diff options
| -rw-r--r-- | zh-cn/r-cn.html.markdown | 1080 |
1 files changed, 540 insertions, 540 deletions
diff --git a/zh-cn/r-cn.html.markdown b/zh-cn/r-cn.html.markdown index bfb92ca9..8a542695 100644 --- a/zh-cn/r-cn.html.markdown +++ b/zh-cn/r-cn.html.markdown @@ -1,540 +1,540 @@ ----
-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
-# 但是你可以像这样来多行注释
-
-# 在窗口里按回车键可以执行一条命令
-
-
-###################################################################
-# 不用懂编程就可以开始动手了
-###################################################################
-
-data() # 浏览内建的数据集
-data(rivers) # 北美主要河流的长度（数据集）
-ls() # 在工作空间中查看「河流」是否出现
-head(rivers) # 撇一眼数据集
-# 735 320 325 392 524 450
-length(rivers) # 我们测量了多少条河流？
-# 141
-summary(rivers)
-# Min. 1st Qu. Median Mean 3rd Qu. Max.
-# 135.0 310.0 425.0 591.2 680.0 3710.0
-stem(rivers) # 茎叶图（一种类似于直方图的展现形式）
-#
-# The decimal point is 2 digit(s) to the right of the |
-#
-# 0 | 4
-# 2 | 011223334555566667778888899900001111223333344455555666688888999
-# 4 | 111222333445566779001233344567
-# 6 | 000112233578012234468
-# 8 | 045790018
-# 10 | 04507
-# 12 | 1471
-# 14 | 56
-# 16 | 7
-# 18 | 9
-# 20 |
-# 22 | 25
-# 24 | 3
-# 26 |
-# 28 |
-# 30 |
-# 32 |
-# 34 |
-# 36 | 1
-
-
-stem(log(rivers)) # 查看数据集的方式既不是标准形式，也不是取log后的结果! 看起来，是钟形曲线形式的基本数据集
-
-# The decimal point is 1 digit(s) to the left of the |
-#
-# 48 | 1
-# 50 |
-# 52 | 15578
-# 54 | 44571222466689
-# 56 | 023334677000124455789
-# 58 | 00122366666999933445777
-# 60 | 122445567800133459
-# 62 | 112666799035
-# 64 | 00011334581257889
-# 66 | 003683579
-# 68 | 0019156
-# 70 | 079357
-# 72 | 89
-# 74 | 84
-# 76 | 56
-# 78 | 4
-# 80 |
-# 82 | 2
-
-
-hist(rivers, col="#333333", border="white", breaks=25) # 试试用这些参数画画 （译者注：给 river 做统计频数直方图，包含了这些参数：数据源，颜色，边框，空格）
-hist(log(rivers), col="#333333", border="white", breaks=25) #你还可以做更多式样的绘图
-
-# 还有其他一些简单的数据集可以被用来加载。R 语言包括了大量这种 data()
-data(discoveries)
-plot(discoveries, col="#333333", lwd=3, xlab="Year", main="Number of important discoveries per year")
-# 译者注：参数为（数据源，颜色，线条宽度，X 轴名称，标题）
-plot(discoveries, col="#333333", lwd=3, type = "h", xlab="Year", main="Number of important discoveries per year")
-
-
-# 除了按照默认的年份排序，我们还可以排序来发现特征
-sort(discoveries)
-# [1] 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2
-# [26] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3
-# [51] 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4
-# [76] 4 4 4 4 5 5 5 5 5 5 5 6 6 6 6 6 6 7 7 7 7 8 9 10 12
-
-stem(discoveries, scale=2) # 译者注：茎叶图（数据，放大系数）
-#
-# The decimal point is at the |
-#
-# 0 | 000000000
-# 1 | 000000000000
-# 2 | 00000000000000000000000000
-# 3 | 00000000000000000000
-# 4 | 000000000000
-# 5 | 0000000
-# 6 | 000000
-# 7 | 0000
-# 8 | 0
-# 9 | 0
-# 10 | 0
-# 11 |
-# 12 | 0
-
-max(discoveries)
-# 12
-
-summary(discoveries)
-# Min. 1st Qu. Median Mean 3rd Qu. Max.
