R语言介绍

学习资料:《R语言实战》

R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。
1、新手上路

作者论坛:http://www.statmethods.net/

数据下载网址:https://www.manning.com/

R和各种安装包的下载地址:https://cran.r-project.org/

http://cran.r-project.org/web/packages

R是一种区分大小写的解释型语言。可以在命令提示符(>)后每次输入并执行一条命令,或者一次性执行写在脚本文件中的一组命令。

R中的多数功能是由程序内置函数和用户自编函数(各种安装程序包)提供的。

R语句由函数和赋值构成。R使用 <-,而不是传统的 = 作为赋值符号。例:x<-5

注释由符号 # 开头。

函数c()可将其参数组合成一个向量或列表

2、获取帮助

3、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。

工作目录(working directory):

保存历史命令记录:savehistory()  默认文件名为.Rhistory,也可自己命名

保存工作空间(即:包括R工作环境全部保存,一打开就可以执行历史记录):save.image()  默认文件名为.RData,也可自己命名

读取历史命令:loadhistory("文件名")

读取历史工作空间:load("文件名")    或者直接到文件目录下双击文件

注意默认的文件名包括"."

注意:R中工作目录路径用正斜杠/,反斜杠\是转义字符

用函数dir.create()创建新工作目录

4、输入和输出

输入:R环境键盘输入、执行存在文件中的R语言脚本

输出:屏幕输出、保存在文件中的文本输出

输入:函数source("filename"),是在当前会话中执行存在filename文件中的R语言脚本。要么文件名中包含路径,要么将工作目录修改为文件名所在路径。结果将出现在屏幕上。

文本输出:sink():仅向屏幕返回输出结果;

sink("filename"):输出重定向到文件filename中,将其内容覆盖;

sink("filename",append=TRUE):输出后追加到文件后,而不是覆盖;

sink("filename",split=TRUE):输出结果同时发送到屏幕和文件中

图形输出:

最后使用dev.off()将输出返回到终端

5、包

包在计算机上的存储目录称为库。使用包之前先安装(从某个CRAN镜像站点下载并放入库中)、载入(运行已安装的包)

包的安装:install.packages("包名")  ,不知道想安装的包的名称,包名可省。

update.packages()更新已安装包

installed.packages()查看已安装包的详细信息

包的载入:library(包名)

包的使用方法:help(package="包名")可以输出某个包的简短描述以及包中的函数名称和数据集名称的列表。

使用函数help()可以查看其中任意函数或数据集的更多细节。

时间: 2024-10-12 10:44:06

R语言介绍的相关文章

《R语言实战》读书笔记--第一章 R语言介绍

1.典型的数据分析过程可以总结为一下图形: 注意,在模型建立和验证的过程中,可能需要重新进行数据清理和模型建立. 2.R语言一般用 <- 作为赋值运算符,一般不用 = ,原因待考证.用->也可以. 3. age <- c(1,3,5,2,11,9,3,9,12,3) weight <- c(4.4,5.3,7.2,5.2,8.5,7.3,6.0,10.4,10.2,6.1) mean(weight) sd(weight) cor(age,weight) plot(age,weigh

第1章--R语言介绍

1.1 R的使用 R使用<-,而不是传统的=作为赋值符号.也可以使用->进行反方向赋值. 注释由#开头,在#后出现的热河文本都会被R解释器忽略. 1.2 获取帮助 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相当程度上助力你的编程工作. 1.3 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.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,并在下一次启动R的时候自动载入它. 1.4 输入和输出 函数source("file

《R语言实战》(中文完整版)pdf

下载地址:网盘下载 基本介绍 编辑 原作名: R in Action[2] 作者: Robert I. Kabacoff 译者: 高涛 / 肖楠 / 陈钢 出版社: 人民邮电出版社 出版年: 2013-1 页数: 388 定价: 79.00元 装帧: 平装 ISBN: 978-711-529-990-1 内容简介 编辑 数据时代已经到来,但数据分析.数据挖掘人才却十分短缺.由于"大数据"对每个领域的决定性影响,相对于经验和直觉,在商业.经济及其他领域中基于数据和分析去发现问题并作出科学

R语言 基础

第一章 R语言介绍 1.R语言获取和安装 https://www.r-project.org/ 2.R的使用 help.start() #打开帮助文档 help(car)#显示car包的描述 example(car)#运行car自带的示例 3.包 install.packages("car")#包的安装 library(car)#包的载入

R语言学习笔记(1)

第一章:R语言介绍 一 R的使用 1 R是一种区分大小写的解释型语言.R语句由函数和赋值构成.R使用<-作为赋值符号.例如: x<-rnorm(5) 创建了一个名为x的向量对象,它包含5个来自标准正态分布的随机偏差. 二 图形输出 pdf(”filename.pdf")-- png("filename.png")-- jpeg("filename.jpg")- 三 函数总结 help.start()--打开帮助文档首页 data()--列出当前

R语言实战(中文完整版)pdf

下载地址:网盘下载 内容简介  · · · · · · 数据时代已经到来,但数据分析.数据挖掘人才却十分短缺.由于"大数据"对每个领域的决定性影响, 相对于经验和直觉,在商业.经济及其他领域中基于数据和分析去发现问题并作出科学.客观的决策越来越重要.开源软件R是世界上最流行的数据分析.统计计算及制图语言,几乎能够完成任何数据处理任务,可安装并运行于所有主流平台,为我们提供了成千上万的专业模块和实用工具,是从大数据中获取有用信息的绝佳工具. 本书从解决实际问题入手,尽量跳脱统计学的理论阐

R语言实现︱局部敏感哈希算法(LSH)解决文本机械相似性的问题(二,textreuse介绍)

上一篇(R语言实现︱局部敏感哈希算法(LSH)解决文本机械相似性的问题(一,基本原理))讲解了LSH的基本原理,笔者在想这么牛气冲天的方法在R语言中能不能实现得了呢? 于是在网上搜索了一下,真的发现了一个叫textreuse的包可以实现这样的功能,而且该包较为完整,可以很好地满足要求. 现在的版本是 0.1.3,最近的更新的时间为 2016-03-28. 国内貌似比较少的用这个包来实现这个功能,毕竟R语言在运行大规模数据的性能比较差,而LSH又是处理大规模数据的办法,所以可能国内比较少的用R来执

基于R语言的梯度推进算法介绍

通常来说,我们可以从两个方面来提高一个预测模型的准确性:完善特征工程(feature engineering)或是直接使用Boosting算法.通过大量数据科学竞赛的试炼,我们可以发现人们更钟爱于Boosting算法,这是因为和其他方法相比,它在产生类似的结果时往往更加节约时间. Boosting算法有很多种,比如梯度推进(Gradient Boosting).XGBoost.AdaBoost.Gentle Boost等等.每一种算法都有自己不同的理论基础,通过对它们进行运用,算法之间细微的差别

R语言的帮助使用和图形功能简单介绍

R语言帮助,在Windows桌面下,有很多种.最长使用的是在命令行下help() > help.start() 会在浏览器中,打开帮助的主页 假设要查询某个详细的函数,能够例如以下(比如,查询mean函数): > help("mean") R中demo(graphics)绘图实例 R的绘图功能十分强大,以下是demo(graphics)绘图实例.详细的绘图方法会在兴许的博文中介绍. 參考文献: http://cran.r-project.org/manuals.html