R語言入門快速指導(dǎo)

語言入門目前一頁\總數(shù)一百零五頁\編于十六點報告內(nèi)容一R簡介二函數(shù)與對象三編寫腳本四R繪圖五編寫函數(shù)六數(shù)據(jù)保存目前二頁\總數(shù)一百零五頁\編于十六點一R簡介目前三頁\總數(shù)一百零五頁\編于十六點R語言的由來R語言是從S語言演變而來的。S語言是二十世紀70年代誕生于貝爾實驗室，由RickBecker,JohnChambers,AllanWilks開發(fā)?；赟語言開發(fā)的商業(yè)軟件Splus，可以方便的編寫函數(shù)、建立模型，具有良好的擴展性，取得了巨大成功。1995年由新西蘭Auckland大學(xué)統(tǒng)計系的RobertGentleman和RossIhaka，編寫了一種能執(zhí)行S語言的軟件，并將該軟件的源代碼全部公開，這就是R軟件，其命令統(tǒng)稱為R語言。目前四頁\總數(shù)一百零五頁\編于十六點R軟件簡介R是開源軟件，代碼全部公開，對所有人免費。

R可在多種操作系統(tǒng)下運行，如Windows、MacOS、多種Linux和UNIX等。

R需要輸入命令，可以編寫函數(shù)和腳本進行批處理運算，語法簡單靈活。目前在R網(wǎng)站上約有2100個程序包，涵蓋了基礎(chǔ)統(tǒng)計學(xué)、社會學(xué)、經(jīng)濟學(xué)、生態(tài)學(xué)、地理學(xué)、醫(yī)學(xué)統(tǒng)計學(xué)、生物信息學(xué)等諸多方面。目前五頁\總數(shù)一百零五頁\編于十六點下載和安裝RTheComprehensiveR

ArchiveNetwork簡稱CRAN，提供下載安裝程序和相應(yīng)軟件包。R主頁/

Windows版本下載地址之一：

下載完成后，雙擊

開始安裝。一直點擊下一步，各選項默認。目前六頁\總數(shù)一百零五頁\編于十六點圖1R軟件首頁/

目前七頁\總數(shù)一百零五頁\編于十六點圖2R登陸界面(Windows版)路徑：開始>所有程序菜單欄快捷按鈕控制臺命令行目前八頁\總數(shù)一百零五頁\編于十六點圖3RGui的菜單介紹目前九頁\總數(shù)一百零五頁\編于十六點練習(xí)一：下載和安裝R下載并安裝R軟件了解R的菜單目前十頁\總數(shù)一百零五頁\編于十六點R程序包為什么要安裝程序包？特定的分析功能，需要用相應(yīng)的程序包實現(xiàn)。例如：系統(tǒng)發(fā)育分析，往往要用到ape程序包，群落生態(tài)學(xué)vegan包等等。程序包是什么？

R程序包是多個函數(shù)的集合，具有詳細的說明和示例。Window下的R程序包是已經(jīng)編譯好的zip包。每個程序包包含R函數(shù)、數(shù)據(jù)、幫助文件、描述文件等。目前十一頁\總數(shù)一百零五頁\編于十六點常用R程序包base-R基礎(chǔ)功能包stats-R統(tǒng)計學(xué)包nlme-線性及非線性混合效應(yīng)模型Graphics-繪圖lattice-柵格圖ape-

系統(tǒng)發(fā)育與進化分析apTreeshape-進化樹分析seqinr-DNA序列分析ade4-

利用歐幾里得方法進行生態(tài)學(xué)數(shù)據(jù)分析目前十二頁\總數(shù)一百零五頁\編于十六點常用R程序包cluster-聚類分析ecodist-生態(tài)學(xué)數(shù)據(jù)相異性分析mefa-

生態(tài)學(xué)和生物地理學(xué)多元數(shù)據(jù)處理mgcv-廣義加性模型相關(guān)mvpart-多變量分解nlme-線性及非線性混合效應(yīng)模型ouch-系統(tǒng)發(fā)育比較BiodiversityR-

