R语言 一套内容 从入门 到放弃

【怪毛匠子整理】

1、下载

wget http://mirror.bjtu.edu.cn/cran/src/base/R-3/R-3.0.1.tar.gz

2、解压：

tar -zxvf R-3.0.1.tar.gz

cd R-3.0.1

3、安装

yum install readline-devel

yum install libXt-devel

./configure

如果使用rJava需要加上 --enable-R-shlib

./configure  --enable-R-shlib --prefix=/usr/R-3.0.1

make

make install

4、配置环境变量

vi .bash_profile

PATH=/usr/R-3.0.1/bin

5、测试：创建脚本(t.R)

cd /opt/script/R

vim t.R

#!/path/to/Rscript    #第一行

x<-c(1,2,3)    #R语言代码

y<-c(102,299,301)

model<-lm(y~x)

summary(model)

6、测试：

• 执行脚本

R CMD BATCH --args /opt/script/R/t.R

more /opt/script/R/t.Rout    #查看执行的结果

或者第二种方式

• 查看结果

Rscript /opt/script/R/test.R    #结果直接输出到终端

安装和卸载R：

 make uninstall

注意：R的升级必须先卸载（make uninstall）

再重新安装（下载/解压/configure/make/make install）

R】Linux安装R语言包(Installing R packages on Linux)

有关install.packages()函数的详见：R包 package 的安装（install.packages函数详解）

R的包（package）通常有两种：

1 binary package：这种包属于即得即用型（ready-to-use），但是依赖与平台，即Win和Linux平台下不同。

2 Source package: 此类包可以跨平台使用，但用之前需要处理或者编译（compiled）。

以下一些常用的包相关的函数：

.libPaths()：查看包的安装目录

library()：查看已经安装的包目录

library(mypackage)：载入mypackage包

getOption("defaultPackages")：查看启动R时自动载入的包。

help(package = 'mypackage')：查看‘mypackage’的帮助

args(function)：查看函数的参数

example(function)：自动运行该函数帮助文档中的例子，很赞！

demo("package")：展示一些包中demostration，需要再看下？？

vignette('mypackage')：有的包，特别是bioconductor的包有vignette，用函数查看

openVignette('mypackage')：这个函数也可以查看vignette，更好用一些

RSiteSearch("helpinfor")：搜索R网站上的“helpinfor”相关信息

help.start()：查看已经安装包的详细HTML文档，这个命令非常爽。

更新：

search()：查看当前载入的包

sessionInfo()：查看R中载入的包

methods()：查看某个S3泛型函数中所有的方法或者一个类中所有的方法（S3：S version 3）

showMethods(class = "myClass")：查看S4类的方法

findMethods("myMethods")：查看method的代码

class(myObject)：查看某个对象的类

getClass(“class/package”)：查看某个class或者包的具体内容

getSlots("class")：查看某个class的slot

slotNames(MyObject)：查看某个对象的slot。

可以使用Myobject@slotNames访问对象的slot值，这个@设计实在是太爽了，可以连续用。

查询包内信息：1. ?function/method：查看某个“函数”或者“方法”的详细内容

2. class?graph::graph：查看“组”的详细内容的一个例子。这个例子的来源是查询graph包时候，查看其中class的信息，输入??graph后出现一个graph::graph-class。

ls("package:mypackage")：查看"mypackage"中的所有对象。

安装source package方法

1 在终端输入 # R CMD INSTALL /.../mypackage.tar.gz

使用此方法，需要解决包依赖问题，即安装此包所依赖的包，安装过程有提示

2 也可以使用R的install.packages()函数安装

回答：可以使用install.packages()函数安装，而且比较简便，即联网即可装，装了就可用。

# R

> install.packages('mypackage')

回答2：可以使用install.packages()安装本地下载的包，尤其适用于在服务器上安装包

$ R

> install.packages( c("XML_0.99-5.tar.gz", "http://www.cnblogs.com/Interfaces/Perl/RSPerl_0.8-0.tar.gz"), repos = NULL, configure.args = c(XML = '--with-xml-config=xml-config', RSPerl = "--with-modules='IO Fcntl'"))

3 Bioconductor的安装方法

> source("http://bioconductor.org/biocLite.R")

> biocLite("mypackage")

4 卸载package

remove.packages("mypackage")

5 查看R及其package的version

R version: version 或者 R.version

R package version:

6 更新包

update.packages( )  可以定期执行以下

7 使用别人安装的包

修改.bashrc文件，添加环境变量R的lib路径

export R_LIBS=/home/.../R/lib64/R/library

R中用.libPaths()函数查看lib路径，如果有多个lib,install.packages()默认是安装在第一个目录下

安装R语言的包的方法

　1. 自动安装（在线安装）

在R的控制台,输入

install.packages(“gridExtra”) # 安装 gridExtra

install.packages(“stepNorm”, contriburl=”http://www.your.url”, dependencies = TRUE) # 安装 stepNorm

若要指定安装目录 (e.g. “mydir”)，则输入

install.packages(“stepNorm”, contriburl=”http://www.biostat.ucsf.edu/jean/software”, lib=”mydir”)

这种方法可能找不到需要的package，那么可以用 方法2

2. 手动安装（离线安装）

Windows:

下载package.zip文件

打开R的菜单栏->Packages->“Install package from local zip file…”

选择package.zip文件

R_program_install_package

Linux上安装R包（离线安装）:

下载package.tar.gz文件

在Shell终端（注意不是R）输入:

sudo R CMD INSTALL package.tar.gz

注意：需要sudo权限才能安装。否则提示：

username is not in the sudoers file. This incident will be reported.

查看全部安装的R包：

.packages(all.available=T)

查看某个安装的R包：

library(“XML”)

help(package=”XML”)

R语言学习笔记

第1章 R的使用

1.R语句由函数和赋值。R使用<-作为赋值符号：

x <- rnorm(5)  #创建一个名为x的向量对象，x包含5个符合标准正太分布的随机偏差#

rnorm(5) -> x与 x <- rnorm(5)，这两个语句等价。

2.简单的R会话：

研究上述10名婴儿的：（1）体重分布；（2）体重和月龄的关系

代码清单：

age <- c(1, 3, 5, 2, 11, 9, 3, 9, 12, 3)           #使用函数c（）以向量的形式输入月龄数据#

weight <- c(4.4, 5.3, 7.2, 5.2, 8.5, 7.3, 6, 10.4,   #使用函数c（）以向量的形式输入体重数据#

10.2, 6.1)

mean(weight)            #使用函数mean()求体重平均值#

sd(weight)               #使用函数sd ()求体重标准差#

cor(age, weight)          #使用函数cor()求体重与月龄之间相关系数#

plot(age, weight)         #使用函数plot(),以图形形式表现体重与月龄之间关系#

# q()                   #使用函数q ()结束程序#

输出结果：

第2章 创建数据集

1.访问向量中元素

通过方括号中给定元素所处的数值，可以直接访问向量中的元素。例如，a[c(3,5)],访问向量a中的第3个和第5个元素。

代码清单：

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

a[3]

a[c(1, 3, 5)]

a[2:6]   #访问从第2个元素到第6个元素#

输出结果：

2.创建矩阵

矩阵都是二维的，和向量类似，矩阵中也仅能包含一种数据类型。

通过函数matrix创建矩阵，一般格式如下：

myymatrix <- matrix(vector, nrow=number_of_rows,          #nrow(行)#

ncol=number_of_columns,                               #ncol(列) #

byrow=logical_value,    # byrow=true（按行填充）/ byrow=false（默认：按列填充）#

dimnames=list(char_vector_rownames,char_vector_colnames))

#dimnames包含了可选的以字符型向量表示的行名称和列名称#

代码清单①：

y <- matrix(1:20, nrow = 5, ncol = 4)   #输出从1到20，5行4列，默认按列进行填充#

y

输出结果：

代码清单②：

cells <- c(1, 26, 24, 68)         #向量赋值#

rnames <- c("R1", "R2")        #行名称#

cnames <- c("C1", "C2")        #列名称#

mymatrix <- matrix(cells, nrow = 2, ncol = 2, byrow = TRUE,  #2行2列，按行填充#

dimnames = list(rnames, cnames))                     #行列名称赋值#

mymatrix

输出结果：

如果按照列填充：

cells <- c(1, 26, 24, 68)

rnames <- c("R1", "R2")

cnames <- c("C1", "C2")

mymatrix <- matrix(cells, nrow = 2, ncol = 2, byrow = FALSE,

dimnames = list(rnames, cnames))

mymatrix

输出结果：

我们可以使用下标和方括号来选择矩阵的行、列或元素。X[i,]指矩阵x中的第i行，X[,j]指出第j列，x[i,j]指第i行第j个元素。选择多行或多列时，下标i和j可为数值型向量，如下代码清单演示：

代码清单③：

x <- matrix(1:10, nrow = 2)     #没有对行、列名称进行命名，输出结果自动生成#

x

输出结果：

代码清单④：

x[2, ]      #输出矩阵x中第2行#

x[,2]      #输出矩阵x中第2列#

x[1,4] #输出矩阵x中第1行，第4列#

x[1,c(4,5)]  #输出矩阵x中第1行，第4、5列#

3.创建数组

数组（array）与矩阵类似，但是维度可以大于2。数组可通过array函数创建，形式如下：

myarray<-array(vector,dimensions,dimnames)  #vector包含了数组中的数据，dimensions是一个数值型向量，给出了各个维度下标的最大值，dimnames是可选的、各维度名称标签的列表#

代码清单：

dim1 <- c("A1", "A2")

dim2 <- c("B1", "B2", "B3")

dim3 <- c("C1", "C2", "C3", "C4")

z <- array(1:24, c(2, 3, 4), dimnames = list(dim1, dim2, dim3))

