1、1,语言初步,张金龙 June 3, 2010, 数据处理、绘图与编程,2,报告内容,一 R简介二 函数与对象三 脚本编程四 R绘图五 编写函数六 数据保存,3,一 R 简介,4,什么是R?,图1 R首页的图形R是一种统计绘图语言，也指实现该语言的软件。,The R Project for Statistical Computing,5,简 史,R语言是从S统计绘图语言演变而来，可看作S的“方言”。 S语言上世纪70年代诞生于贝尔实验室，由Rick Becker, John Chambers, Allan Wilks开发。 基于S语言开发的商业软件Splus，可以方便的编写函数、建立模型，具有
2、良好的扩展性，在国外学术界应用很广。 1995年由新西兰Auckland大学统计系的Robert Gentleman和Ross Ihaka，基于S语言的源代码，编写了一能执行S语言的软件，并将该软件的源代码全部公开，这就是R软件，其命令统称为R语言。,6,R的特点,多领域的统计资源 目前在R网站上约有2400个程序包，涵盖了基础统计学、社会学、经济学、生态学、空间分析、系统发育分析、生物信息学等诸多方面。跨平台 R可在多种操作系统下运行，如Windows、MacOS、多种Linux和UNIX等。命令行驱动 R即时解释，输入命令，即可获得相应的结果。,7,为什么选择R？,丰富的资源 涵盖了多种行
3、业数据分析中几乎所有的方法。良好的扩展性 十分方便得编写函数和程序包，跨平台，可以胜任复杂的数据分析、绘制精美的图形。完备的帮助系统 每个函数都有统一格式的帮助，运行实例。GNU软件 免费、软件本身及程序包的源代码公开。,8,R与其他统计软件比较,SAS: 速度快，有大量统计分析模块，可扩展性稍差，昂贵。SPSS: 复杂的用户图形界面，简单易学，但编程十分困难。Splus: 运行S语言，具有复杂的界面，与R完全兼容，昂贵。 ,9,R的缺点,用户需要对命令熟悉 与代码打交道，需要记住常用命令。占用内存 所有的数据处理在内存中进行，不适于处理超大规模的数据。运行速度稍慢 即时编译，约相当于C语言的
4、1/20。相比点击鼠标进行操作，R仍能够大大提高效率。,10,图2 R软件首页 http:/www.r-project.org/,11,CRAN,The Comprehensive R Archive Network简称CRAN，由世界几十个镜像网站组成网络，提供下载安装程序和相应软件包。各镜像更新频率一般为1-2天推荐镜像：中国的镜像:数学所http:/ftp.ctex.org/mirrors/CRAN/即时更新的CRAN源http:/cran.r-project.org/,12,Windows下载和安装R,CRAN: BinariesWindowsbase 下载完成后，双击R-2.11.0
5、-win32.exe 开始安装。一直点击下一步，各选项默认，语言建议选英文。,图3 R2.11.0下载页面,13,图 4 R登陆界面(Windows版)路径： 开始所有程序R 2.11.0,菜单栏,快捷按钮,控制台,光标:等待输入,14,图 5 R Gui 的File菜单,15,图 6 R Gui 的Edit菜单,16,图 7 R Gui 的Packages菜单,17,图 8 R Gui 的Help菜单,18,R程序包（R Packages）,程序包是什么？ R程序包是多个函数的集合，具有详细的说明和示例。 Window下的R程序包是经过编译的zip包。每个程序包包含R函数、数据、帮助文件、描
6、述文件等。为什么要安装程序包？ R程序包是R功能扩展，特定的分析功能，需要用相应的程序包实现。 例如：系统发育分析，常用到ape程序包，群落生态学vegan包等。,19,常用R程序包(I),20,常用R程序包(II),21,常用R程序包(III),22,图 9 CRAN Task Views： 对程序包的分类介绍,CRAN Task Views,23,图 10 vegan包页面,三种平台上的程序包,24,R程序包,在CRAN 提供了每个包的源代码和编译好的程序包以vegan包为例，CRAN提供了：Package source: vegan_1.17-2.tar.gz MacOS X binar
7、y: vegan_1.17-2.tgz Windows binary: vegan_1.17-2.zip Reference manual: vegan.pdf Window下程序包为zip文件，安装时不要解压缩。,25,安装程序包的方法,1 用函数 install.packages()，如果已经连接到互联网，在括号中输入要安装的程序包名称，选择镜像后，程序将自动下载并安装程序包。例如： 要安装picante包,在控制台中输入 install.packages(picante)2 安装本地zip包路径：Packagesinstall packages from local files选择本地磁
