R初學(xué)者指南2-實例應(yīng)用

示例應(yīng)用一(視頻教程)：模擬產(chǎn)生統(tǒng)計專業(yè)同學(xué)的名單(學(xué)號區(qū)分)，記錄數(shù)學(xué)分析、線性代數(shù)、概率統(tǒng)計三課成績第一步：錄入信息num=seq(10378001,10378100)num//產(chǎn)生100個元素x1=round(runif(100,min=80,max=100))//用runif產(chǎn)生100個均勻分布(取到每一個數(shù)值的可能性是相同的)的隨機(jī)數(shù)(帶小數(shù))，round四舍五入，從而組成向量x1x2=round(rnorm(100,mean=80,sd=7))//rnorm產(chǎn)生100個正態(tài)分布的隨機(jī)數(shù)，均值是80,標(biāo)準(zhǔn)差是7x3=round(rnorm(100,mean=83,sd=18))〃同理產(chǎn)生x3，輸出結(jié)果后發(fā)現(xiàn)有些超過了100分(因為正態(tài)分布沒有上下限的概念，只有均值和標(biāo)準(zhǔn)差)x3[which(x3>100)]=100〃把超過100分的人的成績變成100,which找出超過100分的人的下標(biāo)，再用下標(biāo)定位到相關(guān)元素并將其改為100第二步：合成數(shù)據(jù)框或用write.table保存到硬盤中x=data.frame(num,x1,x2,x3)〃用data.frame將4個變量合成一個數(shù)據(jù)框x中第三步：進(jìn)行計算使用mean(),colMeans(),apply()—下章介紹mean(x)[1]NA警告信息：Inmean.default(x):參數(shù)不是數(shù)值也不是邏輯值：回覆NA〃這里不能直接使用mean()函數(shù)，只能對某一變量進(jìn)行求平均值，如mean(x1),mean(x2)等colMeans(x)〃對列進(jìn)行求均值，colMeans中的M必須大寫numx1x2x310378050.5090.4380.3981.66colMeans(x)[c("x1","x2","x3")]//指定顯示某列的均值x1x2x390.4380.3981.66apply(x,2,mean)//apply是對x這個數(shù)據(jù)框在行(或列)方向上做指定操作，1代表行方向，2代表列方向，綜上所述，就是在x這個數(shù)據(jù)框中在列的方向上求平均值numx1x2x310378050.5090.4380.3981.66第四步：使用apply求各科最高最低分apply(x,2,max)numx1x2x31037810010099100apply(x,2,min)numx1x2x310378001806546第五步：使用apply求出每人的總分apply(x[c("x1","x2","x3")],1,sum)〃在行的方向上求和，注意跟colMeans()的異同第六步：which.max找出總分最高的同學(xué)(找下標(biāo))

which.max(apply(x[c("x1","x2","x3")],1,sum))//求出總分最高的那個人在向量中的下標(biāo)(第74個)[1]74x$num[which.max(apply(x[c("x1","x2","x3")],1,sum))]//把下標(biāo)帶回到x，x$num代表在數(shù)據(jù)框x中取num列，再取下標(biāo)為72的元素，就能確定其學(xué)號是多少[1]10378074第七步：對x1進(jìn)行直方圖分析-繪制直方圖函數(shù)hist()hist(x$x1)第八步：探索各科成績的關(guān)聯(lián)關(guān)系-散點圖繪制函數(shù)plotHtsG^gramof疇sd第九步：列聯(lián)表分析-列聯(lián)函數(shù)table()，柱狀圖繪制函數(shù)barplot()pie(table(x$x1))pie(table(x$x1))table(x$x1)//統(tǒng)計每個分?jǐn)?shù)有多少人(眾數(shù))80818283848586878889909192939495969798255536473553682445119910052barplot(table(x$x1))餅圖：

