、R 語言是什么？

R 語言是一個專門為統計而開發出來的一個計算機編程語言，它是一種解釋性型的面向數學理論研究工作者的語言。類似于MATLAB，他在語言層面提供了更加豐富的數據結構，且能夠十分方便地輸出文字和圖形信息，所以廣泛應用于數據分析，尤其是統計學領域。

我們使用R 語言一般都會搭配 Rstudio 使用（它是一款 R 語言的操作界面，具有代碼調試、可視化等功能）

2、R 語言能做什么？

現在的 R 語言可以做 統計分析、數據可視化、機器學習（包括深度學習）。

—— R 語言的系統學習可以參考[R 語言教程](https://www.math.pku.edu.cn/teachers/lidf/docs/Rbook/html/_Rbook/intro.html#intro-hist-char)

• 統計分析：R 的統計分析能力尤為突出，它內嵌了許多實用的統計分析函數（比如，線性回歸等）。分析的結果也可以直接顯示在界面上。

• 數據可視化：內置了多個作圖函數，同時還有大量的作圖函數包（package），比如，ggplot2（Nature、Science 和 Cell上有大量的圖表都是使用 R 語言繪制的）。這些工具的存在使得 R 可以做出各種美觀漂亮的圖表（比如，熱圖、動態統計圖等），而且可以保存為 jpg、png、bmp、ps、pdf、emf 等多種格式文件。

——（關于 R 語言學術表格的繪制方法可以參考[《R 語言數據可視化之美》](https://read.douban.com/reader/ebook/130453795/)）

同時R 語言還能實現地理可視化（GIS），通過“arcgisbinding”包可以實現在 R 語言中導入、轉化和導出 ArcGis 數據集。還有專門為 R 和 ArcGis 開發的軟件[R-ArcGis](https://r.esri.com/)

• 機器學習：得益于 R 的開源社區（CRAN），許多的機器學習“package”被開發出來供人們免費使用（比如 nnet、randomForst等），可以實現神經網絡，隨機森林等**各種機器學習**模型等建模。通過與 keras（深度學習框架）的結合，使得 R 還可以實現深度學習建模，讓 R 的應用范圍又更進一步拓寬。

```

如果你想做 Bayesian，只要在 R 里面調用 OpenBUGS，WinBUGS，JAGS 等這些已經成熟的 package 來進行貝葉斯分析。

```

怎么樣R 語言是不是非常有用，那我們趕快學起來吧！

下篇文章來教大家怎么利用R語言進行簡單 BP神經網絡 建模

R 語言幾乎不需要編程，大部分的操作只需要調用 package 來執行就可以了.我們只需要了解R的基礎語法

家好，這是從知乎《一個大學生的日常筆記》中遷移過來的R語言教程的第一篇。

這一份筆記follow了兩本非常優秀的R語言教材，分別是Robert I.Kabacoff的《R語言實戰》和Peter Dalgaard的《R語言統計入門》，兩本教材的思路有所不同，我會根據我自己的思路盡量降低學習門檻，綜合來寫教程。（畢竟提高了門檻，我就不知道自己在寫什么了……那就真的沒卵用了……）

閱讀教程的時候我有自己的思路，看過我的LaTeX入門筆記的同學們會明白，如果我想到了一些可能會讓入門新手迷糊的地方，我會以注意：這樣的形式去標記出來，而且有的時候，可能這些小插曲更加重要，請不要忽略它們。

例子大部分都是摘抄的，但是我會做一些解釋和細節上的調整，同時考慮到代碼規范的問題，我很多例子不會提供符號可選的余地，比如"和'，用于標記字符都可以，但是代碼規范推薦使用"

目前我已經是準大二學生，統計的先修課只有一門學校上的《概率論與數理統計》，事實上，這門課學完之后，R的大部分內容就已經可以上手操作了。因此我們不會在這門課程已有的理論部分下功夫去解釋。但是，礙于我自己本科生的視野，我們不會把太復雜，或者根本不可能涉及到的的內容搬到這里，因此這對于真正的statistician，或者是統計學專業的大牛來說，可能最多只是一份入門筆記而已。

