用R软件做聚类分析的例子

5. 查看帮助 help(round) ?abs
应用统计分析—— R软件实现
向量
1. 向量的赋值(一维数组, 下标从1开始) a=c(d1,d2,d3,…)
间隔为1的等差序列: a:b
指定间隔的等差序列: seq(from,to,by)
seq(length, from, by)
重复序列：
rep(vec, times)
练才可以进入。
应用统计分析—— R软件实现
R软件：免费的,志愿者管理的软件。
编程方便，语言灵活，图形功能强大
有不断加入的各个方向统计学家编写的统计软件包。 也可以自己加入自己算法的软件包.
这是发展最快的软件，受到世界上统计师生的欢迎。 是用户量增加最快的统计软件。
对于一般非统计工作者来说，主要问题是它没有 “傻瓜化”。
# 取出a中小于3的元素
a[6]=12
a=a[-c(1,3,5)] #去掉第1、3、5元素.
应用统计分析—— R软件实现
3.向量的长度 length(a)
应用统计分析—— R软件实现
矩阵(二维数组)
matrix(data=NA, nrow=1, ncol=1, byrow=FALSE)
注意：默认是按列放置元素
x=1; if(x>0) {a=10;b=10} else {a=20; b=20;}
应用统计分析—— R软件实现
2. 循环结构 for (name in express) expr; while(condition) expr; repeat {exprs; if(达到中止条件) break }
应用统计分析—— R软件实现
1.矩阵的元素访问
x=matrix(rnorm(24),4,6)
x[2,1]
#第[2,1]元素
x[c(2,1),]
#第2和第1行
x[,c(1,3)]
#第1和第3列
x[x[,1]>0,1]
#第1列大于0的元素
x[,-c(1,3)]
#没有第1、3列的x
x[-2,-c(1,3)]
header表示第一行是否有变量名，sep表示数据分 割的字符
D1=read.table(“e:\\test1.txt”,header=TRUE)
D2=read.table(“clipboard”) #从剪贴板中获得文
本数据
应用统计分析—— R软件实现
2. 计算的数据保存成文本文件或CSV文本文件 write.table(data, file=“”) #纯文本格式
统计量 数据中心化与标准化 和分布有关 数据的图形表示 统计图形
应用统计分析—— R软件实现
统计量
sum(),max(),min()
mean() #平均值
median() #中位数
var()
#方差
sd()
#标准差
cov() #协方差阵，参数为矩阵或数据框 cor() #相关系数，参数为矩阵或数据框
应用统计分析—— R软件实现
自定义函数
fun<-function(arg1,arg2,…) { 注意：最后一句表达式的值为返回值
}
myfun=function(k ) { sum=0; for(i in 1:k) sum=sum+i^i sum
}
应用统计分析—— R软件实现
二. 数据描述性统计
例如：
A=matrix(1:6, nrow=3)
B=matrix(10:15,nrow=3)
C=c(100,200)
则： A+B
A*B
A+C
11 17 13 19 15 21
10 52 22 70 36 90
101 204 202 105 103 206
应用统计分析—— R软件实现
A %*% B
#乘法
stu=list(age=10, name=“Tom”, interests=c(“swimming”,”drawing”))
stu[[2]] stu$name stu$name=“john”
names(stu)
#得到所有的对象名
应用统计分析—— R软件实现
2. 数据框是R的一种数据结构，以矩阵形式保存数据 各列类型可以不同，每列为一变量，每行为样品 各列长度相等 data.frame( )
c=1:12; a=matrix(c, nrow=2,ncol=6) dim(c)=c(3,4)
b=as.vector(c)
A=diag(c(1,4,5)) #以向量为对角元生成对角矩阵
a=diag(A)
#获取矩阵的对角元
应用统计分析—— R软件实现
3. 矩阵运算 +,-,*,/ 分别是矩阵内部元素的四则运算 向量矩阵间：向量按列匹配与矩阵运算
1 R软件的使用 2 数据描述性统计 3 回归分析 4 判别分析 5 聚类分析 6 主成分分析 7 因子分析
应用统计分析—— R软件实现
一. R软件的使用
基本语法 向量 矩阵 list与data.frame 读写数据文件 控制语句与自定义函数
应用统计分析—— R软件实现
基本语法
应用统计分析—— R软件实现
Minitab：这个软件是很方便的功能强大而又齐全的 软件，也已经“傻瓜化”，在我国用的不如SPSS 与SAS那么普遍。
Eviews：这是一个主要处理回归和时间序列的软件。
GAUSS：这是一个很好用的统计软件，许多搞经 济的喜欢它。主要也是编程功能强大。目前在我国 使用的人不多。
rnorm(n, mean = 0, sd = 1) #计算n个正态分布的随机数
#没有第2行、第1、3列的x.