基于Rcmdr的生物多樣性數(shù)據(jù)分析vegan-植物與植物群落的排序，生物多樣性計算目前十三頁\總數(shù)一百零五頁\編于十六點常用R程序包maptools-空間對象的讀取和處理sp-

空間數(shù)據(jù)處理spatstat-空間點格局分析，模型擬合與檢驗splancs-

空間與時空點格局分析picante-

群落系統(tǒng)發(fā)育多樣性分析目前十四頁\總數(shù)一百零五頁\編于十六點圖4CRANTaskViews：對程序包的分類介紹目前十五頁\總數(shù)一百零五頁\編于十六點圖5vegan包頁面目前十六頁\總數(shù)一百零五頁\編于十六點R程序包在CRAN提供了每個包的源代碼和編譯好的MacOS、Window下的程序包以vegan包為例，CRAN提供了：MacOSXbinary:vegan_1.15-3.tgzWindowsbinary:vegan_1.15-3.zip

Referencemanual:vegan.pdf

等Window平臺下程序包為zip文件，安裝時不要解壓縮。目前十七頁\總數(shù)一百零五頁\編于十六點R程序包安裝1連網(wǎng)時，用函數(shù)install.packages()，選擇鏡像后，程序?qū)⒆詣酉螺d并安裝程序包。例如：打開RGui,在控制臺中輸入

install.packages(“ape")2安裝本地zip包路徑：Packages>installpackagesfromlocalfiles選擇光盤或者本地磁盤上存儲zip包的文件夾。目前十八頁\總數(shù)一百零五頁\編于十六點程序包使用在控制臺中輸入如下命令：library(vegan)library(ade4)調(diào)用程序包內(nèi)的函數(shù)與R內(nèi)置的函數(shù)調(diào)用方法一樣library(vegan)Thisisvegan1.15-3Warningmessage:

目前十九頁\總數(shù)一百零五頁\編于十六點練習(xí)二安裝并導(dǎo)入程序包安裝程序包程序包>從本地zip文件安裝程序包調(diào)用程序包library(vegan)library(ape)目前二十頁\總數(shù)一百零五頁\編于十六點查看幫助文件如何知道ape程序包內(nèi)部都有哪些函數(shù)？最常用的方法：1菜單幫助>Html幫助2查看pdf幫助文檔（從程序包下載頁面下載）目前二十一頁\總數(shù)一百零五頁\編于十六點查看幫助文件1

help("t.test")2

?t.test3

help.search("t.test")

4

apropos("t.test")5RGui>Help>Htmlhelp6查看R包pdf手冊目前二十二頁\總數(shù)一百零五頁\編于十六點幫助文件的內(nèi)容以lm函數(shù)為例：lm(stats)

#函數(shù)名及所在包

FittingLinearModels

#標(biāo)題Description

#函數(shù)描述Usage#默認選項Arguments#參數(shù)Details

#詳情Author(s)

#作者References#參考文獻Examples#舉例目前二十三頁\總數(shù)一百零五頁\編于十六點練習(xí)三查看幫助文件打開ape軟件包的幫助文件library(ape)查找ape包中plot.phylo函數(shù)的幫助輸入?plot.phylo將其中的Example文件粘貼到Console中，查看運行的結(jié)果。目前二十四頁\總數(shù)一百零五頁\編于十六點圖形界面之一：RCommander圖6Rcommander界面library(Rcmdr)

界面操作代碼結(jié)果輸出目前二十五頁\總數(shù)一百零五頁\編于十六點為什么要學(xué)習(xí)編程?