#将1~24按照列排方式，排列在4个2行3列，创建成三维（2×3×4）数值型数组#

z

输出结果：

4.创建数据框

数据框是R中最常见的数据结构，数据框中不同的列可以包含不同模式的数据。

mydata <-data.frame(col1,col2,col3,…)   #列向量col1，col2,col3,…可为任何类型，每一列的名称可由names指定。

代码清单①：（创建）

patientID <- c(1, 2, 3, 4)

age <- c(25, 34, 28, 52)

diabetes <- c("Type1", "Type2", "Type1", "Type1")

status <- c("Poor", "Improved", "Excellent", "Poor")

patientdata <- data.frame(patientID, age, diabetes, status)

patientdata

输出结果：

代码清单②：（选取数据框中的元素）

patientdata[1:2]

#或者patientdata[c("patientID","age")]  结果一样#

代码清单③：（选取数据框中的列向量）

patientdata$age     #$表示选取特定列向量#

代码清单④：（table生成列联表）

table（patientdata$diabetes,patientdata$status）

5.因子的使用

factor()以一个整数向量的形式存储类别值，整数的取值范围是[1…k],同时一个由字符串（原始值）组成的内部向量将映射到这些整数上。

如：向量：diabetes<-c(“Type1”, “Type2”, “Type1”, “Type1”)

diabetes<-factor（diabetes）将此向量存储为（1,2,1,1），并在内部将其关联为1=Type1和2=Type2（具体赋值根据字母顺序而定）

要表示有序型变量，需要为函数factor（）指定参数ordered=TRUE。给定向量：

status<-c(“Poor”,“Improved”,“Excellent”,“Poor”)

语句status<-factor(status,ordered=TRUE)会将向量编码为（3,2,1,3），并在内部将这些值关联为1=Excellent、2=Improved以及3=Poor。另外，针对此向量进行的任何分析都会将其作为有序型变量对待，并自动选择合适的统计方法。

levels()可以覆盖默认排序。例如

status<-factor(status,order=TRUE,levels=c(“Poor”,“Improved”,”Excellent”))

各水平的赋值将为1=Poor、2=Improved、3=Excellent

代码清单：（因子的使用）

patientID <- c(1, 2, 3, 4)

age <- c(25, 34, 28, 52)

diabetes <- c("Type1", "Type2", "Type1", "Type1")

status <- c("Poor", "Improved", "Excellent", "Poor")

diabetes <- factor(diabetes)

status <- factor(status, order = TRUE)

patientdata <- data.frame(patientID, age, diabetes, status)

str(patientdata)

运行结果：

summary(patientdata)

6.列表

列表（list）是R的数据类型中最为复杂的一种。一般来说，列表就是一些对象（或成分，component）的有序集合。列表的好处：1.列表允许以一种简单的方式组织和重新调用不相干的信息。2.许多R函数的运行结果都是以列表的形式返回的。列表允许你整合若干（可能无关的）对象到单个对象名下。例如，某个列表中可能是若干向量、矩阵、数据库，甚至其他列表的组合。可以使用函数list（）创建列表：

mylist<-list(object1,object2,…)

其中的对象可以是目前为止讲到的任何结构。也可以将列表中对象命名为：

mylist<-list(object1,object2,…)

代码清单：（列表）

g <- "My First List"

h <- c(25, 26, 18, 39)

j <- matrix(1:10, nrow = 5)

k <- c("one", "two", "three")

mylist <- list(title = g, ages = h, j, k)      #创建列表#

mylist                              #输出整个列表#

运行结果：

$title

[1] "My First List"                #字符串#

$ages

[1] 25 26 18 39                   #数值型向量#

[[3]]

[,1] [,2]                    #矩阵#

[1,]    1    6

[2,]    2    7

[3,]    3    8

[4,]    4    9

[5,]    5   10

[[4]]                            #字符型向量#

[1] "one"   "two"   "three"

访问：可以通过在双重方括号中指明代表某个成分的数字或名称来访问列表中的元素。如输入mylist[[2]]或mylist[[“ages”]]均指向量“[1] 25 26 18 39”。

R语言的数据导入与导出学习笔记

卡卡 2013-04-29 10:45:20

福尔·摩斯曾说过：“数据，数据，没有数据的推理是罪恶！”不过比起有意思的统计分析，数据的导入与导出显得十分的无趣，但是不得不说统计分析的数据导入与导出是个让人沮丧的任务，而且耗时巨大。

今天分享的是R中数据的输出与一些特定格式的数据读入。

一、数据的输出

R中提供了write.table(),cat()等函数来导出数据。不过值得指出的是R语言能够导出的数据格式是有限的，比如在基本包中，我们能够导出数据的格式只有txt，csv。

现在介绍一下两个函数的用法：

write.table(x, file = “”, append =FALSE, quote = TRUE, sep = ” “,

eol = “\n”, na = “NA”, dec = “.”,row.names = TRUE,

col.names = TRUE, qmethod = c(“escape”, “double”),

fileEncoding = “”)

write.csv(…)

write.csv2(…)

write.csv(),write.csv2()可以看做write.table（）的变体，我们知道write.csv（），与参数sep=“，”的write.table（）是等效的。下面介绍几个常见参数：

x:数据集

file：文件的路径，包括文件名如：”D:/R/data/data1.csv”

quote:数据在写入文件中时我们常用引号将其隔开，当参数为F时，文件中的数据不再用引号修饰

append：是否追加，如果文件名已存在而没有选择追加，那么文件将会被覆盖。（覆盖时是没有提示的，所以命名需要注意一些。

cat(… , file = “”, sep = ” “, fill = FALSE, labels = NULL,

append = FALSE)

cat（）作为一个输出函数与dos命令差不多，也是将数据集或数据写入文件中，常用参数和write.table（）类似。

cat()函数用来输出，可以把多个参数连接起来再输出（具有paste()的功能）。

例如：

> cat(c(“AB”, “C”),c(“E”, “F”), “n”, sep=”/ “)

AB/ C/ E/ F/ n

还可以指定一个参数file=给一个文件名，可以把结果写到指定的文件中，如： > cat(“i = “, 1, “n”, file=”d:/R/data2.txt”)如果指定的文件已经存在则原来内容被覆盖。加上一个append=TRUE参数可以不覆盖原文件而是在文件末尾附加，这很适用于运行中的结果记录。

当然cat（）的用法比较丰富，也可以用来查看文件，与format合用控制输出格式等。

二、数据的导入

先介绍R中基本的读取数据函数read.table（）的用法：

read.table(file, header = FALSE, sep = “”, quote = “\”‘”,

dec = “.”, row.names, col.names,

as.is = !stringsAsFactors,

na.strings = “NA”, colClasses = NA, nrows = -1,

skip = 0, check.names = TRUE, fill = !blank.lines.skip,

strip.white = FALSE, blank.lines.skip = TRUE,

comment.char = “#”,

allowEscapes = FALSE, flush = FALSE,

stringsAsFactors = default.stringsAsFactors(),

fileEncoding = “”, encoding = “unknown”, text)

read.csv(file, header = TRUE, sep = “,”, quote=”\”", dec=”.”,

fill = TRUE, comment.char=”", …)

read.csv2(file, header = TRUE, sep = “;”, quote=”\”", dec=”,”,

fill = TRUE, comment.char=”", …)

read.delim(file, header = TRUE, sep = “\t”, quote=”\”", dec=”.”,

fill = TRUE, comment.char=”", …)

read.delim2(file, header = TRUE, sep = “\t”, quote=”\”", dec=”,”,

fill = TRUE, comment.char=”", …)

介绍常用参数：

File：文件路径，可以用绝对路径也可以用相对路径，R的工作目录你可以使用getwd()来查看，用setwd()来改。

Header：读取文件的第一行是否用作变量名

Sep：分隔符，参数为“，“时等价于read.csv（）

Scan（）函数也是一个读取数据比较好的函数，但是参数较为复杂，我们可以说，read.table（）函数是scan函数的设定好部分参数的结果。

Read.delim（）这个可以读到剪贴板的东西,用法为read.delim(clipboard)其他参数与read.table相同。

Read.fwf（）读取固定长度的数据，也可以利用这个特性截去数据的尾巴或者表格的尾巴。

自带的foreign包可以实现s-plus，sas，spss，stata的数据读入。以读stata数据为例：

>Read.dta(“d:/R/data3.dta”)其他参数与read.table也是一样的。

遗憾的是，基本包与foreign包都没有办法读取excel的数据。但这并不代表我们没办法读取excel的数据。例如我们可以将excel的数据放在剪贴板中，通过read.delim（clipbroad）来读取。也可以将excel表格变成csv格式的再处理。最后指出，R中的gdata包的read.xls函数以及RODBC包中也有相应的处理函数。

本文的最后，运用R语言的帮助文档《R数据的导入与导出》中的一段话作为结束：“In general, statistical systems like R arenot particularly well suited to manipulations of large-scale data. Some othersystems are better than R at this, and part of the thrust of this manual is tosuggest that rather than duplicating functionality in R we can make anothersystem do the work! (For example Therneau & Grambsch (2000) commented thatthey preferred to do data manipulation in SAS and then use packagesurvival in S for the analysis.)”

