R语言——基础知识呕心沥血大汇总

构思

关于R语言，我想分三块来写

• 基础知识汇总。点击这里跳转
• 常见图形汇总。点击这里跳转
• 常见统计分析方法汇总。点击这里跳转

写在前面

因为本人也是第一次学习R语言，难免有不足之处，请多多包涵，本文档会及时同步更新，并且添加一些个人想法。

有问题大家可以直接评论或者联系我。当然，回复的前提条件是你有点赞哦！

其实R并不是重点，更不是终点，R比python、c++、java好多了吧？R又不用考试，只需要你解决问题而已。

重点是，你要有思路 ，你需要知道你遇到了什么问题，带着问题去找解决办法。举个例子：

你要处理Excel，那么你要打开吧，你就可以去百度搜R语言如何打开Excel ，你遇到问题可以去解决啊，方法网上很多的。

正确的解决方式：阿龙，我写入csv文件为啥会乱码啊？（哇哦，阿龙又可以处理一个ERROR啦）

错误的解决方式：阿龙，这个作业我不会，你帮我写一下。。。（没有人叫阿龙，除非你给钱❤️ ）

特别鸣谢：信息学院杨庆勇老师

参考资料：杨庆勇老师PPT

R语言能干嘛？

说到这里，大部分人就说，画图。还会有部分人说，分析数据。

问题来了：你认为R语言是水课嘛？我以前也认为是，也感觉R语言不重要，但是后面发现，他好好玩。

其实就是老师的问题，跟对人，做对事。人跟错了，做对事就很难了。

首先，R语言不止局限于画图哦，当然他画图是很棒的，至少比python棒很多。

其次，R里面有很多的包，还有很多写好的函数让我们去调用，做数据分析乃至机器学习时很方便，以及后面做检验啊，调用模型啊，都很方便。

我觉得吧，R不是关键，关键的是理论知识，尤其是统计分析的知识，R只是工具，问题才是最根本的，计算机界有句名言：

语言只是工具，问题才是最根本的。

基本操作

R中如何安装包和加载包

1、安装包：命令行输入

install.packages("包的名字") # 其实还有使用工具安装的，这个命令可以安装大部分包，其他个别的有问题都可以百度到解决方案 

2、加载包：命令行或者代码里输入

library(包的名字) #不用写引号哦 

查看帮助代码

?solve # 可以直接使用一个"?"来查看帮助文档 example(solve) # 使用example()来查看该函数的使用范例 help(solve) # 查看solve()函数的帮助文档 

其他

help.start() # 查看全部帮助文档，或者进入http://127.0.0.1:27003/doc/html/index.html
??solve  # 查看某一确定的关键字内容文档，使用两个问号"??" 

输出

print不能指定sep，cat可以

print("我爱帅帅龙"); cat("我爱","帅帅龙",sep="love"); 

字符串拼接

可指定sep，返回拼接的字符串，非字符串类型自动转化为字符串

a = paste("我爱","帅帅龙",1,"万年") 

其他常用操作

ctrl+L # 清屏 rm(list=ls()) # 清除内存空间 getwd() # 查看工作目录 setwd() # 设置临时目录 

测试代码

画中国心

library("fun") library("rgl") demo("ChinaHeart2D") demo("ChinaHeart3D") 

词云

library(wordcloud2) wordcloud2(demoFreq) wordcloud2(demoFreqC) 

基础语法

赋值

a = 10;# 我个人喜欢这样，新版本兼容很好，大家不用想太多，直接冲就完事了 b <- 10;# 中规中矩的赋值，表示流向，数据流向变量，也可以写成10 -> b 

创建不规则向量

不用纠结什么是向量，就当作一个容器，类似python的list

a = c("我","爱","帅帅龙") 

创建一定规则的向量

rep就是repeat的意思，就是重复

x <- seq(1, 10, by = 0.5) # 得到1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 7.0 7.5 8.0 8.5 9.0 9.5 10.0 x <- seq(1, 10, length = 21) # 从1到10，得到21个等间距数 x <- rep(2:5, 2) # 得到2 3 4 5 2 3 4 5 x <- rep(2:5, rep(2, 4)) # 得到2 2 3 3 4 4 5 5 