界面操作直觀易學(xué)，但也存在一些不足：操作的過程難以保存，數(shù)據(jù)處理不夠靈活，在進行步驟繁多的數(shù)據(jù)處理工作時十分費時費力；在建立模型或自己編寫函數(shù)時也會遇到困難。而這些困難可以通過編程解決。學(xué)習(xí)R編程，首先要了解R的函數(shù)、對象及其操作。目前二十六頁\總數(shù)一百零五頁\編于十六點二R函數(shù)與對象目前二十七頁\總數(shù)一百零五頁\編于十六點數(shù)據(jù)表的行與列物種數(shù)科數(shù)屬數(shù)海拔坡度類型樣方140152260025山頂樣方251122635030山坡樣方346112039045山坡樣方438122426020低地樣方549102522033低地行名Rownames字符串列名Columnnames每列可看做帶名稱的向量表1數(shù)據(jù)表、數(shù)據(jù)框與向量字符串、因素每行作為一個Entry目前二十八頁\總數(shù)一百零五頁\編于十六點R的函數(shù)R是一種解釋性語言，不需要先編譯成.exe文件，輸入后可直接運行。函數(shù)形式function(對象，選項=)平均值mean()線性回歸lm(y~x,data=test)R處理的所有數(shù)據(jù)、變量、函數(shù)和結(jié)果都以對象的形式保存。目前二十九頁\總數(shù)一百零五頁\編于十六點R的函數(shù)每一個函數(shù)執(zhí)行特定的功能，后面緊跟括號，例如：平均值mean()求和sum()繪圖plot()排序sort()

除了基本的運算之外，R的函數(shù)又分為高級和低級函數(shù)，高級函數(shù)內(nèi)部嵌套了復(fù)雜的低級函數(shù)，例如plot()是高級繪圖函數(shù)，函數(shù)本身會根據(jù)數(shù)據(jù)的類型，經(jīng)過程序內(nèi)部的函數(shù)判別之后，繪制相應(yīng)類型的圖形，并有大量的參數(shù)可選擇。目前三十頁\總數(shù)一百零五頁\編于十六點部分函數(shù)計算log(x)log10(x)exp(x)sin(x)cos(x)tan(x)asin(x)acos(x)min(x)max(x)range(x)length(x)統(tǒng)計檢驗mean(x)sd(x)var(x)median(x)quantile(x,p)cor(x,y)t.test()lm(y~x)wilcox.test()kruskal.test()統(tǒng)計檢驗lm(y~f+x)lm(y~x1+x2+x3)bartlett.testbinom.testfisher.testchisq.testglm(y~x1+x2+x3,binomial)friedman.test...目前三十一頁\總數(shù)一百零五頁\編于十六點圖7箱線圖修飾前后(左：默認值，右：修改屬性后)boxplot(count~spray,data=InsectSprays)boxplot(count~spray,data=InsectSprays,col="red")R函數(shù)調(diào)用及其選項目前三十二頁\總數(shù)一百零五頁\編于十六點R函數(shù)調(diào)用及其選項函數(shù)的調(diào)用方法,函數(shù)名+()

如plot(),lm(),并將對象放入括號中，“=”表示設(shè)定參數(shù)。例如：boxplot(day~type,data=bac,col=“red“,xlab=“Virus”,ylab=“days”)day~type，以type為橫軸，day為縱軸繪制箱線圖。data=bac

數(shù)據(jù)來源baccol=“red”

箱線圖為紅色xlab=“Virus”

橫軸名稱為Virusylab=“days”

縱軸名稱為days目前三十三頁\總數(shù)一百零五頁\編于十六點練習(xí)四：查詢函數(shù)幫助查看boxplot的幫助文件?boxplot查看最后的examples將幫助文件中的內(nèi)容粘貼到控制臺中，運行并觀看運行結(jié)果。boxplot(count~spray,data=InsectSprays,col="lightgray")選項更改boxplot(count~spray,data=InsectSprays,col=“red”,

xlab=“spray”,ylab=“counts”)目前三十四頁\總數(shù)一百零五頁\編于十六點賦值與注釋在控制臺中鍵入如下命令2+2a<-2<-也可用=,->代替b<-2c<-a+bc#注釋賦值符號目前三十五頁\總數(shù)一百零五頁\編于十六點為對象起名