From:http://blog.csdn.net/yujun7654321/article/details/8117421

原文链接：http://tezhengku.com/topic/?p=563

R语言-数据导入

• |
• 浏览：241
• |
• 更新：2015-09-29 16:51
• |
• 标签：软件

R语言，最适合统计研究背景的人员学习，具有丰富的统计分析功能库以及可视化绘图函数可以直接调用。通过Hadoop-R更可支持处理百亿级别的数据。

工具/原料

• 电脑
• R软件

方法/步骤

1. 1

1、导入 CSV文件

1）使用 read.csv函数导入CSV文件

2）read.csv函数语法： read.csv (file)

3）案例： data1 <- read.csv ("D:/data/datatable.csv")    --绝对路径

1. 2

2、导入文本文件

1）使用 read.table函数导入CSV文件

2）read.table函数语法： read.table (file, header = FALSE, sep="", …)

file：文件路径

header：文件标题行（文件头），默认为 FALSE，表示没有标题行

sep：分隔符，默认为空，表示默认把数据导入成一列

3）案例

data2 <- read.table ("D:/data/datatable.csv", header = TRUE, sep ="," )

data3 <- read.csv ("D:/data/datatable.csv", header = TRUE, sep ="," )

1. 3

3、导入 Excel文件

1） Excel文件导入步骤（x86操作系统）

引入 RODBC包

install.packages ("RODBC")

library (RODBC)

注：安装包时，包名需要加引号，而引入包时不加引号！

使用 odbcConnectExcel函数来连接 Excel 2003（后缀名为 .xls）

odbcConnectExcel函数语法： odbcConnectExcel (file)

案例： connect1 <- odbcConnectExcel ("D:/data/datatable.xls")

使用 odbcConnectExcel2007函数来连接 Excel 2007（后缀名为 .xlsx）

odbcConnectExcel函数语法： odbcConnectExcel2007 (file)

案例： connect2 <- odbcConnectExcel ("D:/data/datatable.xlsx")

使用 sqlFetch函数来读取 Excel中的 Sheet数据

sqlFetch函数语法： sqlFetch (connectname, Sheetname)

案例：data4 <- sqlFetch (connect1, "datasheet")

使用 odbcClose函数关闭 R和 Excel的连接

odbcClose函数语法： odbcClose (connectname)

案例： odbcClose (connect1)

1. 4

2）Excel文件导入步骤（x64操作系统）

引入 XLConnect包（需安装JDK程序）

使用 loadworkbook函数来加载 Excel文件

loadworkbook函数语法： loadworkbook (file)

案例： connect3 <- loadworkbook ("D:/data/datatable.xls")

使用 readworksheet函数来读取 Excel文件数据

readworksheet函数语法： readworksheet (connectname, Sheetname)

案例： data5 <- readworksheet (connect1, "datasheet")

R 数据的导入和导出

Next: Notes

R 数据的导入和导出

这是从R中导入或导出数据的一个指导手册。

本文档的当前版本为0.01 β。该文档译自 R-2.6.1 文档（2007年11月26日）。

丁国徽（ghding@gmail.com） 译。

本文档的一些发布信息放置在 http://www.biosino.org/R/R-doc/。

ISBN 3-900051-10-0

• Notes: 说明
• Introduction: 绪论
• Spreadsheet-like data: 电子表格类似的数据
• Importing from other statistical systems: 导入其它统计软件的数据
• Relational databases: 关系数据库
• Binary files: 二进制文件
• Connections: 连接
• Network interfaces: 网络接口
• Reading Excel spreadsheets: 读取Excel表格文件
• References: 参考文献
• Function and variable index: 函数和变量索引
• Concept index: 概念索引

Next: Introduction, Previous: Top, Up: Top

说明

• Copyright: 版权声明
• Words from the Translator: 译者前言
• Acknowledgements: 致谢

Next: Words from the Translator, Up: Notes

版权声明

英文文档版权声明：

Copyright © 2000–2006 R Development Core Team

Permission is granted to make and distribute verbatim copies of this manual provided the copyright notice and this permission notice are preserved on all copies.

Permission is granted to copy and distribute modified versions of this manual under the conditions for verbatim copying, provided that the entire resulting derived work is distributed under the terms of a permission notice identical to this one.

Permission is granted to copy and distribute translations of this manual into another language, under the above conditions for modified versions, except that this permission notice may be stated in a translation approved by the R Development Core Team.

参考译文如下（具体以英文原文为准）：

版权 © 2000–2007 R Development Core Team

在遵守并包含本文档版权声明的前提下，制作和发布本文档的完整拷贝是允许的。 并且，所有这些拷贝均受到本许可声明的保护。

在遵守上述完整拷贝版本有关版权声明的前提下，拷贝和发布基于本文档完整 拷贝的修改版本是允许的，并且，发布所有通过修改本文档而得到的工作成果， 须使用与本文档的许可声明一致的许可声明。

在遵守上述修改版本版权声明的前提下，拷贝和发布本文档其它语言的翻译版本 是允许的，如果本许可声明有经 R 核心开发小组（R Development Core Team）核 准的当地化译本，则遵循当地化译本。

关于本中文翻译文档的版权声明：

本文档为自由文档（GNU FDL）， 在GNU自由文档许可证（http://www.gnu.org/copyleft/fdl.html）下发布， 不明示或者暗示有任何保证。本文档可以自由复制，修改，散布，但请保留使用 许可声明。

Next: Acknowledgements, Previous: Copyright, Up: Notes

译者前言

不能期望一个软件可以做所有的事情1。R 也不例外。因此， R 需要和其它东西协作。包括我们人类，需要我们输入数据，导出数据。包括我们的 其它软件，Excel，SPSS，等等，数据格式都是特异的，需要R 特别处理。 包括我们的数据库系统，R 不是用来管理数据的，所以需要专业的数据库帮忙。 也包括不同机器间，上面编译的 R 也是需要交换数据。这一册文档就是描述这些事情的。

R 的主要目的就是分析数据。虽然，你可以用它来处理文档，画个奥运会的鸟巢，R 的主要目的还是数据分析。这是专业化个性化的时代，特色取胜。

这个文档在几年前就写了一些。很实用的一个文档。开发人员可以大致了解 R 和其它软件大致的通讯情况，非开发人员至少可以了解， R 通过包能直接读取Excel表格。

已经是凌晨了，不多写了。

任何问题和建议可以给Email！

感谢身边的朋友！

丁国徽

Email：ghding@gmail.com

2008年1月6日

Previous: Words from the Translator, Up: Notes

致谢

手册中关系数据库的内容部分基于Douglas Bates 和 Saikat DebRoy早期写的 一个手册。本手册主要由 Brian Ripley 编写。

这里用到很多扩展包都是由自愿者贡献。这里提到的包以及主要作者如下，

CORBA	Duncan Temple Lang
foreign	Thomas Lumley, Saikat DebRoy, Douglas Bates, Duncan Murdoch and Roger Bivand
hdf5	Marcus Daniels
ncdf	David Pierce
ncvar	Juerg Schmidli
rJava	Simon Urbanek
RMySQL	David James and Saikat DebRoy
RNetCDF	Pavel Michna
RODBC	Michael Lapsley and Brian Ripley
RSPerl	Duncan Temple Lang
RSPython	Duncan Temple Lang
SJava	John Chambers and Duncan Temple Lang
XML	Duncan Temple Lang

Brian Ripley 是实现R的连接（connection）支持的作者。

Next: Spreadsheet-like data, Previous: Notes, Up: Top

1 绪论

尽管大多数读者觉得统计分析非常有趣，但为统计分析读入数据以及 把结果导出到其它系统以方便报表编写可能是一件比统计分析更花时间 和难办的差事。

本手册描述了 R 自身以及从 CRAN 获得的一些包里面的 数据导入和导出功能。这里描述的一些包可能还正在开发，但它们已经 提供了一些非常有用的功能了。

除非特别说明，本手册中描述的所有功能可以在各种平台运行的R 中使用。

通常，如R一类的统计系统特别不适合处理大尺度的数据。 其它一些系统在这方面可以比R作的好。本手册的部分要点是 建议用户可以用其它系统做数据处理工作而不是用 R 里面重复的功能（ 例如，Therneau 和 Grambsch (2000) 就提到他们喜欢在SAS里面进行数据 处理，然后才用 S 的包 survival 进行数据分析）。 现在，还有几个包允许用其它编程语言（如Java, perl 和 python）开发的函数直接整合进R代码里面。这样 就可以更加方便地用这些语言的功能。 （见Omegahat项目（http://www.omegahat.org） 的SJava, RSPerl 和 RSPython包，和来自 CRAN的rJava包）

值得注意到是 R 和 S 一样都来自Unix的小的可重用工具的传统， 因此，在数据导入前和结果导出后用awk 和 perl 等 工具处理数据都是值得推崇的。 Becker, Chambers & Wilks （1988, 第 9 章）中的案例分析就是这样的 一个例子。其中，在 S 数据输入前用Unix工具检验和处理数据。 R 自己也是采用这种策略，比如用 perl 而不是R 处理自身的帮助文件数据库，函数 read.fwf开始就是调用一个 perl代码直到后来明确在运行时不能依赖 perl。 现在，传统的Unix工具被很广泛的使用，包括在Windows系统上。

• Imports: 导入
• Export to text files: 导出到文本文件中
• XML: XML 文件

Next: Export to text files, Previous: Introduction, Up: Introduction

1.1 Imports 导入

导入 R 的数据中最容易的格式是简单的文本文件。对于小型或中型的问题， 这种格式都可以接受的。 从文本文件导入数据的原始函数（primary function）是 scan。 电子表格类似数据（Spreadsheet-like data）一章中讨论的大多数比较便利 的函数都是基于这个原始函数。

但是，所有的统计顾问们对客户用软盘或光盘提交一些私有的二进制数据 （比如，`Excel 电子表格'或`SPSS文件'）都比较熟悉。 通常，可以做的最简单的事情是用原始软件把数据用文本文件导出（而统计 顾问们为了这个目的会在他们电脑里面安装大多数常用的软件）。不过， 这不会总是可能的2。 在从其它统计软件中导入数据（Importing from other statistical systems）一章中，我们会讨论一些可以在 R 里面 直接读取这些文件的工具。 对 Excel 电子表格，读取Excel电子表格（Reading Excel spreadsheets） 一章对可以获得的相关方法进行了总结。