8、盘上存储zip包的文件夹。,26,程序包使用,程序包的中函数，都要先导入，再使用，因此导入程序包是第一步。在控制台中输入如下命令：library(vegan)library(ade4)程序包内的函数的用法与R内置的基本函数用法一样。library(vegan)This is vegan 1.17-2,27,查看程序包帮助文件,vegan 程序包内部都有哪些函数？分别有什么功能？查询程序包内容最常用的方法：1 菜单 帮助Html帮助2 查看pdf帮助文档,28,查看函数的帮助文件,函数的默认值是什么？ 怎么使用？ 使用时需要注意什么问题？ 需要查询函数的帮助。1 ?t.test 2 RGuiHe
9、lpHtml help3 apropos(t.test)4 help(t.test)5 help.search(t.test)6 查看R包pdf手册,29,图 11 R帮助文件的内容与格式,30,帮助文件的内容,lmstats #函数名及所在包 Fitting Linear Models #标题Description #函数描述Usage #默认选项Arguments #参数Details #详情Author(s) #作者References #参考文献Examples #举例,31,练习一 安装R并导入程序包,1. 安装R软件、熟悉菜单2. 安装程序包3. 调用程序包，查看程序包的帮助lib
10、rary(vegan)library(ape)查找ape包中plot.phylo函数的帮助输入 ?plot.phylo将其中的Example粘贴到控制台中，查看运行的结果。,32,R图形界面：R commander,R commander是R的图形界面之一，是John Fox教授编写的，适用于不希望R编程的用户。随着用户的操作，其窗口还可以显示出相应操作的R程序，对于初学者可能会有帮助。安装R commanderinstall.packages(Rcmdr)R将自动下载并安装Rcmdr所需的所有程序包,33,图形界面之一：R Commander,图 12 R commander 界面 libr
11、ary(Rcmdr),界面操作代码,结果输出,34,为什么要学习编程?,界面操作直观易学，但也存在一些不足： (1)操作的过程难以保存，数据处理不够灵活，在进行步骤繁多的数据处理工作时十分费时费力； (2)在建立模型或自己编写函数时也会遇到困难。 而这些困难可以通过编程解决。 要学习R编程，首先要了解R的函数、对象及其操作。,35,二 函数与对象,36,R的函数,R是一种解释性语言，输入后可直接给出结果。功能靠函数实现。函数形式: 函数(输入数据，参数= )如果没有指定，则参数的以默认值为准。例如:平均值 mean(x, trim = 0, na.rm = FALSE, .) 线性模型 lm(
12、yx, data=test),37,R的函数,每一个函数执行特定的功能，后面紧跟括号，例如：平均值 mean()求和 sum()绘图 plot()排序 sort() 除了基本的运算之外，R的函数又分为”高级”和”低级”函数，高级函数可调用低级函数,这里的”高级”函数习惯上称为泛型函数。 如plot()就是泛型函数，可以根据数据的类型，调用底层的函数，应用相应的方法绘制相应的图形。这就是面向对象编程的思想。,38,R有哪些函数?,查询的方法：HelpHtml helppackageslog() log10() exp() sin()cos() tan() asin()acos(),binom.t
13、est()fisher.test()chisq.test()glm(y x1+x2+x3, binomial)friedman.test()mean()sd()var().,39,图13 箱线图修饰前后(左：默认值，右：修改属性后) 函数的调用方法, 函数名() 如 plot(), lm(),并将对象放入括号中。,R函数调用及其选项,40,R函数调用及其选项,箱线图绘制函数的调用boxplot(daytype, data=bac, col=red, xlab=Virus, ylab=days)daytype，以type为横轴，day为纵轴绘制箱线图。data=bac 数据来源baccol=“r
14、ed” 箱线图为红色xlab=“Virus” 横轴名称为Virusylab=“days” 纵轴名称为days,41,练习二：查询函数帮助,查看boxplot的帮助文件?boxplot查看最后的examples 将帮助文件中的内容粘贴到控制台中，运行并观看运行结果。boxplot(count spray, data = InsectSprays, col = lightgray)参数更改boxplot(count spray, data = InsectSprays, col = red, xlab=spray, ylab=counts),42,赋值与注释,在控制台中键入如下命令2 + 2a 代
