1、R语言介绍
1.1R简介与安装
R是用于统计，绘图的语言和操作环境。直接下载安装就可以了。
1.2R的使用
（1）R是区分大小写的解释型语言
（2）在命令提示符>后输入命令执行一条命令
（3）可一次性执行脚本文件中的一组命令
（4）R包括很多数据类型：向量、矩阵、数据框（与数据集类似）、列表（各种对象的集合）
（5）R的多数功能由程序内置函数和用户自编函数提供。
（6）一次交互式会话期间的所有数据都保存在内存中
（7）基本函数是默认的，高级函数需要按需加载程序包
（8）R语句由函数和赋值构成
（9）<- 为对象赋值的意思，例如a <- 5
（10-> 与<-是一样的意思，只是反转了赋值方向
（11）= 也可以赋值，但是等号赋值会出现问题，不推荐
（12）# 注释
1.2.1新手上路
（1）c() 将参数组合成一个向量或列表，例如age <- c(1, 3, 5, 7, 9)就是将age这个对象赋予1,3,5,7,9这个数字列表
（2）mean() 均数
（3）sd() 标准差
（4）cor() 相关度
（5）plot() 散点图图表
（6）q() 退出R
（7）demo() 直接运行查看R所有能制作的图形
（9）可单独参看图形：demo(graphics)、demo(Hershey)、demo(persp)、demo(image)
例如：
> 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)
[1] 7.06
> sd(weight)
[1] 2.077498
> cor(age,weight)
[1] 0.9075655
> plot(age,weight)
> q()
上面的例子是给age和weight分别赋予了两个数字列表，求出了平均数7.06，标准差2.08和相关度0.91，画出age和weight的散点图，最后退出R。
1.2.2获取帮助
help.start() 打开帮助首页
help('foo')或?foo 查看函数foo的帮助（引号可以忽略）
help.search("foo")或??foo 以函数foo为关键词搜索本地帮助文档
example("foo") 函数foo的使用示例
RSiteSearch("foo") 以foo为关键词搜索在线文档和邮件列表存档
apropos("foo", mode="function") 列出名称中含有foo的所有函数
data() 列出当前已加载所含的所有可用示例数据集
vignette() 列出当前已安装包中所有可用的vignette文档
vignette() 为主题foo显示指定的vignette文档
1.2.4工作空间
工作空间
工作空间是R当前的工作环境，可以储存可以使用的所有对象（向量、矩阵、数据框和列表等）。结束R会话后可以保持为镜像，下次直接调用，对于持续性的完成任务非常有用。
上下方向键查看已输入命令的历史记录
如果需要读入一个不在当前目录下的文件，需要输入完整路径，记得用引号闭合目录名和文件名
目录要使用正斜杠/，反斜杠\是作为转义符
工作空间常用函数
getwd() 显示当前的工作目录（工作空间储存目录）
setwd("mydirectory") 修改当前的工作目录为mydirectory
dir.create(C:/my) 在C盘中创建一个my的目录
ls() 列出当前工作空间中的对象
rm(objectlist) 移除（删除）一个或多个对象
help(options) 显示可用选项的说明
options() 显示或设置当前选项
history(#) 显示最近使用过的#个命令（默认值为25）
savehistory("myfile") 保存命令历史到文件myfile中（默认值为.Rhistory）
loadhistory("myfile") 载入一个命令历史文件（默认值为Rhistory）
save.image("myfile") 保存工作空间到文件myfile中（默认值为.RData）
save(objectlist, file="myfile") 保存指定对象到一个文件中
load("myfile") 读取一个工作空间到当前会话中（默认值为.RData）
q(() 退出R，将询问是否保存工作空间
用于管理R工作空间的命令使用示例：
setwd("C:/myprojects/projectl")
options()
options(digits=3)
x <- runif(20)
summary(x)
hist(x)
savehistory()
save.image()
q()
首先，当前工作目录被设置为C:/myprojects/project1，当前的选项设置情况将显示出来，而数字将被格式化，显示为具有小数点后三位有效数字的格式。然后，我们创建了一个包含20个均匀分布随机变量的向量（x <- runif(20)），生成了此数据的摘要统计量和直方图（summary(x)、hist(x)）。最后，命令的历史记录保存到文件.Rhistory中，工作空间（包含向量x）保存到文件.RData中，会话结束。
1.2.4输入和输出
输入
source() 在当前会话中执行一个在当前目录下的R脚本文件