在很少的一些例子中，出于简洁和快速访问考虑，数据以二进制格式保存。 这种情况下一个例子是我们已经见过几次的图像数据。它通常以二进制流的 方式保存然后在内存里面呈现，而且可能在数据前面加个信息头。 这种数据格式在二进制文件（Binary files）和二进制连接 （Binary connections）部分都有所讨论。

对于大的数据库数据，通常要借助数据库管理系统（Database management system，DBMS）来处理。我们可以通过DBMS从数据库里面提取没有格式的 文本文件，但是对于大多数这一类型的DBMS，我们可以直接通过 R 的包来实现数据提取操作：见关系数据库（Relational databases）部分。 通过网络连接来导入数据在网络接口（Network interfaces）一章讨论。

Next: XML, Previous: Imports, Up: Introduction

1.2 导出到文本文件中

从 R 里面导出结果通常是一个很少争论的事情，但是实际操作中仍然 有一些问题。在知道目标应用软件前提下，通常把文本文件作为最为便利的 中间转换工具。（如果需要二进制文件，见二进制文件（Binary files） 一章）。

函数 cat 是导出数据的函数的基础。它有一个file参数 和append。通过连续地调用 cat 对一个文本文件写入。 最好的方式是，特别需要多次这样做的时候，首先为写入或添加文本 打开一个 file 连接，然后用cat连接，最后关掉 （close）它。

最常见的工作是把一个矩阵或数据框以数字的矩形网格方式写入文件中， 而且还可能保留行列的标签。 这可以通过函数write.table 和 write来完成。 函数write仅可以写出一个矩阵或向量的特定列（和对一个矩阵进行转置）。 函数 write.table 更为便利，它可把一个数据框（ 或一个可以强制转换为数据框的对象）以包含行列标签的方式写出。

在把一个数据框写入到一个文本文件中时，有许多问题需要考虑。

1. 精度问题

大多数通过这些函数对实/复数的转换是全精度的，但是用write时， 精度由options(digits)的当前设置确定。 如果需要更多的控制，在一个数据框上逐列使用 format 。

1. 首行问题

R 倾向在首行不出现表示行名字的条目，因此 在文件里面

dist climb time Greenmantle 2.5 650 16.083 ...

其它一些系统需要给行名字一个条目（可能为空），此时， 可以通过在write.table 中 设置参数col.names = NA 来实现。

1. 分隔符问题 文件中常用的字段分隔符是逗号，因为在英语语系的国家， 逗号几乎不可能出现在任何字段中。这种文件被称为 CSV（逗号分隔值）文件，对应的包装函数（wrapper function） write.csv提供了适当的默认值。 在一些本地系统中，逗号作为十进制位中的小数点 （在write.csv函数中设置参数dec = ","） 3 ，此时CSV文件以分号作为字段分隔符： write.csv2 设置了适当的默认值。

用分号或制表符（sep = "\t"）可能是一种 比较安全的选择。

1. 缺损值问题 默认情况下，缺损值以 NA 形式输出，但这可以通过参数 na来改变。 注意，NaN 在write.table里面 以 NA 看待，但在cat或 write里面是区别对待的。
2. 被引号括起的字符串 默认情况下，字符串被引号括起（包括行列的名字）。 参数 quote 控制着字符和因子变量的引号引用问题。

需要注意字符串中的引号嵌套问题。三种 有用的形式如下

> df <- data.frame(a = I("a \" quote")) > write.table(df) "a" "1" "a \" quote" > write.table(df, qmethod = "double") "a" "1" "a "" quote" > write.table(df, quote = FALSE, sep = ",") a 1,a " quote

逃逸（Escape）的第二种形式常用于电子表格中。

包 MASS 中的函数 write.matrix 为写矩阵 提供了一种专用的接口。它同时提供了以区块方式写的可选项，这样 可以降低内存的使用。

用 sink 可能把标准 R 输出重定向到一个文件中，因此 捕获了 print 语句（可能是暗含的）的输出。通常， 这不是最有效的办法，options(width)设置可能需要增加。

包 foreign里面的函数 write.foreign 用 write.table 产生文本文件，同时编写一个 可以让另外一个统计包读入该文本文件的代码文件。现在支持 导出到 SPSS 和 Stata。

Previous: Export to text files, Up: Introduction

1.3 XML 文件

当从一个文本文件中读取数据时，用户有责任知道并且按习惯创建文件，比如， 在导出问文本文件（Export to text files）一节中提到的 注释字符，是否有信息头行，分隔符，缺损值的描述方式（等等）。 标签语言既可以描述内容又可以定义内容的结构，这样可以使一个文件 的内容自我明了。此时，不需要为读取这些数据的软件专门提供这些 细节信息。

可扩展标签语言（eXtensible Markup Language）– 通常简化为 XML – 可用于提供这样的结构，不仅能描述标准数据集也可以描述更复杂的数据结构。 XML 现在变得非常流行，并且作为常规数据标签和交换的标准。 它被各种团体所采用，从地理数据（如地图），图像展示4 到数学等。

包 XML 为在 R 和 S-PLUS 读写XML文档提供了 通用的工具。它让我们可以很容易的使用这种近年出现的技术。 多位研究人员正在探索如何在其它事情中用 XML 描述在不同应用软件中共享的数据集；存储不同系统共享的 R 和 S-PLUS 对象；通过 SVG （可扩展矢量图， Scalable Vector Graphics，XML 的一种针对矢量图应用的变种） 描述图像；描述函数文档；生成“生动的”含有文本， 数据和代码的分析/报告。

对 XML 包里面工具的描述已经超出本文档内容范围： 详细信息和例子见该包的主页（http://www.omegahat.org/RSXML）。 CRAN里面的包StatDataML 是基于XML包的一个例子。

Next: Importing from other statistical systems, Previous: Introduction, Up: Top

2 电子表格类似的数据

• Variations on read.table: read.table的变化样式
• Fixed-width-format files: 固定宽度格式的文件
• Data Interchange Format (DIF): 数据交换格式（DIF）
• Using scan directly: 直接使用scan函数
• Re-shaping data: 数据重塑
• Flat contingency tables: 无格式列联表

在导出为文本文件（Export to text files）一节，我们可以看到 电子表格类似的文本文件有一系列的变化样式。在这些样式中，数据以矩形 格子状呈现，而且还可能包括行列标签。在本节，我们考虑 把这种文件导入 R。

Next: Fixed-width-format files, Previous: Spreadsheet-like data, Up: Spreadsheet-like data

2.1 read.table 的变化样式

函数 read.table 是读取矩形格子状数据最为便利的方式。因为实际可能 遇到的情况比较多，所以预设了一些函数。这些函数调用了read.table 但改变了它的一些默认参数。

注意，read.table 不是一种有效地读大数值矩阵的方法： 见下面的 scan 函数。

一些需要考虑到问题是：

1. 编码问题

如果文件中包含非-ASCII字符字段，要确保以正确的编码方式读取。 这是在UTF-8的本地系统里面读取Latin-1文件的一个主要问题。 此时，可以如下处理

read.table(file("file.dat", encoding="latin1"))

注意，这在任何可以呈现Latin-1名字的本地系统里面运行。

1. 首行问题

我们建议你明确地设定 header 参数。按照惯例，首行只有对应列的字段而 没有行标签对应的字段。因此，它会比余下的行少一个字段。 （如果需要在 R 里面看到这一行，设置 header = TRUE。） 如果要读取的文件里面有行标签的头字段（可能是空的）， 以下面的方式读取

read.table("file.dat", header = TRUE, row.names = 1)

列名字可以通过 col.names 显式地设定； 显式设定的名字会替换首行里面的列名字（如果存在的话）。

1. 分隔符问题

通常，打开文件看一下就可以确定文件所使用的字段分隔符， 但对于空白分割的文件，可以选择默认的sep = "" （ 它能使用任何空白符作为分隔符，比如空格，制表符，换行符）， sep = " " 或者 sep = "\t"。 注意，分隔符的选择会影响输入的被引用的字符串。

如果你有含有空字段的制表符分割的文件， 一定要使用 sep = "\t"。

1. 引用 默认情况下，字符串可以被 " 或 ' 括起，并且两种情况下，引号内部的字符都作为 字符串的一部分。有效的引用字符（可能没有）的设置由 参数 quote 控制。对于sep = "\n"， 默认值改为 quote = ""。

http://www.dxy.cn/bbs/topic/32661575

R资源分享 视频

R语言笔记博客

http://blog.csdn.net/saghir?viewmode=contents

http://blog.csdn.net/saghir/article/details/46504655

http://www.dxy.cn/bbs/topic/10612374?from=recommend

从园子里搜一搜，以“R语言”为关键词，发现相关内容并不多！

不过，我把好的网页挑出来，供自己研究（2007年12月6日11：12分为止）

一、R语言相关资料

1、R语言

R语言 - 丁香园论坛

2、R语言课件（复旦大学）

http://www.dxy.cn/bbs/actions/archive/post/6908564_1.html

3、上传：GLM课件（R语言）

上传：GLM课件（R语言） - 丁香园论坛

4、利用R语言实现微阵列数据分析-聚类分析

http://www.dxy.cn/bbs/actions/archive/post/6387021_1.html

5、Medline 文献挖掘的开放资源库----MedlineR

http://www.dxy.cn/bbs/actions/archive/post/2059801_1.html

二、R语言相关问题

1、R 语言,请帮忙

http://www.dxy.cn/bbs/post/view?bid=73&id=7689210&sty=3&keywords=R%D3%EF%D1%D4

2、请教:有用过R语言和fbioconductor的吗

http://www.dxy.cn/bbs/actions/archive/post/7169770_1.html

3、求助：perl程序（加一点统计知识）

http://www.dxy.cn/bbs/actions/archive/post/4592794_0.html

4、请教诸位高手关于单倍型分析的一些问题

http://www.dxy.cn/bbs/actions/archive/post/2698109_1.html

5、perl 求助一程序。

http://www.dxy.cn/bbs/actions/archive/post/4644532_1.html

6、[求助]关于SAM 谁能帮我讲解一下SAM方法？我不是很懂

http://www.dxy.cn/bbs/post/view?bid=73&id=5137629&sty=3&keywords=R%D3%EF%D1%D4

网站：www.r-project.org

R is a free software environment for statistical computing and graphics . Download and install the package.