S6,68823981909190SO■10094S6,68823981909190SO■1009495箱線圖：箱子的上下橫線為樣本的25%和75%分位數(shù)，中間的橫線為樣本的中位數(shù)上下延伸的直線稱為尾線，尾線的盡頭為最高值和最低值boxplot(x$x1,x$x2,x$x3)boxplot(x[2:4],col=c("red","green","blue"),notch=T)#將三種顏色定義為變量,notch決定缺口水平放置的箱尾圖boxplot(x$x1,x$x2,x$x3,horizontal=T)TOC\o"1-5"\h\zR-I{||I"-I—-|||…■!--「IIiii507090*星相圖：R02a莖葉圖：>stem(x$x1)#因x1是由round(runif(100,min=80,max=100))生成出來，所以..為何出現(xiàn)000000?Thedecimalpointisatthe|80|000000082|000000000084|00000000086|0000000000088|0000000090|0000000092|0000000000000094|00000096|00000000098|0000000000000000100|00stem(x$x2)#但x2由round(rnorm(100,mean=80,sd=7))生成出來，就不會像x1那樣出現(xiàn)000000Thedecimalpointis1digit(s)totherightofthe||5689|0111122222233344444444|5555566777777788888999|0000111111222233344444|555566778888889999|00001223344|9QQ圖：(回歸分析：判斷部分樣本是否服從正太分布)num=seq(10378001,10378100)x1=round(runif(100,min=80,max=100))x2=round(rnorm(100,mean=80,sd=7))x3=round(rnorm(100,mean=83,sd=18))x3[which(x3>100)]=100x=data.frame(num,x1,x2,x3)stem(x$x1)qqnorm(x1)qqline(x1)qqnorm(x2)qqline(x2)qqnorm(x3)qqline(x3)應(yīng)用實例二：循環(huán)第1步：載入數(shù)據(jù)并查看數(shù)據(jù)類型，熟悉變量名>setwd("d:/RBook")>Owls=read.table(file="Owls.txt",header=TRUE)>names(Owls)#查看變量名>str(Owls)#查看數(shù)據(jù)框中每個變量的屬性第2步：繪制散點圖并添加標(biāo)簽，提取一個鳥巢的數(shù)據(jù)，繪出同胞協(xié)商對到達(dá)到達(dá)時間的散點圖>unique(Owls$Nest)#提取一個鳥巢的數(shù)據(jù)前，先要弄清楚鳥巢的名字，即鳥巢名字的截面分別有哪些Owls.ATV=Owls[Owls$Nest=='AutavauxTV',]#定義一個名為Owls.ATV的數(shù)據(jù)框，使得該數(shù)據(jù)框中的行是原有數(shù)據(jù)框Owls中Nest向量名為AutavauxTV所在的行Owls.ATV#查看新的數(shù)據(jù)框中的值NestFoodTreatmentSexParentArrivalTimeSiblingNegotiationBroodSizeNegPerChickAutavauxTVDeprivedMale22.25450.8AutavauxTVSatiatedMale22.38050.0:JDOoo?°oooogLOonwcoo0」no>(QLImqu.91.s1062n#為了繪制散點圖，需提取Owls.ATV中ArrivalTime和NegPerChick向量>plot（x=Owls.ATV$ArrivalTime,#提取作為x軸的數(shù)據(jù)（為ArrivalTime）y=Owls.ATV$NegPerChick,#提取作為y軸的數(shù)據(jù)（為NegPerChick」no>(QLImqu.91.s1062n#左圖為變量ArrivalTime即鳥巢中到達(dá)時間對每次訪問協(xié)商行為NegPerChick的散點圖第3步：設(shè)計通用代碼同理，對第二個截面也就是第二個鳥巢Bochet作同樣的操作，只需將主標(biāo)題名稱、數(shù)據(jù)框名稱和實際的數(shù)據(jù)替換掉就可以了，>Owls.Bot=Owls[Owls$Nest=='Bochet',]°oc□cooo?coccao」no>cLI①q匚.2le405QN>plot(x=Owls.Bot$ArrivalTime,y=Owls.Bot$NegPerChick,xlab="ArrivalTime",ylab="Negotiationbehaviour",main="Bochet")#但是這是一個繁瑣的操作，通過設(shè)計一個通用的代碼有助于化簡這種繁瑣的輸入方式并減少出錯率，在這里，只需將變動的那一部分也就是」no>cLI①q匚.2le405QNNest.i="Bochet"#把要替換的部分定義為一個變量Owls.i=Owls[Owls$Nest==Nest.i,]#即使換了一個鳥巢也無需更改此處的變量>plot(x=Owls.i$ArrivalTime,y=Owls.i$NegPerChick,xlab="ArrivalTime",ylab="Negotiationbehaviour",main=Nest.i)第四步：將其輸出的圖像保存為jpg文件setwd("d:/RBook")Owls=read.table(file="Owls.txt",header=TRUE)Nest.i="Bochet"Owls.i=Owls[Owls$Nest==Nest.i,]YourFileName=paste(Nest.i,".jpg",sep="")#創(chuàng)建一個文件名，用paste命令來連接“Bochet”和“jpg”這兩個字符串，并且之間不加空格，paste命令的輸出就是一個可以被用來作為文件名的字符串，可以使用一個變量來存儲它并將其應(yīng)用到j(luò)peg命令中，使用YourFileName作為文件名，R就將介于jpeg和dev.off命令之間的繪圖結(jié)果存儲到這個文件中>jpeg(file=YourFileName)#打開一個jpeg文件>plot(x=Owls.i$ArrivalTime,y=Owls.i$NegPerChick,xlab="ArrivalTime",ylab="Negotiationbehaviour",main=Nest.i)#在這個文件中繪制圖像dev.off()#將jpeg文件關(guān)閉，只有在完成繪圖工作后才會生成一個.jpeg文件nulldevice1第五步：使用loop命令構(gòu)造循環(huán)在完成上一步后，仍需將變量名Nest.i更改27次，這將由loop命令完成，在上一步驟的代碼中加入for循環(huán)setwd("d:/RBook")Owls=read.table(file="Owls.txt",header=TRUE)#從Rbook文件夾里讀取數(shù)據(jù)AllNests=unique(Owls$Nest)#使用unique函數(shù)確定Owls中Nest向量中的唯一值，并把這些唯一值存放到一個新的名為AllNests的向量中作為生成.jpeg文件的文件名for(iin1:27){#在鍵入“{”后回車再鍵入往下的代碼，光標(biāo)就會自動顯示為+號，表示代碼還沒結(jié)束繼續(xù)輸入+setwd("d:/RBook/Graphs6.2")#指定所要輸出的文件夾名稱，這里是Graphs6.2文件夾#這里就不像上面那樣重新定義Nest.i=AllNests[i]來替代原來的Nest.i="Bochet"而是直接用AllNests[i]了，令A(yù)llNests[i]與第i個鳥巢的名字是等價的+Owls.i=Owls[Owls$Nest==AllNests[il.]#以下代碼在前面的步驟中已討論+YourFileName=paste(AllNests[i].".jpg",sep="")#生成一個名為YourFileName后加.jpeg的文件+jpeg(file=YourFileName)#打開這個.jpeg文件，并作圖+plot(x=Owls.i$ArrivalTime,y=Owls.i$NegPerChick,xlab="ArrivalTime",ylab="Negotiationbehaviour",main=AllNests[i])+dev.off()+}#在Graphs6.2文件夾中就可以得到27個.jpeg文件了G田+dev.off()+}#在Graphs6.2文件夾中就可以得到27個.jpeg文件了G田ph話.2t、.屯凸■電駐r放住MM口。?BBooi■好侃護(hù)初佻Mb汕柑pflLwwjosMumtjpgPdjrreiPBXliyjpv*商*w上阪13榊旳曲俺知EHdblOE.JpQP9&xnei|pQ吹1刪>■ZiaMTBt?話怎?jflE*巨芒哄W￡.