R_learning

Posted on Edited on In Views: Word count in article: 4.5k Reading time ≈ 8 mins.

介于r语言在统计绘图上的强大功能，决定以实用为目的进行粗浅的学习，所使用的教材选择《R语言实战》。代码见RScripts（不要轻易运行以免出现一些奇怪的东西）

Introduce

帮助功能

函数help.start()会打开浏览器窗口，在其中可以查看帮助手册，问题集以及参考材料，其余的参考表格。尝试后发现，若在VScode中使用该命令，会直接在VScode的窗口中打开该html文件。

工作空间

即当前R的工作环境，其储存着所有定义的对象，但会话结束时，可将当前工作空间保存到一个镜像中并在下次载入。管理工作空间的函数如下。

注意到，路径应该使用正斜杠/，反斜杠\会被作为转义符，此外setwd()函数只能切换目录而不能常见新的目录

包

第一次安装某一个包：install.packages("*")

更新某一个包：update.packages("*")

查看已安装包的描述：installed.packages("*")

包的载入：library(*)

tips：处理大型数据集时需要专门的手段

Creat Dataset

R可以处理的数据类型包括数值，字符，逻辑型，复数，字节。

以下图的数据集为例

PatientID是行/实例型变量，AdmDate为日期型变量，Age是连续型（定量型）变量，Daibetes是名义变量，Status是顺序变量。名义变量和顺序变量都是分类变量，但顺序变量具有自然的顺序性。

R会将实例标识符称为rowname，分类变量称为因子

数据结构

向量

用c()创建向量，如：

1
2
3
a <- c(1, 2, 5, 3, 6, -2, 4) # 数值型
b <- c("one", "two", "three") # 字符型
c <- c(TRUE, TRUE, TRUE, FALSE, TRUE, FALSE) # 逻辑型

注意，单个向量中的数据类型必须相同。

此外，只含一个元素的向量称为标量，如f <- 3，常用于保存常量

通过方括号访问向量中的元素，==R中的位置索引从1开始而非从零开始==，可以同时访问多个元素。

1
2
3
4
a <- c("k", "j", "h", "a", "c", "m")
a[3] # "h"
a[c(1, 3, 5)] # "k" "h" "c"
a[2:6] # "j" "h" "a" "c" "m"

矩阵

矩阵为一个二维数组，同样的，其中的每一个元素必须是相同的类型。通过matrix()创建矩阵，通常所用的格式为：

1
2
3
mymatrix <- matrix(vector, nrow=number_of_rows, ncol=number_of_columns,
				byrow=logical_value,dimnames=list(
				char_vector_rownames,char_vector_colnames))

其中vector包含矩阵的元素，其后两个参数分别代表了矩阵的的形状，参数byrow表明矩阵的填充方式（默认按列），为一个布尔值。dimnames为可选参数，其中的char_vector_rownames，char_vector_colnames为字符型向量，表明行名和列名。以下为两个示例：

1
2
3
4
5
6
7
y <- matrix(1:20, nrow=5, ncol=4)
#	 [,1] [,2] [,3] [,4]
#[1,]    1    6   11   16
#[2,]    2    7   12   17
#[3,]    3    8   13   18
#[4,]    4    9   14   19
#[5,]    5   10   15   20
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
cells <- c(1, 26, 24, 68)
rnames <- c("R1", "R2")
cnames <- c("C1", "C2")
mymatrix <- matrix(cells,
  nrow = 2, ncol = 2, byrow = TRUE,
  dimnames = list(rnames, cnames))
#   C1 C2
#R1  1 26
#R2 24 68

mymatrix <- matrix(cells,
  nrow = 2, ncol = 2, byrow = FALSE,
  dimnames = list(rnames, cnames))
#   C1 C2
#R1  1 24
#R2 26 68

tips：也可以只填写nrow和ncol中的一个，但参数的位置不能交换。

通过下标和反括号选择矩阵中的行X[i,]，列X[,j]或元素X[i,j]，通过将i或j定义为数值型向量可以选择多行或者多列。若i和j均为向量，那么所选择的是一个对应的行和列交叉点处的元素组成的新矩阵。

tips：矩阵中无法通过行名和列名访问元素。

数组

作为矩阵的推广，数组可以是多维的，通过array()创建，如：

1
myarray <- array(vector, dimensions, dimnames)

