translate to Chinese 100%

1 files changed, 54 insertions, 67 deletions

diff --git a/zh-cn/r-cn.html.markdown b/zh-cn/r-cn.html.markdown
index 9a1414bb..bfb92ca9 100644
--- a/zh-cn/r-cn.html.markdown
+++ b/zh-cn/r-cn.html.markdown
@@ -1,3 +1,18 @@
+---

+language: R

+contributors:

+    - ["e99n09", "http://github.com/e99n09"]

+    - ["isomorphismes", "http://twitter.com/isomorphisms"]

+translators:

+    - ["小柒", "http://weibo.com/u/2328126220"]

+    - ["alswl", "https://github.com/alswl"]

+filename: learnr.r

+---

+

+R 是一门统计语言。它有很多数据分析和挖掘程序包。可以用来统计、分析和制图。

+你也可以在 LaTeX 文档中运行 `R` 命令。

+

+```python

 # 评论以 # 开始

 

 # R 语言原生不支持 多行注释

@@ -397,7 +412,6 @@ dat
 # 4      4     dog

 class(dat$number)	# "numeric"

 class(dat[,2])	# "factor"

-# The data.frame() function converts character vectors to factor vectors

 # data.frame() 会将字符向量转换为 factor 向量

 

 # 有很多精妙的方法来获取 data frame 的子数据集

@@ -407,16 +421,14 @@ dat[,"number"]	# 5 2 1 4
 

 # 多维（相同元素类型）

 

-# 利用数组创造一个 n 维的表格

+# 使用 arry 创造一个 n 维的表格

 # You can make a two-dimensional table (sort of like a matrix)

-#你可以建立一个2维表格（类型和矩阵相似）

+# 你可以建立一个 2 维表格（有点像矩阵）

 array(c(c(1,2,4,5),c(8,9,3,6)), dim=c(2,4))

-#数组(c(c(1,2,4,5),c(8,9,3,6)),有前两个向量组成，2行4列

 # =>

 #      [,1] [,2] [,3] [,4]

 # [1,]    1    4    8    3

 # [2,]    2    5    9    6

-# You can use array to make three-dimensional matrices too

 #你也可以利用数组建立一个三维的矩阵

 array(c(c(c(2,300,4),c(8,9,0)),c(c(5,60,0),c(66,7,847))), dim=c(3,2,2))

 # =>

@@ -434,29 +446,25 @@ array(c(c(c(2,300,4),c(8,9,0)),c(c(5,60,0),c(66,7,847))), dim=c(3,2,2))
 # [2,]   60    7

 # [3,]    0  847

 

-# LISTS (MULTI-DIMENSIONAL, POSSIBLY RAGGED, OF DIFFERENT TYPES)

 #列表（多维的，不同类型的）

 

-# Finally, R has lists (of vectors)

-#R语言有列表的形式

+# R语言有列表的形式

 list1 <- list(time = 1:40)

-list1$price = c(rnorm(40,.5*list1$time,4)) # random

+list1$price = c(rnorm(40,.5*list1$time,4)) # 随机

 list1

 

 # You can get items in the list like so

-#你可以获得像上面列表的形式

+# 你可以这样获得列表的元素

 list1$time

 # You can subset list items like vectors

-#你也可以获取他们的子集，一种类似于矢量的形式

+# 你也可以和矢量一样获取他们的子集

 list1$price[4]

 

 #########################

-# The apply() family of functions

-#apply()函数家族的应用

+# apply()函数家族

 #########################

 

-# Remember mat?

-#输出mat矩阵

+# 还记得 mat 么？

 mat

 # =>

 #      [,1] [,2]

@@ -464,90 +472,69 @@ mat
 # [2,]    2    5

 # [3,]    3    6

 # Use apply(X, MARGIN, FUN) to apply function FUN to a matrix X

-#使用(X, MARGIN, FUN)将一个function功能函数根据其特征应用到矩阵x中

-# over rows (MAR = 1) or columns (MAR = 2)

-#规定行列，其边界分别为1,2

+# 使用(X, MARGIN, FUN)将函数 FUN 应用到矩阵 X 的行 (MAR = 1) 或者 列 (MAR = 2)

 # That is, R does FUN to each row (or column) of X, much faster than a

-#即就是，R定义一个function使每一行/列的x快于一个for或者while循环

-# for or while loop would do

+# R 在 X 的每一行/列使用 FUN，比循环要快很多

 apply(mat, MAR = 2, myFunc)

 # =>

 #      [,1] [,2]

 # [1,]    3   15

 # [2,]    7   19

 # [3,]   11   23

-# Other functions: ?lapply, ?sapply

-其他的功能函数，

+# 还有其他家族函数 ?lapply, ?sapply

 

-# Don't feel too intimidated; everyone agrees they are rather confusing

-#不要被这些吓到，许多人在此都会容易混淆

-# The plyr package aims to replace (and improve upon!) the *apply() family.