• 入门资料：

simple_R_Tutorial http://www.biostat.pitt.edu/biost2055/11/110107_simple_R_tutorial.doc

《153分钟学会R》 http://cos.name/cn/topic/7673

• 官方资料：

《R Language Definition》、《An Introduction to R》（也有中文版，建议看英文）

• 参考资料：

《R语言参考卡片》http://wenku.baidu.com/view/6f214c330b4c2e3f57276341.html

• 有用的论坛：

统计之都

牛人的博客：http://yixf.name/

谢益辉的中文主页：里面有高质量的R语言、统计学资料

• 软件和网站：

RStudio：http://www.rstudio.com/

R语言互动式学习网站：http://tryr.codeschool.com/

AM方法？我不是很懂

http://www.dxy.cn/bbs/post/view?bid=73&id=5137629&sty=3&keywords=R%D3%EF%D1%D4

R语言书籍的学习路线图 - Alexander

R语言书籍的学习路线图 - Alexander

博客园-所有随笔区03-04 20:47

现在对R感兴趣的人越来越多，很多人都想快速的掌握R语言，然而，由于目前大部分高校都没有开设R语言课程，这就导致很多人不知道如何着手学习R语言。

对于初学R语言的人，最常见的方式是：遇到不会的地方，就跑到论坛上吼一嗓子，然后欣然or悲伤的离去，一直到遇到下一个问题再回来。当然，这不是最好的学习方式，最好的方式是——看书。目前，市面上介绍R语言的书籍很多，中文英文都有。那么，众多书籍中，一个生手应该从哪一本着手呢？入门之后如何才能把自己练就成某个方面的高手呢？相信这是很多人心中的疑问。有这种疑问的人有福了，因为笔者将根据自己的经历总结一下R语言书籍的学习路线图以使Ruser少走些弯路。

本文分为6个部分，分别介绍 初级入门， 高级入门 ， 绘图与可视化 ， 计量经济学 ， 时间序列分析 ， 金融 等。

1.初级入门

《An Introduction to R》 ，这是官方的入门小册子。其有中文版，由丁国徽翻译，译名为 《R导论》 。《R4Beginners》 ，这本小册子有中文版应该叫 《R入门》 。除此之外，还可以去读 刘思喆 的 《153分钟学会R》 。这本书收集了R初学者提问频率最高的153个问题。为什么叫153分钟呢？因为最初作者写了153个问题，阅读一个问题花费1分钟时间，全局下来也就是153分钟了。有了这些基础之后，要去读一些经典书籍比较全面的入门书籍，比如《统计建模与R软件》，国外还有《R Cookbook》和《R in action》，本人没有看过，因此不便评论。

最后推荐，《R in a Nutshell》。对，“果壳里面的R”！当然，是开玩笑的，in a Nutshell是俚语，意思大致是“简单的说”。目前，我们正在翻译这本书的中文版，大概明年三月份交稿！这本书很不错，大家可以从现在开始期待，并广而告知一下！

2.高级入门

读了上述书籍之后，你就可以去高级入门阶段了。这时候要读的书有两本很经典的。《Statistics with R》和《The R book》。之所以说这两本书高级，是因为这两本书已经不再限于R基础了，而是结合了数据分析的各种常见方法来写就的，比较系统的介绍了R在线性回归、方差分析、多元统计、R绘图、时间序列分析、数据挖掘等各方面的内容，看完之后你会发现，哇，原来R能做的事情这么多，而且做起来是那么简洁。读到这里已经差不多了，剩下的估计就是你要专门攻读的某个方面内容了。下面大致说一说。

3.绘图与可视化

亚里斯多德说，“较其他感觉而言，人类更喜欢观看”。因此，绘图和可视化得到很多人的关注和重视。那么，如何学习R画图和数据可视化呢？再简单些，如何画直方图？如何往直方图上添加密度曲线呢？我想读完下面这几本书你就大致会明白了。

首先，画图入门可以读《R Graphics》，个人认为这本是比较经典的，全面介绍了R中绘图系统。该书对应的有一个网站，google之就可以了。更深入的可以读《Lattice：Multivariate Data Visualization with R》。上面这些都是比较普通的。当然，有比较文艺和优雅的——ggplot2系统，看《ggplot2：Elegant Graphics for Data Analysis》。还有数据挖掘方面的书：《Data Mining with Rattle and R》，主要是用Rattle软件，个人比较喜欢Rattle!当然，Rattle不是最好的，Rweka也很棒！再有就是交互图形的书了，著名的交互系统是ggobi，这个我已经喜欢两年多了，关于ggobi的书有《Interactive and Dynamic Graphics for Data Analysis With R and GGobi》，不过，也只是适宜入门，更多更全面的还是去ggobi的主页吧，上面有各种资料以及包的更新信息！

特别推荐一下，中文版绘图书籍有谢益辉的《现代统计图形》。

4.计量经济学

关于计量经济学，首先推荐一本很薄的小册子:《Econometrics In R》，做入门用。然后，是《Applied Econometrics with R》，该书对应的R包是AER，可以安装之后配合使用，效果甚佳。计量经济学中很大一部分是关于时间序列分析的，这一块内容在下面的地方说。

5.时间序列分析

时间序列书籍的书籍分两类，一种是比较普适的书籍，典型的代表是：《Time Series Analysis and Its Applications ：with R examples》。该书介绍了各种时间序列分析的经典方法及实现各种经典方法的R代码，该书有中文版。如果不想买的话，建议去作者主页直接下载，英文版其实读起来很简单。时间序列分析中有一大块儿是关于金融时间序列分析的。这方面比较流行的书有两本《Analysis of financial time series》，这本书的最初是用的S-plus代码，不过新版已经以R代码为主了。这本书适合有时间序列分析基础和金融基础的人来看，因为书中关于时间序列分析的理论以及各种金融知识讲解的不是特别清楚，将极值理论计算VaR的部分就比较难看懂。另外一个比较有意思的是Rmetrics推出的《TimeSeriesFAQ》，这本书是金融时间序列入门的东西，讲的很基础，但是很难懂。对应的中文版有《金融时间序列分析常见问题集》，当然，目前还没有发出来。经济领域的时间序列有一种特殊的情况叫协整，很多人很关注这方面的理论，关心这个的可以看《Analysis of Integrated and Cointegrated Time Series with R》。最后，比较高级的一本书是关于小波分析的，看《Wavelet Methods in Statistics with R》。附加一点，关于时间序列聚类的书籍目前比较少见，是一个处女地，有志之士可以开垦之！

6.金融

金融的领域很广泛，如果是大金融的话，保险也要被纳入此间。用R做金融更多地需要掌握的是金融知识，只会数据分析技术意义寥寥。我觉得这些书对于懂金融、不同数据分析技术的人比较有用，只懂数据分析技术而不动金融知识的人看起来肯定如雾里看花，甚至有人会觉得金融分析比较低级。这方面比较经典的书籍有：《Advanced Topics in Analysis of Economic and Financial Data Using R》以及《Modelling Financial Time Series With S-plus》。金融产品定价之类的常常要用到随机微分方程，有一本叫《Simulation Inference Stochastic Differential Equations：with R examples》的书是关于这方面的内容的，有实例，内容还算详实!此外，是风险度量与管理类。比较经典的有《Simulation Techniques in Financial Risk Management》、《Modern Actuarial Risk Theory Using R》和《Quantitative Risk Management：Concepts, Techniques and Tools》。投资组合分析类和期权定价类可以分别看《Portfolio Optimization with R》和《Option Pricing and Estimation of Financial Models with R》。

7.数据挖掘

这方面的书不多，只有《Data Mining with R:learing with case studies》。不过，R中数据挖掘方面的包已经足够多了，参考包中的帮助文档就足够了。

8.附注

出于版权等事宜的考虑，我无法告知你说在“新浪爱问”等地方可以直接免费下载到上面提到的这些书，但是，我想你可以发挥自己的聪明才智去体悟！

http://yihui.name/cn/2012/09/equal-and-arrow/

http://www.zhihu.com/question/19611094

R是一门古怪的语言，这一点没什么好否认的。它的古怪有好有坏，在不同人眼中也可能是好事或坏事。R是受S语言影响发展起来的，S语言诞生于贝尔实验室。后来AT&T被分拆的时候，这个实验室被拆为今天的贝尔实验室（已经没什么名气了）和AT&T实验室。如 前文 所说，这个夏天在AT&T实验室呆着，S语言的一位作者Rick是我的办公室邻居，另一位作者Allan暑假里退休了，第三位作者是John Chambers，他早已离开实验室去高校了。S诞生在（文本）数据堆里，而R诞生之后很快走向了合作开发，这一系列历史给它带来了一些看似古怪的特征。

