# R 语言基础 1：界面介绍与语法结构 [R 语言笔记 1 界面介绍与语法结构](https://blog.huaxiangshan.com/zh-cn/posts/r1/) [R 语言笔记 2 数据清洗、绘图与计量](https://blog.huaxiangshan.com/zh-cn/posts/r2/) 记录下 R 语言学习过程。个人感觉作为**只跑回归**的经济学学习者， Stata 完全够用了[^2]，不足的部分一般都用 Python 的轮子，即便是算 DSGE 用的也是 Matlab 的 Dynare 插件。对于计量经济学来说 R 语言回归表格样式和导出都不太友好，比较劝退。 虽然目前对我没啥用，但学习原因有三： - 支持开源[^1]，所以想浅浅学习下 R 语言； - 个人目前在用 Rstudio 写博客文件； - 看了下快手、字节、腾讯、百度等大厂的分析师类型实习招聘，一般都是要求用 R 语言处理 SQL 数据库。 ## 教程推荐 ### 个人推荐 - 论坛：[统计之都](https://cosx.org/) - 在线即可运行 R 语言代码：[菜鸟编程](https://www.runoob.com/r/r-tutorial.html) - 国外版本的菜鸟编程：[w3schools](https://www.w3schools.com/r/r_lists.asp) - 推荐[博客网站](https://tecdat.cn/) - 强烈推荐：《[统计软件](https://www.math.pku.edu.cn/teachers/lidf/docs/Rbook/html/_Rbook/index.html) R》 [李东风老师](https://www.stat-center.pku.edu.cn/zxry/zxjy/ldf/1227393.htm)写的电子讲义 - 强烈推荐：《[数据科学中的 R 语言](https://bookdown.org/wangminjie/R4DS/index.html)》王敏杰老师写的电子讲义 - 强烈推荐：《[Introduction to Econometrics with R](https://www.econometrics-with-r.org/index.html)》教材互动感极强！ - 由于 R 语言可以生成网站，国内外很多老师都把自己的课写成了在线电子讲义。 > > 写博客是积累，写讲义是用心，这样的老师越来越多，中国以后也会越来越好吧。 > > 可以参见 R 语言电子图书大集合 [bookdown](https://bookdown.org/) > > 大部分老师的电子讲义都会推荐的[一本](https://r4ds.had.co.nz/) - R 语言项目： mounment 的 [github仓库](https://github.com/Mounment/R-Project?tab=readme-ov-file) - 国内教程[^3]推荐： 个人喜欢快速入门且关键处足够细致的教程，本文笔记也主要来源于该视频： > 看完视频语法介绍之后建议直接开看电子讲义了。 > > 后面视频讲复杂了，没必要。 {{< bilibili BV1fh411H7vi>}} ### 电子讲义教材 表格出处：[【精心整理】2022年各专业领域全网最新最顶级的R语言新书](https://zhuanlan.zhihu.com/p/530525295) | 专业领域 | TOP-R 书籍或资源 | 作者 | 书籍地址 | | :----- | ----------------------------------------------------------------------------------------------- | ---------------------------------------------------------------------- | ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | R 编程 | R 语言编程：基于 tidyverse | 张敬信 | [https://zhuanlan.zhihu.com/p/467134727](https://zhuanlan.zhihu.com/p/467134727) | | R 编程 | R 语言教程 | 李东风 | [https://www.math.pku.edu.cn/teachers/lidf/docs/Rbook/html/\_Rbook/index.html](https://www.math.pku.edu.cn/teachers/lidf/docs/Rbook/html/_Rbook/index.html) | | R 编程 | Advanced R | Hadley | [https://adv-r.hadley.nz/](https://adv-r.hadley.nz/) | | R 编程 | Efficient R programming | Colin Gillespie, Robin Lovelace | [https://csgillespie.github.io/efficientR/](https://csgillespie.github.io/efficientR/) | | R 可视化 | ggplot 2: Elegant Graphics for Data Analysis | Hadley | [https://ggplot2-book.org/](https://ggplot2-book.org/) | | R 可视化 | Interactive web-based data visualization with R, plotly, and shiny | Carson Sievert | [https://plotly-r.com/](https://plotly-r.com/) | | R 可视化 | 现代统计图形 | 赵鹏，谢益辉，黄湘云 | [https://bookdown.org/xiangyun/msg/](https://bookdown.org/xiangyun/msg/) | | R 