【R数据分析-基础】

R语言介绍

为什么使用R？

R：数据分析与可视化平台

R的获取和安装

http://cran.r-project.org 免费下载

一、R、Rtools安装

R语言：

免费开源
支持多平台，包括Windows、UNIX、Mac OS
擅长统计与可视化

Rtools：R语言辅助工具

安装：https://blog.csdn.net/Xingchen0101/article/details/126047772

二、Rstudio安装

Rstudio：R语言的集成开发环境(IDE)

安装：https://blog.csdn.net/Xingchen0101/article/details/126047772

三、配置Rtools路径

方法一：https://blog.csdn.net/Xingchen0101/article/details/126047772

方法二：

# 配置
install.packages('installr')
library(installr)
install.Rtools()

# 测试
Sys.which("make")
install.packages('devtools')

四、Rstudio介绍

R版本选择
R镜像配置

chooseCRANmirror()
chooseBioCmirror()

Rstudio窗口、功能了解
脚本运行方式：单行运行、选中运行、整体运行
脚本注释
脚本创建和保存
用Rproject管理项目

五、创建新变量

变量名 <- 表达式

a <- 1+1
b <- 10-9

常用算术运算符

+	加
-	减
*	乘
/	除
^或**	求幂
x%%y	求余（x mod y）5%%2的结果为1
x%/%y	整数除法 5%/%2的结果为2

课后小结-快捷键

运行：Windows是Atrl + Enter，Mac是Cmd + Enter

赋值号：Alt + -

注释：Ctrl+Shift+C

保存：Ctrl + S

清空控制台：Ctrl + L

一、R包介绍

R包是R函数、数据集、帮助文档等的集合。计算机上存储包的目录称为库（library）。R自带了一系列默认包（包括base、datasets等），它们提供了种类繁多的默认函数和数据集。

其他R包可通过下载来进行安装，不同的R包都有各自特定的功能。

R包网址：

CRAN清华镜像网址 https://mirrors.tuna.tsinghua.edu.cn/CRAN/

Bioconductor官网 https://www.bioconductor.org/packages/release/BiocViews.html#___Software

Github网址 https://github.com/lijian13/rinds【rinds包】

二、R包安装

# 清除对象
rm(list = ls())

# 直接安装包
install.packages("BiocManager")
install.packages('devtools')
install.packages('ggpubr')

# 从Bioconductor安装
BiocManager::install("clusterProfiler")

# 从Github上安装
devtools::install_github('lijian13/rinds') #前为用户名，后为包名
# 需要连接外网下载

# 从本地安装
devtools::install_local("D:/Shortcut/Desktop/A3_1.0.0.tar.gz")

包的两种调用方法

方法一：加载到环境中，包中的所有命令可以直接调用

library(BiocManager)

install( "clusterProfiler")

方法二：一次性调用，只能运行一个命令，包中的其他命令不可以直接调用

BiocManager::install( "clusterProfiler")

检验是否安装成功

方法一：加载包 library(ggpubr)

方法二：Rstudio里查看

一个包的安装思路

直接安装包—从Bioconductor安装—从Github上安装—从网站下载XX.tar.gz文件，从本地安装

三、R包操作

# 加载包
library(ggpubr)
require(ggpubr)

# 从环境中去除加载的R包
detach("package:ggpubr")

# 删除包
remove.packages("ggpubr")

# 更新包
update.packages()

四、R包查看

# 查看已经安装的包
installed.packages()
library()

# 查看环境中已经加载的包
search()

# 查看包的安装位置
.libPaths()

# 更改包的安装位置
.libPaths(new = "D:/新的/路径") 
# 注意R里的路径是左斜杠

# 查看包的帮助信息
help(package="ggplot2")

# 列出R包中包含的所有数据集
data(package="ggplot2")

# R包版本查询
packageVersion("ggplot2")

五、看懂控制台输出信息

类型	控制台输出	做法
运行结果		命令运行结束
报错Error		命令运行失败，检查问题
警告：Warning		一般可忽略
命令正在运行		等待或者中断运行
命令不完整		按esc键退出，或者补全命令
询问选择		【a/s/n】先n，不行再a；【yes/no】先no，不行再yes
没输出		命令已成功运行