不過也還是有些亮點的，我可能會在教程里夾雜點別的語言的新奇玩意做些互相的對比2333

引言到此為止，下面我們開始正題。

目錄

• R語言環境初探
• 一些基本的素養和操作
• 賦值
• 向量
• 索引
• 矩陣
• 數組
• 小結

R語言環境初探

細心的同學可能已經看到了封面的那個圖，那個就是我們推薦下載的R語言編輯器——Rstudio，但是這僅僅是個編輯器，必須下載安裝真正的R語言編譯器才能夠運行。至于如何下載——百度搜索R和Rstudio關鍵字就好。那兩個玩意的圖標大概長這樣

我們主要使用的編輯器是Rstudio，但是為了教程的完整性(integrity)，這里展示一張R語言的打開界面

輸入一行命令試試？

plot(rnorm(1000))

（居然沒提供R語言的選項……）

系統會為你畫一張圖

這是一張含有1000個按正態分布排列的隨機數的圖。

R的環境到此結束，下面我們回到Rstudio來看看

我們可以看到Rstduio有四個區域。分別的功能是

1. 左上角，是Rstudio的腳本區域（但是遠不止寫腳本那么簡單，其實還可以用來寫Rmarkdown，RNotebook等，這些是很實用的插件，但這里我們不詳談）
2. 左下角，是命令行（command）窗口，剛才我們在R中展示的窗口就是這個。
3. 右上角是R的目前的變量環境
4. 右下角是R的畫圖，裝包，瀏覽文件的區域。

可以看出，綜合的功能是比R要強大很多的，而且根據我們網站組的大佬的反應，這玩意其實是一個html……也就是說你會JS你就可以惡搞它的界面啦

對了，在你關掉R/Rstudio的時候，系統會問你是否要保存空間映像，那個其實就是保存歷史記錄，方便以后繼續使用而設置的。

一些基本的素養和操作

R語言是一個統計語言。統計數據離不開一個良好的用于儲存的結構和標識。我們會先從它的基本操作講起，在其中夾雜著數據類型，數據框等大量的結構和細節。

首先說說幫助文檔

R語言和C++/python不一樣，R語言非常瑣碎，因此seek for help是必要的，但是R的official document很難懂，因此不推薦拿那個去當作你學習的教程。我們推薦的是以下三種尋求幫助的命令

help("function") or ?function
help.search("function") or ??function
example("function")

第一個是查函數的幫助文檔，第二個是以某一個function為關鍵字搜索幫助文檔。第三個會給出某一個函數的使用示例。在對函數不熟悉的時候一定要學會使用它。

不管是什么樣的計算機語言，賦值都是最基礎的工作。但是賦值符號不是C++里的=，而是<-，比如

r <- 2

注意：用=賦值是不會被編譯器報錯的，但是由于這個語法不標準，所以有的時候會出問題。

隨著賦值而來的就是數值運算，但是我們不強調那種單變元的數值運算，R有個很強大的功能是向量化操作（當然matlab也有）。（向量理解為一系列變量的按序組合（比如數值向量可以理解為數列）就好）比如說給予五個人身高體重的例子，我們計算一個BMI。

A <- c(1.84,1.74,1.65,1.58,1.81)
B <- c(86.2,65,51.5,45,56)
BMI <- (B/(A^2))
BMI

最后顯示的結果是

確實是一個向量。

注意：R語言構造向量的方法是c(...)

注意：如果不輸入某一個變量的名稱，R默認是不顯示結果的，因此我最后一行又加了一個BMI變量名顯示它。

注意：我們推薦寫多行R代碼的時候使用腳本，之后在Rstudio中，腳本區域的右上角有三個按鈕，第一個run是逐行運行代碼，第三個source是運行全部代碼（但是要在下拉框選擇source with echo，否則依然顯示不了結果），大家注意回去找找看。

注意：如果你真的點擊了source去運行代碼的話，可以在command區域看到這樣的命令

source('C:/Users/Asus/Desktop/A.R')

拿出來說的原因是想強調：如果你要輸入一個文件路徑，一定要輸入正斜杠/，因為反斜杠是轉義字符（escaped character），在""中間輸入字符，如果想讓它打印出"，就可以輸入\"。