-# 0.0 2.0 3.0 3.1 4.0 12.0
-
-
-
-
-#基本的统计学操作也不需要任何编程知识
-
-#随机生成数据
-round(runif(7, min=.5, max=6.5))
-# 译者注：runif 产生随机数，round 四舍五入
-# 1 4 6 1 4 6 4
-
-# 你输出的结果会和我们给出的不同，除非我们设置了相同的随机种子 random.seed(31337)
-
-
-#从标准高斯函数中随机生成 9 次
-rnorm(9)
-# [1] 0.07528471 1.03499859 1.34809556 -0.82356087 0.61638975 -1.88757271
-# [7] -0.59975593 0.57629164 1.08455362
-
-
-
-
-
-
-
-
-
-#########################
-# 基础编程
-#########################
-
-# 数值
-
-#“数值”指的是双精度的浮点数
-5 # 5
-class(5) # "numeric"
-5e4 # 50000 # 用科学技术法方便的处理极大值、极小值或者可变的量级
-6.02e23 # 阿伏伽德罗常数#
-1.6e-35 # 布朗克长度
-
-# 长整数并用 L 结尾
-5L # 5
-#输出5L
-class(5L) # "integer"
-
-# 可以自己试一试？用 class() 函数获取更多信息
-# 事实上，你可以找一些文件查阅 `xyz` 以及xyz的差别
-# `xyz` 用来查看源码实现，?xyz 用来看帮助
-
-# 算法
-10 + 66 # 76
-53.2 - 4 # 49.2
-2 * 2.0 # 4
-3L / 4 # 0.75
-3 %% 2 # 1
-
-# 特殊数值类型
-class(NaN) # "numeric"
-class(Inf) # "numeric"
-class(-Inf) # "numeric" # 在以下场景中会用到 integrate( dnorm(x), 3, Inf ) -- 消除 Z 轴数据
-
-# 但要注意，NaN 并不是唯一的特殊数值类型……
-class(NA) # 看上面
-class(NULL) # NULL
-
-
-# 简单列表
-c(6, 8, 7, 5, 3, 0, 9) # 6 8 7 5 3 0 9
-c('alef', 'bet', 'gimmel', 'dalet', 'he')
-c('Z', 'o', 'r', 'o') == "Zoro" # FALSE FALSE FALSE FALSE
-
-# 一些优雅的内置功能
-5:15 # 5 6 7 8 9 10 11 12 13 14 15
-
-seq(from=0, to=31337, by=1337)
-# [1] 0 1337 2674 4011 5348 6685 8022 9359 10696 12033 13370 14707
-# [13] 16044 17381 18718 20055 21392 22729 24066 25403 26740 28077 29414 30751
-
-letters
-# [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" "p" "q" "r" "s"
-# [20] "t" "u" "v" "w" "x" "y" "z"
-
-month.abb # "Jan" "Feb" "Mar" "Apr" "May" "Jun" "Jul" "Aug" "Sep" "Oct" "Nov" "Dec"
-
-
-# Access the n'th element of a list with list.name[n] or sometimes list.name[[n]]
-# 使用 list.name[n] 来访问第 n 个列表元素，有时候需要使用 list.name[[n]]
-letters[18] # "r"
-LETTERS[13] # "M"
-month.name[9] # "September"
-c(6, 8, 7, 5, 3, 0, 9)[3] # 7
-
-
-
-# 字符串
-
-# 字符串和字符在 R 语言中没有区别
-"Horatio" # "Horatio"
-class("Horatio") # "character"
-substr("Fortuna multis dat nimis, nulli satis.", 9, 15) # "multis "
-gsub('u', 'ø', "Fortuna multis dat nimis, nulli satis.") # "Fortøna møltis dat nimis, nølli satis."
