R Notes | Set 0

Posted on | | Visitors

这学期选了一门课，叫 Statistics Test (STAT2912)
讲的是各种奇奇怪怪的 test，包括 parametric test & non-parametric test
并不喜欢这门课，数学里最讨厌的就是统计和概率论了

最初为什么要选这门课啊 ==__== 简直是作死
但现在都第四周了，课也换不了了，只能将就着上了
lecture 也是水的很，总共十几个人，lecturer 也是照着念 slides
于是就打算自己学了，从 Youtube 上找了一系列的 R 视频
地址在这里，同时也记一些笔记，放到这里
这是这个系列笔记的第一篇

R Basic

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
> x = 11  # or use an arrow to assign variables
> x <- 11
> print(x)  # or just type the variable name
> x   # gives 11
> X
> 错误: 找不到对象'X'  # R 里是区分大小写的
> y <- 7
> y
 [1] 7
> ls()  # ls() 用来查看当前 memory 中的变量
 [1] "x" "y"
> 1x <- 22
错误: unexpected symbol in "1x"  # 在 R 中，不能以数字开头作为变量名
>
> xx <- "Kurt" # 字符串以双引号括起来
> xx
 [1] "Kurt"
> yy <- "1"
> yy
 [1] "1"
> 11 + 14  # 基本的算术运算
 [1] 25
> 7 * 9
 [1] 63
>
> x + y  # 以变量为基础进行算术运算
 [1] 20
> z <- x + y
> z
 [1] 20
> x - y
 [1] 2
> x * y
 [1] 99
> x / y
 [1] 1.222222
> y ^ 2  # 平方
 [1] 81
> x ^ 2 + y ^ 2
 [1] 202
>
>
> sqrt(y)  # square root
 [1] 3
> y^(1/2)  # the same effect as square root
 [1] 3
> log(y)  # base 10
 [1] 2.197225
> exp(y)  % exponential
 [1] 8103.084
> log2(y)   # base 2
 [1] 3.169925
> abs(-14)  # absolute value
 [1] 14
>
>
> x1 <- c(1,3,5,7,9) # create a brunch of numbers
> x1
 [1] 1 3 5 7 9
> gender <- c("male", "female") # create a brunch of strings
> gender
 [1] "male"   "female"
>
>
> 2:7   # 冒号表示从某个数字到某个数字的所有值
 [1] 2 3 4 5 6 7
> seq(from=1, to=7, by=1) # seq() take three parameters, from, to, by (increment by some value)
 [1] 1 2 3 4 5 6 7
> seq(from=1, to=7, by=0.25)
 [1] 1.00 1.25 1.50 1.75 2.00 2.25 2.50 2.75 3.00 3.25 3.50 3.75 4.00 4.25 4.50 4.75 5.00
[18] 5.25 5.50 5.75 6.00 6.25 6.50 6.75 7.00
> rep(1, times=10)  # rep(), the first para is the value we want to repeat, the second is the repeat time
 [1] 1 1 1 1 1 1 1 1 1 1
> rep("Kurt", times=5)
 [1] "Kurt" "Kurt" "Kurt" "Kurt" "Kurt"
> rep(1:3, times=5)
 [1] 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3
> rep(c("n", "f"), times=5)
 [1] "n" "f" "n" "f" "n" "f" "n" "f" "n" "f"

if two vectors are of the same length, we may add/subtract/multiply/divide corresponding elements 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
> x
[1] 1 2 3 4 5
> y
[1] 1 3 5 7 9
> x + 7
[1]  8  9 10 11 12
> x + y
[1]  2  5  8 11 14
> x - y
[1]  0 -1 -2 -3 -4
> x * y
[1]  1  6 15 28 45
> x / y
[1] 1.0000000 0.6666667 0.6000000 0.5714286 0.5555556

由“索引”来取值，用方括号表示 [ ], 其中负号代表“除此以外”

1
2
3
4
5
6
7
8
9
10
11
12
> y[3]
[1] 5
> y[-3]
[1] 1 3 7 9
> y[1:3]
[1] 1 3 5
> y[c(1,5)]
[1] 1 9
> y[-c(1,5)]
[1] 3 5 7
> y[y<6]
[1] 1 3 5