R是區(qū)分大小寫的，A與a是不同的。對象名不能用數(shù)字開頭，但是數(shù)字可以放在中間或結(jié)尾。推薦用”.”作為間隔，例如anova.result1。舉例：一個向量a，包含了四個元素，

a<-c(10,15,21,18)該向量為數(shù)值型，長度為4。保留名稱(命名對象時不要與保留名稱沖突)：NA,NaN,pi,LETTERS,letters,month.abb,目前三十六頁\總數(shù)一百零五頁\編于十六點對象的類型數(shù)值型

Numeric如

100,0,-4.335字符型

Character如“China”邏輯型

Logical如TRUE,FALSE因子型Factor

表示不同類別復(fù)數(shù)型

Complex如：2+3i目前三十七頁\總數(shù)一百零五頁\編于十六點對象的類別向量(vector)

一系列元素的組合。因子(factor)

因子是一個分類變量，如“a”,”a”,”a”,”a”,”b”,”b”,”b”,”c”,”c”數(shù)組(array)

數(shù)組是k維的數(shù)據(jù)表。矩陣(matrix)

矩陣是數(shù)組的一個特例，維數(shù)k=2。數(shù)據(jù)框(dataframe)

是由一個或幾個向量和（或）因子構(gòu)成，它們必須是等長的，但可以是不同的數(shù)據(jù)類型。列表(list)

列表可以包含任何類型的對象。(據(jù)Paradis,2005)目前三十八頁\總數(shù)一百零五頁\編于十六點運算符數(shù)學(xué)運算運算后給出數(shù)值結(jié)果+,-,*,/,^比較運算運算后給出判別結(jié)果（TRUEFALSE）>,<,<=,>=,==,!=邏輯運算與、或、非!,&,&&,|,||目前三十九頁\總數(shù)一百零五頁\編于十六點外部數(shù)據(jù)讀取

最為常用的數(shù)據(jù)讀取方式是用read.table()

函數(shù)或read.csv()函數(shù)讀取外部txt或csv格式的文件。

txt文件，制表符間隔

csv文件，逗號間隔一些R程序包（如foreign）也提供了直接讀取Excel,SAS,dbf,Matlab,spss,systat,Minitab文件的函數(shù)。目前四十頁\總數(shù)一百零五頁\編于十六點read.table()的使用例：test.data<-read.table("D:/R/test2.txt",header=T)header=T表示將數(shù)據(jù)的第一行作為標(biāo)題。read.table(file=file.choose(),header=T)

可以彈出對話框，選擇文件。目前四十一頁\總數(shù)一百零五頁\編于十六點實例：從數(shù)據(jù)輸入到t檢驗編號123456身高m1.751.801.651.901.741.91體重kg607257909572表2六名患者的身高和體重現(xiàn)有6名患者的身高和體重，檢驗體重除以身高的平方是否等于22.5。目前四十二頁\總數(shù)一百零五頁\編于十六點第一種方式：從控制臺輸入數(shù)據(jù)數(shù)據(jù)量較少時可以從控制臺直接輸入：height<-c(1.75,1.80,1.65,1.90,1.74,1.91)weight<-c(60,72,57,90,95,72)sq.height<-height^2ratio<-weight/sq.heightt.test(ratio,mu=22.5)目前四十三頁\總數(shù)一百零五頁\編于十六點第二種方式從外部讀取數(shù)據(jù)數(shù)據(jù)量較大時用read.table函數(shù)從外部txt文件讀取第1步將Excel中的數(shù)據(jù)另存為.txt格式（制表符間隔）或.csv格式。第2步用read.table()或read.csv()函數(shù)將數(shù)據(jù)讀入R工作空間，并賦值給一個對象。目前四十四頁\總數(shù)一百零五頁\編于十六點圖8在Excel中將數(shù)據(jù)存為txt文件目前四十五頁\總數(shù)一百零五頁\編于十六點實例：t檢驗(續(xù))一般從txt文檔讀取數(shù)據(jù)。每一行作為一個觀測值。每一行的變量用制表符，空格或逗號間隔開。read.table(”位置”,header=T)read.csv(”位置”,header=T)#從外部讀取數(shù)據(jù)data1<-read.tableT)bmi<-data1$weight/data1$height^2t.test(bmi,mu=22.5)#t檢驗?zāi)壳八氖揬總數(shù)一百零五頁\編于十六點練習(xí)五：數(shù)據(jù)讀取和t檢驗將表2中的數(shù)據(jù)錄入Excel中，另存為文件。用read.table函數(shù)讀取該文件。read.table對變量中的attachratio<-weight/height^2t.test(ratio)目前四十七頁\總數(shù)一百零五頁\編于十六點實例：從數(shù)據(jù)輸入到單因素方差分析