-
-
-
-# 逻辑值
-
-# 布尔值
-class(TRUE) # "logical"
-class(FALSE) # "logical"
-# 和我们预想的一样
-TRUE == TRUE # TRUE
-TRUE == FALSE # FALSE
-FALSE != FALSE # FALSE
-FALSE != TRUE # TRUE
-# 缺失数据（NA）也是逻辑值
-class(NA) # "logical"
-#定义NA为逻辑型
-
-
-
-# 因子
-# 因子是为数据分类排序设计的（像是排序小朋友们的年级或性别）
-levels(factor(c("female", "male", "male", "female", "NA", "female"))) # "female" "male" "NA"
-
-factor(c("female", "female", "male", "NA", "female"))
-# female female male NA female
-# Levels: female male NA
-
-data(infert) # 自然以及引产导致的不育症
-levels(infert$education) # "0-5yrs" "6-11yrs" "12+ yrs"
-
-
-
-# 变量
-
-# 有许多种方式用来赋值
-x = 5 # 这样可以
-y <- "1" # 更推荐这样
-TRUE -> z # 这样可行，但是很怪
-
-#我们还可以使用强制转型
-as.numeric(y) # 1
-as.character(x) # "5"
-
-# 循环
-
-# for 循环语句
-for (i in 1:4) {
- print(i)
-}
-
-# while 循环
-a <- 10
-while (a > 4) {
- cat(a, "...", sep = "")
- a <- a - 1
-}
-
-# 记住，在 R 语言中 for / while 循环都很慢
-# 建议使用 apply()（我们一会介绍）来错做一串数据（比如一列或者一行数据）
-
-# IF/ELSE
-
-# 再来看这些优雅的标准
-if (4 > 3) {
- print("Huzzah! It worked!")
-} else {
- print("Noooo! This is blatantly illogical!")
-}
-
-# =>
-# [1] "Huzzah! It worked!"
-
-# 函数
-
-# 定义如下
-jiggle <- function(x) {
- x + rnorm(x, sd=.1) #add in a bit of (controlled) noise
- return(x)
-}
-
-# 和其他 R 语言函数一样调用
-jiggle(5) # 5±ε. 使用 set.seed(2716057) 后， jiggle(5)==5.005043
-
-#########################
-# 数据容器：vectors, matrices, data frames, and arrays
-#########################
-
-# 单维度
-# 你可以将目前我们学习到的任何类型矢量化，只要它们拥有相同的类型
-vec <- c(8, 9, 10, 11)
-vec # 8 9 10 11
-# 矢量的类型是这一组数据元素的类型
-class(vec) # "numeric"
-# If you vectorize items of different classes, weird coercions happen
-#如果你强制的将不同类型数值矢量化，会出现特殊值
-c(TRUE, 4) # 1 4
-c("dog", TRUE, 4) # "dog" "TRUE" "4"
-
-#我们这样来取内部数据，（R 的下标索引顺序 1 开始）
-vec[1] # 8
-# 我们可以根据条件查找特定数据
-which(vec %% 2 == 0) # 1 3
-# 抓取矢量中第一个和最后一个字符
-head(vec, 1) # 8
-tail(vec, 1) # 11
-#如果下标溢出或不存会得到 NA
-vec[6] # NA
-# 你可以使用 length() 获取矢量的长度
-length(vec) # 4
-
-# 你可以直接操作矢量或者矢量的子集
-vec * 4 # 16 20 24 28
-vec[2:3] * 5 # 25 30
-# 这里有许多内置的函数，来表现向量
-mean(vec) # 9.5
-var(vec) # 1.666667
-sd(vec) # 1.290994
-max(vec) # 11
-min(vec) # 8
-sum(vec) # 38
-
-# 二维（相同元素类型）
-
-#你可以为同样类型的变量建立矩阵
-mat <- matrix(nrow = 3, ncol = 2, c(1,2,3,4,5,6))
-mat
-# =>
-# [,1] [,2]
-# [1,] 1 4
-# [2,] 2 5
-# [3,] 3 6
-# 和 vector 不一样的是，一个矩阵的类型真的是 「matrix」，而不是内部元素的类型
-class(mat) # => "matrix"
-# 访问第一行的字符
-mat[1,] # 1 4
-# 操作第一行数据
-3 * mat[,1] # 3 6 9
-# 访问一个特定数据
-mat[3,2] # 6
-# 转置整个矩阵（译者注：变成 2 行 3 列）
-t(mat)
-# =>
-# [,1] [,2] [,3]
-# [1,] 1 2 3
-# [2,] 4 5 6
-
-# 使用 cbind() 函数把两个矩阵按列合并，形成新的矩阵
-mat2 <- cbind(1:4, c("dog", "cat", "bird", "dog"))
-mat2
-# =>
-# [,1] [,2]
-# [1,] "1" "dog"
-# [2,] "2" "cat"
-# [3,] "3" "bird"
-# [4,] "4" "dog"
-class(mat2) # matrix
-# Again, note what happened!