可视化 | rstudio:: conf 2020 data visualization workshop | Kieran Healy | [https://github.com/rstudio-conf\-2020/dataviz](https://github.com/rstudio-conf-2020/dataviz) | | R 可视化 | R Graphics Cookbook, 2 nd edition | Winston Chang | [https://r-graphics.org/](https://r-graphics.org/) | | R 可视化 | R 语言数据可视化之美 | 张杰 | [https://gitee.com/easyshu/Beautiful-Visualization-with-R](https://gitee.com/easyshu/Beautiful-Visualization-with-R) | | 文档沟通 | R Markdown Cookbook | 谢益辉 | [https://bookdown.org/yihui/rmarkdown-cookbook/](https://bookdown.org/yihui/rmarkdown-cookbook/) | | 文档沟通 | R Markdown: The Definitive Guide | 谢益辉 | [https://bookdown.org/yihui/rmarkdown/](https://bookdown.org/yihui/rmarkdown/) | | 文档沟通 | bookdown: Authoring Books and Technical Documents with R Markdown | 谢益辉 | [https://bookdown.org/yihui/bookdown/](https://bookdown.org/yihui/bookdown/) | | 开发 R 包 | R Packages | Hadley | [https://r-pkgs.org/](https://r-pkgs.org/) | | Shiny | Mastering Shiny | Hadley | [https://mastering-shiny.org/](https://mastering-shiny.org/) | | Shiny | Engineering Production-Grade Shiny Apps | Colin Fay, Sébastien Rochette, Vincent Guyader and Cervan Girard | [https://engineering-shiny.org/](https://engineering-shiny.org/) | | Shiny | JavaScript for R | John Coene | [https://javascript-for-r.com/](https://javascript-for-r.com/) | | 应用统计 | Statistical Inference via Data Science | Chester Ismay and Albert Y. Kim | [https://moderndive.com/](https://moderndive.com/) | | 应用统计 | Introduction to Modern Statistics | Mine Çetinkaya-Rundel | [https://openintro-ims.netlify.app/](https://openintro-ims.netlify.app/) | | 应用统计 | 现代应用统计与 R 语言 | 黄湘云 | [https://bookdown.org/xiangyun/masr/](https://bookdown.org/xiangyun/masr/) | | 应用统计 | 统计学与 R 语言 （课件） | 张敬信 | tidy-R 语言 2 群（222427909）群文件 | | 实验设计 | The Grammar of Experimental Designs | Emi Tanaka | [https://emitanaka.org/edibble-book/](https://emitanaka.org/edibble-book/) | | 贝叶斯 | Doing Bayesian Data Analysis in brms and the tidyverse | A Solomon Kurz | [https://bookdown.org/content/3686/](https://bookdown.org/content/3686/) | | 贝叶斯 | Introduction to Bayesian Econometrics: A GUIded tour using R | Andrés Ramírez-Hassan | [https://bookdown.org/aramir21/IntroductionBayesianEconometricsGuidedTour/](https://bookdown.org/aramir21/IntroductionBayesianEconometricsGuidedTour/) | | 贝叶斯 | An Introduction to Bayesian Reasoning and Methods | Kevin Ross | [https://bookdown.org/kevin\_davisross/bayesian-reasoning-and-methods/](https://bookdown.org/kevin_davisross/bayesian-reasoning-and-methods/) | | 贝叶斯 | Statistical rethinking with brms, ggplot 2, and the tidyverse: Second edition | A Solomon Kurz | [https://bookdown.org/content/70a06054-8138-4d90-aaa0-895f57aab1b4/](https://bookdown.org/content/70a06054-8138-4d90-aaa0-895f57aab1b4/) | | 数据科学 | R for Data Science | Hadley | [https://r4ds.had.co.nz/](https://r4ds.had.co.nz/) | | 数据科学 | Tidyverse Skills for Data Science in R | Carrie Wright, Shannon Ellis, Stephanie Hicks, and Roger D. Peng | [https://leanpub.com/tidyverseskillsdatascience](https://leanpub.com/tidyverseskillsdatascience) | | 数据科学 | 数据科学中的 R 语言 | 王敏杰 | [https://bookdown.org/wangminjie/R4DS/](https://bookdown.org/wangminjie/R4DS/) | | 数据科学 | Data Science Live Book | Pablo Casas | [https://livebook.datascienceheroes.com/](https://livebook.datascienceheroes.com/) | | 数据科学 | R 语言实战（第三版） | Rob Kabacoff | [https://livebook.manning.com/book/r-in-action-third-edition/](https://livebook.manning.com/book/r-in-action-third-edition/) | | 数据科学 | Modern Data Science with R （2 nd） | Benjamin S. Baumer, Daniel T. Kaplan, and Nicholas J. Horton | [https://mdsr-book.github.io/mdsr2e/](https://mdsr-book.github.io/mdsr2e/) | | 机器学习 | mlr 3 book | 官方出品 | [https://mlr3book.mlr-org.com/](https://mlr3book.mlr-org.com/) | | 机器学习 | Tidy Modeling with R | MAX KUHN AND JULIASILGE | [https://www.tmwr.org/index.html](https://www.tmwr.org/index.html) | | 机器学习 | Hands-On Machine Learning with R | Bradley Boehmke & Brandon Greenwell | [https://bradleyboehmke.github.io/HOML/](https://bradleyboehmke.github.io/HOML/) | | 机器学习 | Feature Engineering and Selection: A Practical Approach for Predictive Models | Max Kuhn and Kjell Johnson | [http://www.feat.engineering/](http://www.feat.engineering/) | | 机器学习 | An Introduction to Statistical Learning with R | Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani | [https://trevorhastie.github.io/ISLR/](https://trevorhastie.github.io/ISLR/) | | | | | | | 机器学习 | R 机器学习：基于 mlr 3 verse （课件） | 张敬信 | tidy-R 语言 2 群（222427909）群文件 | | 深度学习 | Deep Learning with R, Second Edition | François Chollet with Tomasz Kalinowski and J. J. Allaire | [https://www.manning.com/books/deep-learning-with-r-second-edition](https://www.manning.com/books/deep-learning-with-r-second-edition) | | 文本挖掘 | Supervised Machine Learning for Text Analysis in R | EMIL HVITFELDT AND JULIA SILGE | [https://smltar.com/](https://smltar.com/) | | 文本挖掘 | QUANTEDA TUTORIALS | Kohei Watanabe and Stefan Müller | [https://tutorials.quanteda.io/](https://tutorials.quanteda.io/) | | 文本挖掘 | Text Analysis Tutorials | LADAL | [https://slcladal.github.io/index.html](https://slcladal.github.io/index.html) | | 计量 | Introduction to Econometrics with R | Christoph Hanck, Martin Arnold, Alexander Gerber, and Martin Schmelzer | [https://www.econometrics-with-r.org/](https://www.econometrics-with-r.org/) | | 计量 | Beyond Multiple Linear Regression: Applied Generalized Linear Models and Multilevel Models in R | Paul Roback and Julie Legler | [https://bookdown.org/roback/bookdown-BeyondMLR/](https://bookdown.org/roback/bookdown-BeyondMLR/) | | 计量 | Mixed Models with R Getting started with random effects | Michael Clark | [https://m-clark.github.io/mixed\-models-with-R/](https://m-clark.github.io/mixed-models-with-R/) | | 时间序列 | Forecasting: Principles and Practice （3 rd ed） | RobJHyndman | [https://otexts.com/fpp3/](https://otexts.com/fpp3/) | | 时间序列 | 金融时间序列分析讲义 | 李东风 | [https://www.math.pku.edu.cn/teachers/lidf/course/fts/ftsnotes/html/\_ftsnotes/index.html](https://www.math.pku.edu.cn/teachers/lidf/course/fts/ftsnotes/html/_ftsnotes/index.html) | | 金融 | Tidy Finance with R | Christoph Scheuch, Stefan Voigt, and Patrick Weiss | [https://tidy-finance.org/](https://tidy-finance.org/) | | 空间数据分析 | Geocomputation with R | Robin Lovelace, Jakub Nowosad, Jannes Muenchow | [https://geocompr.robinlovelace.net](https://geocompr.robinlovelace.net) | | 空间数据分析 | Spatial Data Science with applications in R | Edzer Pebesma, Roger Bivand | [https://keen-swartz-3146c4.netlify.app/](https://keen-swartz-3146c4.netlify.app/) | | 空间数据分析 | NHH ECS 530 2021 course: Spatial data analysis （with R） | Roger Bivand | [https://rsbivand.github.io/ECS530\_h21/](https://rsbivand.github.io/ECS530_h21/) | | 因果推断 | The Effect: An Introduction to Research Design and Causality | Nick Huntington-Klein | [https://theeffectbook.net/](https://theeffectbook.net/) | | 因果推断 | Causal Inference: The Mixtape | Scott Cunningham | [https://mixtape.scunning.com/index.html](https://mixtape.scunning.com/index.html) | | 社会科学 | Data Analytics for the Social Sciences Applications in R | G. David Garson | | | 社会科学 | A Business Analyst’s Introduction to Business Analytics | Adam Fleischhacker | [https://www.causact.com/](https://www.causact.com/) | | 社会科学 | Computing for the Social Sciences | Benjamin Soltoff | [https://cfss.uchicago.edu/notes/intro-to-course/](https://cfss.uchicago.edu/notes/intro-to-course/) | | 网络分析 | Methods for Network Analysis | Mark Hoffman | [https://bookdown.org/markhoff/social\_network\_analysis/](https://bookdown.org/markhoff/social_network_analysis/) | | 网络分析 | Handbook of Graphs and Networks in People Analytics: With Examples in R and Python | Keith McNulty | [https://ona-book.org/](https://ona-book.org/) | | 网络建模 | workshop 2020\_Network Modeling for Epidemics | [http://statnet.org](http://statnet.org) | [https://statnet.org/nme/d1.html](https://statnet.org/nme/d1.html) | | 模型计算 | Model Estimation by