R語言學習總結(jié)

1、R語言學習匯總報告經(jīng)過接近一個學期的學習，從對R語言的完全陌生，到現(xiàn)在對其有了一些粗淺的認識，其中經(jīng)歷了遇到困難苦思冥想的艱辛，也有解決問題以后豁然開朗的暢快。在學習的過程中，以前掌握的數(shù)理基礎給我?guī)砹瞬簧俦憷J真地態(tài)度和踏實的性格也使我獲益匪淺。在這個學期中，我學會了R語言的基本操作和語法，以及針對具體的統(tǒng)計學問題相應的解決方法。并按時完成老師布置的課后作業(yè)，以達到學以致用的目的，也加強了對R語言操作的熟練度。一、初識R軟件R軟件是一套完整的數(shù)據(jù)處理、計算和制圖軟件系統(tǒng)。其功能包括：據(jù)存儲和處理，數(shù)組運算，完整連貫的統(tǒng)計分析工具，優(yōu)秀的統(tǒng)計制圖功能已及簡便而強大編程語言。接觸R語言以后

2、，我的第一感覺就是方便和強大。R語言中有非常多的函數(shù)和包，我們幾乎不用自己去編一些復雜的算法，而往往只需要短短幾行代碼就能解決很復雜的問題，這給我們的使用帶來了極大地方便。于此同時，它又可操縱數(shù)據(jù)的輸入輸出，實習分支、循環(huán)，使用者可以自定義功能，這就意味著當找不到合適的函數(shù)或包來解決所遇的問題時，我們又可以自己編程去實現(xiàn)各種具體功能，這也正是R語言的強大之處。、學習心得在學習該書的過程中，我不僅加深了對統(tǒng)計學方法的理解，同時也掌握了R軟件的編程方法和基本技巧，了解了各種函數(shù)的意義和用法，并能把兩者結(jié)合起來，解決實際中的統(tǒng)計問題。1、R語言的基本語法及技巧R語言不僅可以進行基礎的數(shù)字、字符以及向

3、量的運算，內(nèi)置了許多與向量運算有關的函數(shù)。而且還提供了十分靈活的訪問向量元素和子集的功能。R語言中經(jīng)常出現(xiàn)數(shù)組，它可以看作是定義了維數(shù)(dim屬性)的向量。因此數(shù)組同樣可以進行各種運算，以及訪問數(shù)組元素和子集。二維數(shù)組(矩陣)是比較重要和特殊的一類數(shù)組，R可以對矩陣進行內(nèi)積、外積、乘法、求解、奇異值分解及最小二乘擬合等運算，以及進行矩陣的合并、拉直等。apply()函數(shù)可以在對矩陣的一維或若干維進行某種計算，例如apply(A,1,mean)表示對A按行求和。R語言允許將不同類型的元素放在一個集合中，這個集合叫做一個列表，列表元素總可以用”列表名下標口”的格式引用。而“列表名下標”表示的是一個

4、子列表，這是一個很容易混淆的地方。R語言中非常重要的一種數(shù)據(jù)結(jié)構(gòu)是data.frame(數(shù)據(jù)框)，它通常是矩陣形式的數(shù)據(jù)，但每列可以是不同類型，數(shù)據(jù)框每列是一個變量，每行是一個觀測，要注意的是每一列必須有相同的長度。數(shù)據(jù)框元素可以使用下標或者下標向量引用。用一個非常簡單的例子來說明向量、矩陣和數(shù)據(jù)框的簡單運用。輸入：A<-matrix(c(1:12),2,6,byrow=T)#A為一個2行6列，按行排列的矩陣X<-as.data.frame(A)#把A轉(zhuǎn)化成數(shù)據(jù)框形式的XX1:2,seq(1,5,2)#輸出X的第1、2行和1、3、5列輸出：V1V3V51 1352 7911輸入：a