赋值

赋值符号在绝大多数语言中都没什么好讨论的，因为就是一个等号而已。在R社区，这一点却被讨论来讨论去，主要原因是箭头赋值符号 <- 的存在。箭头 来源于贝尔实验室早年的某台古董机器上有一个下划线的键，但打出来显示的是箭头。S祖先们认为箭头是一个很形象的赋值符号，于是下划线被采纳下来，甚至后来衍生出右箭头（ -> ）这样更奇怪的赋值符号（表示把左边的值赋给右边的变量），还有双箭头（ <<- ）表示给上一层环境中的变量赋值。

最初S代码中，下划线本身就是赋值符号，例如 x_1 表示把1赋值给x。我大三的时候还用S-Plus写了不少下划线赋值的S代码。后来R core们做了一个艰难的决定，允许等号作为赋值符号，废弃了下划线的赋值功能，但下划线的传统仍然无处不在，例如Emacs / ESS中默认情况下敲下划线会被替代为左箭头（为了得到真的下划线需要连续按两次下划线），尽管下划线本身已经不能直接显示为箭头，ESS仍然想昨日重现，通过软件方式强行替代之。

我不止一次地说过，我是坚定的等号党。因为等号有赋值功能，大多数语言都用等号（没见其它语言的程序员抱怨等号不形象），等号对我来说不存在歧义，让我的代码更安全。反对党（也就是箭头党）的理由通常是等号存在二义性：它既可以赋值，也可以传递函数参数，如：

x = 1:10 length(x = 1:10)

可是几乎所有语言都这样，也没有见那些语言的程序员对此有抱怨。规则很简单：如果等号出现在单独的环境中，它就是赋值；如果写在函数参数位置，它就是传参数。但R的古怪让这个简单规则也可以变得很难判断，例如：

length((x = 1:10)) length({x = 1:10})

因为 () 和 {} 将表达式与外面的环境隔离开来，它们被解析的时候先单独运行，所以实际上x在自己的环境里被赋值了；然后 () 和 {} 会返回整个表达式的结果，这个结果再传给 length() 函数。

箭头在任何地方的意思都是赋值（在当前环境下），它可以被写在任何地方，包括函数参数的位置，如：

length(x <- 1:10)

这句代码先对x赋值，然后把整个表达式的值传递给 length() 。我们可以把它写得更晕：

length(x = y <- 1:10)

此时等号表示传参数，而y无论如何都会被赋值。在函数参数位置上赋值通常有一举两得的效果，也就是把两件事情写在一行上，之所以能一举两得，主要是利用了箭头的副作用；如果是初学者，这种写法最好避免，首先追求代码的清晰性，避免产生副作用的代码。因为箭头无论何地都可以赋值，要是用错了也不会报错，这种错误往往难以意识到。例如我们创建一个向量，元素为1和2，元素名字分别为a和b，如果不小心写成这样：

c(a = 1, b <- 2) # 本来应该是c(a = 1, b = 2)

你可能不会意识到第二个元素是没有名字的，并且这句话带来一个副作用，就是悄悄给b赋了值。

如果你像我一样有时候写代码不爱打空格，那么还有一个更可怕的潜在错误，要是不小心犯了的话可能很久都查不出来。我们写几个逻辑表达式：x大于5，x小于3，x小于-3。你可能想，这个太简单了，操起键盘就写：

x>5 x<3 x<-3

因为你的懒惰，小于号和负号悄磨叽走到了一起，不小心形成了具有强大法力的赋值箭头，你并没有完成x与-3的逻辑大小比较，而是给x赋值为3。当这几行代码在这里摆着的时候你可能觉得很容易看出来，可是当你玩了两个小时数据之后，想随手看一下df数据框中x变量小于-1的值有多少个，你可能会写出sum(df$x<-1) 这样的语句，相应的结果是，你没得到 df$x 小于-1的总数，而是把df数据里x这一列给修改为1了。如果df是一个很大的数据，或你辛辛苦苦处理了半天才得来的数据，你就哭吧。我对这个诡异的案例印象深刻，是因为我亲眼看见过两例别人的错误，在那之后我明知有这样的危险，但自己还是傻不愣登毁了一次自己的数据。

对右箭头赋值，我的想象是这样：某天某祖先写了一长段代码，但没有事先写上把这段代码的结果赋值保留下来，悔得肠子都青了，只好敲回车任凭程序在那儿跑，跑完了得不到返回值，于是该祖先发明了一个右箭头，这样即使先写了一段代码也不用怕，因为可以最后加上 -> x 就把前面的返回值赋给x了。我不习惯阅读这种事后赋值的代码，就像读侦探小说似的，到最后才发现代码创建了一个变量。

这种“后悔”的想象还可以继续：R中有一个特殊的变量叫 .Last.value ，它总是保存最近一次运行的最后一个结果，即使你上一条代码没有赋值保存，你仍然可以通过 .Last.value 去获取。这也意味着，无论你跑什么程序，R都会随时盯着你的返回结果，把它赋值给.Last.value 。

命名风格

R core的主要命名风格是以点分隔词，例如 t.test ，这与早年时下划线有赋值含义有关，另外我猜想也是懒惰，因为点只需要按键一次，而其它命名法都需要按Shift键，如camelCase。不过这个也不绝对，R里面仍然有些下划线命名的函数如seq_along ，或驼峰命名如summaryRprof 。这里面有多人合作时的个人风格，更重要的可能是S3泛型函数的影响。S3函数的特点就是“主函数.类名”，如 summary.lm ，它根据传递进来的对象的类来匹配具体的子函数。因为在泛型函数中，点是有特殊意义的，所以我们要小心点（这里注意断句），为了安全起见，最好干脆避免点，免得跟泛型函数扯上关系，尤其是包的作者在写函数时。

在其它很多语言如JavaScript中，点通常表示取一个对象的子元素或者应用方法，如 x.toString() 。R的点不存在这个问题（要达到同样的效果，一般用 $），它除了可能有S3的意思，没有其它特殊含义。考虑到其它语言以及S3两个原因，我最终投奔了下划线命名法（foo_bar ），次要原因是我觉得下划线把两个单词分得更开，比 fooBar 易读。

考虑R中有成千上万的函数命名，某些对象命名可以理解，但仍然透露出某种不规范的痕迹。比如 seq() 是S3泛型函数，而同时又存在 seq.int 和seq_along 这两种风格的函数，并且前者并不是 seq() 应用在 int 类上的函数！

每一门语言都有一些历史糟粕，R作为一群统计学家维护的语言，从规范来说槽点很多，但事情的另一面是，他可以让什么最小惊讶原则见鬼去，老夫今天就是要写一个函数把混合效应模型中的随机效应算完打印出来。他的随意对应用统计者来说，可能恰好也是好事。没有这看似乱糟糟的各种贡献，R的发展也许会慢很多。无论如何，对如今已经趋于成熟的R，我们作为用户还是应该尽量朝规范的方向走。

语法

以for循环为例，很多语言都是教条式的 for (i=0; i<10; i++) 循环，而R是 for (i in x) ，这个x可以是很多种对象，例如 1:10 ，或 10:1 ，或c('a', 'c', 'b') ，或 list(a = 1, b = 'fgh') ，等等。这种让循环变量在一组对象中循环的做法，我猜想可能借鉴自bash脚本的语法，如

for i in `ls *.csv` do echo $i done

它为啥要参照bash脚本的循环语法而不是C语言的语法，可能跟贝尔实验室的数据处理传统有关。至今AT&T实验室仍然跑着大量的bash脚本，处理大量的文本数据（循环逐个处理每个文件），这一点我在那里感触太深了。同样诞生于贝尔实验室的Awk，其循环语法也借鉴了bash的语法（C语法也保留着），可以在一个数组中循环。

自动扩展和匹配

别的语言一般都不能计算猫加狗这样的表达式，但R可以算 1:10 + 1:2 ，两个长度不一样的对象也可以做计算，原因是R总是把短对象自动扩展到长对象的长度再计算；这种扩展有时候很难想象，如matrix(1:10, 5) + 1:2 （一个矩阵加一个向量）。向量一般来说看作列向量，也就是n x 1的矩阵，但你可以看见以下表达式都可以正常计算：

matrix(1:10, 5) %*% 1:2 # 5x2乘以2x1，没问题 1:2 %*% matrix(1:10, 1) # 2x1乘以1x10，没问题 1:2 %*% matrix(1:10, 2) # 你到底是2x1还是1x2？

这实在让人防不胜防。除非你事先小心实验，否则这种矩阵乘法出错了都不知道。但这问题其实也来源于作者的懒惰，只要把向量转化为严格的矩阵（不要让R去自动猜测调整），一切问题都解决了。

这些“自动”特征给数据分析其实带来了不少好处，例如在回归设计阵中加一列给截距项的1，你不必写一串1，只要 X = cbind(X, 1) 就可以了，R会自动把1扩展为X的行数；又如你想让散点图中的点按照数据顺序依次用红色、蓝色、红色、蓝色……那么 plot(x, y, col = c('red', 'blue')) 就够了，而不必把颜色向量写完整了。对数据分析者来说，那些计算机的严格规则最好是匿得越远越好。

有时候自动扩展悄无声息带来的问题会很难查找，例如在各种巧合之下，kuanguang坛霸 问的这个问题 下面掩盖了一个极大的阴谋，初学者可能看不出里面的门道，楼主的代码运行表面上看起来成功了，但实际上完全是错误的代码。本来这是个很好的例子，只是这家伙碎碎念实在太多了，一天到晚问题不断，我也来一次小心眼，装没看见好了。

引号

R的懒惰是别的语言打死都想不通的，比如把一个不存在的对象转化为字符，这么说有点抽象，我们可以考虑一下library() 这个函数。

library(fun)