-# 注意
-# 因为矩阵内部元素必须包含同样的类型
-# 所以现在每一个元素都转化成字符串
-c(class(mat2[,1]), class(mat2[,2]))
-
-# 按行合并两个向量，建立新的矩阵
-mat3 <- rbind(c(1,2,4,5), c(6,7,0,4))
-mat3
-# =>
-# [,1] [,2] [,3] [,4]
-# [1,] 1 2 4 5
-# [2,] 6 7 0 4
-# 哈哈，数据类型都一样的，没有发生强制转换，生活真美好
-
-# 二维(不同的元素类型)
-
-# 利用 data frame 可以将不同类型数据放在一起
-dat <- data.frame(c(5,2,1,4), c("dog", "cat", "bird", "dog"))
-names(dat) <- c("number", "species") # 给数据列命名
-class(dat) # "data.frame"
-dat
-# =>
-# number species
-# 1 5 dog
-# 2 2 cat
-# 3 1 bird
-# 4 4 dog
-class(dat$number) # "numeric"
-class(dat[,2]) # "factor"
-# 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
-dat$number # 5 2 1 4
-dat[,1] # 5 2 1 4
-dat[,"number"] # 5 2 1 4
-
-# 多维（相同元素类型）
-
-# 使用 arry 创造一个 n 维的表格
-# You can make a two-dimensional table (sort of like a matrix)
-# 你可以建立一个 2 维表格（有点像矩阵）
-array(c(c(1,2,4,5),c(8,9,3,6)), dim=c(2,4))
-# =>
-# [,1] [,2] [,3] [,4]
-# [1,] 1 4 8 3
-# [2,] 2 5 9 6
-#你也可以利用数组建立一个三维的矩阵
-array(c(c(c(2,300,4),c(8,9,0)),c(c(5,60,0),c(66,7,847))), dim=c(3,2,2))
-# =>
-# , , 1
-#
-# [,1] [,2]
-# [1,] 2 8
-# [2,] 300 9
-# [3,] 4 0
-#
-# , , 2
-#
-# [,1] [,2]
-# [1,] 5 66
-# [2,] 60 7
-# [3,] 0 847
-
-#列表（多维的，不同类型的）
-
-# R语言有列表的形式
-list1 <- list(time = 1:40)
-list1$price = c(rnorm(40,.5*list1$time,4)) # 随机
-list1
-
-# You can get items in the list like so
-# 你可以这样获得列表的元素
-list1$time
-# You can subset list items like vectors
-# 你也可以和矢量一样获取他们的子集
-list1$price[4]
-
-#########################
-# apply()函数家族
-#########################
-
-# 还记得 mat 么？
-mat
-# =>
-# [,1] [,2]
-# [1,] 1 4
-# [2,] 2 5
-# [3,] 3 6
-# Use apply(X, MARGIN, FUN) to apply function FUN to a matrix X
-# 使用(X, MARGIN, FUN)将函数 FUN 应用到矩阵 X 的行 (MAR = 1) 或者 列 (MAR = 2)
-# That is, R does FUN to each row (or column) of X, much faster than a
-# R 在 X 的每一行/列使用 FUN，比循环要快很多
-apply(mat, MAR = 2, myFunc)
-# =>
-# [,1] [,2]
-# [1,] 3 15
-# [2,] 7 19
-# [3,] 11 23
-# 还有其他家族函数 ?lapply, ?sapply
-
-# 不要被吓到，虽然许多人在此都被搞混
-# plyr 程序包的作用是用来改进 apply() 函数家族
-
-install.packages("plyr")
-require(plyr)
-?plyr
-
-#########################
-# 载入数据
-#########################
-
-# "pets.csv" 是网上的一个文本
-pets <- read.csv("http://learnxinyminutes.com/docs/pets.csv")
-pets
-head(pets, 2) # 前两行
-tail(pets, 1) # 最后一行
-
-# 以 .csv 格式来保存数据集或者矩阵
-write.csv(pets, "pets2.csv") # 保存到新的文件 pets2.csv
-# set working directory with setwd(), look it up with getwd()
-# 使用 setwd() 改变工作目录，使用 getwd() 查看当前工作目录
-
-# 尝试使用 ?read.csv 和 ?write.csv 来查看更多信息
-
-#########################
-# 画图
-#########################
-
-# 散点图
