r语言基础教程数据分析（R语言快速入门一）(1)

​什么是R？

R是一种开源编程语言，通常用于统计，机器学习和数据分析。毫不奇怪，R在数据科学和分析社区中得到广泛使用，因为R的创建者本身就是统计学家。Ross Ihaka和Robert Gentleman以S编程语言为基础，主要为常见的数据科学和研究任务（例如导入数据，数据转换，数据处理，数据探索，统计建模和数据可视化）设计R。

我们并不认为R比Python或任何其他语言更好（或更差）。我们认为，一支高效的团队应具备多种语言能力。我们今天的目的是演示R的某些功能，以鼓励小伙伴加深了解。

基本原理

在官方网站上，R被称为“ 实施统计技术的环境 ”。这意味着它的目标是成为一个通用且一致的系统，而不是定制且严格的数据分析软件。

外观如下：

r语言基础教程数据分析（R语言快速入门一）(2)

小伙伴们可能注意到的第一件事是使用<-作为赋值运算符。尽管也可以使用=，但<-是首选。这主要是因为<-仅用于对象/变量分配。另一方面，=也可以在函数和case语句中使用。

在数据类型方面，R提供：

逻辑类型是布尔值，可以是TRUE或FALSE。整数和双精度型都是数字数据类型，整数是整数，双精度型是十进制。字符是字符串，而复数是稀有类型，包括实部和虚部，例如2 0i。

至于数据结构，主要是：

在这里，我们不会详细介绍这些内容。也就是说，向量是同一数据类型的一维数据序列，索引从1开始；列表是可以包含不同大小的不同数据结构和数据类型的对象；矩阵类似于向量，但有两个维度而不是一个维度，排列成行和列；数据帧是数据集和表被存储，列作为变量；因子用于分类变量。注意，0维标量不存在。在R中，它们是长度为1的向量。

在创建分类或回归模型时，因子是非常强大的，消除了对虚拟变量或一个热编码的需要。如果数据是有序的，它们还允许你轻松设置类别的级别，例如，如果你有一个月列或一个从“强烈同意”到“强烈不同意”的刻度。

更进一步

在编程中，通常建议尽可能多的注释代码。这有助于代码的可读性和再现性。R也一样。你应该解释某些代码的作用，以及为什么使用注释做出某些决定。在R中，使用前缀进行注释。

R中一个方便的特性是使用美元符号（$）作为速记运算符来访问数据帧或列表的组件，即表名$列名。使用集成开发环境（IDE）时，这特别方便，因为键入时会显示可用元素的完整列表。

R最流行的IDE是通过某种距离RStudio实现的。默认情况下，RStudio由4个窗格组成：编写代码的源窗格；计算代码的控制台窗格；查看创建的对象的环境窗格；以及可以查看工作目录中的文件、输出的绘图、系统上的包的最后一个窗格等。

r语言基础教程数据分析（R语言快速入门一）(3)

RStudio提供了许多优点，这有助于使编写R代码更加容易。例如，您可以使用查看包或函数的文档？在包或函数的名称前加前缀。您可以使用ctrl R（Mac上的Cmd Shift R）快捷键插入可以隐藏和显示的代码段，使长脚本的导航变得轻松。或者，您可以通过在注释行代码中添加四个破折号来将代码分块。您还可以通过在Windows上使用ctrl shift A快捷键（在Mac上使用Cmd I）等来自动格式化代码。

虽然基R是实质性的，但R可以通过利用包来改进。包是共有创建的函数、数据和文档的集合，扩展了基本R的功能。包是使用install.Packages（）函数从综合R存档网络（CRAN）免费安装的，并使用library（）函数加载。

用dplyr进行数据处理

dplyr包是一个有效的数据转换和操作库。这是所谓的Tidyverse的一部分，它是由Hadley Wickham开发的一系列软件包的一部分，旨在实现无缝协作。Wickham在R社区有着极其重要的影响，并为R的发展做出了重大贡献。

据我们所知，数据科学家大约80%的时间花在整理数据上。Wickham将数据定义为在一个一致的结构中保持整洁，其中每一列是一个变量，每一行是一个观察值，允许您集中精力用数据提问，而不是努力使其成为不同功能的正确形式。

在R社区中有一个关于是使用base R还是Tidyverse的争论。据说Tidyverse提供了更高的代码可读性，但是基R更可靠。一般来说，这取决于个人喜好。我们给初学者的建议是在研究Tidyverse包之前先学习基本R。

大多数数据操作任务都在dplyr构建的5个“动词”内：

select（）：用于选择某些列

filter（）：用于基于值对行进行子集设置

arrange（）：用于排序数据

mutate（）：用于创建新列

summary（）：用于聚合

使用这些动词以及distinct（）、count（）、group_by（）、left_join（）、inner_join（）等函数，很容易看出结构化查询语言（SQL）对dplyr的影响。甚至可以使用show_query（）函数将dplyr代码自动转换为SQL查询。以这段代码为例，该结构与SQL查询有些相似：

r语言基础教程数据分析（R语言快速入门一）(4)

在这里，我们正在查询iris数据集，我们正在创建一个名为Total.Length的新列，通过使用mutate函数，我们正在按种类分组，然后取每个种类的所有列的平均值。最后，我们将按新的Total.Length列对结果进行排序。

将上面的dplyr代码与使用基本R代码得到的相同结果进行比较：

r语言基础教程数据分析（R语言快速入门一）(5)

使用dplyr的代码更容易理解，对吗？这在一定程度上是因为使用了被称为管道的“%>%”。此运算符提供一种机制，用于链接命令以帮助提高代码的可读性，并强调操作序列。可以理解为“然后”。

输出如下：

r语言基础教程数据分析（R语言快速入门一）(6)

其他常用的数据操作包包括：

lubridate：用于处理日期和时间

tidyr/Reforme2：用于旋转和取消填充数据

stringr：用于处理字符串

zoo：用于时间序列数据

scales：用于格式化数据

小伙伴们对R是不是有了初步了解了呢？在第2部分中，我们将与小伙伴们一起研究R的最公认功能之一，通过R用图形来传递数据。

推荐阅读,