这样一句话是什么意思呢？ fun 不是一个R对象，它根本不存在，但为什么library(fun) 就可以加载一个名叫fun 的包？主要原因就是懒，因为懒得打引号：

library("fun")

正常来说，这个函数的第一个参数应该是R包的名字，也就是说应该是字符串。在函数内部，最终需要的也是一个字符串。R之所以能把这件事情搞得这么奇葩，也是与它强大的“基于语言的计算”（Computing on the Language）能力有关，参见手册“R Language Definition”第6节。所谓基于语言的计算，就是把代码拿来作计算，各种魔法parse() 、 deparse() 、substitute() 、 eval() 、match.call() 等等，极大增强了R的语言功能，所以说它是一门统计计算语言实在太低估了它。

例如这里是一个简单的函数，把输入的合法的R符号转化为字符串：

f = function(x) deparse(substitute(x)) f(asdf) f(hahaha)

这种懒惰在一些Linux工具中也可以看见身影，例如 tar ，我们可以按标准写上减号 - 以传参数，也可以省略减号让tar 把第一个参数当作参数，后面的参数当文件名：

tar -x -z -f R-2.15.1.tar.gz tar -xzf R-2.15.1.tar.gz tar xzf R-2.15.1.tar.gz

这就是“多打一个字符会死星人”。

岔开话题回到 library() 这个函数，我印象中R core一直后悔这个函数的命名，想把它改成 use() 。因为library() 的存在且高频使用，让很多用户称R包为library（例如I'm using the rpart library），这曾经让某R core（M.M.）极度不爽，因为library在R中的概念是“库”，而不是单个的包，一个库可能是多个包的集合，单个包叫package。啥时侯你意识到函数命名可能比写函数本身还难时，就表明你的码农功力又上一层楼了。

LaTeX

那个年代科学计算类都和LaTeX能扯上关系，这年头都奔HTML去了，谁还去打印大部头的手册啊。R的文档就是一种伪LaTeX文档，R自身也拼命模仿一些LaTeX程序，例如 texi2dvi() 函数。这种伪TeX文档带来的就是新的解析工作，参见 parse_Rd() 魔法，于是各种规矩铺天盖地而来……

值传递与引用传递

R一向没有引用传递，但这说法不太严格，我们可以把一个环境当作参数传递来去，环境里的对象可以在任何地方被改变。

z = new.env() z$x = 1 f = function(env) { env$x = 2 } f(z) z$x # 变成了2

近两年Chambers大人继历史上推出S3、S4之后，又推出了引用类（reference classes），应该算是补缺吧。值传递虽然有点低效，但更安全一些，不会冷不丁不小心就修改了一个变量。

这么写下去没完没了，不写了，还是写书更重要，就是这样（波波头的微博禅）。

R，不仅仅是一种语言

本文原载于《程序员》杂志2010年第8期，因篇幅所限，有所删减，这里刊登的是全文。

简介：R是什么

转帖：来自《程序员》上的一篇文章，希望对大家有帮助

工欲善其事，必先利其器，作为一个战斗在IT界第一线的工程师，C/C++、java、perl、python、ruby、php、javascript、erlang等等等等，你手中总有一把使用自如的刀，帮助你披荆斩棘。

应用场景决定知识的储备与工具的选择，反过来，无论你选择了什么样的工具，你一定会努力地把它改造成符合自己应用场景所需的那个样子。从这个道理来说，我选择了R[1]作为数据挖掘人员手中攻城陷池的那把云梯，并努力地把它改造成自己希望的那个样子。

关于R的一个比较准确的描述是：R是一门用于统计计算和作图的语言，它不单是一门语言，更是一个数据计算与分析的环境。统计计算领域有三大工具：SAS、SPSS、S，R正是受S语言和Scheme语言影响发展而来。其最主要的特点是免费、开源、各种各样的模块十分齐全，在R的综合档案网络CRAN中，提供了大量的第三方功能包，其内容涵盖了从统计计算到机器学习，从金融分析到生物信息，从社会网络分析到自然语言处理，从各种数据库各种语言接口到高性能计算模型，可以说无所不包，无所不容，这也是为什么R正在获得越来越多各行各业的从业人员喜爱的一个重要原因。

从R的普及来看，国外的普及度要明显好于国内，跟盗版windows的泛滥会影响linux在中国的普及一样的道理，破解的matlab与SPSS的存在也影响了R在中国的使用人群。但在国外高校的统计系，R几乎是一门必修的语言，具有统治性的地位。在工业界，作为互联网公司翘楚的google内部也有不少的工程使用R进行数据分析工作，这里[2]有一个google campus的讲课视频，内容就是用R作为工具来讲述数据挖掘的概念与算法。

随着近年来R使用者的增加，关于R的报道也屡有见于报端，如2009年初美国纽约时报就有一篇很好的报道：Data Analysts Captivated by R’s Power[3]。报道中述说了R的发展历史以及由于数据挖掘需求的增长而日益普及的现状，它虽源于S但其发展却远远地超过了S，已经成为高校毕业学生所选用的第二大工具语言，google与Pfizer的员工也介绍了R在自己公司中的应用。此外，报道中google首席经济学家Hal Varian说：R的最让人惊艳之处在于你可以通过修改它来做所有的事情，而你已经拥有大量可用的工具包，这无疑让你是站在巨人的肩膀上工作。

以下就R的几个主要应用场景以及我在实践中的经验对这个并不算主流的编程语言作一些介绍。

统计计算：R之最强项

R从它出生的第一天就是为了做统计计算的，那时它被定义为一个统计计算与作图的工具，虽然发展到现在它已经被赋予了越来越强大的功能，但现在R的开发人员里，还是以各个高校统计系的老师与学生为主，他们自然最了解自己最需要的是什么。

在统计计算中，我们常常需要根据样本数据作线性回归，得到一定的规律性，R中实现这个功能十分简单，以下是一个一元线性回归的例子：

x <- 1:10

y <- x+rnorm(10, 0, 1)

fit <- lm(y ~ x)

summary(fit)

注明一下，R里的“<-”符号意义为赋值，大多数情况下它可以用“=”号来代替，但某些特殊的场合不可以，本文会遵循“<-”这种官方使用的写法。这个例子的前两行准备了两列数据：自变量x与因变量y，第三行的函数lm即根据提供的样本数据进行线性回归计算，得到的模型结果可以用第四行打印出来。函数lm除了可以做这种简单的一元线性回归，还可以做多元线性回归，同时返回模型的各种统计量。

做统计的往往免不了要做各种各样的图形，R的另一个基本特点就是对图形的强大支持，以下代码展示了一个箱线图的作法，代码来自boxplot函数的manual，该图显示了几列数据的分位数、中值、均值、奇异点等信息及其对比位置。更详细的关于R的作图功能可以参看[4]。

boxplot(mpg~cyl,data=mtcars, main=”Car Milage Data”, xlab=”Number of Cylinders”, ylab=”Miles Per Gallon”)

机器学习：让你的数据发挥它应有的作用

机器学习、数据挖掘领域面临着一些抽象自大量现实生活的问题，比如关联规则挖掘、聚类、分类这三大问题。作为一个完备的工程计算包，R毫无疑问对它们都提供了足够的支持。

关联规则问题源于“买了这件商品的顾客还买了什么”这个问题，现在已经广泛应用于客户行为分析以及互联网用户行为分析中。关联规则挖掘领域最经典的算法为apriori，R的第三方包arules[5]，就是专门用于做关联规则挖掘的。以下例子需要你已经安装了arules包。

library(arules)

data <- paste(“item1,item2″,”item1″,”item2,item3″, sep=”\n”)

write(data, file = “demo_basket”)

tr <- read.transactions(“demo_basket”, format = “basket”, sep=”,”)

data(“Adult”)

rules <- apriori(Adult, parameter = list(supp = 0.5, conf = 0.9, target = “rules”))

最后一行的apriori函数接受一个transaction对象的输入，输出关联规则对象rules，为方便起见，这里用于计算的transaction对象Adult是通过第5行从arules包中现成载入进来的，第2~4行说明了怎么从一个文本文件中读入数据并生成一个transaction对象。

聚类算法使用最广泛的高效算法无疑是kmeans，R在其默认载入的stats包中就包含了这个函数，以下是一个来自kmean说明文档的例子：

x <- rbind(matrix(rnorm(100, sd = 0.3), ncol = 2), matrix(rnorm(100, mean = 1, sd = 0.3), ncol = 2))

cl <- kmeans(x, 2)

plot(x, col = cl$cluster)

points(cl$centers, col = 1:2, pch = 8, cex=2)

代码第1行生成两组两维的正态分布的数据，第一组均值为0，第二组均值为1，两组数据方差都为0.3。第2行对该数据进行聚类，第3和第4行把聚类结果画出来。

分类器是模式识别领域的研究主题，也是人类认知活动的中心。多年来的学术研究积累下来很多种类型的分类器，而其中比较靠谱的分类器基本都能在R中找到对应的实现。诸多分类器中以svm最为著名，它也被一些人称为是单分类器的王道。以下是一个利用svm对著名的iris数据集进行分类的过程，运行该例子需要你已经安装了e1071这个包[6]。

library(e1071)

data(iris)

x <- subset(iris, select = -Species)

y <- iris$Species

model <- svm(x, y)

summary(model)

pred <- predict(model, x)

table(pred, y)

第5行代码调用svm函数，计算由x作为特征y作为类别标签的分类器模型，第7行把模型应用于原数据进行预测。

以上例子的演示并非想让各位读者当场学会各个不同领域中这些功能函数的用法，而是一方面展示一些实际的R代码以及它解决问题的方式，另一方面说明了R在这些常见的机器学习领域的积累。在R帮助下去解决这些或许不是我们专业的问题，可以省去我们大量重复造轮子的精力，写出来的代码也足够的短小精悍，节省时间之余也让你对自己算法逻辑的全局一览无余。

