R語言筆記

第一、二章

最近真的很忙，經歷扶貧、學習加上工作業務等等，真的是在擠時間學習。雖然有點累，而且編程不是強項，但是不能錯過大數據的風口，特別是在學習了一些初創企業的發展方向後，更加堅定了堅持的思想。

R語言很簡潔，很容易上手，但是長期扔下編程，也沒有特別好的基礎，所以還是很吃力。學習了第一、二章節後，初步有了概念，加上採用聯想式記憶和學習的方法，應該效果不錯。多了不說，奉上乾貨。

第一章：

1、安裝軟體：不附圖了，就是安裝，沒什麼問題。

2、初步感受：demo圖示看了後，確實感覺R語言具有的強大圖示能力。

3、幫助：help和？的強大，給了我很好的幫助，就是英語不太好，繼續學習中。這裡使用了help()和example()函數，記住了，並且嘗試多次，效果不錯。表1-2中的幫助函數很多，目前只能記住上述2個，不著急，慢慢來，後續長期使用後，就會熟能生巧，也就能夠記住了。

4、工作空間：學會了setwd()和getwd()兩個函數。把路徑搞定，這裡感覺R語言翻譯中的目錄使用不太習慣，還是路徑好一些，或者把路徑和目錄同時講述比較好。

5、代碼清單1-2中鬧了笑話，在R語言中實際操作時，無法連續敲出代碼並最終執行。回頭看了一下，原來可以採用直接執行語言或者複製代碼兩種方式，書中的不能連續執行。看來不實際操作真的不行。

6、實際操作了一下示例。

setwd("C:/R/1")

options()

options(digits=3)

x<-runif(20)

summary(x)

hist(x)

savehistory()

save.image()

q()

感覺沒有C語言好用，堅持應該會習慣。開始沒理解history函數的意義，現在看來很重要，保存文件，犯了錯誤會隨時發現。

7、setwd()、load()；sink()、dev.off()配合起來非常好用，記住了。

8、輸入時source()，腳本類型還不懂，後續學習。sink()輸出函數。這裡我將sink()函數想像為一個扇子，扇子面分別畫上()、append=TRUE、split=TRUE。

9、R提供了幾個工具：包、批處理、結果重用、處理大數據集。包想像為戰鬥機的模塊化武器，需要安裝、載入、使用發射。結果重用就是食堂早餐，我只是刷卡，就能吃早飯，完全不管怎麼做的和原料準備。

總結：R語言工作空間浮現腦海，輸入輸出有扇子模型和圖形輸出，戰鬥機模塊化武器、早餐加上容易犯錯。

第二章：

一、數據結構

1、有數值型、字元型和邏輯型的數據類型。

2、向量中把訪問向量元素想像為教室點名，一是只點一個、二是隨機點幾個、三是點從哪到哪一個序列。學生是一樣的，不能學生和大樹一起上課（數據類型一致），c()函數創建。注意字元型要加「」。

3、矩陣函數matrix()，把矩陣界面想像為從中間到外面先後出現的矩陣數值、行列命名、matirx(vector,norw=x,ncol=y,byrow=,dimnames=list())，訪問元素用[]，方式與向量比較，則變為全班同學點名，不再是一行。vector可以用1：:20，也可以用向量。

4、數組與矩陣類似，不同處在於vector後為c(最大維度)。想像成一層樓幾個班級，這樣形象。

5、數據框感覺很簡單，每一列必須唯一種類，那麼班級中就別都是人類了，加上一些樹人、外星人之類的吧，每一列同樣的種族去參加運動會，點名時候可以參考從矩陣到數組的方式。

6、

（1）這裡學到了列聯表概念，頭一次接觸到，學習了一下，感覺理解還不夠深入，以後繼續加強吧。table()函數用來列聯表，分析不同變數之間的隱含聯繫，$是訪問某個變數。從程序中嘗試了一下，感覺$就是把變數由列變為向量行，不知道後續理解是否正確。需要注意的是定義的時候，行數應該一致，曾經犯了錯，以後再驗證一下，如果是null則應該賦值為0。（這個地方確實需要驗證￥）