-plot(list1$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")
-# 也可以获取各种各样漂亮的分析图
-plot(linearModel)
-
-# 直方图
-hist(rpois(n = 10000, lambda = 5), col = "thistle") # 译者注：统计频数直方图
-
-# 柱状图
-barplot(c(1,4,5,1,2), names.arg = c("red","blue","purple","green","yellow"))
-
-# 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
+--- +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 +# 但是你可以像这样来多行注释 + +# 在窗口里按回车键可以执行一条命令 + + +################################################################### +# 不用懂编程就可以开始动手了 +################################################################### + +data() # 浏览内建的数据集 +data(rivers) # 北美主要河流的长度（数据集） +ls() # 在工作空间中查看「河流」是否出现 +head(rivers) # 撇一眼数据集 +# 735 320 325 392 524 450 +length(rivers) # 我们测量了多少条河流？ +# 141 +summary(rivers) +# Min. 1st Qu. Median Mean 3rd Qu. Max. +# 135.0 310.0 425.0 591.2 680.0 3710.0 +stem(rivers) # 茎叶图（一种类似于直方图的展现形式） +# +# The decimal point is 2 digit(s) to the right of the | +# +# 0 | 4 +# 2 | 011223334555566667778888899900001111223333344455555666688888999 +# 4 | 111222333445566779001233344567 +# 6 | 000112233578012234468 +# 8 | 045790018 +# 10 | 04507 +# 12 | 1471 +# 14 | 56 +# 16 | 7 +# 18 | 9 +# 20 | +# 22 | 25 +# 24 | 3 +# 26 | +# 28 | +# 30 | +# 32 | +# 34 | +# 36 | 1 + + +stem(log(rivers)) # 查看数据集的方式既不是标准形式，也不是取log后的结果! 看起来，是钟形曲线形式的基本数据集 + +# The decimal point is 1 digit(s) to the left of the | +# +# 48 | 1 +# 50 | +# 52 | 15578 +# 54 | 44571222466689 +# 56 | 023334677000124455789 +# 58 | 00122366666999933445777 +# 60 | 122445567800133459 +# 62 | 112666799035 +# 64 | 00011334581257889 +# 66 | 003683579 +# 68 | 0019156 +# 70 | 079357 +# 72 | 89 +# 74 | 84 +# 76 | 56 +# 78 | 4 +# 80 | +# 82 | 2 + + +hist(rivers, col="#333333", border="white", breaks=25) # 试试用这些参数画画 （译者注：给 river 做统计频数直方图，包含了这些参数：数据源，颜色，边框，空格） +hist(log(rivers), col="#333333", border="white", breaks=25) #你还可以做更多式样的绘图 + +# 还有其他一些简单的数据集可以被用来加载。R 语言包括了大量这种 data() +data(discoveries) +plot(discoveries, col="#333333", lwd=3, xlab="Year", main="Number of important discoveries per year") +# 译者注：参数为（数据源，颜色，线条宽度，X 轴名称，标题） +plot(discoveries, col="#333333", lwd=3, type = "h", xlab="Year", main="Number of important discoveries per year") + + +# 除了按照默认的年份排序，我们还可以排序来发现特征 +sort(discoveries) +# [1] 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 +# [26] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 +# [51] 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 +# [76] 4 4 4 4 5 5 5 5 5 5 5 6 6 6 6 6 6 7 7 7 7 8 9 10 12 + +stem(discoveries, scale=2) # 