5、ttach(X);R<-V1/V5;R#調(diào)用數(shù)據(jù)框X,計算并輸出V1和V5勺比值輸出：1 0.20000000.6363636與此同時R語言中也提供了其它高級程序語言共有的分支、循環(huán)等程序控制結(jié)構(gòu)。比如if/else語句，for循環(huán)等。因此R語言也可以很容易的根據(jù)情況編寫自己所需要的函數(shù)。例：編寫一個R程序，輸入一個整數(shù)n,如果n小于等于0,中止運算，并輸出：“要求輸入一個正整數(shù)”。否則，如果n是偶數(shù)，則將n除2賦值給n。否則將3n+1賦給n。不斷循環(huán)，直到n=1停止，并輸出：“運算成功”解：新建一個程序腳本，名為chapter2.R”，寫入代碼：f<-function(n)if(

6、n<=0)list("要求輸入一個正整數(shù)")elserepeatif(n=1)break#n=1時終止elseif(n/2=eger(n/2)n<-n/2#n為偶數(shù)時除2elsen<-3*n+1list("運算成功")在R窗口中輸入：Source("chapter2.R");f(32)輸出：1“運算成功”輸入：f(-5)輸出：1"要求輸入一個正整數(shù)"2、R在統(tǒng)計描述中的應用數(shù)據(jù)框操作(plyr包)輔助小函數(shù)1 splat函數(shù)：作用：把原函數(shù)中多個參數(shù)打包為一個list作為參數(shù)，然后輸出

7、新的函數(shù)。也就是說本來某個函數(shù)需要輸入多個參數(shù)，現(xiàn)在套上splat后，只要輸入一個參數(shù)list就可以了，不需要單獨地輸入?yún)?shù)。它的作用結(jié)果是把一個函數(shù)變成一個新函數(shù)。m*ply(a_matrix,FUN)的作用和a*ply(a_matrix,1,splat(FUN)一樣例：(1)參數(shù)使用> hp_per_cyl<-function(hp,cyl,)hp/cyl> splat(hp_per_cyl)(mtcars1,)118.33333> splat(hp_per_cyl)(mtcars)118.3333318.3333323.2500018.3333321.875001

8、7.5000030.6250015.5000023.750001020.5000020.5000022.5000022.5000022.5000025.6250026.8750028.7500016.500001913.0000016.2500024.2500018.7500018.7500030.6250021.8750016.5000022.7500028 28.2500033.0000029.1666741.8750027.25000等價于：>hp_per_cyl(mtcars$hp,mtcars$cyl)splat函或的優(yōu)點就是可以不用拆分字段，可以一起輸入作為參數(shù)。(2)與pl

9、yr函數(shù)合用：> f<-function(mpg,wt,.)data.frame(mw=mpg/wt)> ddply(mtcars,.(cyl),splat(f)2each函數(shù)作用：把多個函數(shù)匯聚成一個函數(shù)，當使用這個函數(shù)時，將分別作用多個函數(shù)。它的作用結(jié)果是把一個函數(shù)變成一個新函數(shù)。不足：不能給作用的函數(shù)指定附加參數(shù)，只能使用默認參數(shù)。例：> fun<-function(x)c(min=min(x),max=max(x),mean=mean(x)> fun(1:10)等價于：> f<-each(min,max,mean)> f(1:10)

10、3colwise函數(shù)colwise(.fun,.cols,.)說明：.fun:要轉(zhuǎn)化的函數(shù)。.cols是測試數(shù)據(jù)框的列是否應包含的判別函數(shù)或者是要包含的列的名稱。catcolwise(.fun,.)與colwise功能類似，只是對離散型變量有效numcolwise(.fun,.)與colwise功能類似，只是對數(shù)值型變量有效作用：把作用于數(shù)據(jù)框行向量的函數(shù)(如mean,median等)轉(zhuǎn)化為作用于數(shù)據(jù)框列向量的函數(shù)。于plyr函數(shù)一起使用十分方便。作用結(jié)果生成一個新的函數(shù)。例：> nmissing<-function(x)sum(is.na(x)> colwise(nmiss