將三種不同菌型的傷寒病毒a,b,c分別接種于10，9，和11只小白鼠上，觀察其存活天數(shù)，問三種菌型下小白鼠的平均存活天數(shù)是否有顯著差異。

a菌株：2,4,3,2,4,7,7,2,5,4b菌株：5,6,8,5,10,7,12,6,6c菌株：7,11,6,6,7,9,5,10,6,3,10目前四十八頁\總數(shù)一百零五頁\編于十六點準(zhǔn)備數(shù)據(jù)表圖9數(shù)據(jù)表的準(zhǔn)備day和type各為一列目前四十九頁\總數(shù)一百零五頁\編于十六點實例：方差分析(續(xù))#數(shù)據(jù)讀取，將test1.txt中的內(nèi)容保存到bac中，header=T表示保留標(biāo)題行。bac<-read.table

#將ba數(shù)據(jù)框中的type轉(zhuǎn)換為因子(factor)bac$type<-as.factor(bac$type)ba.an<-aov(lm(day~type,data=bac))summary(ba.an)boxplot(day~type,data=bac,col="red")目前五十頁\總數(shù)一百零五頁\編于十六點圖10三種菌型對小白鼠影響的箱線圖目前五十一頁\總數(shù)一百零五頁\編于十六點練習(xí)六：方差分析和箱線圖繪制1在excel中準(zhǔn)備數(shù)據(jù)表2用R讀取數(shù)據(jù)表3輸入如下命令進行方差分析、繪制箱線圖boxplot(day~type,data=bac,col="red")ba.an<-aov(lm(day~type,data=bac))summary(ba.an)

目前五十二頁\總數(shù)一百零五頁\編于十六點向量、矩陣和數(shù)據(jù)框的生成與條件篩選有時需要對讀入的數(shù)據(jù)進行操作，將某一向量轉(zhuǎn)換成矩陣，如條件篩選，此時將遇到向量、矩陣和數(shù)據(jù)框的生成、條件篩選等。例如：提取前面群落數(shù)據(jù)表中，物種數(shù)>30的行，提取其中的某一列，進行分析等。目前五十三頁\總數(shù)一百零五頁\編于十六點向量的創(chuàng)建四種類型的向量字符型character<-c("China","Korea","Japan","UK","USA","France","India","Russia")

數(shù)值型numeric<-c(1,3,6,7,3,8,6,4)邏輯型logical<-c(T,F,T,F,T,F,F,T)復(fù)數(shù)型略目前五十四頁\總數(shù)一百零五頁\編于十六點向量的創(chuàng)建c(2,5,6,9)rep(2,times=4)seq(from=3,to=21,by=3)[1]36912151821“:”1:15[1]123456789101112131415通過與向量的組合，產(chǎn)生更為復(fù)雜的向量。rep(1:2,c(10,15))目前五十五頁\總數(shù)一百零五頁\編于十六點向量:隨機數(shù)的生成runif(10,min=0,max=1)

[1]0.322271680.127597890.338496350.848438550.672934160.14646444[7]0.601171500.390238740.042194230.67102520rnorm(10,mean=0,sd=1)

