学习资源分享专题-数据分析与R语言

数据分析概念导入R基础及数据可视化统计推断、相关及回归分类聚类主成分分析因子分析本周会有很多干货推荐，而今天的主题是”数据分析与R语言“课程，这个课程有课件和视频，可于公众号聊天窗口回复”数据分析与R语言“免费获取。本文会对本课程的系列课件做一个简单的框架，并对其中基础的R入门知识做一个简单的概况总结。系列课件共有12个，本文会将课件的内容重新整合。数据分析概念导入内容见于课件1前半部分数据分析就是使用统计方法，有目的地对收集到的数据进行分析处理，并且解读分析结果。数据分析有一个多层模型，代表着数据分析的全部流程：

Data sources->Data warehouses->Data exploration->Data mining->Data presentations->Marking decisionsData sources就是源数据，也就是位于文章、信息提供者、功能数据库上的数据。Data warehouse：数据仓储，经过初步整理存储的结构化信息。Data exploration、Data Mining及Data presentations分别是数据探索、挖掘及可视化，也就是真正在R完成的工作。Marking decisions：根据数据得出最终的判断。R基础及数据可视化内容见于课件1后半部分及课件2R语言是一种尤其擅长统计分析和可视化的一种编程语言，免费开源，功能强大，且有大量的功能“包”可以直接使用。R的基本数据结构R的基本数据结构有向量、因子、数组、矩阵、数据框及列表。向量创建：使用函数c()创建，如x1

找索引函数which()：寻找满足特定条件的元素的位置。

倒序和排序函数：rev(), sort()

寻求帮助：在R中对任何函数不清楚，都可以把它传给help函数，如help("c")、help("seq")、help("rep")即可打开帮助文档（双引号可不加）。矩阵创建：使用matrix()函数创建，如matrix(c(1:12),nrow=3,ncol=4)，即可创建一个3行4列的矩阵，其内的元素为按列依次排列的1,2,3...12。矩阵转置及加减运算：t()及‘+’与‘-’运算符。

矩阵相乘及对角矩阵函数diag()：两个矩阵的乘法使用%*%运算符，diag()有三个功能，传入一个矩阵则取出它的对角线元素；传入一个向量，则生成一个以这个向量为对角线的矩阵；传入一个数字，则生成一个以此数字为大小的单位矩阵。矩阵求逆solve()函数及矩阵特征值及特征矩阵eigen()：更详细可以传入help()函数。数据框数据框是一种非常有用的数据公格式，它可以包含多种数据类型，矩阵只能有一种数据类型。创建：使用data.frame()创建，传入多个向量即可创建一个数据框，如data.frame(seq(16),rep(1,16))，即可创建一个数据框，它的第一列是1-16的自然数，第二列是16个1。从文件或剪切板读入数据创建数数据框：read.table()函数，如read.table("abc.txt")读取文档数据，read.table("clipboard",header=T)读取剪切板数据。

循环语句R中的循环语句可以使用for循环或while循环：for循环：for (i in 1:60) ，执行后，刚才创建的xVector向量就会变为3,5,7,9...121，共60个元素。while循环：i

求每位同学的平均分，每科成绩平均分，每位同学的总分，找出总分最高的同学的ID，如图。apply()函数可以对一个数据框的行或列使用一个函数，共有3个参数，第一个参数是数据框，本例中只取第2-4列（第一列为学生ID），第二个参数是行或列的标识，1对每行数据使用函数，2对每列数据使用函数，第三个参数代表要使用的函数。

直方图、散点图、列联表及柱状图、饼图、箱线图、QQ图、折线图、密度图，结果如图。

统计推断、相关及回归内容见于课件3、4、5、6统计推断正态检验：判断一组数据是否是满足正态性可以使用shapiro.test()；单样本及双样本t检验：t.test()；检验样本间的相关性的卡方检验chisq.test()，如图所示。

可以看到，由于科目x1是服从均匀分布，科目x2是服从正态分布的，因此x1的正态性检验shapiro.test的p值极显著，而科目x2的p值不显著。t检验中，科目x1的均值在90.44，单样本“均值=80”的检验p值显著，拒绝均值相等假设。双样本t检验中，如图，双样本t检验显著，因此拒绝均值相等假设（x1均值期望是90，x2均值期望80，所以肯定是拒绝零假设）。卡方检验有两种方法，可以直接调用chisq.test()，也可以将列联表table()结果传入summary()。卡方检验是用于判断两个变量的相关性，在本例中是代表一个学生在科目上x1和x2的成绩是否有相关性，如是否同时都是高分数、低分数，或当x1高分时x2低分等。相关求相关系数cor()，如cor(student$x1)相关系数的假设检验cor.test()，如cor.test(student$x1)求协方差矩阵cov()，如cov(student[c(“x1","x2","x3")])回归回归有多种：一元线性回归、多元线性回归、广义线性模型及非线性回归等。以下只以一元线性回归为例，使用lm()线性拟合，如要拟合studnet数据框中x1,x2的线性关系，以x2预测x1，则可以使用stuLm

从拟合结果来看，拟合公式为x2=0.09 * x1 + 83.27不过呢，方差分析结果表明，这个模型总体不显著，因此没有实际意义，其中x2的系数也不显著。多元线性回归多元线性回归也是使用lm函数，只是预测变量增多了，如使用x2和x3来联合预测x1：stuLm

如果你生信基本技能已经入门，需要提高自己，请关注上面的生信技能树，看我们是如何完善生信技能，成为一个生信全栈工程师。如果你是初学者，请关注下面的生信菜鸟团，了解生信基础名词，概念，扎实的打好基础，争取早日入门。