11、ing)(baseball)> colwise(nmissing,.(sb,cs,so)(baseball)> ddply(baseball,.(year),colwise(nmissing,.(sb,cs,so)> numcolwise(nmissing)(baseball)等價于：colwise(nmissing,is.numeric)(baseball)> catcolwise(nmissing)(baseball)等價于：colwise(nmissing,is.discrete)(baseball)4failwith函數(shù)failwith(default=NULL

12、,f,quiet=FALSE)作用：修正一個函數(shù)，使得當該函數(shù)出現(xiàn)錯誤時返回一個設定的默認值，默認為空。作用結(jié)果生成一個新的函數(shù)。> f<-function(x)if(x=1)stop("Error")else1> fErrorinf(1):Error>safef<-failwith(,f)>safefErrorinf():ErrorNULL>safef<-failwith(12,f,quiet=TRUE)>safef1125summarised)S數(shù)summarise(.data,)作用：對數(shù)據(jù)框做統(tǒng)計匯總，為設定的統(tǒng)

13、計方法或函數(shù)例：>summarise(baseball,duration=max(year)-min(year),nteams=length(unique(team)durationnteams1136132>head(ddply(baseball,"id",summarise,duration=max(year)-min(year),nteams=length(unique(team)iddurationnteams1 aaronha012232 abernte021773 adairje011244 adamsba012025 adamsbo031346 a

14、dcocjo01165數(shù)據(jù)集變量操作1變量排序：arrange函數(shù)arrange(df,.(var1),.(var2)作用：按照指定列排序。注意：使用arrange函數(shù)排完序后行名會丟失，需要用cbind補回。例：>arrange(mtcars,cyl,disp)>cars<-cbind(vehicle=s(mtcars),mtcars)>arrange(cars,cyl,disp)先把行名作為一個新的列加到數(shù)據(jù)框再排序2更改變量名rename(x,replace,warn_missing=TRUE)作用：通過名字修改變量名字，不是根據(jù)它的位置。例：&g

15、t;head(rename(tmt,replace=c("mpg"="avgpg",”-I力力cly=new)3取行或列的數(shù)據(jù)take(x,along,indices,drop=FALSE)作用：在x中，按照某個維度取數(shù)。參數(shù)說明：x為取數(shù)的源數(shù)據(jù)，可以是array或者dataframealong：維度。1表示行，2表示列，3表示數(shù)組快等等。indices：具體維度所對應的指。drop：是否整合例：> take(mtcars,2,1)-取第一列> take(mtcars,1,1)-取第一行數(shù)據(jù)集操作1數(shù)據(jù)集鏈接1)match_dfmatch_

16、df(x,y,on=NULL)作用：x為原始的需要提取的數(shù)據(jù)框，y為條件數(shù)據(jù)框。on指定用來連接的變量，默認為兩個數(shù)據(jù)框中所有變量，可以為多個。通過on后面的字段，到x數(shù)據(jù)框取選取數(shù)據(jù)，相當于innerjoin,區(qū)別為：前者結(jié)果集是x的一個子集。innerjoin包括兩個數(shù)據(jù)框中所有字段。例：基礎數(shù)據(jù)>a<-c("a","b","c","d")> b<-c("aa","bb","aa","dd")> c&l

17、t;-c(1,2,3,4)> t1<-data.frame(a,b,c)> t2<-data.frame(a=c("a","c","e"),b=c("aa","ab","cd")> match_df(t1,t2,on=c("a","b")|abc1 aaa12 )joinjoin(x,y,by=NULL,type="left”,match="all”)作用：連接兩個數(shù)據(jù)框參數(shù)說明：x,y

18、為數(shù)據(jù)框。by二為要連接的字段，type為連接類型：left、right、full。match:all(所有匹配上的其他屬性值都帶上)、first(只帶上匹配上的第一個屬性值)>join(t1,t2,by="x2",type="inner")>join(t1,t2,by="x2",type="left")>join(t1,t2,by="x2",type="right")>tt1<-data.frame(x1=c(1,2,3,4),x2=c(5,6

