天意R笔记|新手必须掌握的R语言基础

一、R语言简介

R语言是一款开源的统计计算和图形制作工具，专为数据分析而设计。它不仅具备强大的数据处理能力，还在数组、尤其是向量和矩阵运算方面表现优异。此外，R语言内置了多种统计分析方法，并提供了强大的图形绘制功能。更重要的是，R语言本身是一种灵活的编程语言，允许用户自由进行数据操作、控制输入输出以及编写自定义函数，以应对各种复杂的数据分析任务。

二、选择R的原因

尽管R语言在处理大数据集时存在性能限制，可能不适合直接处理海量数据，但它在教学和实验环境中的作用无可替代。R语言直观的绘图功能和易于理解的算法展示，使其成为教学中极具价值的工具，帮助学生深入理解统计学原理。面对大数据挑战时，可以通过抽样或结合Hadoop、Spark等并行计算框架来解决。此外，掌握R语言的数据分析方法和模型原理，用户可以轻松过渡到其他大数据处理工具，做到无缝衔接。

三、R基本数据对象

（一）向量 向量是R语言中最基础的数据结构，是一个一维的有序元素序列。向量中的元素类型必须相同，可以是整数、实数、字符、逻辑值或复数等。可以使用

c()

函数来创建向量，例如

 vec <- c(1, 2, 3, "a", TRUE)

向量是R中处理和分析数据的基础，很多高级数据结构如矩阵、数组和列表都是基于向量构建的。

（二）矩阵 矩阵是R语言中用于存储同类型数据的二维数组。可以通过

matrix(data, nrow, ncol, byrow=FALSE, dimnames=NULL)

函数创建矩阵，其中data是构成矩阵的向量，nrow和ncol分别定义矩阵的行数和列数，byrow参数决定数据是按行还是按列填充，dimnames参数则用于为矩阵添加行名和列名。矩阵支持多种数学运算，用户可以通过索引访问和修改矩阵中的元素。

（三）数组 数组是R语言中一种多维的数据结构，用于存储同一类型的数据。使用

array()

函数可以创建数组，该函数接受一个向量作为数据，并通过dim参数指定数组的维度大小。例如，可以创建一个包含多个矩阵的三维数组，数组中的所有元素类型必须相同。数组是对向量和矩阵的扩展，适用于处理更复杂的数据。

（四）因子 因子是一种专门用于表示分类或有序类别数据的R数据类型。因子将分类数据编码为整数，并保存这些整数与原始类别标签之间的映射关系。在统计分析和可视化过程中，因子是非常重要的工具，确保分类变量在模型构建、假设检验（如卡方检验）以及各种回归分析和方差分析中得到正确处理。可以使用

factor()

函数创建因子，并且可以自定义类别的顺序和标签。

（五）列表 列表是R语言中一种灵活且强大的数据结构，允许存储不同类型的数据对象，如数值、字符、逻辑值，甚至是向量、矩阵、数组或数据框等。使用

list()

函数可以创建列表，列表中的每个元素都可以独立访问和修改。例如，可以创建一个包含字符串、数值向量和逻辑矩阵的列表，这种结构有助于管理和操作多组不同性质的数据。

（六）数据框 数据框（data frame）是R语言中特别常用的数据结构，用于存储表格形式的数据。数据框中的每一列代表一个变量，可以是不同的数据类型（如数值、字符或逻辑值），每一行表示一个观测值。数据框可以通过

data.frame()

函数创建，各列的长度必须相同。数据框类似于电子表格，是进行统计分析和数据可视化的基础工具，能够灵活处理包含不同类型变量的数据集。

（七）函数 函数是R语言中用于执行特定任务的代码块。用户可以通过定义函数名、参数列表和函数体来创建函数，函数可以接受输入参数并返回处理结果。例如，

mean()