创建连续的数字向量

a = c(1:5) # 可以得到1 2 3 4 5 

运算符

其实从这里开始就没啥好看的了，建议别看这一部分了，等遇到问题再搜一下就好了或者再回头看

数值运算符 + - * / ^ # 乘方 %% # 求余 %/% # 整除 关系运算符 > < == != >= <= 逻辑运算符 && || ! 其他运算符 : # 冒号运算符，用于创建一系列数字的向量。 %in% # 用于判断元素是否在向量里，返回布尔值，有的话返回 TRUE，没有返回 FALSE。 %*% # 用于矩阵与它转置的矩阵相乘。 

数学函数

常见对一些数学函数有：

R 中的 round 函数有些情况下可能会"舍掉五"。当取整位是偶数的时候，五也会被舍去

三角函数

略

生成大写字母小写字母

a = letters[1:4] # letters为生成指定范围个小写字母向量。 b = LETTERS[1:4] # LETTERS为生成指定范围个大写字母向量。 

缺失值转为0

x [!is.na(x)]=0 

常见常量

• 26个大写字母LETTERS
• 26个小写字母letters
• 月份简写month.abb
• 月份名称month.name
• π 值pi

数字与字符串互换

字符串转为数值型

as.integer("12.3") # 字符串转整数，得到12 as.double("11.666") # 字符串转小数，得到11.666 

数值型转为文本

使用paste()

a = paste(1) # 

formatC() 数值作为字符串输出

formatC(1/3, format = "e", digits = 4) # digits表示小数点位数 formatC(1/3, format = "f", digits = 4) 

as.character()

a=as.character(66) 

流程控制

if语句

x <- 50L if(is.integer(x)) { print("X 是一个整数") } else { print("X 不是一个整数") } 

switch不做介绍

while循环

a = 1 while(a<5){ print('hello') } 

for循环

R语言处理for循环特别吃力，嗯，反正就是吃力，至于为啥我也不知道

a = c([1:4]) for(i in a){ print(i) } 

repeat循环

repeat的意思就是重复啊

a = 1 sum = 0 repeat{ if(sum>10){ break # break终止循环，next继续下一次循环，就好像c++或python的continue } sum=sum+a a=a+1 } print(sum) 

常用数据结构

兄弟萌，进入正题啦！！！

向量:c()

唉，到底啥叫向量呢？其实就可以简单的理解为python的列表，但其实R中有list的实现，就叫list，它可以存放不同类型。

特点：

• 只能存放一种元素，如果存在数字和字符串，就会自动转为字符串哦
• 可以试用索引获取元素（索引从1开始）
• 可以使用切片操作截取一个片段，两端都是闭区间、

创建向量

前面的基础语法已经说过了哦

使用append添加值

good_sample_p <- append(good_sample_p,p) 

向量加减乘除运算

有一个好玩的是，向量的循环利用法则，比如a=c(1,2,3)，b=c(4,5)，这时如果让a+b就会有警告信息，但是它不报错。

以a+b为例：其实就是(1+4,2+5,3+4)，现在懂了什么是循环利用了吧

一些常用的函数

• sqrt(x), log(x), exp(x), sin(x), cos(x), tan(x), abs(x)分别表示平方根, 对数, 指数, 三角函数及绝对值.
• sort(x, decreasing=FALSE)返回按x的元素从小到大排序的结果向量.
• order(x)是使得x从小到大排列的元素下标向量
• sort(x)与x[order(x)]是等效的
• numeric(n): 表示长度为n的零向量
• all(log(10 * x) > x):判断一个逻辑向量是否为真值
• any(log(10 * x) > x): 判断是否有真值
• is.na(c(1, 2, NA)): 判断x的每一个元素是否是缺失值

逻辑向量

向量可以取逻辑值,如

y <- c(TRUE, TRUE, FALSE) 

x = c(1, 4, 6.25) y = x > 3 # y的值是 [1] FALSE TRUE TRUE 

两个向量也可比较

x = c(1, 4, 6.25) log(10 * x) [1] 2. 3. 4. log(10 * x) > x [1] TRUE FALSE FALSE 比较运算符：<，<=，>，>=，==(相等)，!=(不等) 逻辑向量可以进行与(&)[表示同时满足]，或(|)[两者之一]运算. 