课后小结

安装R包时需要加双引号"package_name"，或者单引号'package_name'，加载R包时不需要，引号是英文状态下的引号。

一条命令更新所有R包

install.packages("rvcheck") 
library(rvcheck) 
# 检查R版本
rvcheck::check_r()
# 更新所有R包
rvcheck::update_all(check_R=FALSE,which=c("CRAN","BioC","github"))

R的使用

（1）R区分大小写

（2）R语句是由函数和赋值构成的；R的赋值符号<

（3）工作空间

getwd()#查看当前的工作目录

setwd()#设定当前的工作目录，括号内有引号

（4）R中的路径都要用正斜杠/

（5）文本输入：函数source("")#此脚本必须要在当前工作目录下

（6）包的安装 install.packages("")

包的更新 update.packages("")

（7）包的载入 library()#不需要引号

数据类型与数据结构—初识与类型判断

数据类型判断

class()函数用于查看数据类型，用法是class(变量名)

注意事项

括号是英文状态下的
变量名不用加引号
TRUE和FALSE的全写或简写形式都要大写

对象（object）

对象：是指可以赋值给变量的任何事物，包括常量、数据结构、函数，甚至图形。(赋值号右侧内容)

对象名称：必须以字母开头，并且只能包含字母、数字、_ 和 . (赋值号左侧内容)

2.R语言：创建数据集

向量、因子、矩阵、数据框以及列表

摘自《R语言实战》

# 向量
v1 <- c(1,5,3,3);v1
v2 <- c("A","B","C","D");v2
v3 <- c(TRUE,TRUE,FALSE,FALSE);v3

# 矩阵
mat <- matrix(1:20,nrow=5,ncol=4)
mat

# 数组
ar <- array(1:24,c(2,4,3))
ar

# 数据框
df <- data.frame(v1,v2,v3)
df

# 列表
list1 <- list(v1,v2,v3,df)
list1

数据结构判断

class()函数也可用于判断数据结构

class(v1)
class(mat)
class(ar)
class(df)
class(list1)

向量：用函数c()创建

单个向量中的数据必须拥有相同的类型或模式
（数值型、字符型或逻辑型）
方括号:我们可以访问向量中的特定元素

#创建变量

a <- c(1, 2, 5, 3, 6, -2, 4)

b <- c("one", "two", "three")

c <- c(TRUE, TRUE, TRUE, FALSE, TRUE, FALSE)

#使用中括号访问元素

a <- c(1, 2, 5, 3, 6, -2, 4)

a[3]

a[c(1, 3, 5)]

a[2:6]

向量（vector）是用于存储数值型、字符型、逻辑型数据的一维数组。

向量创建

普通向量 c()

c(1,5,3,3) #数值型向量
c("A","B","C","D") # 字符型向量
c(TRUE,TRUE,FALSE,FALSE) # 逻辑型向量
2:6 # 连续整数型向量的快捷创建

重复型 rep()

参数each指定每个元素重复几次，参数times指定整个向量重复几次，each优先于times。

rep("a", times = 3)
rep(c(a,b), times = 3)
rep(c(1,6), each = 3)
rep(c(1,6),times=4,each=2)

序列型 seq()

参数by指定步长，参数length.out指定产生的元素个数

seq(from = 1, to = 3, by = 0.3)
seq(from = 10, to = 1, by = -1)
seq(1, 3, length.out = 10)

数据类型自动转换

优先次序：字符型>数值型>逻辑型

c("m",2)
c("m",TRUE)
c(2,FALSE)

注意事项

单个向量内部必须具有相同的数据类型（数值型、字符型、逻辑型）
标量是只含有一个元素的向量，它们用于保存常量。

向量索引

x <- 11:20
x[2]
x[c(2,4,5)]
x[2:5]
x[-c(2,5)]
x[-(2:5)]

修改向量中部分元素

x[c(2,4,5)] <- c(2,4,5)
x

理解向量化运算

weight <- c(68,72,57,90,65,81)
height <- c(175,180,165,190,172,181)
bizhi <- weight/height

