R语言学习总结讲课稿

R语言学习总结

R语言学习汇总报告

经过接近一个学期的学习，从对R语言的完全陌生，到现在对其有了一些粗浅的认识，其中经历了遇到困难苦思冥想的艰辛，也有解决问题以后豁然开朗的畅快。在学习的过程中，以前掌握的数理基础给我带来了不少便利，而认真地态度和踏实的性格也使我获益匪浅。

在这个学期中，我学会了R语言的基本操作和语法，以及针对具体的统计学问题相应的解决方法。并按时完成老师布置的课后作业，以达到学以致用的目的，也加强了对R语言操作的熟练度。

一、初识R软件

R软件是一套完整的数据处理、计算和制图软件系统。其功能包括：据存储和处理，数组运算，完整连贯的统计分析工具，优秀的统计制图功能已及简便而强大编程语言。

接触R语言以后，我的第一感觉就是方便和强大。R语言中有非常多的函数和包，我们几乎不用自己去编一些复杂的算法，而往往只需要短短几行代码就能解决很复杂的问题，这给我们的使用带来了极大地方便。于此同时，它又可操纵数据的输入输出，实习分支、循环，使用者可以自定义功能，这就意味着当找不到合适的函数或包来解决所遇的问题时，我们又可以自己编程去实现各种具体功能，这也正是R语言的强大之处。

二、学习心得

在学习该书的过程中，我不仅加深了对统计学方法的理解，同时也掌握了R软件的编程方法和基本技巧，了解了各种函数的意义和用法，并能把两者结合起来，解决实际中的统计问题。

1、R语言的基本语法及技巧

R语言不仅可以进行基础的数字、字符以及向量的运算，内置了许多与向量运算有关的函数。而且还提供了十分灵活的访问向量元素和子集的功能。R语言中经常出现数组，它可以看作是定义了维数（dim属性）的向量。因此数组同样可以进行各种运算，以及访问数组元素和子集。二维数组（矩阵）是比较重要和特殊的一类数组，R可以对矩阵进行内积、外积、乘法、求解、奇异值分解及最小二乘拟合等运算，以及进行矩阵的合并、拉直等。apply()函数可以在对矩阵的一维或若干维进行某种计算，例如apply(A,1,mean)表示对A按行求和。

R语言允许将不同类型的元素放在一个集合中，这个集合叫做一个列表，列表元素总可以用“列表名[[下标]]”的格式引用。而“列表名[下标]”表示的是一个子列表，这是一个很容易混淆的地方。R语言中非常重要的一种数据结构是data.frame（数据框），它通常是矩阵形式的数据，但每列可以是不同类型，数据框每列是一个变量，每行是一个观测，要注意的是每一列必须有相同的长度。数据框元素可以使用下标或者下标向量引用。

用一个非常简单的例子来说明向量、矩阵和数据框的简单运用。

输入：

A<-matrix(c(1:12),2,6,byrow=T) #A为一个2行6列，按行排列的矩阵X<-as.data.frame(A) #把A转化成数据框形式的X

X[1:2,seq(1,5,2)] #输出X的第1、2行和1、3、5列

输出：

V1 V3 V5

1 1 3 5

2 7 9 11

输入：

attach(X);R<-V1/V5;R #调用数据框X,计算并输出V1和V5的比值

输出：

[1] 0.2000000 0.6363636

与此同时R语言中也提供了其它高级程序语言共有的分支、循环等程序控制结构。比如if/else语句，for循环等。因此R语言也可以很容易的根据情况编写自己所需要的函数。

例：编写一个R程序，输入一个整数n，如果n小于等于0，中止运算，并输出：“要求输入一个正整数”。否则，如果n是偶数，则将n除2赋值给n。否则将3n+1赋给n。不断循环，直到n=1停止，并输出：“运算成功”

解：新建一个程序脚本，名为chapter2.R”，写入代码：

f<-function(n){

if(n<=0) list("要求输入一个正整数")

else{repeat{

if(n==1) break #n=1时终止 else if(n/2==as.integer(n/2)) n<-n/2 #n为偶数时除2 else n<-3*n+1

}

list("运算成功")

}

}

在R窗口中

输入：

Source(“chapter2.R”);f(32)

输出：

[1] "运算成功"

输入：

f(-5)

输出：

[1] "要求输入一个正整数"

2、R在统计描述中的应用

数据框操作（plyr包）

辅助小函数

1 splat函数：

作用：把原函数中多个参数打包为一个list作为参数，然后输出新的函数。也就是说本来某个函数需要输入多个参数，现在套上splat后，只要输入一个参数list就可以了，

不需要单独地输入参数。它的作用结果是把一个函数变成一个新函数。

m*ply(a_matrix, FUN)的作用和a*ply(a_matrix，1，splat(FUN))一样

例:

（1）参数使用

> hp_per_cyl<-function(hp,cyl,...) hp/cyl

> splat(hp_per_cyl)(mtcars[1,])

> splat(hp_per_cyl)(mtcars)

[1] 18.33333 18.33333 23.25000 18.33333 21.87500 17.50000

30.62500 15.50000 23.75000

[10] 20.50000 20.50000 22.50000 22.50000 22.50000 25.62500

26.87500 28.75000 16.50000

[19] 13.00000 16.25000 24.25000 18.75000 18.75000 30.62500

21.87500 16.50000 22.75000

[28] 28.25000 33.00000 29.16667 41.87500 27.25000

等价于：

> hp_per_cyl(mtcars$hp,mtcars$cyl)

splat函数的优点就是可以不用拆分字段，可以一起输入作为参数。

（2）与plyr函数合用：

> f<-function(mpg,wt,...) data.frame(mw=mpg/wt)

> ddply(mtcars,.(cyl),splat(f))

2 each函数

作用：把多个函数汇聚成一个函数，当使用这个函数时，将分别作用多个函数。它的作用结果是把一个函数变成一个新函数。

不足：不能给作用的函数指定附加参数，只能使用默认参数。

例:

> fun<-function(x) c(min=min(x),max=max(x),mean=mean(x))

> fun(1:10)

等价于:

> f<-each(min,max,mean)

> f(1:10)

3 colwise函数

colwise(.fun,.cols,...)

说明：.fun：要转化的函数。.cols是测试数据框的列是否应包含的判别函数或者是·要包含的列的名称。

catcolwise(.fun,...) 与colwise功能类似，只是对离散型变量有效numcolwise(.fun,...) 与colwise功能类似，只是对数值型变量有效

作用：把作用于数据框行向量的函数（如mean，median等）转化为作用于数据框列向量的函数。于plyr函数一起使用十分方便。作用结果生成一个新的函数。

例：

> nmissing<-function(x) sum(is.na(x))

> colwise(nmissing)(baseball)

> colwise(nmissing,.(sb,cs,so))(baseball)

> ddply(baseball,.(year),colwise(nmissing,.(sb,cs,so)))

> numcolwise(nmissing)(baseball)

等价于：colwise(nmissing,is.numeric)(baseball)

> catcolwise(nmissing)(baseball)

等价于：colwise(nmissing,is.discrete)(baseball)

4 failwith函数

failwith(default=NULL, f, quiet=FALSE)