15、替b - 2c - a+bc#注释,赋值符号,43,如何为对象起名？,R处理的所有数据、变量、函数和结果都以对象的形式保存。1. 区分大小写,注意China和china的不同。2. 不能用数字作为变量，对象也不能用数字开头，但是数字可以放在中间或结尾，如2result与result2，后者是合法的。3. 建议不要用过短的名称。可以用”.”作为间隔，例如 anova.result1。4. 不要使用保留名：NA, NaN, pi, LETTERS, letters, month.abb, month.name,44,元素的类型,对象是由各元素组成的。每个元素，都有自己的数据类型数值型 Numeri
16、c 如 100, 0, -4.335字符型 Character 如 “China”逻辑型 Logical 如TRUE, FALSE因子型 Factor 表示不同类别复数型 Complex 如：2 + 3i,45,对象的类(class),向量(vector) 一系列元素的组合。如 c(1,2,3); c(a,a,b,b,c)因子(factor) 因子是一个分类变量c(a,a,b,b,c)矩阵(matrix) 二维的数据表，是数组的一个特例x - 1:12 ; dim(x) = 3) 数据框(dataframe) 是由一个或几个向量和（或）因子构成，它们必须是等长的，但可以是不同的数据类型。列表(
17、list) 列表可以包含任何类型的对象。 可以包含向量、矩阵、高维数组，也可以包含列表,47,运算符,数学运算 运算后给出数值结果+, -, *, /, (幂)比较运算 运算后给出判别结果(TRUE FALSE), =, =, !=逻辑运算 与、或、非!, &, &, |, |,48,数据表的行与列,行名Row names字符串,列名 Column names,每列可看做带名称的向量,表1 数据表、数据框与向量,字符串、因子,每行作为一个Entry,49,数据框的组成,每个数据表可以看作一个数据框(dataframe)。每一列(column)作为一个向量(vector)。由很多不同类型的向量组
18、成，如字符型，因子型，数值型。每一行(row)作为一个记录(entry)如何生成数据框？两种办法：(1)从外部数据读取(2)各类型因子组合成数据框,50,外部数据读取,最为常用的数据读取方式是用read.table() 函数或read.csv()函数读取外部txt或csv格式的文件。 txt文件，制表符间隔 csv文件，逗号间隔 一些R程序包（如foreign）也提供了直接读取Excel, SAS, dbf, Matlab, spss, systat, Minitab文件的函数。,51,read.csv()的使用,例：test.data-read.csv(D:/R/test2.csv,head
19、er=T)header=T表示将数据的第一行作为标题。read.table(file=file.choose(),header=T) 可以弹出对话框，选择文件。,52,例：从数据输入到t检验,表2 六名患者的身高和体重,现有6名患者的身高和体重，检验体重除以身高的平方是否等于22.5。,53,第一种方式：从控制台输入数据,数据量较少时可以从控制台直接输入： height-c(1.75, 1.80, 1.65, 1.90, 1.74, 1.91) weight-c(60, 72, 57, 90, 95, 72) sq.height-height2 ratio-weight/sq.height t
20、.test(ratio, mu=22.5),54,第二种方式 从外部读取数据,数据量较大时用read.table函数从外部txt文件读取第1步 将Excel中的数据另存为.txt格式（制表符间隔）或.csv格式。第2步 用read.table()或read.csv()函数将数据读入R工作空间，并赋值给一个对象。,55,图14 在Excel中将数据存为txt文件,56,例：t检验(续),一般从txt文档读取数据。每一行作为一个观测值。每一行的变量用制表符，空格或逗号间隔开。read.table(”位置”, header=T)read.csv(”位置”,header=T)#从外部读取数据data1
21、-read.table(d:/t.test.data.txt,header=T)bmi- data1$weight/data1$height2t.test(bmi, mu=22.5) #t检验,57,练习三：数据读取和t检验,将表2中的数据录入Excel中，另存为t.test.txt文件。用read.table函数读取该文件。t.test.data - read.table(“X:/t.test.txt”, header=TRUE)对变量t.test.data中的attach(t.test.data)ratio-weight/height2t.test(ratio),58,例：单因素方差分析,