# 向量化运算的自动补齐
a <- 1:5
b <- 1:3
a+b

课后小结

?函数名：查看函数的帮助。如?rep()

矩阵（matrix）

是由相同数据类型的元素构成的二维数组，数据类型为数值型、字符型或逻辑型。

矩阵：函数matrix()创建

矩阵下标的使用

矩阵创建

data1 <- 1:12
rnames <- c('A','B','C')
cnames <- c('V1','V2','V3','V4')

# 按列排列(默认)
mat1 <- matrix(data = data1, nrow = 3, ncol = 4, byrow = F,
                       dimnames = list(rnames,cnames))
mat1
# 按行排列
mat2 <- matrix(data = data1, nrow = 3, ncol = 4, byrow = T,
              dimnames = list(rnames,cnames))
mat2

data2 <- 1:8
mat3 <- matrix(data = data2, nrow = 2)
mat3

mat4 <- matrix(data = data2, nrow = 4)
mat4

矩阵索引

# 取出矩阵的第一行
mat1[1,]
# 取出矩阵的第一列
mat1[,1]
# 取出矩阵第2列的第1-3个元素
mat1[1:3,2]

矩阵运算

# 矩阵转置
t(mat1)

# 矩阵加法
mat1 + mat2

# 矩阵相乘（要求“第一个矩阵列数”等于“第二个矩阵行数”）
mat3 %*% mat4

# 取矩阵对角线上的值
diag(mat1)

# 求方阵逆矩阵
solve(mat3[,1:2])

# 求方阵的行列式
det(mat3[,1:2])

矩阵函数

# 求矩阵列求和、求平均
colSums(mat1)
colMeans(mat1)

# 求矩阵行求和、求平均
rowSums(mat1)
rowMeans(mat1)

拓展

注意矩阵中只能有一种数据类型，只要有一个元素为字符型，则其他元素都会是字符型。

有时在采用矩阵进行数值运算时，可能会因为掺入了字符型数据而报错，这时要对矩阵的数据类型进行排查。

数组 & 列表—创建、索引

数据框可通过函数data.frame()创建

mydata$A:记号$是被用来选取一个给定数据框中的某个特定变量
在每个变量名前都键入一次mydata$很麻烦
可以联合使用函数attach()和detach()或单独使用函数with()来简化代码
函数attach()可将数据框添加到R的搜索路径中
函数attach()可将数据框添加到R的搜索路径中
函数detach()将数据框从搜索路径中移除

数组

数组（array）与矩阵类似，数组中的数据类型也只能有一种，但是维数可以大于2。

两种创建方式。

数组创建

# 方式一
ary1 <- array(data = 1:24)
dim(ary1) <- c(3,4,2)
ary1

# 方式二
dim1 <- c('A1','A2','A3')
dim2 <- c('B1','B2','B3','B4')
dim3 <- c('C1','C2')

ary2 <- array(data = 1:24,dim = c(3,4,2),dimnames = list(dim1,dim2,dim3))
ary2

数组索引

ary2[2,3,1]

列表

列表（list）是一种最复杂的数据结构，它可以由不同的对象混合构成。列表中的对象可以是向量、矩阵、数组、数据框以及列表本身。

列表创建

a <- 1:10
b <- c("one","two","three")
c <- matrix(1:8,nrow = 2)
d <- array(1:18,c(2,3,3))
list1 <- list(A=a,B=b,C=c,D=d)
list1

列表索引

# 方法一
list1$B
# 方法二
list1[[2]]

拓展

数据框中要求每个列向量的长度相同，而列表没有要求，所以当多个向量的长度不等时通常用列表存储。

R中函数的返回结果中通常包含了不同的对象，因而也常用列表存储。

逻辑运算符&数据类型转换

逻辑运算符

运算符	描述
<	小于
<=	小于或等于
>	大于
>=	大于或等于
==	等于
!=	不等于
!x	非x
x\|y	x或y
x&y	x和y
all()	全部为真则为真
any()	至少一个为真则为真

