1-R语言概述

1.认识R语言

1.1 选择R语言的依据

免费的软件
编程方便，语言灵活，图形功能强大
优秀的内在帮助系统
高质量、广泛的统计分析、数据挖掘平台
国际上R语言已然是专业数据分析领域的标准

1.2 R的来源

R是S语言的一种实现。S语言是由 AT&T贝尔实验室开发的一种用来进行数据探索、统计分析、作图的解释型语言。最初S语言的实现版本主要是S-PLUS。

S-PLUS是一个商业软件，它基于S语言，并由MathSoft公司的统计科学部进一步完善。后来Auckland大学的Robert Gentleman 和 Ross Ihaka 及其他志愿人员开发了一个R系统。R的使用与S-PLUS有很多类似之处，两个软件有一定的兼容性。
请添加图片描述

1.3 R的优缺点

描述：

与起源于贝尔实验室的S语言类似，R也是一种为统计计算和绘图而生的语言和环境，它是一套开源的数据分析解决方案，由一个庞大且活跃的全球性研究型社区维护。但是，世面上也有许多其他流行的统计和制图软件，如Miscrosoft Excel、SAS、IBM SPSS、Stata以及Minitab。为何还要选择R？
R有着非常多值得推荐的特性。
多数商业统计软件价格不菲，而R是免费的！
R语言由一个庞大且活跃的全球性研究型社区维护。
R语言具备可扩展能力且拥有丰富的功能选项，帮助开发人员构建自己的工具及方法，从而顺利实现数据分析。
R可运行与多种平台之上，包括Windows、Unix和Mac OS X。这基本上意味着它可以运行于你所能拥有的任何计算机上。

优点：

开源；
庞大且活跃的社区维护；
可扩展能力强，灵活度高；
多平台运行，Windows、Linux和Mac OS X；
已然是专业数据分析领域的标准工具。

缺点：

解释性语言，速度略慢；
所有计算都是在内存中进行的；
标准相对不统一

1.4 R环境安装

R 语言的开发环境本身具备了图形开发环境，这与其他很多工程语言是不同的，所以开发环境最好安装在为桌面个人计算机设计的操作系统上（如 Windows, macOS 或 Ubuntu 桌面版等）。

首先，我们需要下载 R 语言环境的安装包：

Windows

官方地址：https://cloud.r-project.org/bin/windows/base/
USTC 镜像：https://mirrors.ustc.edu.cn/CRAN/bin/windows/base/
TUNA 镜像：https://mirrors.tuna.tsinghua.edu.cn/CRAN/bin/windows/base/

Linux

官方地址：https://cloud.r-project.org/bin/linux/
USTC 镜像：https://mirrors.ustc.edu.cn/CRAN/bin/linux/
TUNA 镜像：https://mirrors.tuna.tsinghua.edu.cn/CRAN/bin/linux/

macOS

官方地址：https://cloud.r-project.org/bin/macosx/
USTC 镜像：https://mirrors.ustc.edu.cn/CRAN/bin/macosx/
TUNA 镜像：https://mirrors.tuna.tsinghua.edu.cn/CRAN/bin/macosx/

以上的版本有可能是过时的，如果你需要最新版本，可以访问：

清华大学源： https://mirrors.tuna.tsinghua.edu.cn/CRAN/bin/
官网：https://cloud.r-project.org/bin/

window中安装

Windows 安装很简单，下载安装包后，双击下载的安装包，开始安装向导：

请添加图片描述

**注意：**这里使用的操作系统是 64 位的，但现在仍有少数的计算机使用的是 32 位的操作系统，如果你的操作系统是 32 位的，请在此步骤选择"32-bit 用户安装"选项。（不同的版本有可能不一样）

请添加图片描述

1.5 R的图形用户界面

在R安装完后的GUI窗口里，有菜单栏、工具栏和R的控制台。

请添加图片描述

2.R的编译环境

2.1 Rstudio的IDE编辑器

R自身带的编辑器很不好用，因此可以寻找很多的替代方案，比如可以选择Emacs和Vim来替代。这里推荐Rstudio，它是专门用于R语言环境的IDE。

Rstudio可以从其官网http://www.rstudio.com/上免费下载安装。

请添加图片描述

2.2 获取R的帮助

R提供了大量的帮助功能，学会如何使用这些帮助文档可以在很大程度上助力你的编程工作。通过命令窗口输入代码查看帮助。

函数	功能
help.start()	打开帮助文档
help(“plot”)或者?plot	查看函数plot的帮助（引号可以省略）
help.search(“plot”)或者??plot	以plot为关键词搜索本地帮助文档
example(“plot”)	函数plot的使用示例（引号可以省略）
RSiteSearch(“plot”)	以plot为关键词搜索在线文档个邮件列表存档
apropos(“plot”,mode=“function”)	列出名称中含有plot的所有可用函数
data()	列出当前以加载包中所含的所有可用示例数据集
vignette()	列出当前已经安装包中所有可能的vignette文档
vignette(“plot”)	为主题plot显示指定的vignette文档