译者注：茎叶图（数据，放大系数） +# +# The decimal point is at the | +# +# 0 | 000000000 +# 1 | 000000000000 +# 2 | 00000000000000000000000000 +# 3 | 00000000000000000000 +# 4 | 000000000000 +# 5 | 0000000 +# 6 | 000000 +# 7 | 0000 +# 8 | 0 +# 9 | 0 +# 10 | 0 +# 11 | +# 12 | 0 + +max(discoveries) +# 12 + +summary(discoveries) +# Min. 1st Qu. Median Mean 3rd Qu. Max. +# 0.0 2.0 3.0 3.1 4.0 12.0 + + + + +#基本的统计学操作也不需要任何编程知识 + +#随机生成数据 +round(runif(7, min=.5, max=6.5)) +# 译者注：runif 产生随机数，round 四舍五入 +# 1 4 6 1 4 6 4 + +# 你输出的结果会和我们给出的不同，除非我们设置了相同的随机种子 random.seed(31337) + + +#从标准高斯函数中随机生成 9 次 +rnorm(9) +# [1] 0.07528471 1.03499859 1.34809556 -0.82356087 0.61638975 -1.88757271 +# [7] -0.59975593 0.57629164 1.08455362 + + + + + + + + + +######################### +# 基础编程 +######################### + +# 数值 + +#“数值”指的是双精度的浮点数 +5 # 5 +class(5) # "numeric" +5e4 # 50000 # 用科学技术法方便的处理极大值、极小值或者可变的量级 +6.02e23 # 阿伏伽德罗常数# +1.6e-35 # 布朗克长度 + +# 长整数并用 L 结尾 +5L # 5 +#输出5L +class(5L) # "integer" + +# 可以自己试一试？用 class() 函数获取更多信息 +# 事实上，你可以找一些文件查阅 `xyz` 以及xyz的差别 +# `xyz` 用来查看源码实现，?xyz 用来看帮助 + +# 算法 +10 + 66 # 76 +53.2 - 4 # 49.2 +2 * 2.0 # 4 +3L / 4 # 0.75 +3 %% 2 # 1 + +# 特殊数值类型 +class(NaN) # "numeric" +class(Inf) # "numeric" +class(-Inf) # "numeric" # 在以下场景中会用到 integrate( dnorm(x), 3, Inf ) -- 消除 Z 轴数据 + +# 但要注意，NaN 并不是唯一的特殊数值类型…… +class(NA) # 看上面 +class(NULL) # NULL + + +# 简单列表 +c(6, 8, 7, 5, 3, 0, 9) # 6 8 7 5 3 0 9 +c('alef', 'bet', 'gimmel', 'dalet', 'he') +c('Z', 'o', 'r', 'o') == "Zoro" # FALSE FALSE FALSE FALSE + +# 一些优雅的内置功能 +5:15 # 5 6 7 8 9 10 11 12 13 14 15 + +seq(from=0, to=31337, by=1337) +# [1] 0 1337 2674 4011 5348 6685 8022 9359 10696 12033 13370 14707 +# [13] 16044 17381 18718 20055 21392 22729 24066 25403 26740 28077 29414 30751 + +letters +# [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" "p" "q" "r" "s" +# [20] "t" "u" "v" "w" "x" "y" "z" + +month.abb # "Jan" "Feb" "Mar" "Apr" "May" "Jun" "Jul" "Aug" "Sep" "Oct" "Nov" "Dec" + + +# Access the n'th element of a list with list.name[n] or sometimes list.name[[n]] +# 使用 list.name[n] 来访问第 n 个列表元素，有时候需要使用 list.name[[n]] +letters[18] # "r" +LETTERS[13] # "M" +month.name[9] # "September" +c(6, 8, 7, 5, 3, 0, 9)[3] # 7 + + + +# 字符串 + +# 字符串和字符在 R 语言中没有区别 +"Horatio" # "Horatio" +class("Horatio") # "character" +substr("Fortuna multis dat nimis, nulli satis.", 9, 15) # "multis " +gsub('u', 'ø', "Fortuna multis dat nimis, nulli satis.") # "Fortøna møltis dat nimis, nølli satis." + + + +# 逻辑值 + +# 布尔值 +class(TRUE) # "logical" +class(FALSE) # "logical" +# 