用法示例

8>5
8==5
8!=5

v <- 1:10

# 判断向量中的数是否大于5
v>5
# 取出向量中大于5的数
v[v>5]
# 取出向量中不等于5的数
v[v!=5]
# 取出向量中不大于5的数
v[!v>5]

x <- -5
y <- 5

# 判断x和y是否大于0
x>0 & y>0
# 判断x或y是否大于0
x>0 | y>0

# 都满足条件才为真
all(c(x,y)>0)
# 任一个满足条件就为真
any(c(x,y)>0)

错误示范

# 判断x和y是否大于0
x&y >0

数据类型判断与转换

判断	转换
is.numeric()	as.numeric()
is.character()	as.character()
is.logical()	as.logical()
is.vector()	as.vector()
is.matrix()	as.matrix()
is.array()	as.array()
is.list()	as.list()
is.data.frame()	as.data.frame()
is.factor()	as.factor()

用法示例

x <- c(TRUE,FALSE,TRUE)
is.logical(x)
x
x <- as.numeric(x)
is.numeric(x)
x
x <- as.character(x)
is.character(x)
x

小贴士

可以通过()指定逻辑运算优先级，()内优先运算。

R中实用函数汇总

长度函数

# 求向量长度，即向量中元素个数
length(c(1,3,5,6,7)) 
# 计算字符串的长度
nchar("abcdef")

判断重复/独特的函数

x <- c(20,40,60,60,80,100,20)
# 去重复，留下向量中独特的元素
unique(x) 
# 判断元素值是否重复，第一次出现均为FALSE
duplicated(x) 
# 重复次数统计
table(x)

判断是否等同的函数

# identical()不仅要求两个向量的内容一致，而且要求两个向量的里面元素的顺序是一致的
identical(c(2,4),c(4,2))
identical(c(2,4),c(2,4))

排序函数

x <- c(200,600,800,400,100)
# 返回排序后的向量
sort(x,decreasing = F)
# 返回排序需要的索引
id <- order(x,decreasing = F)
x[id]
# 返回在所有数值中的排名（从小到大）
rank(x)

匹配函数

x <- c(1,2,3,4,5)
y <- c(4,5,6,7,8,9)
# 判断x的元素，是否能匹配上y的任意一个元素
x%in%y
# 判断x的元素匹配上了y的第几个元素
match(x,y)
# 判断x中满足条件的元素对应的坐标
which(x>3)

集合函数

x <- c(1,2,3,4,5,6)
y <- c(4,5,6,7,8,9)
# 求交集
intersect(x,y)
# 求并集
union(x,y)
# 求差集
setdiff(x,y)
setdiff(y,x)

常用统计函数

函数	举例	描述
mean(x)	mean(c(1,5,10,15))	平均数
median(x)	median(c(1,5,10,15))	中位数
sd(x)	sd(c(1,5,10,15))	标准差
var(x)	var(c(1,5,10,15))	方差
range(x)	range(c(1,5,10,15))	求值域
sum(x)	sum(c(1,5,10,15))	求和
min(x)	min(c(1,5,10,15))	求最小值
max(x)	max(c(1,5,10,15))	求最大值
abs(x)	abs(c(-2,3,-4,5))	绝对值
sqrt(x)	sqrt(c(1,5,10,15))	平方根
log(x)	log(c(1,5,10,15))	求对数
quantile(x,probs)	quantile(x=1:100,probs=c(0,0.5,0.8,1))	求分位数，其中probs可以是向量

数据框基础

数据框是一种二维的数据结构，行表示观测/记录，列表示变量/指标/字段。数据框不同列的数据类型可以不同，但同一列的数据类型要相同，所有列的长度要相同。

数据框创建

ID <- 1:6
grade <- c(1,2,4,3,6,5)
subject <- c("Math","English","Chinese","History","Biology","Chemistry")
score <- c(90,95,92,88,97,91)
df <- data.frame(ID,grade,subject,score)

数据框索引、修改

# 位置方式
df[1,3]
df[,c(1,3)]
df[1:3,2]
# $方式
df$subject
# 名称方式
df[,'subject']
# 交互式修改
df2=edit(df) # edit不改变原始数据
fix(df) # fix改变原始数据