在RStudio中，资源管理窗口的Help子窗口则可以直接通过函数的输入查看相关的帮助文档。

请添加图片描述

2.3 R的工作空间

工作空间(workspace)就是当前R的工作环境，它储存着所有用户定义的对象(向量、矩阵、函数、数据框、列表）。
在一个R会话结束时，你可以将当前工作空间保存到一个镜像中，并在下次启动R时自动载入它。
当前的工作目录(working directory)是R用来读取文件和保存结果的默认目录。
我们可以使用函数**getwd( )来查看当前的工作目录，或使用函数setwd( )**设定当前的工作目录。
如果需要读入一个不在当前工作目录下的文件，则需要在调用语句中写明完整的路径。

在RStudio中的环境管理窗口中可以直观看到R的工作空间中储存的对象。

请添加图片描述

R的部分工作空间管理函数。

函数	功能
getwd()	显示当前的工作目录。
setwd(“new_path”)	修改当前的工作目录为new_path。
ls()	列出当前工作空间中的对象。
rm(objectList)	移除(删除)一个或多个对象。
rm(list = ls())	移除当前工作空间的所有对象，即清除R工作空间中的内存变量。
help(options)	显示可用选项的说明。
options()	显示或设置当前选项。
history(n)	显示最近使用过的n个命令(默认值为25)。
savehistory(“myfile”)	保存命令历史到文件myfile中(默认值为.Rhistory)。
loadhistory(“myfile”)	载入一个命令历史文件(默认值为.Rhistory)。
save.image(“myfile”)	保存工作空间到文件myfile中(默认值为.RData)。
save(objectlist,file=“myfile”)	保存指定对象到一个文件中。
load(“myfile”)	读取一个工作空间到当前会话中(默认值为.RData)。
q()	退出R，并将会询问是否保存工作空间。

3.使用R包

3.1R包概述

包是R函数、数据、预编译代码以一种定义完善的格式组成的集合。
计算机上存储包的目录称为库(library)。
函数.**libPaths()**能够显示库所在的位置。
函数**library()**则可以显示库中有哪些包。
R自带了一系列默认包(包括base、datasets、utils、grDevices、graphics、stats以及methods),它们提供了种类繁多的默认函数和数据集。其他包可通过下载来进行安装。

3.2 包的安装

第一次安装一个包，使用命令install.packages(“package_name”,“dir”)即可。
dir:包安装的路径。默认情况下是安装在…\library 文件夹中的。可以通过本参数来进行修改，来选择安装的文件夹。
一个包仅需要安装一次。但和其他软件类似，包经常被其作者更新。使用命令update.packages()可以更新已经安装的包。
要查看已安装包的描述，可以使用installed.packages()命令，这将列出安装的包，以及它们的版本号、依赖关系等信息。

3.3 查看包的相关信息

查看包帮助：library(help=“package_name”)
主要内容包括：例如：包名、作者、版本、更新时间、功能描述、开源协议、存储位置、主要的函数
查看当前环境哪些包加载：find.package()
加载包：library(package_name) 或者 require(package_name)
移除包出内存：detach(package:package_name)
把包的数据加载到内存中：attach(iris)
列出所有安装的包：library()

3.4 包的使用

包的安装是指从某个CRAN镜像站点下载它并将其放入库中的过程，。要在R会话中使用它，还需要使用library()命令载入这个包。
载入一个包之后，就可以使用一系列新的函数和数据集了。

3.5 常用R包

常用R包可划分为：

空间数据分析类
机器学习与统计学习类
多元统计类
药物动力学数据分析类
计量经济类
金融分析类
并行计算类
数据库访问类

机器学习与统计学习类别就包含有实现分类、聚类、关联规则、时间序列分析等功能的R包，通过加载不同的R包就能够实现相应的数据挖掘功能.

功能	函数及加载包
分类与预测	nnet函数需要加载BP神经网络nnet包； randomForest函数需要加载随机森林randomForest包； svm函数需要加载e1071包； tree函数需要加载CRAT决策树tree包等
聚类分析	hclust函数、kmeans()函数在stats包中
关联规则	apriori函数需要加载arules包
omForest函数需要加载随机森林randomForest包； svm函数需要加载e1071包； tree函数需要加载CRAT决策树tree包等
聚类分析	hclust函数、kmeans()函数在stats包中
关联规则	apriori函数需要加载arules包
时间序列	arima函数需要加载forecast、tseries包