R语言快速入门

#R语言 2024-09-16

R语言是一种专为统计计算和数据分析设计的编程语言和软件环境，广泛用于数据科学、统计建模、数据可视化、机器学习等领域。（事实上，除了极少领域，R已经被Python全方位替代了🤣）

R几乎是和Python一样简单明了，下面列举以下R语言的代码特殊地方，使一个使用其他语言编程的人可以快速读懂R语言代码：

基本

赋值符号

R的独特之处：R中常用 <- 来表示赋值，虽然 = 也可以用，但 <- 更常见。

示例：

1 2	`x <- 10 # 使用<- 赋值 y = 20 # 使用= 赋值`

其他语言对比：其他语言通常使用 = 进行赋值。

索引从1开始

R的独特之处：R的向量、数组和矩阵索引从1开始。

示例：

1 2	`x <- c(10, 20, 30) print(x[1]) # 输出: 10`

其他语言对比：像C、Python、Java等大多数编程语言的数组索引是从0开始的。

负数索引

R中的索引不仅可以使用正数，还可以使用负数。负数索引用于排除某些元素，即返回除了被负数索引的元素以外的所有元素。

用法：当你想从一个向量或数据框中排除某个元素时，可以使用负数索引。

示例：

1
2
3

r复制代码x <- c(10, 20, 30, 40, 50)
print(x[-2])  # 输出: 10 30 40 50，排除了第2个元素20
print(x[-c(1, 3)])  # 输出: 20 40 50，排除了第1和第3个元素

说明：负数索引告诉R排除指定位置的元素，与其他编程语言不同，R中没有直接的删除操作，而是通过负数索引实现过滤。在Python中负数索引倒数。

函数定义与返回值

R的独特之处：R中的函数通过 function 关键字定义，且函数中的最后一行表达式会自动返回值，也可以使用 return() 明确返回值。

示例：

my_function <- function(x) {
  y <- x * 2
  y  # 自动返回最后一行的结果
}
print(my_function(5))  # 输出: 10

其他语言对比：其他语言通常需要显式使用 return 语句返回值。

缺失值和逻辑运算

R的独特之处：R使用 NA 表示缺失值，不能直接用逻辑运算符比较 NA，需要使用 is.na() 函数来检查。

示例：

1 2	`x <- c(1, 2, NA, 4) print(is.na(x)) # 输出: FALSE FALSE TRUE FALSE`

其他语言对比：在其他语言中，可能会使用 null 或 None 来表示缺失值。

数据类型的灵活转换

R的独特之处：R自动执行数据类型转换，例如在计算中数字和字符之间的转换。某些情况可能会导致意外的行为。

示例：

1 2	`x <- c(1, "text", 3) print(x) # 输出: "1" "text" "3"（都被转换为字符类型）`

其他语言对比：许多语言需要明确指定类型转换。

向量与列表的区别

R的独特之处：R中向量必须是同类型的，而列表可以包含不同类型的数据。

示例：

1 2	`v <- c(1, 2, 3) # 向量 l <- list(1, "text", TRUE) # 列表`

管道操作符 `%>%`

管道操作符 %>% 来自 magrittr 包，被广泛用于 dplyr 等包中。它用于将左侧表达式的结果作为右侧函数的输入，从而可以简化代码的结构，提升可读性。

用法：将一个表达式的输出直接传递给下一个函数作为输入，避免嵌套多层函数调用。

示例：

library(dplyr)
data <- data.frame(x = 1:5, y = 6:10)
# 不使用管道操作符
result <- arrange(filter(data, x > 2), desc(y))
# 使用管道操作符
result <- data %>%
  filter(x > 2) %>%
  arrange(desc(y))
print(result)

说明：管道操作符 %>% 可以避免嵌套函数调用，让代码更清晰直观。它通过将前面的结果传递给下一个函数，仿佛是逐步构建操作链。

组合函数 `c()`

c() 是 R 中的组合函数，用于创建向量或将元素组合成一个向量。c 代表combine（组合），是R中最常用的函数之一。

用法：将多个数值、字符、布尔值或其他数据组合成一个向量。

示例：

r复制代码# 数值向量
x <- c(1, 2, 3, 4, 5)