19、,7,8)>tt2<-data.frame(y1=c(1,2,3,4)*10,x2=c(6,6,6,6)>join(tt1,tt2,by="x2",type="inner",match="all")x1x2y11 26102 26203 26304 2640>join(tt1,tt2,by="x2",type="inner",match="first")x2x1y15 62105.1 62105.2 62105.3 6210注意：merge和join相

20、似，但是效率上join更優(yōu)。6 )merge例：>x<-data.frame(a=c(1,2,4,5,6),x=c(9,12,14,21,8)>y<-data.frame(a=c(1,3,4,6),y=c(8,14,19,2),x=c(2,3,4,5)根據(jù)相同字段全鏈接左連接右連接根據(jù)a和x兩個字段連接根據(jù)x表中a和y表中y連接>merge(x,y)-根據(jù)相同子段默認內(nèi)連接>merge(x,y,all=TRUE)->merge(x,y,all.x=TRUE)-> merge(x,y,all.y=TRUE)->merge(x,y,by=c(&

21、quot;a","x")->merge(x,y,by.x="a",by.y="y")-數(shù)據(jù)統(tǒng)計1*ply函數(shù)作用：拆分數(shù)據(jù)，應用函數(shù)，再組合函數(shù)作用后的數(shù)據(jù)輸入：array、dataframalist輸出：array、dataframalist、discarededOutputInputArrayDataframeListDiscardedArravwaaplyadplyalplya-piyDataframedaplyddplydlplyd-PlyListlaplyIdplyllply1-piya*ply(.data,

22、.margins,.fun,.,.progress="none")參數(shù)說明：.data是要進行處理的數(shù)組.margins是用哪種方式去切割數(shù)據(jù)，取值為1,2,c(1,2).fun是對切割的數(shù)據(jù)指定一個函數(shù)進行處理.progress決定是否顯示及用哪種方式顯示進度條> aaply(a,1,mean,.progress="none")> aaply(a,1,mean,.progress="text")-以文本形式展示進度條> aaply(a,1,mean,.progress="win")-window

23、s窗口展示進度條d*ply(.data,.variables,.fun,.,.progress="none")參數(shù)說明：.variables指定要按其分割的變量名稱>daply(data,.(age),.fun=amean)>daply(data,.(sex),.fun=amean)>daply(data,.(age,sex),.fun=amean)>ddply(data,.(sex),.fun=amean)>dlply(data,.(sex),.fun=amean)l*ply(.data,.fun,，.progress="none&

24、quot;)說明：列表類型的數(shù)據(jù)是最簡單的數(shù)據(jù)，因為它已經(jīng)被分割成一個個了(也就是列表數(shù)據(jù)的一個個元素)，所以這類函數(shù)沒有參數(shù)用來描述是按什么進行切分的。>llply(list,mean)>laply(list,mean)>ldply(list,mean)m*ply(.data,.fun=NULL,.inform=FALSE,)說明：把參數(shù)放到array或dataframe中整體輸入作為參數(shù)，然后fun后面的函數(shù)運用.data中的相應數(shù)值作為參數(shù)分別作用，得到dataframe(mdply),array(maply)或者list(mlply)。與splat相似：m*ply(a

25、_matrix,FUN)的作用和a*ply(a_matrix,1,splat(FUN)一樣。>data=data.frame(n=c(10,100,50),mean=c(5,5,10),sd=c(1,2,1)> datanmeansd11051210052350101>mlply(data,rnorm)2觀測值出現(xiàn)個數(shù)(1) count函數(shù):count(df,vars=NULL,wt_var=NULL)參數(shù)：df是要處理的數(shù)據(jù)框。vars是要進行分組統(tǒng)計的變量。wt_var為權重。注意：該函數(shù)的功能類似于table例：基礎數(shù)據(jù)：>a=data.frame(names=c