关于 Matrix 的一些操纵

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
> matrix(c(1,2,3,4,5,6,7,8,9), nrow = 3,byrow = TRUE)
     [,1] [,2] [,3]
[1,]    1    2    3
[2,]    4    5    6
[3,]    7    8    9
> matrix(c(1,2,3,4,5,6,7,8,9), nrow = 3,byrow = FALSE)
     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9
> mat = matrix(c(1,2,3,4,5,6,7,8,9), nrow = 3,byrow = FALSE)
> mat
     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9
> mat[1,2]   # 取出第一行，第二列的元素
[1] 4
> mat[c(1,3),2]   # 分别取出第一行和第三行的第二列的元素
[1] 4 6
> mat[2,]  # 取出第二行，第二个参数为空表示全选
[1] 2 5 8
> mat[,1]  # 取出第一列，第一个参数为空表示全选
[1] 1 2 3
> mat*10   # matrix 里的每个元素乘以10
     [,1] [,2] [,3]
[1,]   10   40   70
[2,]   20   50   80
[3,]   30   60   90

Reading File

1
2
3
4
5
6
7
> LungCapData = read.table(file.choose(), header=T, sep="\t")
> LungCapData[c(1,2,3,4),]
  LungCap Age Height Smoke Gender Caesarean
1   6.475   6   62.1    no   male        no
2  10.125  18   74.7   yes female        no
3   9.550  16   69.7    no female       yes
4  11.125  14   71.0    no   male        no

其中 read.table(file.choose(), header=T, sep=”\t”) 是读入文件一般格式。
第一个参数是选要读入的文件，一般是 file=””, 然后双引号里写文件目录。也可以直接写 file.choose(), 此时会弹出来一个窗口，允许用户选择文件。
第二个参数是 header，T 代表 TRUE
第三个参数是 sep，代表该文件里的内容是以什么分隔的，“\t” 表示这是一个以 tab 分隔的文件，文件名以 .txt 结尾
也有 sep=”,” 表示以逗号分隔，是 CSV 文件

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
> head(LungCapData)
  LungCap Age Height Smoke Gender Caesarean
1   6.475   6   62.1    no   male        no
2  10.125  18   74.7   yes female        no
3   9.550  16   69.7    no female       yes
4  11.125  14   71.0    no   male        no
5   4.800   5   56.9    no   male        no
6   6.225  11   58.7    no female        no
> tail(LungCapData)
    LungCap Age Height Smoke Gender Caesarean
720   7.325   9   66.3    no   male        no
721   5.725   9   56.0    no female        no
722   9.050  18   72.0   yes   male       yes
723   3.850  11   60.5   yes female        no
724   9.825  15   64.9    no female        no
725   7.100  10   67.7    no   male        no
> LungCapData[1:6,]
  LungCap Age Height Smoke Gender Caesarean
1   6.475   6   62.1    no   male        no
2  10.125  18   74.7   yes female        no
3   9.550  16   69.7    no female       yes
4  11.125  14   71.0    no   male        no
5   4.800   5   56.9    no   male        no
6   6.225  11   58.7    no female        no

head() 会给出数据的前几行
tail() 会给出数据的后几行

1
2
3
4
5
6
7
8
> LungCapData[-(4:722),]
    LungCap Age Height Smoke Gender Caesarean
1     6.475   6   62.1    no   male        no
2    10.125  18   74.7   yes female        no
3     9.550  16   69.7    no female       yes
723   3.850  11   60.5   yes female        no
724   9.825  15   64.9    no female        no
725   7.100  10   67.7    no   male        no

LungCapData[-(4:722),] 给出了除第4行到第722行以外的所有数据

1
2
3
4
> names(LungCapData)
[1] "LungCap"   "Age"       "Height"    "Smoke"     "Gender"    "Caesarean"
> mean(Age)
Error in mean(Age) : 找不到对象'Age'

names() 给出了各个列的名称
mean(Age) 这一行报错是因为在 R 的内存中并没有 “Age” 这个变量
“Age” 目前还只存在于 LungCapData 这个 Data Set 中
如果想 access “Age”，有两种方法

1
2
3
4
> mean(LungCapData$Age)
[1] 12.3269
> mean(Age)
Error in mean(Age) : 找不到对象'Age'

这是第一种方法，使用 $ 符号来 access 这个变量
值得注意的是，mean(Age) 仍然报错，是因为我们只是 access “Age”
它还没有在 memory 中
另一种方法是把数据 attach 到 memory 中

1
2
3
4
5
6
> attach(LungCapData)
> Age[1:5]
[1]  6 18 16 14  5
> detach(LungCapData)
> Age
错误: 找不到对象'Age'