我們回到向量這個問題上來

常用的R的數據類型有三種：數字，字符，邏輯真假（當然還有個缺失值類型，我們在之后會說）。因此我們也可以創建字符和邏輯向量。

關于字符向量，我們列舉下面三個例子

c("A","B","C")
cat(c("A","B","C"))
cat(c("A","B","C"),'\n')

顯示的結果如下

哎？二和三有什么區別嗎？

如果你在R中運行的話，第二行的命令是默認不換行的，所以就會出現

的情況，不過在Rstudio里，這種情況得到了改善。

注意：cat是連接+輸出的函數，而c只負責連接，在例子中，cat可以消除字符串的""符號。你可以連接任何東西，包括向量。

注意：R的向量要求內部的所有元素數據類型相同。如果通過cat/c連接兩個不同數據類型的向量，系統會進行強制轉換。比如

A <- c("A","B","C")
B <- c(1,2,3)
c(A,B)

結果留給大家自己觀察。（這里原來出了一處錯誤，已經修正，謝謝

@快走姑娘

提醒）

和數值運算類比的就是邏輯運算，但是我不打算在這里先說這些。

伴隨著向量的就是索引，目的自然是為了取用這些元素。索引的方法是[]，舉2個例子

A <- c("A","B","C")
A[2]
B <- c("A"=1,"B"=2,"C"=3)
B["B"]

顯示的結果如下

注意：向量內的元素是有序的，這里A[2]索引的就是第二個，不是程序員認為的第三個！

注意：第二個例子中，我們相當于人工設置了索引（在python里，有個專門的數據結構叫字典（dict））為"A","B","C"，它們叫這些變量的名稱（name），一一對應1，2，3。和自然索引1，2，3不同的是，這里的人工索引在查看變量的時候會顯示。

注意：索引也可以索引一個向量，也就是索引多個元素（和matlab一樣），比如說，試著運行一下下面這個命令。

A <- c("A","B","C")
A[c(2,3)]

結果留給你們自己去發現。

注意：索引也可以是負索引！它不是python里“倒數第幾個”的含義，它的意思是“索引除標記以外的所有元素”。在數據清洗中非常常見，可以用一個例子去幫助理解

A <- c("A","B","C")
A[-c(2,3)]

自己去敲敲代碼看看結果吧

注意：你甚至可以使用索引進行賦值，即使它已經超出了這個向量的長度，比如說

A[7]="D"

那么，A這個時候第7個確實是字符D，但是原來的第4-6個呢？實際上它們是缺失值。也就是NA。至于缺失值是什么樣的數據類型，這會在之后提到。

注意：對于名稱，字符串中的""要求會放寬，也就是說，你還可以這么寫。

B <- c(A=1,B=2,C=3)

結果是一樣的

對于我這種懶人來說，這可真是個福音。

下面我們說說矩陣和數組。

矩陣可以理解為二維的向量。但是創建矩陣的參數就一下子多了很多，因此可能會稍有點難理解，我們用兩組例子結束這一切。

第一組：

S <- c(1,2,3,4,5,6,7,8,9)
rnames <- c(1,2,3)
cnames <- c("A","B","C")
C=matrix(S,nrow=3,ncol=3,byrow=TRUE,dimnames=list(rnames,cnames))
C=matrix(S,nrow=3,ncol=3,byrow=FALSE,dimnames=list(rnames,cnames))
C=matrix(S,nrow=2,ncol=4,byrow=TRUE,dimnames=list(rnames,cnames)) 

顯示的結果如下

我改變的參數在byrow這里，它提示我們應該按行填充還是按列填充。TRUE自然就是按行存儲的意思。

Oh，第三個報錯了，看一下報錯信息。

data length [9] is not a sub-multiple or multiple of the number of rows [2]數據長度9不是行數2的因數或倍數

哇哦，我有一些額外的發現

報錯信息的數字會用[]標識出來，是有意義的。同時本身也不是特別難懂。

興奮完之后，回到命令本身，參數解釋如下：

• 第一個是源向量。
• 第二個是nrow和ncol參數，row是行，col是列（column），代表需要組合的行數和列數。
• 第三個是byrow參數，上面已經解釋過了。
• 第四個是dimnames，用于標記行名稱和列名稱。