26、("a","b","c","d","a","a","a","b","b","c"),wt=c(1,1,1,1,2,2,2,2,2,2)> count(a,vars="names")-單變量分組> count(a,vars="names",wt_var="wt")-加上權重> count(a,c("names&q

27、uot;,"wt")-雙變量分組使用R軟件可以方便直觀的對數(shù)據(jù)進行描述性分析。如使用均值、中位數(shù)、順序統(tǒng)計量等度量位置。用方差、標準差、變異系數(shù)等度量分散程度。以及用峰度系數(shù)、偏度系數(shù)度量分布形狀。例如在窗口中輸入：x<-seq(1,589,3)length(x);mean(x);var(x);sd(x);median(x);100*sd(x)/mean(x)1197#長度1295#均值129254.5#方差1171.0395#標準差1295#中位數(shù)157.97948#樣本標準差n<-length(x);m<-mean(x);s<-sd(x)n/(n

28、-1)*(n-2)*sum(x-m)A3)/sA3;(n*(n+1)/(n-1)*(n-2)*(n-3)*sum(x-mF4)/sA4-(3*(n-1)A2)/(n-2)*(n-3)10#偏度系數(shù)1-1.2#峰度系數(shù)R軟件可以檢驗樣本是不是來自某種分布總體，以正態(tài)分布為例，我們可以通過shapiro.test()函數(shù)提供W統(tǒng)計量和相應的p值，并通過p值的大小判斷樣本是否來自正態(tài)分布的總體。經(jīng)驗分布的K-S檢驗方法的應用范圍則更加廣泛，不僅可以判斷樣本是否來自正態(tài)總體，也能判斷是否來自其它類型的分布總體。除此之外，R語言還有強大的畫圖功能，例如我們可以通過作直方圖、莖葉圖和總體分析來描述數(shù)據(jù)的分

29、布。R中的高水平作圖函數(shù)有：plot()、pairs()、coplot()、qqnorm()、hist()等等。當高水平作圖函數(shù)并不能完全達到作圖的指標時，需要低水平的作圖函數(shù)予以補充。低水平作圖函數(shù)有：points()、lines()、text()、polygon。、legend()、title()和axis()等。需要注意的是低水平作圖函數(shù)必須是在高水平作圖函數(shù)所繪圖形的基礎之上增加新的圖形。hist()函數(shù)可以做出已知數(shù)據(jù)的直方圖，stem()函數(shù)可以作莖葉圖，boxplot()函數(shù)可用作箱線圖，qqline()和qqmorm()可以做出正態(tài)QQ圖和相應的直線。R語言同時還能對兩組數(shù)據(jù)進

30、行相關Tt檢驗，cor.test()函數(shù)提供了Pearson相關性檢驗，Spearman秩檢驗和Kendall秩檢驗。其原假設為兩組數(shù)據(jù)不相關，通過p值的大小來判斷是否拒絕原假設。我們還能用stars()函數(shù)作出星圖，來表示多元數(shù)據(jù)，以上用法都非常簡單易用，這里就不再贅述。3、R語言在統(tǒng)計推斷中的應用首先，R語言可以用來進行參數(shù)估計。統(tǒng)計學中我們應用矩估計和極大似然估計來進行點估計，矩估計是通過解正規(guī)方程組得到參數(shù)估計的值。極大似然估計通過解極大似然函數(shù)的極值點得到參數(shù)估計的值。在R中我們可以使用Newton迭代法求解正規(guī)方程組，獲得矩估計。用optimize。函數(shù)求解極大似然函數(shù)，獲得最大似

31、然估計。由此可見，R語言能夠很方便的解決參數(shù)點估計問題。點估計給出未知參數(shù)的近似值以后，并不能知道這種估計的精確性如何，可信程度如何，為了解決這些問題，就需要用到區(qū)間估計，在學習用R語言解決區(qū)間估計問題的過程中，我最大的思想到就是R軟件中內(nèi)置的一些函數(shù)極大地方便了我們處理具體問題。比如t.test()函數(shù)。對單個正態(tài)總體，向量x包含了來自該總體的一個樣本，我們可以直接用t.test(x)指令得到土MSu的點估計和區(qū)間估計。對于兩個正態(tài)總體，向量y包含了來自第二個總體的一個樣本，我們可以用t.test(x,y)來得到均值差u1-u2的點估計和區(qū)間估計，其中當兩個總體方差相同時，只需要加上var.