22、将三种不同菌型的伤寒病毒a,b,c分别接种于10，9，和11只小白鼠上，观察其存活天数，问三种菌型下小白鼠的平均存活天数是否有显著差异。 a菌株：2, 4, 3, 2, 4, 7, 7, 2, 5, 4 b菌株：5, 6, 8, 5, 10, 7, 12, 6, 6 c菌株：7,11,6, 6, 7, 9, 5, 10, 6, 3, 10,59,准备数据表,图15 数据表的准备day和type 各为一列,60,例：方差分析(续),#数据读取，将test1.txt中的内容保存到bac中， header=T表示保留标题行。bac-read.table(d:/anova.data.txt,heade
23、r=T) #将ba数据框中的type转换为因子(factor)bac$type-as.factor(bac$type) ba.an-aov(lm(daytype, data=bac) summary(ba.an) boxplot(daytype,data=bac,col=red),61,图16 三种菌型对小白鼠影响的箱线图,62,练习四：方差分析和箱线图绘制,1 在excel中准备数据表2 用R读取数据表3 输入如下命令进行方差分析、绘制箱线图boxplot(daytype,data=bac,col=red) ba.an30的行，提取其中的某一列，进行分析等。,64,向量的创建,四种类型的向量
24、字符型character-c(China, Korea, Japan, UK, USA, France, India, Russia) 数值型numeric-c(1, 3, 6, 7, 3, 8, 6, 4)逻辑型logical-c(T, F, T, F, T, F, F, T)复数型 略,65,向量的创建,生成向量的函数 c(),rep(),seq(),”:”c(2,5,6,9) rep(2,times=4) seq(from=3, to=21, by=3 ) 1 3 6 9 12 15 18 21“:” 1:15 1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15通
25、过与向量的组合，产生更为复杂的向量。rep(1:2,c(10,15),66,向量创建产生随机数,runif(10, min = 0, max= 1) rnorm(10, mean = 0, sd = 1)几个随机数的相关函数概率密度 dunif(x, min=0, max=1, log = FALSE) 累积函数 punif(q, min=0, max=1, )分位数 qunif(p, min=0, max=1, ) 随机均匀分布 runif(n, min=0, max=1),67,矩阵的创建,生成矩阵的函数 dim()和matrix()dim() 定义矩阵的行列数，例如： x - 1:12
26、dim(x) - c(3,4) ,1 ,2 ,3 ,4 1, 1 4 7 10 2, 2 5 8 11 3, 3 6 9 12 matrix.x - matrix(1:12,nrow=3,byrow=T)t(x)#转置 为行或列添加名称：row.names() col.names(),68,数据框的创建,创建数据框的函数:data.frame(), as.data.frame(), cbind(), rbind()cbind() # 按列组合成数据框rbind() # 按行组合成数据框data.frame() #生成数据框head() #默认访问数据的前6行,69,列表的创建,列表可以是不同类
27、型甚至不同长度的向量(数值型，逻辑型，字符型等等)、数据框甚至是列表的组合。list()例如list(character,numeric,logical,matrix.x),70,类的判断,对象类型判断mode() 判断存储的类型class() 判断数据的类根据数据的类，采用相应的处理方法。以下函数，主要用在函数处理异常时使用，目的是增强程序的稳健性。is.numeric() #返回值为TRUE或FALSEis.logical() #是否为逻辑值is.charactor() #是否为字符串is.null() #是否为空is.na() #是否为na,71,类的转换,as.numeric() #转
28、换为数值型as.logical() #转换为逻辑型as.charactor() #转换为字符串as.matrix() #转换为矩阵as.data.frame() #转换为数据框as.factor() #转换为因子,72,向量内的元素引用,# Dalgaard书中的例子intake.pre - c(5260, 5470, 5640, 6180, 6390, 6515, 6805, 7515, 7515, 8230, 8770)intake.post - c(3910, 4220, 3885, 5160, 5645, 4680, 5265, 5975, 6790, 6900, 7335)intak