[1]-1.58587380-0.077752222.17126687-1.029382260.463922810.74896049[7]-0.245568291.390343711.09975487-1.44682767目前五十六頁\總數(shù)一百零五頁\編于十六點定義矩陣的維度dim()和matrix()x<-1:12dim(x)<-c(3,4)[,1][,2][,3][,4][1,]14710[2,]25811[3,]36912matrix.x<-matrix(1:12,nrow=3,byrow=T)t(x)#轉(zhuǎn)置為行或列添加名稱：s()s()目前五十七頁\總數(shù)一百零五頁\編于十六點數(shù)據(jù)框的創(chuàng)建cbind()

#

按列組合成數(shù)據(jù)框country.data<-cbind(character,numeric,logical)rbind()#按行組合成數(shù)據(jù)框data.frame()

#生成數(shù)據(jù)框d<-data.frame(character,numeric,logical)head(d)#訪問數(shù)據(jù)的前6行：目前五十八頁\總數(shù)一百零五頁\編于十六點列表的創(chuàng)建列表可以是不同類型甚至不同長度的向量(數(shù)值型，邏輯型，字符型等等)、數(shù)據(jù)框甚至是列表的組合。list()例如list(character,numeric,logical,matrix.x)目前五十九頁\總數(shù)一百零五頁\編于十六點對象的類型的判斷對象類型判斷mode()class()is.numeric()#返回值為TRUE或FALSEis.logical()is.charactor()()目前六十頁\總數(shù)一百零五頁\編于十六點對象的類型的判斷對象類型轉(zhuǎn)換as.numeric()#轉(zhuǎn)換為數(shù)值型as.logical()as.charactor()as.matrix()as.dataframe()目前六十一頁\總數(shù)一百零五頁\編于十六點練習(xí)七：因子生成將100，200，400，600，800輸入R中，保存到numeric對象中

numeric<-c(100,200,400,600,800)將numeric轉(zhuǎn)換為factorfactor.numeric<-as.factor(numeric)查看factor.numeric的內(nèi)容

factor.numeric目前六十二頁\總數(shù)一百零五頁\編于十六點引用向量內(nèi)的元素intake.pre<-c(5260,5470,5640,6180,6390,6515,6805,7515,7515,8230,8770)intake.post<-c(3910,4220,3885,5160,5645,4680,5265,5975,6790,6900,7335)intake.pre[5];intake.pre[c(3,5,7)]v<-c(3,5,7);intake.pre[v]intake.pre[1:5];intake.pre[-c(3,5,7)]目前六十三頁\總數(shù)一百零五頁\編于十六點引用數(shù)據(jù)框中的元素d<-data.frame(intake.pre,intake.post)$

引用d$intake.pre[,]

方括號引用d[,1];d[5,]目前六十四頁\總數(shù)一百零五頁\編于十六點訪問數(shù)據(jù)框內(nèi)的元素直接調(diào)用數(shù)據(jù)框內(nèi)的列向量attatch()detatch()在函數(shù)內(nèi)部，對數(shù)據(jù)進行相應(yīng)調(diào)整with()subset()within()transform()目前六十五頁\總數(shù)一百零五頁\編于十六點條件篩選條件篩選是先對變量否滿足條件進行判斷，滿足為TRUE，不滿足為FALSE。之后再用邏輯值對向量內(nèi)的元素進行篩選。intake.pre>7000[1]FALSEFALSEFALSEFALSEFALSEFALSEFALSETRUETRUETRUETRUEintake.pre[intake.pre>7000]intake.post[intake.pre>7000&intake.pre<=8000]intake.pre>7000&intake.pre<=8000目前六十六頁\總數(shù)一百零五頁\編于十六點練習(xí)八：條件篩選創(chuàng)建一個2到50的向量

vector12,4,6,8,...,48,50vector1<-seq(from=2,to=50,by=2)選取vector1中的第20個元素

vector1[20]選取vector1中的第10，15，20個元素vector1[c(10,15,20)]選取vector1中的第10到20個元素

vector1[10:20]選取vector1中值大于40的元素

vector1[vector>40]目前六十七頁\總數(shù)一百零五頁\編于十六點排序?qū)⑾蛄恐械脑匕凑找欢樞蚺帕小?/p>

sort()