例如：source(myscript.R) 将执行一个含在文件myscript.R中的R语句集合
文本输出
sink("filename") 输出重定向到文件filename中，默认会覆盖以存在的文件
append=TRUE 将文本追加到文件后，而不是覆盖
split=TRUE 将输出同时发送到屏幕和输出文件中，不加参数调用sink()将仅向屏幕返回输出结果
图形输出
使用sink()只能重定向文本输出对图形没影响，重定向图形输出，使用下面的函数列表即可，最后dev.off()将输出返回到终端
pdf("filename.pdf") PDF文件
win.metafile("filename.wmf") Windows图元文件
png("filename.png") PBG文件
jpeg("filename.jpg") JPEG文件
bmp("filename.bmp") BMP文件
postscript("filename.ps") PostScript文件
例子
source("script1.R") 执行script1.R中的R代码，结果打印在屏幕上
sink("myoutput, append=TRUE, split=TRUE")
pdf("mygraphs.pdf")
source(script2.R)
执行script2.R中的R代码，结果也打印在屏幕上，并且文本输出将被追加到文件myoutput中，图形输出保存到文件mygraphs.pdf中
sink()
dev.off()
source("script3.R")
执行script3.R中的R代码，结果将打印在屏幕上。这一次没有文本或图形输出保存到文件中。
整个过程如下图：
1.3包
包是R函数、数据、预编译代码以一种定义完善的格式组成的集合。
库是存储包的目录
.libPaths() 能够显示库所在位置
library() 显示库中有那些包
search() 可以告诉你哪些包已加载并可使用
1.3.1包的安装
R自带了一些默认包，要使用高级函数就需要下载包
install.packages() ()不加参数的话，会显示CRAN镜像站点列表，选择其中一个镜像站点将看到可用包的列表，选择其中一个包即可进行下载和安装。
install.packages("gclus") 下载和安装gclus包，知道其他包的名称也可以直接输入名称进行下载和安装
update.packages() 更新已经安装的包
installed.packages() 列出安装的包以及版本号、依赖关系等信息
1.3.2包的载入
安装好包只是放到了库中，要在R会话中使用还需要载入。
library() 载入包
可以给R设置启动时自动载入某些常用包
1.3.3包的使用
载入一个包后，就可以使用这个包中包含的函数和数据集了
包中往往提供了演示性的小型数据集和示例代码，可以尝试这些新功能
帮助系统包含了每一个函数的一个描述（同时带有示例）
help(package="package_name") 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
help() 可以查看其中任意函数或数据集的更多信息，这些信息也能从PDF帮助手册的形式从CRAN下载。
1.4批处理
linux或OS系统下输入命令：
R CMD BATCH options infile outfile
其中infile是包含了要执行的R代码所在文件的文件名，outfile是接收输出文件的文件名，options部分则列出了控制执行细节的选项。依照惯例，infile的扩展名是.R，outfile的扩展名为.Rout。
windows下输入：
"C:\Program Files\R\R-2.13.0\bin\R.exe" CMD BATCH
--vanilla --slave "c:\my projects\myscript.R"
将路径调整为R.exe所在的相应位置和脚本文件所在位置。要进一步了解如何调用R，包括命令行选项的使用方法，请参CRAN（http://cran.r-project.org）上的文档“Introduction to R”中文是R导论（https://cran.r-project.org/doc/contrib/Ding-R-intro_cn.pdf）
1.5将输出用为输入——结果的重用
R的一个非常实用的特点是，分析的输出结果可轻松保存，并作为进一步分析的输入使用。
1.6大数据的处理
大数据的处理要注意数据集的大小和要应用的统计方法。R可以处理GB级到TB级的数据分析问题，但需要专门的手段。
1.7示例
help.start()
install.packages("vcd")
help(package="vcd")
library(vcd)
help(Arthritis)
Arthritis
example(Arthritis)
q()
（1）打开帮助首页
（2）安装vcd包
（3）列出这个包可用函数和数据集
（4）载入包并阅读数据集Arthritis
（5）显示Arthritis的内容
（6）运行Arthritis自带示例
（7）退出
