#说明 文中‘test’均为模拟名称，原始编码为GKB方式
推荐大家使用Rstudio，界面友好

偏统计

###2.Rstudio基本操作####

#2.1查看R语言自带的数据集####

data()

#直接输入数据集的名称，查看这些数据

CO2

#2.2快捷键####

#Ctrl+Enter：运行光标所在行的代码，也可以用来运行鼠标选中区域的代码

#Ctrl+L：清除控制台中的代码

#Ctrl+shift+S：运行代码集中的所有代码

#Ctrl+1：跳转到代码编辑环境

#Ctrl+2：跳转到控制台

#Ctrl+D：删除代码集中光标所在行的代码

#2.3查看数据集的前6行####

head(CO2)

#查看数据集最后的6行

tail(CO2)

#2.4安装包(可以通过命令或者通过图形界面来安装)####

install.packages("ggplot2")

#加载包

library(ggplot2)

#2.5创建向量和矩阵,以及对它们的基本操作####

rm(list = ls())

x1<-c(1,2,3,4,5,6)

x2<-c(2,4,6,8,10,12)

length(x1)

mode(x1)

class(x1)

C<-rbind(x1,x2);C

cbind(x1,x2)           # column vector

Dmat<-cbind(x1,x2)

class(Dmat)                 #矩阵

Dmat3<-rbind(x1,x2)

class(Dmat3)          #matrix

Dframe<-as.data.frame(cbind(x1,x2))   #data.frame

class(Dframe)

Dmat;Dframe          #矩阵和数据框格式是不一样的，矩阵是由行列组成的，数据框是由记录和变量组成的

a<-c(1:100)               #total :100 numbers

length(a)

a

b <- cbind(a);b  #矩阵 是 列优先 排列 的

#2.6常用的函数####

b<-c(1:20)

mean(b)

sum(b)

max(b)

min(b)

sd(b)               # standard deviation

#产生向量

1:5

1:5*2

1:5*2+1

#2.8查看内存中已有的对象####

ls()

#删除当前内存中的所有对象

rm(list = ls())

ls()

#2.9访问向量中的元素####

a<-1:5*2-1

a

a[3]               #  3th

a[-3]               #except 3th

a[2:4]              #second  to  4th

a[-(2:4)]          #except(sec  to  4th)

a[1,2,3]    #不能这样访问向量中的元素

a[c(1,2,3)]            #right  way compared with Row127

a[a<=5]

a[a<=3 | a>=7]             #not consecutive,use |

a[a>=3 & a<=7]           #  consecutive ,use  &

#2.10 seq()函数和rep()函数，用来产生等差数列的函数，调用示例函数####

example("seq")

demo(lm.glm,package = 'stats',ask = T) #Demonstrations of R Functionality

help(lm.glm)

seq(0, 1, length.out = 11)

seq(stats::rnorm(20))

seq(1, 9, by = 2)

seq(1, 9, by = pi)

seq(1, 6, by = 3)

seq(1.575, 5.125, by = 0.05)

seq(17)

example("rep")

rep(c("a","b","c"),each=4)

rep(c("a","b","c"),4)

#2.11 产生字母序列####

letters[1:30]

#2.12 which()函数####

a<-rnorm(10)

a

which.max(a)   #位置

a[which.max(a)]

which(a==a[which.max(a)])

which(a>0)

a[which(a>0)]

#2.13 排序函数####

a<-1:10

a

rev(a)        #反转顺序

a<-c(3,1,5,6,9,2,7,4,6,5)

sort(a)          #  make   a from small to big  (sorting)

rev(sort(a))    #   reverse sort a

#2.14 生成矩阵####

a<-c(1:36)

a1<-matrix(a,nrow = 9,ncol = 4);a1

a2<-matrix(a,nrow = 4,ncol = 9);a2

a3<-matrix(a,nrow = 9,ncol = 4,byrow = TRUE);a3

dim(a1)           #dim函数用来查看矩阵的维度

dim(a2)[1]        #行

dim(a3)[2]        #列

#矩阵运算

##解方程

#解方阵

x1<-c(4,2,-1,1)

x2<-c(3,-1,21,1)

x3<-c(11,3,1,1)

x4<-c(1,1,1,1)

b<-c(2,10,-8,1);b

A<-as.matrix(rbind(x1,x2,x3,x4));A

solve(A,b)

#一元高次。a+bx+cx^2=0,  c(a,b,c)

polyroot(c(4,-4,1))

svd(A)  #奇异值分解

cor(x1,x2,method = c("spearman"))

options()  # 设置小数点位数等paramater

x <- t(A) %*% A  #矩阵A的转置成A

x/5

cov(A)

t(a1)

a1+a2

a1+a3

#2.15 改变Rstudio的工作界面（通过tools里面的layout设置完成）####

#2.16 设定工作目录，方便载入数据.将数据存放在设定的目录中，载入数据时就不用指定路径了####

setwd("~")

setwd("~")