其中dimensions为数值型向量，给出各维度下标的最大值，dimnames为可选变量，为一个包含各维度名称标签的列表，每个维度的名称标签为一个字符型向量。和矩阵一样，数组内的元素只能是一种类型。以下为一个三维（2×3×4）数值型数组。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
dim1 <- c("A1", "A2")
dim2 <- c("B1", "B2", "B3")
dim3 <- c("C1", "C2", "C3", "C4")
z <- array(1:24, c(2, 3, 4), dimnames = list(dim1, dim2, dim3))
#, , C1
#
#   B1 B2 B3
#A1  1  3  5
#A2  2  4  6
#
#, , C2
#
#   B1 B2 B3
#A1  7  9 11
#A2  8 10 12
#
#, , C3
#
#   B1 B2 B3
#A1 13 15 17
#A2 14 16 18
#
#, , C4
#
#   B1 B2 B3
#A1 19 21 23
#A2 20 22 24

可以看到，数组的输出为多个矩阵，对于n维数组，将数组从后n-2个维度展开，每一项为一个矩阵进行输出，在每一个矩阵前, , *, *, ...即为对应的后n-2个维度中每一个维度内的编号。

数组中，填充顺序与参数dimensions中的顺序一致，即[1, 1, 1, ...] -> [2, 1, 1, ...] -> ... -> [dimensions[1], 1, 1, ...] -> [1, 2, 1, ...] -> [2, 2, 1, ...] -> ...。即先外层，再内层。

数据框

矩阵另一种方式的推广，其不同的列可以包含不同模式的数据，在表2-1中显示的数据集即一个数据框。数据框可以通过data.frame()创建，如：

1
mydata <- data.frame(col1, col2, col3, ...)

其中col1、col2、col3可以为任意类型的向量。

当没有指定列名时，R会自动将变量名作为列名：

1
2
3
4
5
6
7
8
9
10
patientID <- c(1, 2, 3, 4)
age <- c(25, 34, 28, 52)
diabetes <- c("Type1", "Type2", "Type1", "Type1")
status <- c("Poor", "Improved", "Excellent", "Poor")
patientdata <- data.frame(patientID, age, diabetes, status)
#  patientID age diabetes    status
#1         1  25    Type1      Poor
#2         2  34    Type2  Improved
#3         3  28    Type1 Excellent
#4         4  52    Type1      Poor

可以用names函数指定列名：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
col1 <- c(1, 2, 3, 4)
col2 <- c(25, 34, 28, 52)
col3 <- c("Type1", "Type2", "Type1", "Type1")
col4 <- c("Poor", "Improved", "Excellent", "Poor")
patientdata <- data.frame(col1, col2, col3, col4)
print(patientdata)
#  col1 col2  col3      col4
#1    1   25 Type1      Poor
#2    2   34 Type2  Improved
#3    3   28 Type1 Excellent
#4    4   52 Type1      Poor

names(patientdata) <- c("patientID", "age", "diabetes", "status")
print(patientdata)
#  patientID age diabetes    status
#1         1  25    Type1      Poor
#2         2  34    Type2  Improved
#3         3  28    Type1 Excellent
#4         4  52    Type1      Poor

数据框数据的选中有多种方式，可用类似矩阵的下标记号，也可以指定列名：

1
2
3
4
5
6
7
8
9
10
11
12
print(patientdata[1:2])
#  patientID age
#1         1  25
#2         2  34
#3         3  28
#4         4  52
print(patientdata[c("diabetes", "status")])
#  diabetes    status
#1    Type1      Poor
#2    Type2  Improved
#3    Type1 Excellent
#4    Type1      Poor

当用坐标的形式选中时，其表现形式与矩阵的选中一致。注意patientdata[1]与patientdata[,1]不同。

而数据框的选中还有一种特殊的形式，即符号$，用于选取一个给定数据框中的某个特定变量。

例如生成diabetes和status的列联表：

1
2
3
4
print(table(patientdata$diabetes, patientdata$status)
#      Excellent Improved Poor
#Type1         1        0    2
#Type2         0        1    0