数据框添加、删除变量

# 加载R包中数据集
data("iris")
# 添加变量
iris2 <- transform(iris,variable=Petal.Length*Petal.Width)
# 删除变量
iris2[,-6]
iris2$Species <- NULL

数据框去重复

# 保留每种花的第一个记录
iris3 <- iris[!duplicated(iris$Species),]

数据框排序

# 行按照花萼长度从小到大的次序排
iris2 <- iris[order(iris$Sepal.Length,decreasing = F),]

常用函数

names(iris2)
colnames(iris2)
rownames(iris2)
dim(iris2)
nrow(iris2)
ncol(iris2)
# 查看前几行
head(iris2)
# 查看后几行
tail(iris2)
# 探索数据框结构
str(iris2)
summary(iris2)
# 求和、求平均
colMeans(iris2[,1:4])
colSums(iris2[,1:4])
# 转置
iris3 <- t(iris2)

缺失值

R中缺失值用符号NA（Not Available）表示，缺失值和空字符串的意义不同。

table(is.na(iris2))
# 缺失值
iris2[1,1] <- NA
# 空字符串
iris2[2,1] <- ""
# 移除所有含有缺失值的观测
iris2 <- na.omit(iris2)

数据框取子集

data(iris)
iris_sub1 <- iris[iris$Species=='setosa', c('Sepal.Length','Petal.Length')] 

# subset()函数
iris_sub2 <- subset(iris, iris$Species=='setosa',select = 1:3)
iris_sub2 <- subset(iris, iris$Species=='setosa',select = c(Sepal.Length,Petal.Length))

# 随机抽样
SampleRow <- sample(1:nrow(iris),size=5,replace=F)
iris[SampleRow,]

数据框合并

横向合并：列合并，确保两个数据框行的次序相同。

纵向合并：行合并，确保两个数据框具有相同的变量。

公共变量合并：可以是一个变量或者多个变量。

df <- data.frame(ID=1:150,
                 color=rep(c('red','green','blue'),times=50),
                 length=rep(c('high','middle','low'),times=50))

# 横向合并
newdf <- cbind(iris,df)

# 纵向合并
df2 <- data.frame(ID=151:180,
                  color=rep(c('red','green','blue'),times=10),
                  length=rep(c('high','middle','low'),times=10))
df3 <- rbind(df2,df[1:100,])

# 按照共有变量合并
iris$ID <- 150:1
df2 <- df[1:100,]

newdfI <- merge(iris,df3,by='ID') # 取相交
newdfL <- merge(iris,df3,by='ID',all.x=T) #左连接
newdfR <- merge(iris,df3,by='ID',all.y=T) #右连接

数据整合

数据整合：将多组观测替换为由这些观测计算出的描述性统计量。

#FUN参数除了常见的描述统计量之外之外，也可以自定义函数。
aggregate(newdf[,1:4],by=list(newdf$Species),FUN = mean)
aggregate(newdf[,1:4],by=list(newdf$Species,newdf$color),FUN = mean)

数据重构（长宽格式转换）

理论

数据重构：通过修改数据的行和列来改变数据的结构。

长格式：相对于宽格式而言，观测更多，变量更少（<=）。

宽格式：相对于长格式而言，观测更少，变量更多（>=）。

宽变长：减少分类变量个数，形成更多观测。

长变宽：增加分类变量个数，以减少观测个数。

数据准备

# reshap2包
install.packages('reshape2')
library(reshape2)

#构建数据框
Id <- as.character(c(1,1,2,2))
Grade<-as.character(c(1,2,1,2))
Math <- c(60,70,80,90)
History <- c(65,75,85,95)
data <- data.frame(Id,Grade,Math,History)

宽变长

# 宽变长
longdata <- melt(data,ID=c("Id","Grade"),variable.name = "Subject")

长变宽

# 长变宽
# 把Subject拆分形成新变量，新变量个数等于Subject独特值数
dcast(longdata,Id+Grade~Subject)
# 把Grade拆分形成新变量，新变量个数等于Grade独特值数
dcast(longdata,Id+Subject~Grade)
# 把Subject+Grade拆分形成新变量，新变量个数等于Subject+Grade独特值数
dcast(longdata,Id~Subject+Grade)