还可以将逻辑值强制转化为整数值，如：将TRUE变成1，FALSE变成0，

x = c(1, 4, 6.25) c(0, 1)[(x > 3) + 1] # 下面我会对这句话解释一下 [1] 0 1 1 (x>3)+1 [1] 1 2 2 

c(0, 1)[(x > 3) + 1]这行代码，我在这里解释一下

(x > 3)会得到逻辑向量[F ,T ,T]

(x>3)+1会将逻辑值强转为整数值得到[1,2,2]

然后用来做前面向量即c(0,1)的索引，得到[0,1,1]

字符向量

就是向量里是字符（这个解释，，是不是很直白？）

a = c("我爱",'帅帅龙') # 如果同时出现了字符串和数字，数字会转为字符串的哦 

paste函数用来把它的自变量连成字符串，中间用相应的分隔符，前面的字符串拼接有介绍嗷，么么哒

复数向量

用的不多，要不咱们就就就就，，，不介绍了吧，嗯好的

向量索引

兄弟萌！快醒醒，这个很重要的！

R中向量的下标从1开始，这与通常的统计或数学软件不一致，C语言、Python等编程语言的向量下标则从0开始！

不要被python带跑了啊，R的负值索引表示删除第几个元素的

x = c(42, 7, 64, 9) x[2] # 访问第2个元素 x[3] = -1 # 修改第三个数据的值 x[-4] # 删除第四个元素 x[x < 10] # 表示选取x<10的元素 x[c(1, 4)] # 向量索引，是不是很神奇？ 

定义向量时可以给元素加上名字

ages <- c(Li = 23, Zhang = 33, Wang = 45) # ages为 Li Zhang Wang 23 33 45 # 访问时可以用通常的方法，还可以用元素名访问 ages["Zhang"] # 还可以定义向量后，再后加上名字 age1 = c(21, 34, 56) names(age1) = c("Zhang", "Ding", "Liu") 

矩阵:matrix

matrix(data = NA, nrow = 1, ncol = 1, byrow = FALSE, dimnames = NULL)

• data是矩阵的数据，通常为向量
• nrow为行数，ncol为列数
• byrow 为TRUE时，是横着的1，2，3，4，否则变成竖着的1,2,3了

创建矩阵

matrix(1:12,ncol=4,byrow=TRUE) # 得到的数据 [,1] [,2] [,3] [,4] [1,] 1 2 3 4 [2,] 5 6 7 8 [3,] 9 10 11 12 

常用函数

• head(a,10) 查看矩阵前10行
• tail(a,10) 查看矩阵后十行
• cbind(): 进行上下合并
• rbind(): 进行左右合并
• c(A): 显示A的所有向量，是按列拉直的向量
• det(A): 求行列式的值
• solve(A): 求逆
• eigen(A): 特征值和特征向量

B=rbind(c(1,2),c(3,4)) C=cbind(c(11,12),c(13,14)) D=rbind(B,C) E=cbind(B,C) 

矩阵运算

类似于向量的加减乘除

参与运算一般是相同形状的，形状不一致的向量和矩阵也可进行四则运算。规则是矩阵的数据按向量（按列拉直）的对应元素进行运算。

访问矩阵元素和子矩阵

• A[2,3]＃访问是矩阵的（2，3）元素7
• A[i,]＃访问第i行，A[,j] #访问第j列
• A[,c(1,2,3)]前三列
• A[,c(‘name1’,‘name2’)]指定列名

对矩阵的行标和列标重新命名。

rownames(A) <- c("a", "b", "c") colnames(A) <- paste("X", 1:4, sep="") 

apply函数

对矩阵想对某行（列）进行某种计算，可用apply函数：apply(x, margin, fun, …)

x表示矩阵，margin=1表示对每行计算，margin=2表示对每列计算，fun是用来计算的函数。

apply(A, 1, sum) apply(A, 2, mean) 