按數(shù)值大小排序舉例：

intake$postsort(intake$post)

order()

給出從小到大的出現(xiàn)序號。

order(intake$post)o<-order(intake$post)目前六十八頁\總數(shù)一百零五頁\編于十六點工作空間ls()

列出工作空間中的對象rm()

刪除工作空間中的對象rm(list=ls())

刪除空間中所有對象save.image()

保存工作鏡像sink()

將運行結(jié)果保存到指定文件中g(shù)etwd()

顯示當(dāng)前工作文件夾setwd()

設(shè)定工作文件夾目前六十九頁\總數(shù)一百零五頁\編于十六點練習(xí)九：了解工作路徑1

查看當(dāng)前R工作的空間目錄getwd()2

將R工作的路徑設(shè)置為d:/data/setwd(“d:/data”)目前七十頁\總數(shù)一百零五頁\編于十六點三編寫腳本目前七十一頁\總數(shù)一百零五頁\編于十六點編寫腳本（Scripting）腳本是什么？腳本是一系列命令?？梢韵扰康木幪柍绦?，或者對別人已經(jīng)編好的程序進行修改。之后輸入到控制臺進行調(diào)試，以滿足數(shù)據(jù)分析的需求。語言高亮顯示在代碼較多的情況下，有時需要對行數(shù)、函數(shù)、括號、函數(shù)選項等進行高亮顯示，設(shè)置成不同的顏色，以減少錯誤。目前七十二頁\總數(shù)一百零五頁\編于十六點圖11TinnR對R腳本的高亮顯示目前七十三頁\總數(shù)一百零五頁\編于十六點圖12NotePad++對R腳本的高亮顯示目前七十四頁\總數(shù)一百零五頁\編于十六點編輯器R自帶的腳本編輯器

Editplus

（

）

TinnR()Ultraedit

（

）

Emacs

（

）

Notepad++

與NpptoR組合（

）記事本或?qū)懽职宓鹊饶壳捌呤屙揬總數(shù)一百零五頁\編于十六點舉例-回歸分析腳本轉(zhuǎn)速rpm202224262830323436384042雜質(zhì)率%8.49.511.810.413.314.813.214.716.416.518.918.5對一批涂料進行研究，確定攪拌速度對雜質(zhì)含量的影響，數(shù)據(jù)如下，試進行回歸分析表3攪拌速度對涂料中雜質(zhì)的影響目前七十六頁\總數(shù)一百零五頁\編于十六點腳本舉例#將以下代碼粘貼到編輯器中，另存為regression.r文件。rate<-c(20,22,24,26,28,30,32,34,36,38,40,42)impurity<-c(8.4,9.5,11.8,10.4,13.3,14.8,13.2,14.7,16.4,16.5,18.9,18.5)plot(impurity~rate)reg<-lm(impurity~rate)abline(reg,col="red")summary(reg)目前七十七頁\總數(shù)一百零五頁\編于十六點運行腳本三種運行方式1通過source()函數(shù)運行source(“d:/regression.r”)2通過R腳本編輯器運行路徑：RGui>File>OpenScript#Ctrl+R運行3直接粘貼到R控制臺ctrl+c,ctrl+v目前七十八頁\總數(shù)一百零五頁\編于十六點練習(xí)十:R腳本運行將R命令粘貼到記事本中，另存為regression.R文件。分別通過三種方式運行R腳本。目前七十九頁\總數(shù)一百零五頁\編于十六點四R繪圖目前八十頁\總數(shù)一百零五頁\編于十六點圖13R繪制的圖形目前八十一頁\總數(shù)一百零五頁\編于十六點R繪圖功能R具備卓越的繪圖功能，通過參數(shù)設(shè)置對圖形進行精確控制。繪制的圖形能滿足出版印刷的要求，可以輸出JPEG、TIFF、EPS、emf、pdf、png等各種格式。繪圖是通過繪圖函數(shù)結(jié)合相應(yīng)的選項完成的。繪圖函數(shù)包括高水平繪圖函數(shù)和低水平繪圖函數(shù)。目前八十二頁\總數(shù)一百零五頁\編于十六點高水平繪圖函數(shù)plot()繪制散點圖等多種圖形hist()直方圖boxplot()箱線圖stripchart()點圖barplot()條形圖dotplot()點圖piechart()餅圖interaction.plot()matplot()……目前八十三頁\總數(shù)一百零五頁\編于十六點圖14