长格式和宽格式不是绝对的。

数据重构整合

数据重构并整合，类似于aggregate()函数的整合功能，但是更加灵活。

# 整合
# 某人某科目 不同学期成绩均值
dcast(longdata,Id~Subject,mean)
# 某学期某科目 不同学生成绩均值
dcast(longdata,Grade~Subject,mean)
# 某学生某学期 不同科目成绩均值
dcast(longdata,Id~Grade,mean)

apply族函数

R语言中的apply族函数是重要的批量处理函数，其中常用的函数有apply、tapply、lapply、sapply、mapply。这些函数底层通过C实现，效率比手工遍历高效。apply族函数通过运算向量化(Vectorization)实现高效能运算，比起传统的for、while函数常常能获得更好的性能。

apply函数

apply : 对矩阵、数据框、数组(二维、多维)等矩阵型数据，按行或列应用函数FUN进行循环计算，并以返回计算结果。

apply(X, MARGIN, FUN, …)

X：数组、矩阵、数据框等矩阵型数据
MARGIN：按行计算或按列计算，1表示按行，2表示按列
FUN：自定义的调用函数，如mean/sum等（其结果与colMeans,colSums,rowMeans,rowSums是一样的）

> mat=matrix(c(1,2,3,4,5,6),2)
> mat
     [,1] [,2] [,3]
[1,]    1    3    5
[2,]    2    4    6
> apply(mat,2,max)
[1] 2 4 6

tapply函数

tapply: 将数据按照不同方式分组，生成类似列联表形式的数据结果。

tapply(X, INDEX, FUN = NULL, …, default = NA, simplify = TRUE)

X:数组、矩阵、数据框等分割型数据向量

INDEX:一个或多个因子的列表(因子列表)，每个因子的长度都与x相同
FUN: 自定义的调用函数
simplify指是否简化输出结果(类比sapply对于lapply的简化)

> manager <- c(1, 2, 3, 4, 5)
> country <- c("US", "US", "UK", "UK", "UK")
> gender <- c("M", "F", "F", "M", "F")
> age <- c(32, 45, 25, 39, 99)
> leadership <- data.frame(manager, country, gender, age)
> #求在不同country水平下的age的均值
> tapply(leadership$age, leadership$country, mean) 
      UK       US 
54.33333 38.50000 
> #求在不同country和gender交叉水平下的age的均值， 输出得到矩阵数据
> tapply(leadership$age, list(leadership$country, leadership$gender), mean)  
    F  M
UK 62 39
US 45 32

lapply函数

lapply : 对列表、数据框按列进行循环，输入必须为列表(list)，返回值为列表(list)。

lapply(X, FUN, …)

X:列表、数据框
FUN:自定义的调用函数

> # 输入为列表
> data1<-list(x = 1:10, y = matrix(1:12, 3, 4))
> data1
$x
 [1]  1  2  3  4  5  6  7  8  9 10

$y
     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    2    5    8   11
[3,]    3    6    9   12

> lapply(data1, sum)
$x
[1] 55

$y
[1] 78

> # 输入为数据框
> data2=data.frame(matrix(1:12,c(3,4)))
> data2
  X1 X2 X3 X4
1  1  4  7 10
2  2  5  8 11
3  3  6  9 12
> lapply(data2, function(x) x+3)
$X1
[1] 4 5 6

$X2
[1] 7 8 9

$X3
[1] 10 11 12

$X4
[1] 13 14 15

sapply函数

sapply : 类似于lapply函数，但输入为列表(list)，返回值为向量。sapply(X, FUN, …,simplify )

X:列表、矩阵、数据框
FUN:自定义的调用函数
simplify=F：返回值的类型是list，此时与lapply完全相同
simplify=T（默认值）：返回值的类型由计算结果定，如果函数返回值长度为1，则sapply将list简化为vector；如果返回的列表中每个元素的长度都大于1且长度相同，那么sapply将其简化为一个矩阵；如果列表中的元素长度不相同时，仍以列表形式返回。