因子：factor

factor(x, levels = sort(unique(x), na.last = TRUE), labels, exclude = NA, ordered = FALSE)

用来把一个向量编码为一个因子

创建因子

sex = c("M","F","M","M","F") sexf = factor(sex);sexf 

常用函数

• is.factor()检验对象是否是因子
• as.factor()把向量转化为因子
• levels(x)可以得到因子的水平
• table(x)统计各类数据的频数

tapply()函数

tapply(x, INDEX, FUN=NULL,…,simplify=TRUE)

• x是一对象，通常为一向量
• INDEX是与X有同样长度的因子
• FUN是要计算的函数

知道5位学生的性别，还知道这5位学生的身高，分组求身高的平均值

sex = c("M","F","M","M","F") height = c(174, 165, 180, 171, 160) tapply(height, sex, mean) 

gl()函数

gl(n, k, length = n*k, labels = seq_len(n), ordered = FALSE)

gl()可以用来方便地产生因子

• n为水平数
• k为重复的次数
• length为结果的长度
• labels为n维向量，表示因子水平
• ordered是逻辑变量，表示是否为有序因子，缺省值FALSE

列表：list

创建列表

rec <- list(name="黎明", age=30, scores=c(85,76,90));rec # 得到的数据 $name [1] "黎明" $age [1] 30 $scores [1] 85 76 90 

列表的引用与修改

列表元素可用"列表名[[下标]]" 引用，列表不同于向量，每次只能引用一个元素，如rec[[1:2]]是不允许的

rec <- list(name="黎明", age=30, scores=c(85,76,90));rec rec[[2]] # 得到30 rec[[3]][2] # 得到第三个元素的第二个元素，即76 # 若指定了元素的名字，则引用列表元素还可以用它的名字作为下标, rec$age rec[["age"]] rec[[2]]=11 # 把30修改为11 

注意："列表名[下标]"或"列表名[下标范围]"的用法是允许的，但与前面的含义不同，它还是一个列表

数据框:data.frame

重重重点

数据框通常是矩阵形式的数据，但矩阵各列可以是不同类型。数据框每列是一个变量，每行是一个观测。

这个和python的pandas里面的DataFrame是类似的哦。

生成数据框

d = data.frame(name=c('黎明','周杰伦','刘德华'),age=c(30,35,28),height=c(180,175,173)) # d的值 name age height 1 黎明 30 180 2 周杰伦 35 175 3 刘德华 28 173 

as.data.frame(list)可以将列表转为data.frame()，因为列表不是可以指定名称嘛

数据框的引用

d = data.frame(name=c('黎明','周杰伦','刘德华'),age=c(30,35,28),height=c(180,175,173)) d[1:2, 2:3] # 得到前两行，2,3列的数据 d[["age"]] # 获取age这一列的数据 # 等价于 d$height # 获取height这一列的数据 rownames(d) = c("one", "two", "three") # 各行也可以定义名字，指定index 

修改值

d$name[1] = "我爱你" #将name的第一个值修改为我爱你 常用 d[1,2] = "女" #将第1行第2列的值修改为“女” 常用 d[[1]][2] = "我爱你" #将第一列第二个值改为“我爱你” 

添加删除行列

d = df1[-2,] #删除第2行数据 d = df1[,-3] #删除第3列的数据 d = df1[-c(1,3),] #删除第1行和第3行的数据 d$r = age/weight # 添加列r 

attach()函数

R提供了函数attach()可以把变量调入内存。就是像咱们的d$height或d[[“age”]]，就不用这样写了，直接写age就好了，是不是很爽。

d = data.frame(name=c('黎明','周杰伦','刘德华'),age=c(30,35,28),height=c(180,175,173)) attach(d) r <- age/height # /对r进行修改不会影响d的数据 # r的值 [1] 0. 0. 0. detach(d) ＃取消连接 

merge()

把多个数据框合并成一个数据框

merge(data1, data2, by='ID') 

异常处理tryCatch()

就像大多数编程语言一样，这里就不多说了，需要了解的是还有个东西叫withCallingHandlers()

withCallingHandlers() 是tryCatch()的变体，只是运行的上下文条件不同，它使用的情况很少，但是非常有用。

数据的读取与保存

读取txt：read.table()

read.table(“filename.txt”)