29、e.pre5; #引用第5个元素intake.prec(3,5,7) #引用第3，5，7个元素v - c(3,5,7); intake.prev; intake.pre1:5; #引用第1到5个元素intake.pre-c(3,5,7) #去除第3，5，7元素,73,数据框内元素的引用,intake 70001 FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE TRUE TRUEintake.preintake.pre 7000intake.pre 7000 & intake.pre 7000 & intake.pre = 8000,77,
30、练习五：下标和条件筛选,创建一个2到50的向量 vector12, 4, 6, 8, ., 48, 50vector140,78,排 序,将向量中的元素按照一定顺序排列。 sort() 按数值大小排序举例： intake$intake.pre sort(intake$intake.pre) order() 默认给出从小到大的出现序号。 order(intake$post) o - intakeorder(intake$intake.pre),79,工作空间image,R的所有对象都在计算机内存的工作空间中。ls() 列出工作空间中的对象rm() 删除工作空间中的对象rm(list=ls() 删
31、除空间中所有对象save.image() 保存工作镜像sink() 将运行结果保存到指定文件中getwd() 显示当前工作文件夹setwd() 设定工作文件夹可将结果保存在image中，形式为.Rdata文件，里面保存了R当前工作空间中的各种对象，包括函数。,80,输入历史 history,输入的命令，在R中作为历史history保存，可输入函数history() # 查看输入历史history(Inf) # 查看打开R之后所有的输入可用向上或向下的箭头切换输入的行。,81,练习六：了解工作路径,1 查看当前R工作的空间目录getwd()2 将R工作的路径设置为 d:/data/setwd(d
32、:/data)save.image(example.Rdata)load(example.Rdata)3 历史 history(Inf),82,三 脚本编程Scripting,83,脚本语言,脚本语言 脚本语言(scripting language)又称动态语言，是依靠解释器完成相应的功能的一类计算机语言，通常以ASCII码的文本格式保存源程序。特点 脚本语言语法和结构通常比较简单，不需要编译，通过解释器对脚本进行解释，从而给出结果，能用简单的代码完成复杂的功能，但是速度较慢。常见的脚本语言 Windows批处理程序, PHP, Perl, Python, Ruby, JavaScript等。
33、,84,集成开发环境,很多计算机语言都有IDE (integrated development environment)，即集成开发环境,如 Windows的VisualStudio, Visual Basic等等。 但是R通常无需集成开发环境，脚本在一般的文本编辑器里即可编辑。 如 Windows自带的记事本,Notepad+, UltraEdit，TinnR。 Linux下的Vi, Vim, Emacs等等。 在代码较多的情况下，常需要对行数、函数、括号、函数选项等进行高亮显示，设置成不同的颜色，以减少错误的发生。,85,编辑器,R自带的脚本编辑器 Editplus （ ） TinnR (
34、http:/www.sciviews.org/Tinn-R/ ) Ultraedit （ ） Emacs （www.gnu.org/software/emacs/ ） Notepad+ 与NpptoR组合（http:/notepad- ） 记事本或写字板 等等,86,图17 TinnR对R脚本的高亮显示,87,图18 NotePad+对R脚本的高亮显示,88,例-线性回归,对一批涂料进行研究，确定搅拌速度对杂质含量的影响，数据如下，试进行回归分析,表3 搅拌速度对涂料中杂质的影响,89,脚本举例,#将以下代码粘贴到编辑器中，另存为regression.r文件。rate-c(20, 22, 24
35、, 26, 28, 30, 32, 34, 36, 38, 40, 42)impurity -c(8.4, 9.5, 11.8, 10.4, 13.3, 14.8, 13.2, 14.7, 16.4, 16.5, 18.9, 18.5)plot(impurityrate)regFileOpen Script #Ctrl+R运行3 直接粘贴到R控制台ctrl+c, ctrl+v第三种最为简单直接,91,练习十:R脚本运行,将R命令粘贴到记事本中，另存为regression.R文件。分别通过三种方式运行R脚本。,92,四 R绘图,93,图19 R绘制的图形,94,绘制地图,图20 左图 maps包