> # 输入为列表
> data1<-list(x = 1:10, y = matrix(1:12, 3, 4))
> data1
$x
 [1]  1  2  3  4  5  6  7  8  9 10

$y
     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    2    5    8   11
[3,]    3    6    9   12

> sapply(data1, sum)
 x  y 
55 78 
> sapply(data1, function(x) x+1)
$x
 [1]  2  3  4  5  6  7  8  9 10 11

$y
     [,1] [,2] [,3] [,4]
[1,]    2    5    8   11
[2,]    3    6    9   12
[3,]    4    7   10   13

> 
> # 输入为数据框
> data2=data.frame(matrix(1:12,c(3,4)))
> data2
  X1 X2 X3 X4
1  1  4  7 10
2  2  5  8 11
3  3  6  9 12
> sapply(data2, function(x) x+3)
     X1 X2 X3 X4
[1,]  4  7 10 13
[2,]  5  8 11 14
[3,]  6  9 12 15

mapply函数

mapply: 支持传入两个以上的列表，mapply是sapply的多变量版本（multivariate sapply）。

mapply(FUN, …, MoreArgs = NULL, SIMPLIFY = TRUE, USE.NAMES = TRUE)

FUN：要应用的函数
...：要传递给FUN的参数列表。可以是多个参数，每个参数列表都是以逗号分隔的
SIMPLIFY：一个逻辑值，指定是否尝试简化结果

> a <- mapply(function(x,y) x^y, c(1:5), c(1:5))
> a
[1]    1    4   27  256 3125
> b <- matrix(1:12,c(3,4),dimnames=list(c("a","b","c"),c("A","B","C","D")))
> b
  A B C  D
a 1 4 7 10
b 2 5 8 11
c 3 6 9 12
> mapply(sum, b[,1],b[,3],b[,4])
 a  b  c 
18 21 24 
> mapply(sum,b[1,],b[2,],b[3,])
 A  B  C  D 
 6 15 24 33

总结

apply对数据按行列操作

lapply、sapply对数据按列进行批量操作

tapply对数据按分组进行操作

mapply对多个输入数据，即多变量进行批量操作，是sapply的多变量版本

因子：函数factor()

变量可归结为名义型、有序型（好，很好，非常好）或连续型变量
类别（名义型）变量和有序类别（有序型）变量在R中称为因子（factor）
要表示有序型变量，需要为函数factor()指定参数ordered=TRUE
数值型变量可以用levels和labels参数来编码成因子

代码如下：

#因子的使用

A<- c(1, 2, 3, 4)

B <- c(25, 34, 28, 52)

C <- c("Type1", "Type2", "Type1", "Type1")

D <- c("Poor", "Improved", "Excellent", "Poor")

C<- factor(C)

D <- factor(D, order = TRUE)#表示有序型变量

mydata <- data.frame(A,B,C,D)#将其合并为数据框

str(mydata)#提供R中某个对象的信息

summary(mydata)#显示统计对象的统计概要

数组：可通过array()函数创建

代码如下：

#创建2*3*4三维数组

data1 <- c("A1", "A2")

data2 <- c("B1", "B2", "B3")

data3 <- c("C1", "C2", "C3", "C4")

z <- array(1:24, c(2, 3, 4), dimnames = list(data1,

data2, data3))

z

列表：使用函数list()创建

R的数据类型中最为复杂的一种
某个列表中可能是若干向量、矩阵、数据框
甚至其他列表的组合

代码如下：

#用levels和labels参数来编码成因子

sex<-c(1,2)

sex

sex<-factor(sex,levels = c(1,2),labels = c("male","female"))

sex

#创建列表

g <- "My First List"

h <- c(25, 26, 18, 39)

j <- matrix(1:10, nrow = 5)

k <- c("one", "two", "three")

mylist <- list(title = g, ages = h, j, k)

mylist

描述性统计分析

summary()函数: summary(mydata)

提供最小值、最大值、四分位数和数值型变量的均值
因子向量和逻辑型向量的频数统计

apply()函数：apply（mydata,1,mean）

1表示行，2表示列
注：MARGIN1和2是必须要有的参数，没有就会报错

sapply(x, FUN, options)