Example Demonstrations with R | Michael Clark | [https://m-clark.github.io/models-by-example/](https://m-clark.github.io/models-by-example/) | | 模型计算 | Computer-age Calculus with R | Daniel Kaplan | [https://dtkaplan.github.io/RforCalculus/](https://dtkaplan.github.io/RforCalculus/) | | 大数据 | Mastering Spark with R | Javier Luraschi, Kevin Kuo, Edgar Ruiz | [https://therinspark.com/](https://therinspark.com/) | | 元分析 | Doing Meta-Analysis in R: A Hands-on Guide | Harrer, M., Cuijpers, P., Furukawa, T.A., & Ebert, D.D | [https://bookdown.org/mathiasHarrer/Doing\_Meta\_Analysis\_in\_R/](https://bookdown.org/mathiasHarrer/Doing_Meta_Analysis_in_R/) | | 生存分析 | Applied Survival Analysis Using R | Dirk F. Moore | | ## R 语言下载 个人环境： R 语言（本体）+ Rstuido（IDE）+ Rtools（插件包管理，win 系统限定） 下载很简单，都是点点点一路 yes 即可。 R 语言本体：[https://cran.r-project.org/](https://cran.r-project.org/) Rstudio 桌面软件：[https://posit.co/download/rstudio-desktop/](https://posit.co/download/rstudio-desktop/) R 语言本体自带中文支持，但是 Rstudio 没有中文支持，有[汉化github项目](https://github.com/s0521/rstudio_cn)，但是不好用，也不推荐去用，产生闪退、不兼容 bug 就麻烦了。 ## R studio 界面与准备 ### 界面介绍 菜单目录进入页面设置：`tools` - `global option` - ` Pane Layout` ![页面](/img/R语言基础.zh-cn-20240523130353761.webp) 此时， 左上角的 `source`（新建 R script 项目后）页面代表代码编写部分。 左下角的 `console` 代表结果展示部分。 右侧上下部分就是自定义栏目，例如 `history` 代表代码运行历史；`environment` 代表变量环境，可以在里面通过 `import Dataset` 导入 stata、excel 等数据；`file` 代表运行环境的电脑目录。 ![随便加载了一个手头的数据集](/img/R语言基础.zh-cn-20240523130634460.webp) ### 包的管理与下载 #### 手动安装 持续使用 R 语言很考验电脑内存，因为要不断地下载包。 win 系统上使用 R 语言，一般使用 Rtools 管理。最新版的 R 语言应该自带这个工具包，没有的话去[官网](https://cran.r-project.org/bin/windows/Rtools/history.html)安装即可，安装 .exe 的软件即可。 在包含 `file` 的部分，其中包含 `Packages` 部分，点击其中的 `install` 即可安装。 ![包的安装](/img/R语言基础.zh-cn-20240523130717577.webp) #### 命令安装、加载 > R 语言作为统计学家的语言，个人感觉本体程序语法不太优雅，但开源加载适合的包后就无比痛快了。 例如我们要安装 car 这个包，可以使用以下命令 ```R # 包的安装 install.packages("car") #这里是注释 # 包的加载 library(caret) # 单独加载其中某个字函数 # car::vif() # 更新包 update.packages() # 移除包 remove.packages() # 获取帮助 ?help help("library") # 某个关键词的帮助 help.search("library") # 某个packages的帮助 help(packages = "ggplot2") ``` > 由于包与包之前可能存在同样的函数名，在调用两个包产生冲突时，后面的包的同名函数将覆盖前一个包 #### 设置工作目录 ```R # 查看当前目录 getwd() # 设置工作目录,注意使用的是斜杠 setwd("F:/桌面") # 获取文件路径，此时会打开电脑文件手动寻找文件，然后点击后会返回文件路径 file.choose() # 保存R文件.RData save() save.image() #加载R文件 load("F:/文档1") load(file.choose() ) # 记载某个包的数据集 data() ``` #### 载入数据 Stata 一个页面只能加载一个数据库，但是 R 语言可以加载多个。 ![环境部分可以手动载入](/img/R语言基础.zh-cn-20240523130739387.webp) ```R # 展示当前环境栏中的所有数据对象，以数据库名称为单位 ls() # 移除某个对象 rm(list = ls()) ``` ## 语法知识 ### 数据类型 | 类型 | 示例或描述 | 类型 | | ------ | ---------------------------------- | --------- | | 数值 | 2333 233.3 | numeric | | 字符 | '下一个就是你了' “JOJO” “2333” | character | | 逻辑 | TRUE T FALSE F | logical | | 缺失值 | 例如强行把文字转化为数字会转换失败 | NA | | 空白值 | | NULL | | 非数 | Not a Number 非数值 | NaN | | 无穷大 | “Infinite”的缩写 | Inf | ```R # 判断数据类型 is.numeric(123) is.character('123') is.logical(FALSE) is.na(NA) is.null(NULL) is.nan(NaN) # 转换数据类型 as.numeric('123') as.character(123) as.logical(FALSE) ``` ### 数据结构 #### 赋值与向量 常规介绍顺序：赋值、索引、切片 ```R # 赋值赋值 # 对象名 <- 对象值 # 快捷键 alt - v1 <- 1:5 #生成1到5对应的向量组v1 v2 <- c(v1,3,2,44,6) #链接connect嵌套 v3 <- rep(v2,times = 2)# repeat:按整体次序重复两次 v4 <- rep(v2,each = 2)# repeat:按每个元素重复两次 v5 <- rep(v2,times=2 , each = 2)# 优先执行each，后执行times v6 <- seq(from = 2, to = 9, by = 3) #以2为取值起点，每次加3取值，直到大于9为止 v7 <- seq(from = 2, to = 12, length.out = 3) #限制向量长度，因此多出来的数字会被取均值 v8 <- c('JOJO' ,'下一个就是你了') v9 <- c('JOJO' ,T , 123) #会存在强制转换，字符>逻辑>数值 # 向量名称 names(v2)<- v9 #变量v2的名称改为v9 # 此时v2情况如下 JOJO TRUE 123 1 2 3 4 5 3 2 3 6 # 向量长度 length(v9) length(v9)<- 9 # 向量索引 # 不同于python重默认索引从0开始,R语言索引默认从1开始 # 不同于python加上负号代表反方向,R语言负索引代表去掉该索引值 v7[3] v7[c(1,3,5)] v2[c(1,4)] v2[-c(1,4)] #去掉1和4对应索引值 v2[c('JOJO' ,'TRUE')] v1[v1%%2==1] #条件索引，模2余1的奇数 # 常量 pi #圆周率 letters #小写字母 LETTERS #大写字母 month.abb #月份缩写 "Jan" month.name #月份全写 "January" ``` #### 矩阵 矩阵相关就是向量命令的叠加 ```R # 矩阵 m1 <- matrix( 1:6, nrow = 2, # 两行 # ncol = 3, # 列 byrow = F, #按列进行填充，所以无需规定ncol dimnames = list(c('r1','r2'), c('c1','c2','c3')) ) # 和向量相同，矩阵只接受一种数据格式 # 生成一个3*3的空矩阵 m0 <- matrix(NA,nclo = 3,nrow=3) m2 <- matrix( c(1:6, letters[1:6]), nrow = 3, byrow = TRUE, dimnames = list(c('r1', 'r2', 'r3'), c('c1', 'c2', 'c3', 'c4')) ) # 行列名册 colnames(m1) #列 rownames(m1) #行 dimnames(m2)<-list(c) #行列名称 # 维度信息,也就是python中的shape命令 dim(m1) ncol(m1) nrow(m1) # 矩阵索引 m2[1,2] #返回一行二列的值 m2[1,] #返回第一行的向量 m2[c(1,3),c(2,4)] # 换成按照索引名称切片等同 m2['r1',] # 转化成向量 as.vector(m1) #按列顺序抽取控制 #array ``` #### 列表 不同于向量和矩阵，列表可以是不同数据类型和结构的组合 ```R v1 <- 1:5 m1 <- matrix( 1:6, nrow = 2, byrow = F, dimnames = list(c('r1','r2'), c('c1','c2','c3')) ) # 不同于向量和矩阵，列表可以是不同数据类型和结构 l1<- list(com1 = v1, com2 = m1) # 列表名称 names(l1) # 列表索引,虽然有视频说这几个命令不相同，也就是区别返回到到底是列表、矩阵还是向量，个人试了下似乎没有区别。 l1$com1 l1[['com2']] l1['com2'] l1[20] # 新建成分 l1$com3<- 3:6 l1 # 释放列表 unlist(l1) # 把列表降维成向量，索引生成为第几个列表第几个值 ``` #### 数据框 特殊的列表，也就是我们常常处理的面板数据、时间序列，使用 Data frame 构建。 ```R # 数据框生成 df1 <- data.frame( C1 = 2:5, C2 = letters[2:5] ) df1 # 维度信息 dim(df1) ncol(df1) nrow(df1) # 行列名称 dimnames(df1) # 列和行名称 names(df1) # 行名称 colnames(df1) rownames(df1) # 数据框索引 df1[1:2 ,2] df1[,2] df1[,"c1"] df1['1',] df1[[2]] df1$c1 df1[2] df1['c1'] # 新间列 df1$c3 <- 1:4 # 生成网格搜索的数据框 expand.grid(mtry = 2:5, ntree=c(200,500)) ``` ### 基本运算和函数 #### 基本运算 ```R 1+2 #加法 3-2 #减法 3*4 #乘法 8/5 #除法 c(1:4)/c(2:5) #长度不同则会循环扩展 