函数是R中的一个内置函数，用于计算向量或数组的平均值；用户还可以定义自己的函数，如

myFunction(x, y) <- {x + y}

用于实现两数相加。函数有助于提高代码的复用性和可维护性，使编程过程更加模块化和有组织。

四、基本函数应用示例

1.创建向量：使用c()函数可以在R中创建一维向量。例如，

x <- c(10.4, 5.6, 3.1, 6.4, 21.7)

将一系列数值组合成名为x的浮点数向量。赋值符号可以用

<-或= 在这个例子中，所有元素自动转换为数值类型。

2.生成序列：可以使用

seq()

函数生成一系列连续数值。例如，

seq(2, 10)

默认生成从2到10的整数序列，步长为1；若指定步长为2，则使用

seq(1, 10, by = 2)

生成步长为0.2的序列可以使用

seq(1, 5, by = 0.2)

指定从2开始，步长为3并生成4个数：

seq(2, 8, by = 3)

在区间[-5,5]生成100个数：

seq(-5, 5, length.out = 100)

3.重复序列：

rep()

函数用于复制向量或生成重复序列。例如，

rep(c(1, 2, 3), times = 3)

会将整个向量重复3次；而

rep(x, each = 2)

会将向量x中的每个元素分别复制2次，形成新的序列并赋值给data。

4.拼接字符串：

paste()函数

可以将多个数据项拼接为一个字符串。例如，

paste("Hello", "World")

结果为"Hello World"；若要添加分隔符，可以使用

paste(c("A", "B", "C"), collapse = ", ")

结果为"A, B, C"；结合序列使用

paste(seq(1, 3), "apple")

生成"1 apple", "2 apple", "3 apple"。

5.数据子集选择与修改：通过索引操作符

[]

可以选取向量中的元素。例如，

data[3:5]

获取向量data的第3至第5个元素；使用条件选择，

data[data > 300 & data < 400]

可以选出data中300至400之间的元素，并统计其数量：

sum(data > 300 & data < 400)

6.汇总函数：

summary()

函数提供对象的基本统计信息。对于向量，输出包括最小值、四分位数、中位数、均值和最大值等。例如，使用

summary(data)

可以查看向量data的相关统计指标。

7.因子函数：

factor()

函数用于将字符向量转换为有序或无序因子，便于进行分类分析。例如，

data <- factor(c("北京","上海","杭州","湖南","贵州","湖南","贵州"))

，使用levels(data)可以显示因子的类别。

8.矩阵函数：

matrix()

函数用于创建矩阵。例如，

matrix(c(4,-1,2,1,1,1,0,3,0,3,1,4), nrow = 4, ncol = 3)

可以创建一个4行3列的矩阵。可以通过索引访问矩阵元素，如A[2, 3]；创建单位矩阵可以使用diag(n)；特定元素的矩阵填充示例已经给出。

9.矩阵转置函数：

t()函数

可以对矩阵进行转置，如t(A)将矩阵A转置。

10.矩阵维数函数：

dim()函数

用于返回或设置矩阵的维数。例如，dim(A)可以查询矩阵A的维度，使用

dim(A) <- c(3, 4)

可以更改A的维度为3行4列。

11.数组函数：可以通过

array()函数

和dim参数定义多维数组，例如创建三维数组时需指定每个维度的大小。

12.列合并与行合并：使用

cbind()函数

按列合并矩阵，例如

cbind(A, B)

；使用rbind()函数按行合并矩阵，例如rbind(A, B)。

总之，R语言是开源统计计算和图形制作的核心工具，凭借其强大的数据处理能力、灵活的数组运算和丰富的统计模型及可视化功能，在数据分析领域占据重要地位。尽管处理超大数据时有性能挑战，通过抽样或结合分布式计算，R语言仍能胜任复杂分析任务。其基础数据对象和高级数据结构如向量、矩阵、数组、因子、列表和数据框，提供了灵活的数据组织方式。掌握R语言的核心功能，有助于深入理解数据、提升分析能力，并在实际应用中取得关键成果。