我們可以看到，在矩陣里，名稱就非常重要了，它更接近于我們平常做數據分析時所需要使用的表。

注意：看到那個TRUE了沒，對比一下C里的true和python里的True就知道，R語言也是一個大小寫敏感的語言。因此要注意代碼的嚴格的大小寫。

注意：第三，四個參數不是必需的，第三個不寫的話，默認是FALSE，也就是按列填充。（和TeX的語法差別在于，可選不可選并不能通過直觀的方式看出來，需要靠人的主觀能動性去理解）

注意：在dimnames里有一個list函數，這是為了創建列表，它的目的是把多個變量的集合聚合成為單個變量，這是為了方便給函數的參數提供值，傳參時會經常用。形式上倒沒有太大的差別。

下面是第二個例子。

cbind(A=1:4,B=5:8,C=9:12)
rbind(A=1:4,B=5:8,C=9:12)

顯示的結果如下

bind是捆綁的意思，cbind理解為“把列捆綁在一起”，所以提供的向量自然是列向量，那么對應的名稱索引就是行索引。同樣的，rbind就是“把行捆綁在一起”。

注意：有的人會問[1,]和[,1]是什么？我們要強調，這種位置上的東西不管是名稱還是數字，都是索引！但是這是矩陣的索引，對于矩陣的索引，我們可以舉幾個例子。

A=matrix(1:24,nrow=4,ncol=6)
A[,6]
A[3,]
A[3,4]
B=A[c(2,3),c(3,4)]
B
dimnames(B)=list(c(1,2),c(1,2))
B

顯示的結果如下

索引項中，第一個是行索引，第二個是列索引。同樣，你也可以給索引設置為向量。

在敲這個代碼的時候，摸索了一個很有趣的用法。我們注意到，B依然是一個矩陣，但是使用matrix是創建一個矩陣，如果我要修改B這個矩陣的參數怎么辦呢？就可以使用paramater(B)=，其中paramater是在函數中的參數，可以通過這種方法賦值。

注意：1:4，5:8等等，這個是什么？根據例子可以看出，這會生成1:4的公差為1的等差數列。你不用去擔心看不懂，我會點出來，然后告訴你，這些有趣的用法在之后的筆記中會講解到。

接著說數組，R中給的定義是多于2維的向量。我們拿矩陣去做對比，對數組就很好理解了。

同樣舉個例子

A <- c('A','B')
B <- c(1,2,3)
C <- c('!','@','#','
)
z <- array(1:24,c(2,3,4),dimnames=list(A,B,C))
z

顯示的結果如下

我們可以看出，第三維是單獨被拉出來的，第一二維就是行和列。第三維我們一般稱為頁。

有了矩陣鋪墊，這個每個參數的含義就好理解多了，但我們還是做一個簡單的解釋。

1. 第一個paramater是源向量。
2. 第二個是三維中每一維的長度
3. 第三個是每一維的名稱

注意：我還沒有找到讓數組元素按行填充的辦法。可能本身就沒有設置吧。

注意：在介紹matrix函數的時候，每一個參數都是paramater=...的形式，但是這里似乎不是。在R里，如果不加這樣的形式，R會按默認的參數順序設置，如果記不住就很容易亂。使用這樣的形式可以防止這個問題（同樣在python，C++里也可以這么做，其中python里叫已知參數）當然不是因為它沒有paramater，這只是寫的人的習慣，因為這三個參數不容易混（性質完全不同），所以用熟的人自然不會再想著加paramater本身。

好的，問題來了，如果我是小白呢？我想加paramater怎么辦？

乖，讓你的心到最開始的地方看看？

小結

再次強調，不要忽略所有注意的地方！我已經寫了很長時間了，但是實際上回到書本，其實只是書本一二兩章的內容的部分。還有很多有趣的東西還沒有涉及到，因此這只是基本操作總覽的第一部分。我們會在之后的筆記涉及到剩下的部分。

下一節我們會說函數，常用函數集合，向量中的因子，排序，數據框，存儲與導入外部數據等其余的基本操作。

感謝支持我的各位！筆芯~~