32、equal=T(缺省值為F,即默認兩個總體的方差是不同的)。同時t.test()函數(shù)不僅可以進行雙側(cè)置信區(qū)間估計，也能進行單側(cè)置信區(qū)間估計，只需要在括號內(nèi)加上al="l"或者al="g"。當數(shù)據(jù)不服從正態(tài)分布是，可以利用中心極限定理，取較大的樣本量，構(gòu)造近似服從正態(tài)分布的統(tǒng)計量進行估計。其次，R語言可以用來進行假設檢驗。假設檢驗也是統(tǒng)計推斷中的一個重要的內(nèi)容，在統(tǒng)計學中，我們用搜索到的數(shù)據(jù)對某個事先作出的統(tǒng)計假設按照某種設計好的方法進行檢驗，來判斷此假設是否正確。也就是說為了檢驗一個假設是否成立，先假定它是成立的，看看由此會導致什么結(jié)果。如果導致一個不合

33、理的現(xiàn)象出現(xiàn)，就認為原假設不正確，如果沒有導出不合理的現(xiàn)象，則不能拒絕原假設。R軟件給出了參數(shù)假設檢驗的方法。以正態(tài)總體為例，t.test()函數(shù)也可以用來進行單個或者兩個正態(tài)總體的均值的假設檢驗。進行單邊檢驗時可以加入指令alternative(備擇假設)，缺省時表示雙邊檢驗，less表示備擇假設為u<u0,greater則相反，用conf.level指定置信水平。X<-c(78.1,72.4,76.2,74377.4,78476.0,75.5,76777.3)Y<-c(79.1,81.0,77.3,79.1,80.0,79.1,79.1,77.3,80.2,82.1)t.

34、test(X,Y,var.equal=T,al="l")輸出：TwoSamplet-testdata:XandYt=-4.2957,df=18,p-value=0.0002176alternativehypothesis:truedifferenceinmeansislessthan095percentconfidenceinterval:-Inf-1.908255sampleestimates:meanofxmeanofy76.2379.43結(jié)果中我們不僅能得到X和Y的均值的點估計76.23和79.43、左側(cè)區(qū)間估計、同時也能通過p值的大小判斷是否接受原假設，該例中p&l

35、t;0.05,認為拒絕原假設，即認為兩總體方差不同。與均值假設檢驗相類似。R語言中還可以用var.test()函數(shù)進行正態(tài)總體的方差假設檢驗。而且R語言不僅能就正態(tài)總體進行均值和方差檢驗，也能對其他總體分布進行檢驗。例如用binom.test()進行二項分布的檢驗和估計。習題中檢驗鐵劑和飲食兩種方法治療后患者病情表現(xiàn)有無差異：x<-c(113,120,138,120,100,118,138,123)y<-c(138,116,125,136,110,132,130,110)binom.test(sum(x<y),8)Exactbinomialtestdata:sum(x<y)and8numberofsuccesses=4,numberoftrials=8,p-value=1alternativehypothesis:trueprobabilityofsuccessisnotequalto0.595percentconfidenceinterval:0.15701280.8429872sampleestimates:probabilityofsuccess0.5由結(jié)果我們可以判斷兩種診斷方法無顯著差異(其中用到的統(tǒng)計學原理見下面的符號檢驗)。參數(shù)假設檢驗假定了總體分布的具體形式，但實際問