FUN为一个任意的函数
可以在这里插入的典型函数有mean()、sd()、var()、min()、max()、median()、length()、range()和quantile()
需要用到function 函数

Hmisc包中的describe()函数

变量和观测的数量、缺失值和唯一值的数目、平均值、分位数
五个最大的值和五个最小的值

pastecs包中的stat.desc()函数

格式为：stat.desc(x, basic=TRUE, desc=TRUE,norm=FALSE, p=0.95)
若basic=TRUE（默认值），则计算其中所有值、空值、缺失值的数量，以及最小值、最大值、值域，还有总和
若desc=TRUE（同样也是默认值），则计算中位数、平均数、平均数的标准误、平均数置信度为95%的置信区间、方差、标准差以及变异系数
若norm=TRUE（不是默认的），则返回正态分布统计量，包括偏度和峰度（以及它们的统计显著程度）和Shapiro-Wilk正态检验结果
这里使用了p值来计算平均数的置信区间（默认置信度为0.95）

psych包也拥有一个名为describe()的函数

可以计算非缺失值的数量、平均数、标准差、中位数、截尾均值、绝对中位差、最小值、最大值、值域、偏度、峰度和平均值的标准误

使用aggregate()分组获取描述性统计量

格式：aggregate(mydata,by=list(name1=mydata$A, mean)
如果有多个分组变量，可以使用by=list(name1=groupvar1,name2=groupvar2, ... , nameN=groupvarN)这样的语句
缺点：无法一次计算若干个统计量（mean，sd）

使用by()分组计算描述性统计量（同时计算多个统计量）

注意：用到了function()函数

分组计算的扩展summaryBy()函数

doBy包中summaryBy()函数的使用格式为：

summaryBy(formula, data=dataframe, FUN=function)
注意：用到了function()函数

代码如下

#summary（）函数

vars <- c("mpg", "hp", "wt")

head(mtcars[vars])

summary(mtcars[vars])

#apply（）函数

apply(mtcars,1,mean)#1表示行，2表示列

#sapply（）函数

mystats <- function(x, na.omit = FALSE) {

  if (na.omit) 

    x <- x[!is.na(x)]

  m <- mean(x)

  n <- length(x)

  s <- sd(x)

  skew <- sum((x - m)^3/s^3)/n

  kurt <- sum((x - m)^4/s^4)/n - 3

  return(c(n = n, mean = m, stdev = s, skew = skew, kurtosis = kurt))

}



sapply(mtcars[vars], mystats)

#Hmisc包中的describe()函数

library(Hmisc)

describe(mtcars[vars])

#pastecs包中的stat.desc()函数

library(pastecs)

stat.desc(mtcars[vars])

#psych包也拥有一个名为describe()的函数

library(psych)

describe(mtcars[vars])



#分组描述统计的方法

#使用aggregate()分组获取描述性统计量

aggregate(mtcars[vars], by = list(am = mtcars$am), mean)

aggregate(mtcars[vars], by = list(am = mtcars$am), sd)

#doBy包中summaryBy()函数

install.packages("doBy")

library(doBy)

mystats <- function(x, na.omit = FALSE) {

  if (na.omit) 

    x <- x[!is.na(x)]

  m <- mean(x)

  n <- length(x)

  s <- sd(x)

  skew <- sum((x - m)^3/s^3)/n

  kurt <- sum((x - m)^4/s^4)/n - 3

  return(c(n = n, mean = m, stdev = s, skew = skew, kurtosis = kurt))

}

summaryBy(mpg + hp + wt ~ am, data = mtcars, FUN = mystats)

19个全球气候数据图层+数据说明文件

链接：https://pan.baidu.com/s/1wZB9RqAvKMhs3t8OdeEkaA

提取码：1207

图绘制：中国数据+中国省界

链接：https://pan.baidu.com/s/1qtjYmm-XKiuKXviomp0KeQ

提取码：1207

地图绘制：云南边界+四川边界+贵州边界

链接：https://pan.baidu.com/s/1199tThT9QqsTMM-BrDdelg

提取码：1207