（2）這裡attach()和detach()，with()，函數分別用於分析數據框中的屬性。打個比方，承德市和承德縣，attach，detach容易發生把市和縣弄混的情況，with函數專門分析承德縣，劃分不同範圍，用於分析。如果在承德縣創建承德市的戶口，那麼用<<-來解決。

（3）data.frame中增加row.names=添加實例標識符。

7、因子我理解為程序把名義型和有序型變數進行了分析，便於後台利用已有的方法解決，有點類似列聯表的作用。（此處以後驗證￥）

（1）因子用factor函數來明確，注意一下如果是有序型變數定義因子，要用ordered=TRUE來明確。

（2）字元型向量要注意排序問題，levels搞定，回顧一下字元型向量要用「」。

8、列表是能夠將上述所有的數據類型容納，同時還不需要與數據框一樣，行數保持一致。函數是list()，另外可以在函數中命名變數。坑的是我用data.frame驗證了一下，也可以命名（早說啊）。

> rnames<-c(1,2,3)

> cnames<-c("a","b","c")

> example<-data.frame(f=rnames,g=cnames)

> example

f g

1 1 a

2 2 b

3 3 c

>

最後試驗了好幾次，才明白列表的命名是用來方便調用的。不像數據框那樣，直接可以訪問命名的向量，列表需要在函數中對已經命名的向量進行再處理，才能雙框[[]]直接調用。

二、輸入方式

1、鍵盤輸入

把edit想像為鏡子中給衣服畫圖案，如果讓圖案真正印在衣服上，得回歸賦值。

2、帶分隔符的文本文件導入。read.table函數搞定。在一個桌子上（table），放著一張.csv格式的紙，read.table從紙上獲得信息，sep=「，」是判定帶分隔符輸入的基礎（這裡我提前了是因為「，」是視覺化想像中的第二位）。第一行header=TRUE獲得各變數名稱（這裡前提是文件中得是標準數據，否則肯定出錯）。row.names當然用來命名實例標識符。（￥還是分不清「」使用的場景，以後再總結和歸納）

3、excle數據導入最好導出為csv格式，然後用read.table來導入。否則可以用RODBC包來導入，這裡感覺不好用，還是用read讀取xlsx格式文件。安裝xlsx包，用read.xlsx("路徑"，n)讀取。

4、xml格式的輸入，沒什麼好說的，大概沒看懂，以後熟悉。

5、網頁抓取，這種方式以後應該用的很多。readlines（）下載網頁，grep或者gsub處理，以後應用。

6、spss數據導入。學習了spss概念，原來是統計軟體。foreign包中的read.spss（）導入，hmisc包中的spss.get導入，use.value.labels=TRUE表示將帶有值標籤的變數導入R中，強調是水平對應。這裡看書，理解了mydataframe的意思。

7、sas也是統計軟體。read.ssd（）和sas.get（）導入。

8、stata也是統計軟體，foreign包中的read.dta（）導入。

9、netcdf導入用ncdf或ncdf4包，存為數組。

10、hdf5，分層數據格式。用於超大型和結構極端複雜的數據。

11、訪問資料庫管理系統。

（1）ODBC介面。rodbc包，這裡注意需要安裝驅動。總結了一下rodbc包：對應odbc資料庫，具有連接、讀取到表、查詢返回、更改更新、結束5個功能。sqlquery（）非常強大，可以插入任意有效的sql語句。

（2）dbi包，看來不是主流。

12、stat/transfer是個輸入工具。以後可以常用。

三、向量標籤和值標籤

值標籤中重點是對數值代表意義的描述。否則程序多了後，肯定不容易查詢和修改。

四、處理數據對象的函數

這些函數可以用來對數據進行分析和觀察。就好像炒菜先得把食材處理一下，才能上火。具體函數以後熟悉。
推薦閱讀：