#!!or  ctrl+5, click ‘ ...’ ，choose object file ，click  ‘more’ >>set as working directory

getwd()   #用于知道当前工作目录

#2.17 help()函数 ####

help("seq")

?seq

help(package="ggplot2")  #获取对整个包的帮助文件

#2.18 example()函数 ####

example("seq")

example("plot")

example("hist")

#搜索自己需要的函数

help.search("multivariate normal")

#2.19 数据框。dataframe####

##数据框就是一个数据表格，一行表示一个记录，一列表示一个变量

x1<-c(1,2,3,4,5,6,7,8,9)

x2<-c(2,4,6,8,10,12,14,16,18)

x <-data.frame(x1,x2);x

x=data.frame('重量'=x1,'运费'=x2);x

#or

names(x) <- c('重量','运费');x

x$"费率" <- x$运费/x$重量 #数据框可以利用已有的变量产生新的变量并存储于当前数据框中 

names(x)     #查看数据框中的变量

str(x)       #查看数据框中数据的定义

#我们在载入数据后，要使用上面的两个函数来检查数据载入是否成功，并检查数据的定义

###2.20 列表 list（）####

x1<-1                    #单个数字，其实是一个只有一个元素的一维向量

x2<-c(1,2,3,4)           #有四个元素的一维向量

x3<-c("a","bc","d")      #字符向量

x4<-matrix(1:36,nrow = 9,ncol = 4)   #矩阵，vector

x5<-data.frame(a=c(1,2,3,4),b=c(2,3,4,5),c=c(3,4,5,6))

list_01<-list(x1=x1,x2=x2,x3=x3,x4=x4,x5=x5)        #产生一个数据框

list_01$x3

###3.数据导入与导出####

#3.1 先把R内置的CO2数据集导出，然后再练习导入操作####

write.table(CO2,file = "二氧化碳.txt")

write.csv(CO2,file = "二氧化碳.csv")

#3.2 导入逗号分割的文本文件####

read.table(file = "二氧化碳.txt",header = TRUE)

#最好给指定一个名称#

carbon<-read.table(file = "二氧化碳.txt",header = TRUE)

#3.3 导入csv格式的数据####

carbon_csv<-read.csv(file = "二氧化碳.csv",header = TRUE)

#3.4 通过剪贴板读入数据并写入文件####

setwd("~")

clipboard<-read.table("clipboard",header = TRUE)  #  often-used!!

clipboard

write.table(clipboard,file = "clipboard.txt")

#3.5 导入空格分割的文本文件数据####

setwd("~")

data <- CO2

write.table(data,'test.txt')

co2<-read.table(file = "test.txt",header = TRUE)

names(co2);str(co2)

#3.5.1 读取数据框中的变量####

#1)很多函数中有data参数，可以指定数据框，然后在函数内部直接访问数据框中的变量

co2$conc<-as.factor(co2$conc)  #variable must be numeric

boxplot(uptake~conc,data = co2)  #boxplot(y ~ grp) ,grp usually a factor

#2）使用美元符号$

boxplot(co2$uptake~co2$conc)

#3)使用attach函数，不推荐使用，很容易出错，特别是在同一个R代码集中写很多不同程序的时候

attach(co2)

boxplot(co2~year)

detach(co2)

###3.6 数据子集操作####

#1)先明确分类变量有几个类别

unique(co2$Plant)

#2)选择数据子集

co2_15<-co2[co2$Plant=='Mc1',]

#3)多个条件用逻辑连接符号进行连接

co2_1501<-co2[co2$Plant=='Mc3'&co2$uptake==17.9,]

co2_1501

#4）排序操作

#，这个排序可能没有实际意义，这里只是演示操作的方便

orderuptake<-co2[order(co2$uptake),]   #对行的操作

View(orderuptake)

#5）合并数据子集

#（1）先读入数据

co2<-read.table(file = "test.txt",header = TRUE)

#or

co2<-read.table("clipboard",header = TRUE)         #通过剪贴板读入数据

#（2）然后进行合并

#假设plant是人名，我们要将另一个带有人名的数据合并

name <- co2$Plant;name

x    <- c(rnorm(84,0,1)) #生成84个随机正态数列

co3  <- data.frame(name,x)

tem  <- merge(co2,co3,by.x = 'Plant',by.y = 'name' )

#3.7 读入Excel格式的文件####

#install.packages("RODBC")   #注意有些包只在特定版本中能够运行，更新问题

#library(RODBC)

#xls<-odbcConnectExcel("mvstats4.xls")

co2<-read.table("clipboard",header = TRUE)        #有行名列名

library("readxl")

co3 <- read_excel('test.xls')    #只有行名 或者  只有列名