# 字符向量
y <- c("A", "B", "C")

# 混合向量
z <- c(1, "B", TRUE)

print(x)  # 输出: 1 2 3 4 5
print(y)  # 输出: "A" "B" "C"
print(z)  # 输出: "1" "B" "TRUE" (都被转为字符)

说明：c() 会将输入的元素组合成一个向量，并且如果元素类型不同，会进行类型转换（通常转为字符类型）。

`which()` 函数

which() 是一个非常有用的函数，它用于返回满足条件的索引。常用于查找满足逻辑条件的元素在向量或数据框中的位置。

用法：传递一个逻辑向量，which() 会返回为 TRUE 的索引。

示例：

r复制代码x <- c(5, 10, 15, 20, 25)

# 查找大于10的元素索引
idx <- which(x > 10)
print(idx)  # 输出: 3 4 5

# 查找等于20的元素索引
idx <- which(x == 20)
print(idx)  # 输出: 4

说明：which() 返回满足条件的元素在向量中的位置，非常适合用于数据子集选择或条件过滤。

数据框（Data Frame）

R的独特之处：数据框是R中特别常用的数据结构，类似于SQL表格或Excel中的数据表。它是一个二维列表，列是不同类型的数据，行表示观测值。

示例：

df <- data.frame(Name = c("Alice", "Bob"), Age = c(25, 30))
print(df)
# 输出:
#   Name Age
# 1 Alice  25
# 2   Bob  30