圉片-5traJVTfc*■JiH齊嗣示例應(yīng)用三：使用ifelse句型來避免檢查大量的if指令第1步：載入并評估數(shù)據(jù)>setwd("d:/RBook")>Benthic=read.table(file="RIKZ.txt",header=TRUE)>Species=Benthic[,2:76]#重新選取第2到76列的物種數(shù)據(jù)>n=dim(Species)>n[1]4575#查看數(shù)據(jù)框Spcies的行數(shù)和列數(shù)第2步：每個站點的生物總量：單純統(tǒng)計！sum(Species[1,],na.rm=TRUE)[1]143#通過Spcies[1,]來獲取第一行的所有列即站點1的全部生物數(shù)量之和為了避免將這個命令重復(fù)寫45遍，因此構(gòu)造一個循環(huán)來計算每個站點的總數(shù)TA=vector(length=n[1])#必須首先用vecto指令將TA定義為一個長度為45的向量，否則TA[i]將會報錯for(iin1:n[1]){#需確定循環(huán)中的變量i必須在1到45之間，比如TA[46]就是無定義的+TA[i]=sum(Species[i,],na.rm=TRUE)#像上述那樣獲取每一行的總數(shù)并將其賦值到TA[沖+}TA[1]143527019967944241192211483514738101477384864229[24]04333346746571110235269927850193423011不需要構(gòu)造循環(huán)體，直接使用rowSums命令計算每一行的和TA=rowSums(Species,na.rm=TRUE)TA#同樣能得到相同的結(jié)果第3步：每個站點的豐富度(所擁有的物種數(shù)量)：判斷+統(tǒng)計01數(shù)量！由sum(Species[1,],na.rm=TRUE)可以得知某個站點的全部生物數(shù)量的總和(站點一的所有列相加)現(xiàn)在，想統(tǒng)計站點1的物種數(shù)量sum(Species[1,]>0,na.rm=TRUE)[1]11#在站點1中有11個不同的物種sum#Species[1,]>0為一個判斷型的語句，生成了一個長度為75的布爾向量(元素就是T和F),當(dāng)加入“>0”后,函數(shù)不再是統(tǒng)計站點1所有物種數(shù)量的總和，而是將TRUE轉(zhuǎn)化為1,FALSE轉(zhuǎn)化為0,然后對其進(jìn)行相加為了計算每個站點的豐富度，類似地，同樣構(gòu)造一個循環(huán)sumRichness=vector(length=n[1])for(iin1:n[1]){+Richness[i]=sum(Species[i,]>0,na.rm=TRUE)+}Richness[1]111013111089819176143313314322606541642[32]113435750711302#同樣也可以使用rowSums，同樣能得出相同的結(jié)果Richness=rowSums(Species>0,na.rm=TRUE)Richness第4步：每個站點的香農(nóng)指數(shù)>RS=rowSums(Species,na.rm=TRUE)#得到每一個站點的物種數(shù)量>prop=Species/RS#將Species中的每個元素除以RS并將結(jié)果存儲到prop中>prop#數(shù)據(jù)量較大在此不列出>H=-rowSums(prop*log10(prop),na.rm=TRUE)>H[1]0.761906390.720972240.846735240.530839260.744139390.125131640.401920060.29160667第5步：結(jié)合代碼并將代碼置入到函數(shù)中通過一個選擇，把之前的所得到的三種指數(shù)的代碼結(jié)合起來，基于rowSums函數(shù)Index.function=function(Species,choice){#定義一個可選擇的函數(shù)，其中if(choice=="TA"){Index=rowSums(Species,na.rm=TRUE)}if(choice=="Richness"){Index=rowSums(Species>0,na.rm=TRUE)}if(choice=="H"){RS=rowSums(Species,na.rm=TRUE)prop=Species/RSlndex=-rowSums(prop*log10(prop),na.rm=TRUE)}#跟之前的一樣，將三段代碼融到函數(shù)中，并賦到Index中l(wèi)ist(