读取xlsx：read.xlsx()

要先先安装xlsx包，然后导入xlsx包

data <- read.xlsx(“filename.xlsx”,n)

保存csv：write.csv()

write.csv(data,file = “文件名”)

保存 xlsx：write.xlsx()

write.xlsx(data, “data.xlsx”,sheet.name=“sheet1”)

保存R中为图片、pdf文件

以png为例

png(file="myplot.png", bg="transparent") #文件不指定地址，默认放在getwd()里了 # 这里写你的画图程序# dev.off() # 记得off # 下面是一个实例 png(file="myplot.png") plot(1:10) rect(1, 5, 3, 7) dev.off() 

保存为jpeg、pdf就把png换一下就好了

R的一些常用函数

兄弟萌，做好准备，先把这几个记住，咱们要准备开始画图和分析统计了

名词解释

平均值、中位数、众数

不是吧不是吧，不会真的有人不知道这三个词代表啥意思吧。。。

方差

方差（样本方差）是每个样本值与全体样本值的平均数之差的平方值的平均数

标准差

我们默认使用总体标准差，就是方差开平方

正态分布

正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。

若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，记为N(μ，σ^2)。（期望就是Σxn*pn，xn表示频数，pn表示概率）

关于正态分布的意义，大家可以点击这里参考

mean：获取均值

a=c(1:6) mean(a) 

median：获取中位数

a=c(1:6) median(a) 

获取众数

R语言中没有专门的函数获取众数，因此要手写

# 创建函数 getmode = function(v) { uniqv = unique(v) # unique主要是返回一个把重复元素或行给删除的向量、数据框或数组 uniqv[which.max(tabulate(match(v, uniqv)))] } # 创建向量 v = c(2,1,2,3,1,2,3,4,1,5,5,3,2,3) # 调用函数 result = getmode(v) print(result) 

quantile()：百分位数，默认为5个

a=c(1:6) quantile(a) # 得到的结果 > quantile(a) 0% 25% 50% 75% 100% 1.00 2.25 3.50 4.75 6.00 

summary()：描述统计量

summary()：获取描述性统计量，可以提供最小值、最大值、四分位数和数值型变量的均值，以及因子向量和逻辑型向量的频数统计等。

结果解读如下：

a=c(1:6) summary(a) # 得到的结果 > summary(a) Min. 1st Qu. Median Mean 3rd Qu. Max. 1.00 2.25 3.50 3.50 4.75 6.00 

var()：计算方差

a = c(1:5) var(a) 

sd()：标准差

a = c(1:5) sd(a) 

变异系数

方差除以平均值

当需要比较两组数据离散程度大小的时候，如果两组数据的测量尺度相差太大，或者数据量纲的不同，直接使用标准差来进行比较不合适，可以使用变异系数

sort、order：排序、指定排序规则

x = c(1,7,5,4,4,6,9) x = sort(x,decreasing=FALSE) # 返回升序排列结果，当decreasing为TRUE时为降序排列 # 或者 x_order = order(x,decreasing=FALSE) # 返回升序后的下标, decreasing为TRUE时为降序排列 x = x[x_order] 

要对一个矩阵x进行排序，先根据第一列升序排列，然后根据第二列升序排序，可以用下面的语句实现：

x[order(x[,1],x[,2]),]

注：降序的话加上decreasing参数即可。

处理缺失值

对于NA值来说，有些计算会保存，我们需要忽略NA，加上下面的参数即可：na.rm=TRUE，例如

mean(height,na.rm=TRUE) [1] 5.855 

cor()：计算两个变量之间的相关系数（可略）

cor(height,log(height)) 

cov()：两个变量之间的协方差（可略）

cov(height,log(height)) 

shapiro.test()：判断数据是否满足正态分布

一般情况下，当返回的p-value大于0.05时表示满足。

当然有特殊情况，哈哈，因为大多数科研情况下0.05不严谨，可能会指定为0.01，题目没指定alpha就默认为0.05就可以了哦