其他语言对比：Python中使用Pandas库的DataFrame类似。

统计分析

这是一些较常用的设计统计分析的函数，更多函数可以参考相关手册

示例数据

1 2	`# 创建一个示例数据集 data <- c(5, 10, 15, 20, 25, 30, 35, 40, 45, 50)`

`summary()`

汇总统计信息

1 2	`summary(data) # 输出：最小值、四分位数、均值、最大值等`

`mean()`

计算均值

1
2
3

mean_value <- mean(data)
mean_value
# 输出：均值，例如 27.5

`median()`

计算中位数

1
2
3

median_value <- median(data)
median_value
# 输出：中位数，例如 27.5

`sd()`

计算标准差

1
2
3

sd_value <- sd(data)
sd_value
# 输出：标准差，例如 15.13825

`var()`

计算方差

1
2
3

var_value <- var(data)
var_value
# 输出：方差，例如 229.1667

`range()`

计算数据的范围（最小值和最大值）

1
2
3

range_value <- range(data)
range_value
# 输出：范围，例如 5 50

`quantile()`

计算分位数

1
2
3

quantiles <- quantile(data)
quantiles
# 输出：0%、25%、50%、75%、100%的分位数

`cor()`

计算相关系数

# 假设有另一个数据集
data2 <- c(2, 4, 6, 8, 10, 12, 14, 16, 18, 20)

correlation <- cor(data, data2)
correlation
# 输出：相关系数，例如 1（完全正相关）

数据可视化

示例数据

1
2
3

# 创建一个简单的数据集
x <- c(1, 2, 3, 4, 5)
y <- c(2, 4, 6, 8, 10)

`plot()`

绘制基础散点图、线图

1 2	`# 绘制散点图 plot(x, y, main="Scatter Plot", xlab="X Axis", ylab="Y Axis")`

`hist()`

绘制直方图

# 创建一组随机数据
data <- rnorm(100)

# 绘制直方图
hist(data, main="Histogram", xlab="Values", col="lightblue", border="black")

`boxplot()`

绘制箱线图

1 2	`# 绘制箱线图 boxplot(data, main="Boxplot", ylab="Values", col="lightgreen")`

`barplot()`

绘制柱状图

`pie()`

绘制饼图

`pairs()`

绘制散点矩阵

1 2	`# 使用内置数据集绘制散点矩阵 pairs(iris[,1:4], main="Scatterplot Matrix for Iris Data")`

`lines()`

绘制线图

# 绘制散点图
plot(x, y, main="Line Plot", xlab="X Axis", ylab="Y Axis", type="p")
# 在散点图上添加线条
lines(x, y, col="blue", lwd=2)

`heatmap()`

热图

# 创建矩阵数据
data_matrix <- matrix(rnorm(25), nrow=5)

# 绘制热图
heatmap(data_matrix, main="Heatmap", col=heat.colors(10))

事实上，对于复杂的图，一般使用ggplot2包，而不适用R原生的绘图函数绘制。具体接口可查看相关文档。

数据挖掘

R语言提供了丰富的包和函数来实现各种机器学习算法。

K-Means 聚类

kmeans()（K-Means 聚类算法）

# 使用KMeans进行聚类分析，k=3表示将数据集聚为3类
set.seed(42)  # 设置随机种子
kmeans_model <- kmeans(iris[, 1:4], centers = 3)
# 查看聚类结果
print(kmeans_model$cluster)
# 可视化聚类结果
plot(iris$Sepal.Length, iris$Sepal.Width, col=kmeans_model$cluster, pch=19)
points(kmeans_model$centers[,c("Sepal.Length", "Sepal.Width")], col=1:3, pch=8, cex=2)

kmeans() 函数用于执行 K-means 聚类，将数据分为预定数量的簇（centers=3表示3个簇）。

回归分析（Regression）

lm()（线性回归）

# 示例数据集：mtcars
data(mtcars)
# 使用线性回归预测汽车的油耗（mpg）与重量（wt）、马力（hp）的关系
model <- lm(mpg ~ wt + hp, data=mtcars)
# 查看模型摘要
summary(model)

lm() 函数用于构建线性回归模型，mpg ~ wt + hp 表示预测变量 mpg 是 wt 和 hp 的线性组合。

决策树（Decision Tree）

rpart()（决策树算法）

# 加载决策树包
library(rpart)
# 创建决策树模型，使用 `Species` 来预测 `Sepal.Length` 和 `Sepal.Width`
tree_model <- rpart(Species ~ Sepal.Length + Sepal.Width, data=iris, method="class")
# 查看决策树模型
print(tree_model)
# 可视化决策树
plot(tree_model)
text(tree_model, use.n = TRUE)

rpart() 函数用于构建决策树模型，method="class" 表示分类任务。

随机森林（Random Forest）

randomForest()（随机森林算法）

# 加载随机森林包
library(randomForest)
# 创建随机森林模型，使用 `Species` 来预测 `Sepal.Length` 和 `Sepal.Width`
rf_model <- randomForest(Species ~ Sepal.Length + Sepal.Width, data=iris)
# 查看模型摘要
print(rf_model)

randomForest() 函数用于构建随机森林模型，该模型通过组合多棵决策树来提高预测精度。

朴素贝叶斯（Naive Bayes）

naiveBayes()（朴素贝叶斯算法）

# 加载朴素贝叶斯包
library(e1071)
# 创建朴素贝叶斯模型
nb_model <- naiveBayes(Species ~ Sepal.Length + Sepal.Width, data=iris)
# 预测分类
predictions <- predict(nb_model, iris)
# 查看模型摘要
print(table(predictions, iris$Species))

naiveBayes() 函数实现朴素贝叶斯分类器，通常用于文本分类或其他高维数据集的处理。

支持向量机（SVM）

svm()（支持向量机算法）

# 加载SVM包
library(e1071)
# 创建SVM模型，预测 `Species`
svm_model <- svm(Species ~ Sepal.Length + Sepal.Width, data=iris)
# 预测分类
svm_predictions <- predict(svm_model, iris)
# 查看预测结果
print(table(svm_predictions, iris$Species))

svm() 函数用于构建支持向量机模型，适合于线性不可分的分类问题。

基本

赋值符号

索引从1开始

负数索引

函数定义与返回值

缺失值和逻辑运算

数据类型的灵活转换

向量与列表的区别

管道操作符 %>%

组合函数 c()

which() 函数

数据框（Data Frame）

统计分析

summary()

mean()

median()

sd()

var()

range()

quantile()

cor()