36、 map()右图 PBSmapping包 addBubbles(),95,绘制地图,图21 fields 包实例 spdep 包实例,96,空间分析绘图,图22 gstat程序包实例,97,R绘图功能,R具备卓越的绘图功能，通过参数设置对图形进行精确控制。绘制的图形能满足出版印刷的要求，可以输出Jpg、tiff、eps、emf、pdf、png等各种格式。 通过与GhostScript软件的结合，可以生成600dpi，1200dpi的等各种分辨率和尺寸的图形。 绘图是通过绘图函数结合相应的选项完成的。 绘图函数包括高级绘图函数和低级绘图函数。,98,高级绘图函数,99,图23 散点图与箱线图,1
37、00,低级绘图函数,101,绘图参数,参数用在函数内部，在没有设定值时使用默认值。font = 字体,lty = 线类型,lwd = 线宽度,pch = 点的类型,xlab = 横坐标,ylab = 纵坐标,xlim = 横坐标范围,ylim = 纵坐标范围,也可以对整个要绘制图形的各种参数进行设定参见 par(),102,举例：绘图,生成0到2之间的50个随机数，分别命名为x,yx - runif(50,0,2)y - runif(50,0,2)绘图：将主标题命名为“散点图”， 横轴命名为”横坐标”， 纵轴命名为“纵坐标”plot(x, y, main=散点图, xlab=横坐标, ylab
38、=纵坐标)text(0.6,0.6,text at (0.6,0.6)abline(h=.6,v=.6),103,图24 绘图举例,104,例：分步绘图,1.打开绘图窗口，不绘制任何对象plot(x, y, type=n, xlab=, ylab=, axes=F)2.添加坐标点 points(x,y) 3.添加坐标轴axis(1); axis(at=seq(0.2,1.8,0.2), side=2)4.补齐散点图的边框 box() 5.添加标题、副标题、横轴说明、纵轴说明title(main=Main title, sub=subtitle, xlab=x-label, ylab=y-lab
39、el),105,图25 分步绘图,106,一页多图,图26 一页多图par()par(mfrow=c(2,2).,107,在原有图形上添加元素,举例：x - rnorm(100) # 生成随机数hist(x,freq=F) # 绘制直方图curve(dnorm(x),add=T) # 添加曲线h - hist(x, plot=F) # 绘制直方图ylim - range(0, h$density, dnorm(0) #设定纵轴的取值范围hist(x, freq=F, ylim=ylim) #绘制直方图curve(dnorm(x),add=T,col=red) #添加曲线,108,图27 在原有
40、直方图上添加曲线,109,练习八：绘图练习,练习1 将Rplots.r中的代码拷贝到R控制台中，查看R绘制的图形。练习2 对例进行回归分析，并绘制散点图，并为散点图添加回归直线。plot(impurityrate)reg-lm(impurityrate)abline(reg,col=red)summary(reg),110,五 编写函数,111,编程基础,R可以灵活的编写程序，用户自己编写的程序可以直接调用。编程时无需声明变量的类型，这与C,C+等语言不同。基本格式 函数名 - function(数据,参数1= 默认值,) 异常处理; 表达式(循环/判别); return(返回值); 函数内部
41、也可用#添加注释,112,函数实例,图28 函数实例 data2mat(),113,程序流程控制 if,if(条件) 表达式 if(条件) 表达式1 else 表达式2 举例p = 0.03 if(p 0.05!),114,循环 for, while,for(变量 in 向量) 表达式用法： for(i in 1:10) print(i)while(条件) 表达式 用法:i - 1while(i10) print(i); i - i + 1,115,返回值,返回值表示函数输出的结果。返回值必须是一个对象。R默认将最后一行作为返回值。如果函数的结果需要有多个返回值，可以创建一个list()，并返回该对象。也可以用return()函数，设定返回值。但是一个函数的返回的对象只有一个。,116,异常处理,如数据输入不能满足要求，或者参数设定错误等等，可能造成函数给出错误的结果，则需要对函数的运行过程发出警告或终止，以提高程序的稳健性。警告的写法if(any(is.na(inputdata)inputdata - na.omit(inputdata)cat(“NAs are found in the input data, and has been removed.n)终止的写法 if(any(is.na(xx) stop(NAs are not allowed!n),
