM 取：N列中的第M个元素；4.判断列表各行是否完整#选择非缺失值的数据Demo_3complete.cases（Demo_3）5.增加列#给Demo_1增加一列Demo_1$score2-cbind（Demo_1,score2=c（12,13,23）6.其它操作#删除一个值-NULL#把列表

19、转为向量：unlist（）#移除列表中的元素：listN - 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 = NAflush = FALSE, fill =

20、 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

21、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

22、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