应用统计分析—— R软件实现
2. 矩阵的维数问题
dim(A)
#获得维数,返回向量
nrow(A) ,ncol(A) #获得行数和列数
rownames(A), colnames(A) #访问各维名称
应用统计分析—— R软件实现
3. 向量和数组/矩阵的转化: 只要定义向量的维数即可 实现向量和数组转化
2.向量的下标运算
a=1:5 (b=1:5) a[2]
a[c(2,4)]=c(4,8)
a[-5]
#同上，只不过显示出来 #取出a中第二个元素 #修改a中第2、4个元素分别为4、8 #扣除第5个元素取出来
a<3
#判断a中元素是否小于3
[1] TRUE TRUE FALSE FALSE 符: +,-,*,/,^(乘方),%% (模), %/% (整除)
4.常用的数学函数有:abs , sign , log , log2, log10 , sqrt , exp , sin , cos , tan , acos , asin, atan , cosh , sinh， tanh
stu=data.frame(name=c('Tom', 'Rose'), age=c(30,32))
names(stu) colnames(stu) rownames(stu)
attach(x)
#得到所有的变量名 #列名，同上
#得到行名
#把数据框中的变量链接到内存中
x=data.frame(matrix(1:6,nrow=2)) #矩阵转化为数据框
应用统计分析—— R软件实现
数据中心化与标准化
xij

xij
xj s jj
,i
1,
, n; j 1,
,p
scale(x, center = TRUE, scale = TRUE)
应用统计分析—— R软件实现
和分布相关
dnorm(x, mean = 0, sd = 1) #计算正态分布的密度函数 pnorm(p, mean = 0, sd = 1) #计算正态分布的分布函数 qnorm(q, mean = 0, sd = 1) #计算正态分布的分位数
1. 变量使用即定义: 变量名区分大小写, 也可用中文命名 变量赋值可采用4种形式：=，<-, ->, assign() 变量类型自动由变量赋值确定。
2.注释符号 #
语句连接符 ;
a=10; b<-20; 30->c ; assign(“d”,40) 中国=“中华人民共和国” #生成字符串变量
应用统计分析—— R软件实现
MATLAB：这也是应用于各个领域的以编程为主的 软件，在工程上应用广泛。但是统计方法不多。
应用统计分析—— R软件实现
R的历史
S语言在1980年代后期在AT&T实验室开发.
R 项目由Auckland 大学统计系的Robert Gentleman和Ross Ihaka于1995年开始的.
应用统计分析—— R软件实现
x=data.frame(id=101:120,score=round(rnorm(20,7 0,10))) #取出前两行数据 x[1:2,] #选出score<60的数据 x[x[[2]]<60,]
应用统计分析—— R软件实现
读写数据文件
1. 读表格形式文本文件 read.table(file, header=FALSE,sep=“ “,…)
它很快得到广泛用户的欢迎. 目前它是由R核心发展 团队维持;它是一个由志愿者组成的工作努力的国际 团队
应用统计分析—— R软件实现
下载R软件
学习网站 /pages/newhtm/r/schtml/
应用统计分析—— R软件实现
A=matrix(1:10, 2,5) B=matrix(1:10,2,5,byrow=TRUE) #按行放置元素