和我们预想的一样 +TRUE == TRUE # TRUE +TRUE == FALSE # FALSE +FALSE != FALSE # FALSE +FALSE != TRUE # TRUE +# 缺失数据（NA）也是逻辑值 +class(NA) # "logical" +#定义NA为逻辑型 + + + +# 因子 +# 因子是为数据分类排序设计的（像是排序小朋友们的年级或性别） +levels(factor(c("female", "male", "male", "female", "NA", "female"))) # "female" "male" "NA" + +factor(c("female", "female", "male", "NA", "female")) +# female female male NA female +# Levels: female male NA + +data(infert) # 自然以及引产导致的不育症 +levels(infert$education) # "0-5yrs" "6-11yrs" "12+ yrs" + + + +# 变量 + +# 有许多种方式用来赋值 +x = 5 # 这样可以 +y <- "1" # 更推荐这样 +TRUE -> z # 这样可行，但是很怪 + +#我们还可以使用强制转型 +as.numeric(y) # 1 +as.character(x) # "5" + +# 循环 + +# for 循环语句 +for (i in 1:4) { + print(i) +} + +# while 循环 +a <- 10 +while (a > 4) { + cat(a, "...", sep = "") + a <- a - 1 +} + +# 记住，在 R 语言中 for / while 循环都很慢 +# 建议使用 apply()（我们一会介绍）来错做一串数据（比如一列或者一行数据） + +# IF/ELSE + +# 再来看这些优雅的标准 +if (4 > 3) { + print("Huzzah! It worked!") +} else { + print("Noooo! This is blatantly illogical!") +} + +# => +# [1] "Huzzah! It worked!" + +# 函数 + +# 定义如下 +jiggle <- function(x) { + x + rnorm(x, sd=.1) #add in a bit of (controlled) noise + return(x) +} + +# 和其他 R 语言函数一样调用 +jiggle(5) # 5±ε. 使用 set.seed(2716057) 后， jiggle(5)==5.005043 + +######################### +# 数据容器：vectors, matrices, data frames, and arrays +######################### + +# 单维度 +# 你可以将目前我们学习到的任何类型矢量化，只要它们拥有相同的类型 +vec <- c(8, 9, 10, 11) +vec # 8 9 10 11 +# 矢量的类型是这一组数据元素的类型 +class(vec) # "numeric" +# If you vectorize items of different classes, weird coercions happen +#如果你强制的将不同类型数值矢量化，会出现特殊值 +c(TRUE, 4) # 1 4 +c("dog", TRUE, 4) # "dog" "TRUE" "4" + +#我们这样来取内部数据，（R 的下标索引顺序 1 开始） +vec[1] # 8 +# 我们可以根据条件查找特定数据 +which(vec %% 2 == 0) # 1 3 +# 抓取矢量中第一个和最后一个字符 +head(vec, 1) # 8 +tail(vec, 1) # 11 +#如果下标溢出或不存会得到 NA +vec[6] # NA +# 你可以使用 length() 获取矢量的长度 +length(vec) # 4 + +# 你可以直接操作矢量或者矢量的子集 +vec * 4 # 16 20 24 28 +vec[2:3] * 5 # 25 30 +# 这里有许多内置的函数，来表现向量 +mean(vec) # 9.5 +var(vec) # 1.666667 +sd(vec) # 1.290994 +max(vec) # 11 +min(vec) # 8 +sum(vec) # 38 + +# 二维（相同元素类型） + +#你可以为同样类型的变量建立矩阵 +mat <- matrix(nrow = 3, ncol = 2, c(1,2,3,4,5,6)) +mat +# => +# [,1] [,2] +# [1,] 1 4 +# [2,] 2 5 +# [3,] 3 6 +# 和 vector 不一样的是，一个矩阵的类型真的是 「matrix」，而不是内部元素的类型 +class(mat) # => "matrix" +# 访问第一行的字符 +mat[1,] # 1 4 +# 操作第一行数据 +3 * mat[,1] # 3 6 9 +# 访问一个特定数据 +mat[3,2] # 6 +# 转置整个矩阵（译者注：变成 2 行 3 列） +t(mat) +# => +# [,1] [,2] [,3] +# [1,] 1 2 3 +# [2,] 4 5 6 + +# 使用 cbind() 函数把两个矩阵按列合并，形成新的矩阵 +mat2 <- cbind(1:4, c("dog", "cat", "bird", "dog")) +mat2 +# => +# [,1] [,2] +# [1,] "1" "dog" +# [2,] "2" "cat" +# [3,] "3" "bird" +# [4,] "4" "dog" +class(mat2) # matrix +# Again, note what happened! +# 注意 +# 因为矩阵内部元素必须包含同样的类型 +# 所以现在每一个元素都转化成字符串 +c(class(mat2[,1]), class(mat2[,2])) + +# 按行合并两个向量，建立新的矩阵 +mat3 <- rbind(c(1,2,4,5), c(6,7,0,4)) +mat3 +# => +# [,1] [,2] [,3] [,4] +# [1,] 1 2 4 5 +# [2,] 6 7 0 4 +# 哈哈，数据类型都一样的，没有发生强制转换，生活真美好 + +# 二维(不同的元素类型) + +# 利用 data frame 可以将不同类型数据放在一起 +dat <- data.frame(c(5,2,1,4), c("dog", "cat", "bird", "dog")) +names(dat) <- c("number", "species") # 给数据列命名 +class(dat) # "data.frame" +dat +# => +# number species +# 1 5 dog +# 2 2 cat +# 3 1 bird +# 4 4 dog +class(dat$number) # "numeric" +class(dat[,2]) # "factor" +# data.frame() 会将字符向量转换为 factor 向量 + +# 有很多精妙的方法来获取 data frame 的子数据集 +dat$number # 5 2 1 4 +dat[,1] # 5 2 1 4 +dat[,"number"] # 5 2 1 4 + +# 多维（相同元素类型） + +# 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（有点像矩阵） +array(c(c(1,2,4,5),c(8,9,3,6)), dim=c(2,4)) +# => +# [,1] [,2] [,3] [,4] +# [1,] 1 4 8 3 +# [2,] 2 5 9 6 +#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)) +# => +# , , 1 +# +# [,1] [,2] +# [1,] 2 8 +# [2,] 300 9 +# [3,] 4 0 +# +# , , 2 +# +# [,1] [,2] +# [1,] 5 66 +# [2,] 60 7 +# [3,] 0 847 + +#列表（多维的，不同类型的） + +# R语言有列表的形式 +list1 <- list(time = 1:40) +list1$price = c(rnorm(40,.5*list1$time,4)) # 随机 +list1 + +# You can get items in the list like so +# 你可以这样获得列表的元素 +list1$time +# You can subset list items like vectors +# 你也可以和矢量一样获取他们的子集 +list1$price[4] + +######################### +# apply()函数家族 +######################### + +# 还记得 mat 么？ +mat +# => +# [,1] [,2] +# [1,] 1 4 +# [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 +# 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 +# 还有其他家族函数 ?lapply, ?sapply + +# 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 + +######################### +# 载入数据 +######################### + +# "pets.csv" 是网上的一个文本 +pets <- read.csv("http://learnxinyminutes.com/docs/pets.csv") +pets +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() +# 使用 setwd() 改变工作目录，使用 getwd() 查看当前工作目录 + +# 尝试使用 ?read.csv 和 ?write.csv 来查看更多信息 + +######################### +# 画图 +######################### + +# 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") +# 也可以获取各种各样漂亮的分析图 +plot(linearModel) + +# 直方图 +hist(rpois(n = 10000, lambda = 5), col = "thistle") # 译者注：统计频数直方图 + +# 柱状图 +barplot(c(1,4,5,1,2), names.arg = c("red","blue","purple","green","yellow")) + +# 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 |