2^3 #幂运算 exp(1) log(x=25，base=5) #5为底的25的对数 sqrt(4) #开平方 abs(-5.6) #绝对值 slign(-5.6) #符号 round(3.1415926,2) #保留指定小数 signif(3.1415926,2) #保留有效数字 ceiling(3.2) #大于此数的最小整数 floor(3.2) #小于此数的最大整数 # 数值对比 == != > >= < <= 2 %in% 2:5 #是否包含于 & #与 | #或 ! #非 ``` #### 向量函数运算 ```R v2 <- c(3,2,7,4,6,8,11,21) max(v2) #最大值 cummax(v2) #对应长度范围内的最大值，返回值也是向量 min(v2) cummin(v2) sum(v2) #求和 cumsum(v2) #累计求和 prod(v2) #乘积 cumprod(v2) #累计乘积 mean(v2) #均值 median(v2) #中位数 sd(v2) #标准差，计算使用的样本的公式 var(v2) #方差，计算使用的样本的公式 rev(v2) #向量逆转，倒过来reverse排序 sort(v2) #排序 v2 <- rep(v2,times=2) table(v5) #频数统计 unique(v5) #取值水平，按照数字第一次出现的先后顺序排列数字 # 索引函数 which(v5==7) #返回满足条件的索引值 which.max(v5) #最大值有重复时返回第一次出现的索引 which.min(v5) # 交集 intersect(1:5,4:7) # 差集 setdiff(1:5,4:7) # 并集,只保留元素的位置值，有重复也保留一个 union(1:5,4:7) ``` #### 数据框和矩阵运算 ##### 数据框 ```R dfs <- data.frame( a = 1:5, b = 3:7, d = letters[1:5] ) # 行列合并 df1 <- dfs[1:3, ] df1 df2 <- dfs[3:5, ] df2 # 行合并 rbind(df1, df2) # 行增加，列不变 cbind(df1, df2) # 列增加，行不变 # 行列运算 colMeans(dfs[,1:2]) #列均值 colSums(dfs[,1:2]) #列求和 rowMeans(dfs[,1:2]) #列均值 rowSums(dfs[,1:2]) #列求和 # apply(数据框,行1还是列2，运算函数) apply(dfs[,1:2],2,sd) #按列计算方差 apply( dfs[,1:2], 2, function(x){sum(is.na(x))} ) # 数据结构信息 str(dfs) #数据类型 summary(dfs) #最小值和最大值 View(dfs) #展示数据框 head(dfs,n=2) #展示前两行(n=2) tail(dfs,n=2) #展示末尾两行(n=2) ``` ##### 矩阵 ```R m3 <- matrix( c(5,7,3,4), ncol = 2, byrow = T, ) m3 m4 <- matrix( c(5,7,3,4,8,9), ncol = 3, byrow = T, ) m4 t(m3) #转置 det(m3) #行列式 m3 %*% m4 #矩阵乘法 solve(m3) #m3 %*% x =E ，求出x solve(m3,m4) #m3 %*% x =m4 ，求出x ``` #### 字符函数 ```R # 连接字符 paste(1:5,collapse = "+") paste(letters[1:5],collapse = "-") paste(1:5,letters[1:8],collapse = "~") paste(1:5,letters[1:8]) # 字符长度 nchar(month.name) # 字母转大写 toupper(month.name) # 字母转小写 tolower(month.name) # 含有某个字符的元素的索引 grep("JU",month.name) # 替换字符 gsub("e","000",month.name) #将month.name含有e的地方替换成000 ``` #### 分布函数 ```R set.seed(24) #随机种子 sample(1:2,12,replace = T) #从1和2中进行12次有放回（T）的抽样。stata安慰剂检验随机抽样大家应该见过 rnorm(10,mean=1,sd=2) #r随机数+分布（norm） pnorm(1,mean=1,sd=2) #p累计概率 qnorm(0.5,mean=1,sd=2) #q分位数 dnorm(1,mean=1,sd=2) #d概率密度 plot(x = seq(-5, 7, length = 1000), y = dnorm(seq(-5, 7, length = 1000), mean = 1, sd = 2), type = "l", ylim = c(0, 0.25)) abline(h = 0, v = 1) # 从-5到7间取1000个数，1000个数服从均值为1，标准差为2的正态分布 # 增加值为0的横线和值为1的竖线 ``` ![对应的分布函数图](/img/R语言基础.zh-cn-20240523130808012.webp) ### 基本语法 #### 循环 stata 简化为了 `local`、`global` 结合 `foreach` 进行变量循环，缺点是不便于行间的加减。 ```R # for循环 for (x in c(-2,3,0,4)){ print(x) y= abs(x) z=y^3 print(z) print("____") } # 使用宏变量定义 for (variable in vector){ } # while循环 v1 <- 1:5 i<-1 while(i<=length(v1)){ print(i) print(sum(v1[1:i])) i=i+1 print(i) print("####") } df <- data.frame(c1 = 2:5, c2 = 4:7, c3 = -19:-16) # 循环遍历数据框的每一行 for (i in 1:nrow(df)) { # 计算每行的总和并打印 print(sum(df[i, ])) } #next:跳过 #break:结束 for (i in 1:nrow(df)) { # 计算每行的总和并打印 if(i==3){break} print(sum(df[i, ])) } ``` #### 条件 If else 老生常谈了，这里不再过多举例 ```R a <- 7 if (a > 6) { print("a > 6") } else { print("a <= 6") } s = 45 if (s %% 2 ==0) { print("偶数") } else { print("奇数") } ifelse(55 %% 2 ==0,"偶数" "奇数") ``` #### 函数构建 ![定义函数后，变量栏也会有展示](/img/R语言基础.zh-cn-20240523130826725.webp) ```R 名称<- function(参数){ 具体操作 } # 定义函数：阶乘 f1 <- function(aug1){ res1<-1:aug1 res2<-prod(res1) return(res2) } # 使用函数 f1(10) # 定义函数：加法 f2<-function(aug1,aug2=4){ res <- aug1+aug2 return(res) } f2(2333) f2(2333,6666) #此时覆盖默认值aug2=4 ``` ## 数据整理 tidyverse 包的官网：[https://www.tidyverse.org/](https://www.tidyverse.org/) 测试数据集可以在这里下载：[https://moxingjiqi.shinyapps.io/dataset/](https://moxingjiqi.shinyapps.io/dataset/) tidyverse 包的 `haven` 支持读取 spss、stata、SAS > 文件路径最好别包括中文名，不然容易导入乱码失败 ### 导入和导出 表格出处：《[数据科学中的 R 语言](https://bookdown.org/wangminjie/R4DS/index.html)》 | 格式 | 命令 | | -------------------- | -------------------------------------------------- | | .txt | `read.table()` | | .csv | `read.csv()` and `readr::read_csv()` | | .xls and .xlsx | `readxl::read_excel()` and `openxlsx::read.xlsx()` | | .sav （SPSS files） | `haven::read_sav()` and `foreign::read.spss()` | | .Rdata or rda | `load()` | | .rds | `readRDS()` and `readr::read_rds()` | | .dta | `haven::read_dta()` and `haven::read_stata()` | | .sas 7 bdat （SAS files） | `haven::read_sas()` | | Internet | `download.file()` | | | | ```R # CSV数据导入 #自定义数据列表 d.small <- read_csv("John, 33, 95 Kim, 21, 64 Sandy, 49, 100 ", col_names=c("name", "x", "y") ) #文件读取1 data <- read_csv("testcsv.csv") #文件读取2 rawdata<- read.table(file.choose(),head=T,sep=",") # head:第一行变变量名 sep：csv分割符 head(rawdata,n=4) #输出了数据的前 4 行 tail(rawdata,n=10) #输出了数据的后 10 行 rawdata[95:105] #输出95-105行 str(rawdata) #查看数据类型 # read.csv(file.choose()) # data.table::fread(file.choose()) # CSV数据导出 write.table(rawdata, #导出对象 "test.csv", #导出路径 sep=",", #导出分割符号 row.names=F) #行名称 # 读取excel表 library(readxl) data1<- read_excel(file.choose()) #批量获取csv文件 library(readr) library(dplyr) # 设置文件夹路径 folder_path <- "F:/桌面/房地产PB/" # 获取文件夹中的所有csv文件路径 csv_files <- list.files(folder_path, pattern = "\\.csv$", full.names = TRUE) # 创建一个空的列表，用于存储读取的csv数据 data_list <- list() # 循环读取每个csv文件，并将其存储在data_list中 for (file in csv_files) { data <- read_csv(file) data_list[[file]] <- data } # 将所有数据合并到一个数据框中 combined_data <- bind_rows(data_list) # 查看合并后的数据 print(combined_data) ``` [^1]: 使用 Zotero 进行文献管理是我爱上开源理念的开始 [^2]: 至少绝大部分期刊主体文件都是 do 文件。如果再论画图，stata 的`schemepack`包已经足够强大，可以调整成 R 语言的默认风格 [^3]: 国内卖课确实天下第一