-#plyr程序包的作用是用来改进family函数家族

+# 不要被吓到，虽然许多人在此都被搞混

+# plyr 程序包的作用是用来改进 apply() 函数家族

 

 install.packages("plyr")

 require(plyr)

 ?plyr

 

 #########################

-# Loading data

+# 载入数据

 #########################

 

-# "pets.csv" is a file on the internet

-#"pets.csv" 是网上的一个文本

+# "pets.csv" 是网上的一个文本

 pets <- read.csv("http://learnxinyminutes.com/docs/pets.csv")

-#首先读取这个文本

 pets

-head(pets, 2) # first two rows

-#显示前两行

-tail(pets, 1) # last row

-#显示最后一行

-

-# To save a data frame or matrix as a .csv file

-#以.csv格式来保存数据集或者矩阵

-write.csv(pets, "pets2.csv") # to make a new .csv file

-#输出新的文本pets2.csv

+head(pets, 2) # 前两行

+tail(pets, 1) # 最后一行

+

+# 以 .csv 格式来保存数据集或者矩阵

+write.csv(pets, "pets2.csv") # 保存到新的文件 pets2.csv

 # set working directory with setwd(), look it up with getwd()

-#改变工作路径setwd()，查找工作路径getwd()

+# 使用 setwd() 改变工作目录，使用 getwd() 查看当前工作目录

 

-# Try ?read.csv and ?write.csv for more information

-#试着做一做以上学到的，或者运行更多的信息

+# 尝试使用 ?read.csv 和 ?write.csv 来查看更多信息

 

 #########################

-# Plots

-#画图

+# 画图

 #########################

 

-# Scatterplots!

-#散点图

-plot(list1$time, list1$price, main = "fake data")

-#作图，横轴list1$time，纵轴list1$price，主题fake data

-# Regressions!

-#退回

-linearModel <- lm(price  ~ time, data = list1)

-# 线性模型，数据集为list1，以价格对时间做相关分析模型

-linearModel # outputs result of regression

-#输出拟合结果，并退出

-# Plot regression line on existing plot

-#将拟合结果展示在图上，颜色设为红色

+# 散点图

+plot(list1$time, list1$price, main = "fake data") # 译者注：横轴 list1$time，纵轴 wlist1$price，标题 fake data

+# 回归图

+linearModel <- lm(price  ~ time, data = list1) # 译者注：线性模型，数据集为list1，以价格对时间做相关分析模型

+linearModel # 拟合结果

+# 将拟合结果展示在图上，颜色设为红色

 abline(linearModel, col = "red")

-# Get a variety of nice diagnostics

-#也可以获取各种各样漂亮的分析图

+# 也可以获取各种各样漂亮的分析图

 plot(linearModel)

 

-# Histograms!

-#直方图

-hist(rpois(n = 10000, lambda = 5), col = "thistle")

-#统计频数直方图（）

+# 直方图

+hist(rpois(n = 10000, lambda = 5), col = "thistle") # 译者注：统计频数直方图

 

-# Barplots!

-#柱状图

+# 柱状图

 barplot(c(1,4,5,1,2), names.arg = c("red","blue","purple","green","yellow"))

-#作图，柱的高度负值c(1,4,5,1,2），各个柱子的名称"red","blue","purple","green","yellow"

 

-# Try the ggplot2 package for more and better graphics

-#可以尝试着使用ggplot2程序包来美化图片

+# 可以尝试着使用 ggplot2 程序包来美化图片

 install.packages("ggplot2")

 require(ggplot2)

 ?ggplot2

 

+```

+

+## 获得 R

 

+* 从 [http://www.r-project.org/](http://www.r-project.org/) 获得安装包和图形化界面

+* [RStudio](http://www.rstudio.com/ide/) 是另一个图形化界面