散點圖與箱線圖舉例目前八十四頁\總數(shù)一百零五頁\編于十六點低水平繪圖函數(shù)lines()添加線curve()添加曲線abline()添加給定斜率的線points()添加點segments()折線arrows()箭頭axis()坐標(biāo)軸box()外框title()標(biāo)題text()文字mtext()圖邊文字……目前八十五頁\總數(shù)一百零五頁\編于十六點繪圖參數(shù)參數(shù)用在函數(shù)內(nèi)部，在沒有設(shè)定值時使用默認值。font=

字體lty=

線類型lwd=

線寬度pch=

點的類型,xlab=

橫坐標(biāo)ylab=

縱坐標(biāo)xlim=

橫坐標(biāo)范圍ylim=

縱坐標(biāo)范圍目前八十六頁\總數(shù)一百零五頁\編于十六點舉例：繪圖生成0到2之間的50個隨機數(shù)，分別命名為x,yx<-runif(50,0,2)y<-runif(50,0,2)繪圖：將主標(biāo)題命名為“散點圖”，橫軸命名為”橫坐標(biāo)”，縱軸命名為“縱坐標(biāo)”plot(x,y,main=“散點圖”,xlab=“橫坐標(biāo)”,ylab=“縱坐標(biāo)")text(0.6,0.6,"textat(0.6,0.6)")abline(h=.6,v=.6)目前八十七頁\總數(shù)一百零五頁\編于十六點圖15繪圖舉例目前八十八頁\總數(shù)一百零五頁\編于十六點例：分步繪圖plot(x,y,type="n",xlab="",ylab="",axes=F)#打開繪圖窗口，不繪制任何對象points(x,y)#添加坐標(biāo)點axis(1)#添加橫軸axis(at=seq(0.2,1.8,0.2),side=3)#添加縱軸box()#補齊散點圖的邊框title(main="Maintitle",sub="subtitle",xlab="x-label",ylab="y-label")#添加標(biāo)題、副標(biāo)題、橫軸說明、縱軸說明目前八十九頁\總數(shù)一百零五頁\編于十六點圖16分步繪圖ABCDEF目前九十頁\總數(shù)一百零五頁\編于十六點一頁多圖par()par(mfrow=c(2,2)...圖17一頁多圖目前九十一頁\總數(shù)一百零五頁\編于十六點在原有圖形上添加元素舉例：x<-rnorm(100)#生成隨機數(shù)hist(x,freq=F)#繪制直方圖curve(dnorm(x),add=T)#添加曲線h<-hist(x,plot=F)#繪制直方圖ylim<-range(0,h$density,dnorm(0))#設(shè)定縱軸的取值范圍hist(x,freq=F,ylim=ylim)#繪制直方圖curve(dnorm(x),add=T,col="red")#添加曲線目前九十二頁\總數(shù)一百零五頁\編于十六點圖18在原有直方圖上添加曲線目前九十三頁\總數(shù)一百零五頁\編于十六點練習(xí)十一：繪圖練習(xí)練習(xí)1將Rplots.r中的代碼拷貝到R控制臺中，查看R繪制的圖形。練習(xí)2對例進行回歸分析，并繪制散點圖，并為散點圖添加回歸直線。plot(impurity~rate)reg<-lm(impurity~rate)a