高性能计算：向量化与并行/分布计算

作为现代数据挖掘人员从业者，可能第一个需要关心的是所使用工具的可伸缩性（scalability），具体来说就是在面对大数据量场景时的计算能力。

一个拥有高性能计算能力的计算包，首先它必须能充分利用历史上积累下来的那些著名的数值计算包，比如blas、lapack；另一方面，它必须具有良好的可扩展性，即它必须方便开发人员并行化自己的算法，很幸运这些特性R都具备了。

类似于R、scilab与matlab那样的工程计算包，通常都会以向量化计算（Vectorization）作为其基本的计算特点（即使python的numpy包也是如此），因为向量化的处理方式是现代大型计算机的基本特性，在计算机领域，无论硬件还是软件，都提供了对向量化的支持，硬件上如Intel的MMX, SSE等指令集都提供了对向量化的支持，更多可以看到wikipedia上的介绍[7]。软件上如blas等著名的计算包，天然地就可以对向量化的命令自动实施并行计算。

所谓向量化，是一种特殊的并行计算的方式，相比于一般程序在同一时间只执行一个操作的方式，它可以在同一时间执行多次操作，通常是对不同的数据执行同样的一个或一批指令，或者说把指令应用于一个数组/向量。以下列出R中经常使用几种向量化运算，都是十分稀松平常的操作，但它们本质上都是同时对一批数据应用相同的操作，所以都可以经过向量化处理方式的改造：

向量取值，如：V[1:10]向量赋值，如：V[1:10] <- seq(1,10)lapply，类似于python里的map函数：lapply(A, mean)矩阵运算：A + B；A %*% B

向量化因其在计算过程中数据的前后不依赖的特点，是并行计算的天然先驱，一个用向量化实现的算法，必定是一个可以高度并行化的算法。正因为这个原因，在利用R写脚本的时候，都要尽量利用向量化的思想来设计自己的算法，尽可能少地使用循环结构。一旦你的程序都是或大都是基于向量化的，除了当时获得来自于计算机软硬件上的优化外，将来某一天数据量膨胀使得计算成为瓶颈时，你就可以极为方便地把原来的算法并行化。

正如我们所知，CRAN包括了各种你能想像得到的工具包，当然也有不少并行计算的包，这些包被归纳在R高性能计算相关的包列表中[8]。

关于R的向量化及并行计算更详细的内容可以参考我的一篇博客[9]。

编写接口与工具包：最有用的包必定是你写的那一个

一个开源软件的最强大之处在于大量从业人员的贡献，R最让人激奋，进而选择它作为工作平台的一个重要原因则是庞大而无所不包的的CRAN，在那里几乎能找到所有你能想像得到的与分析研究相关的工具包，可以说丝毫不逊色于perl的CPAN。之所以拥有一个如此强大的第三方支持，一方面在于R本身在统计计算与计算能力方面的支持，另一方面则在于开发一个R扩展是如此地容易，以致于每一个使用R作为自己常用工具的人，都会按捺不住强烈的冲动要写一个自己的包，以满足工作需要。如果自己的这个包感觉写得不错，又为很多人所需要，就可以提交到CRAN。这是造成CRAN如此庞大的原因，但同时也造成了CRAN的软件包良萎不全。但大多数情况下，这些包都会是你的得力助手，特别是那些著名而广为使用的包，如果觉得它们不满足你的需要，那么放心地对它们进行修改吧，因为它们都是开源的。

下面展示一个简单的R扩展包的制作过程：

1、生成包结构：新建一个目录mypkg，同时作为包名，在mypkg中新建几个目录与文件，mypkg的目录结构如下图所示。R自带的函数package.skeleton可以自动帮你生成这些目录，但它需要一些现成的函数对象或文件作启动，为了顺序说明整个过程，这里没有使用。

2、目录说明：必需的是DESCRIPTION文件、man目录和R目录，剩下的都是可选的。DESCRIPTION文件描述包的meta信息；R目录下面存放R脚本文件，里面的函数可导出作为包函数库提供给外部使用；如果要在包里放一些试验数据，可以放在data目录里，常用是以csv格式存放，在R终端里data(***)可以载入，这里留空；man目录是R的帮助文档，有一定的格式要求，这里也留空，生成包时会有一些警告，可以不用管；src存放c/c++/fortran源代码，必须同时放置Makefile或Makevars文件指导编译程序工作，这里留空；zzz.R可以在载入包时做一些事情，这里也留空。

3、添加功能：DESCRIPTION文件的内容可以参考任意一个R包对应文件的写法，依样把信息修改成自己相应的信息即可。以下只写一个简单的R函数作为说明，在R目录下添加一个名为helloword.R的文件，文件内容如下：

helloword <- function(x, y)

{

return(x*y)

}

4、安装：在命令行中运行R CMD build mypkg，会编译生成一个mypkg_0.1.tar.gz安装包，其中的数字是我在DESCRIPTION里写的版本号；运行R CMD INSTALL mypkg，就可以把包安装到系统里。

5、试验：运行R，进入R终端；library(mypkg)，载入刚制作的包；search()，可以看到mypkg包已经被载入；在R终端运行helloworld(2,3)，返回6，试验成功。

一个具有一定功能的包就这样做好了，是不是很简单。如果有其它需要，只要往R目录或src目录添加文件，然后重新生成并安装就可以了。R与c/c++之间的接口调用也十分方便，限于篇幅，无法更仔细地说明，更详细的内容可以参考我的几篇博客[10-13]。

R在中国的发展

R在中国的普及现在并不十分地广泛，主要还是学校及研究机构在使用，但近年来随着R的声名鹊起，也已经有越来越多各个领域的工业界从业人员选择R作为自己的工作平台，其中统计之都[14]是一个国内R用户的聚焦地。今年的6月份在人民大学举行了第3届R语言会议，从前三届会议的人员组成来看，R的中国用户群一直呈现较大的增长趋势，用户分布的领域也越来越丰富。第三届R语言会议参会者人来源可以从会议纪要中看到[15]。相信随着数据挖掘广为各个公司接受，R也会走近工业界的各行各业中。

R在豆瓣中的应用

有一段时间，我一直在寻找介乎于matlab与系统语言（如C, Fortran）的中间物，希望它既能拥有系统语言的高性能，又能方便数据挖掘人员的日常工作，于是我找到了R，这不仅是一门语言，它更是一个理想的计算环境。它一方面方便我对新算法原型的构建、调试、评测，另一方面并没有让我失去系统级语言的计算优势，甚至在实现并行计算方面拥有了更多的选择。现在我使用R编写我们自己的工具包，进行算法原型构造、矩阵运算、并行算法等离线应用，为相似性计算、推荐系统等上层应用提供底层的支持。

一个R写的协同过滤推荐的例子

最后用一个R实现的协同过滤推荐的例子来结束本文，协同过滤是推荐系统中一个基本的算法，详细内容可以参考这里[16]。由于大量地采用了向量化的计算方式（包括各种矩阵运算），所以算法的实现相当简洁，有可能是史上代码最少的协同过滤推荐引擎 data <- read.table(‘data.dat’, sep=’,', header=TRUE)

user <- unique(data$user_id)

subject <- unique(data$subject)

uidx <- match(data$user, user)

iidx <- match(data$subject, subject)

M <- matrix(0, length(user), length(subject))

i <- cbind(uidx, iidx)

M[i] <- 1

mod <- colSums(M^2)^0.5

MM <- M %*% diag(1/mod)

S <- crossprod(MM)

R <- M %*% S

R <- apply(R, 1, FUN=sort, decreasing=TRUE, index.return=TRUE)

k <- 5

res <- lapply(R, FUN=function(r)return(subject[r$ix[1:k]]))

write.table(paste(user, res, sep=’:'), file=’result.dat’,

quote=FALSE, row.name=FALSE, col.name=FALSE)

代码我就不细加注释了，有兴趣了解其原理的同学可以看这里[16]。

参考：

[1] R官方网站

[2] Youtube上的GoogleTechTalks，通过R来教学数据挖掘：Statistical Aspects of Data Mining (Stats 202)

[3] 纽约时报的报道Data Analysts Captivated by R’s Power

[4] R Graphics

[5] arules package

[6] e1072 package

[7] 向量化

[8] R高性能计算相关的包

[9] 向量化与并行计算

[10] R package的最简单制作

[11] R与C的接口：从R调用C的共享库

[12] R对象结构，用.Call的调用方式更灵活地写R-package

[13] 编写R包C扩展的核心指引

[14] 统计之都

[15] 第三届R语言会议（北京会场）会议纪要

ERROR: Error sourcing C:\Users\ADMINI~1\AppData\Local\Temp\RtmpCEUCIr\file2d

原因：源文件未使用UTF-8编码

解决：tools-global options-general-text encoding- UTF-8

【数组】

一维到二维

“

a=1:12

(一维)

dim(a)=c(3,4)

(3行4列的二维数组)

”

【处理超大文件 R语言】

用R语言作分析时，有时候需要逐行处理非常大文件，各种教材中推荐的read.table 和scan都是一次性读入内存，如果文件有好几个Gb大小，一般电脑肯定吃不消。其实R中可以逐行读取的行数，这里示例一个函数，作为备忘：

con <- file("e:/data.txt", "r")

line=readLines(con,n=1)

while( length(line) != 0 ) {

print(line)

line=readLines(con,n=1)

}

close(con)

如果需要将一行的文字劈成多段，再进行处理，可以用strsplit函数，除此之外，还有一些常用的字符串处理函数，记录如下：

substr(),nchar(), grep(), regexpr(), sub(), gsub()