当我们 attach LungCapData 后，memory 里就有了 LungCapData 对象
此时当我们直接输入 Age 时，就可以 access 它了
同时，也可以使用 detach 语句来清除 memory 中的 LungCapData

使用 class() 语句可以看该数据是什么类型的

1
2
3
4
5
6
7
8
9
10
11
12
13
14
> class(LungCapData)
[1] "data.frame"
> class(LungCap)
[1] "numeric"
> class(Age)
[1] "integer"
> class(Height)
[1] "numeric"
> class(Smoke)
[1] "factor"
> class(Gender)
[1] "factor"
> class(Caesarean)
[1] "factor"

如上面的代码，有 numeric, integer, factor … 类型的数据
对于 factor 类型的数据来说，可以使用 level() 语句来看它不同的值

1
2
3
4
> levels(Smoke)
[1] "no"  "yes"
> levels(Gender)
[1] "female" "male"

summary() 语句可以给出 data set 的 summary
如 mean, median, max 等基本信息

1
2
3
4
5
6
7
8
9
10
11
12
13
14
> summary(LungCapData)
    LungCap            Age            Height      Smoke        Gender    Caesarean
 Min.   : 0.507   Min.   : 3.00   Min.   :45.30   no :648   female:358   no :561  
 1st Qu.: 6.150   1st Qu.: 9.00   1st Qu.:59.90   yes: 77   male  :367   yes:164  
 Median : 8.000   Median :13.00   Median :65.40                                   
 Mean   : 7.863   Mean   :12.33   Mean   :64.84                                   
 3rd Qu.: 9.800   3rd Qu.:15.00   3rd Qu.:70.30                                   
 Max.   :14.675   Max.   :19.00   Max.   :81.80                                   
> x <- c(0,1,1,1,0,0,0,0,0,0)
> class(x)
[1] "numeric"
> summary(x)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max.
   0.00    0.00    0.00    0.30    0.75    1.00

在上面的代码中，我们给 x 赋值，它是 numeric 的
如果我们想把它当作 factor 来处理，比如 0 代表 false，1 代表 true
可以使用 as.factor() 语句

1
2
3
4
5
6
> x <- as.factor(x)
> class(x)
[1] "factor"
> summary(x)
0 1
7 3

dim() & length() 给出了数据的 dimension 和长度

1
2
3
4
5
6
> dim(LungCapData)
[1] 725   6
> length(Age)
[1] 725
> length(Gender)
[1] 725

在 R 中，可以使用 double equal sign 来判断等式两边是否相等
Age[Gender==”male”] 只用来进行选择的，选择 male，再求 mean

1
2
3
4
5
6
7
8
9
10
11
> mean(Age[Gender=="male"])
[1] 12.20708
> FemData <- LungCapData[Gender=="female",]
> MaleData <- LungCapData[Gender=="male",]
> dim(FemData)
[1] 358   6
> dim(MaleData)
[1] 367   6
> summary(Gender)
female   male
   358    367

在上面的代码中，dim(FemData) 给出 358 个数据，dim(MaleData) 给出 367 个数据
这与 summary() 给出的信息是一致的

使用 & 进行多项条件的选择

1
2
3
> MaleOver15 <- LungCapData[Gender=="male" & Age > 15,]
> dim(MaleOver15)
[1] 89  6

使用 cbind() 语句来 combine 某一列数据和原始的表格

1
2
3
4
5
6
7
8
9
10
11
> FemSmoke <- Gender=="female" & Smoke=="yes"
> FemSmoke[1:5]
[1] FALSE  TRUE FALSE FALSE FALSE
> MoreData <- cbind(LungCapData, FemSmoke)
> MoreData[1:5,]
  LungCap Age Height Smoke Gender Caesarean FemSmoke
1   6.475   6   62.1    no   male        no    FALSE
2  10.125  18   74.7   yes female        no     TRUE
3   9.550  16   69.7    no female       yes    FALSE
4  11.125  14   71.0    no   male        no    FALSE
5   4.800   5   56.9    no   male        no    FALSE

从上面的代码可以看出，表格的最后一列已经多了 FemSmoke 这个部分

最后，可以使用 rm() 语句来抹去 memory 中的变量
ls() 语句选中了所有的变量

1
> rm(list=ls())

此时，memory 中已经没有任何 variable 了

谢谢你请我吃糖果：）