一、R介绍

R是一套完整的数据处理、计算和制图软件系统。其功能包括数据存储和处理系统；数组运 算工具(其向量、矩阵运算方面功能尤其强大)；完整连贯的统计分析工具；优秀的统计制图功能；简便而强大的编程语言：可操纵数据的输入和输出，可实现分支、循环，用户可自定义功能。

R的思想：它可以提供一些集成的统计工具，但更大量的是它提供各种数学计算、统计计算 的函数，从而使使用者能灵活机动的进行数据分析，甚至创造出符合需要的新的统计计算方法。

二、为什么选择R

R是实验工具，教学工具，但不是生产工具。R不适合处理大数据，一般来讲，处理百万行数据时就已经很吃力了，因为R处理的数据要放到内存里做运算。

Rhadoop，RSpark

使用R教学更有利于说明算法模型，利用R的绘图能够更直观了解算法模型。只要掌握算法 模型的原理，后期只需要更换处理工具即可，比如由R转到Hadoop的Mathout，或转到 Spark，就是一个简单的工具转换，而算法模型的原理都是一样的。

此外，在处理大数据时，往往是没有必要将全部数据都当做样本来处理的，我们可以抽样， 比如从1亿条数据里抽出1千万调数据，建立模型。很多场景下，抽样得出的模型和全部样本 得出的模型相差不多。当然，抽样也是很有学问的，抽样的好坏直接决定了模型的正确与 否。在大学里，如果是统计学专业，是有一门专门的课学习抽样的。

但是有些场景确实是不适合抽样的，比如对1亿个用户进行聚类分析，此时抽样就不合适 了。那此时可以利用像Hadoop、Spark等并行计算的大数据框架来处理运算。

安装R：

启动R：

三、R基本数据对象

1、向量（vector）：由一组有序的元素构成

2、矩阵（matrix）：更一般的说数组是向量在多维情况下的一般形式。事实上它们是可以被

两个或更多的指标索引的向量，并且以特定的方式被打印出来。

3、因子（factors）提供一种处理分类数据更简洁的方式

4、列表（list）是向量的一般形式，并不需要保证其中的元素都是相同的类型

5、数据帧（data frame）是一种与矩阵相似的结构，其中的列可以是不同的数据类型。可以

把数据框看作一种数据"矩阵"，它的每行是一个观测单位，而且(可能)同时包含数值型和分

类的变量。

6、函数（function）能够在R的workspace中存储的对象。我们可以通过函数来扩展R的功 能。

四、基本函数

1、创建向量：c()

x <-c(10.4, 5.6, 3.1, 6.4, 21.7)

c()是创建向量函数，赋值运算符是'<-'。表示创建一维向量复制给变量。

说明：赋值号可以用“<-”，也可以用“=”。 虽然，创建向量的初始元素类型不同，但是创建之后的向量类型都被转换成一样的了。

2、生成序列：seq()

生成一个序列（一个一维向量），从2到10，默认的递增步长是1，也可以用：来代替。

指定步长为0.2： 从2开始，步长为3，产生4个数：

在[-5,5]区间生成100个数：（这种方式重点掌握，绘图时刻画x轴要用到）

3、根据已有序列生成新序列：rep()

重复整个向量：

4、拼接函数：paste()

拼接多个数据：

拼接多个数据，指定分隔符： 拼接和序列相结合：

说明：sep——separator（分隔符），默认是空格。

5、数据子集的选择与修改：[]

任务：统计一个向量里满足条件的元素个数

向量data中在300与400之间的元素有3个。

汇总函数：summary()

可以查看对象的基本信息（min, max, mean, etc.），也可以用于方程系数的基本信息和检验信 息。这个函数可以介于某组数据或某个模型做信息的总结。

Min：最小值 Q1：第一分位数 Median：中位数（Q2：第二分位数）

Q3：第三分位数

Mean：平均值

Max：最大值

6、因子函数：factor() 因子是一种向量对象，它给自己的组件指定了一个离散的分类（分组），它的组件由其他等 长的向量组成。R提供了有序因子和无序因子。 通俗点说，因子就是将对象的值分成不同的组（levels）。 用函数factor()创建一个因子，levels按序排列(字母序或数值序)。

data <- c("湖南","四川","四川","湖南","贵州","湖南","贵州")

利用factor()函数，可以达到聚类去重的目的。

7、矩阵函数：matrix()

线性代数看同济的《 线性代数（第五版）》

微积分看《普林斯顿微积分读本》修订版

要获取矩阵的某个元素值：data[i,j]

如何产生单位矩阵：diag(n)——diagnal

产生指定元素的矩阵：

> A <- matrix(c(4,-1,2,1,1,1,0,3,0,3,1,4),4,3); A

8、矩阵转置函数 t()——transposition

9、矩阵维数函数 dim()

返回矩阵的维数或更改矩阵的维数。

获取矩阵维数：

更改矩阵维数：

10、array函数，需要用dim来指定行数、列数

11、cbind()——列合并, rbind——行合并 cbind()按照水平方向，或者说按列的方式将矩阵连接到一起。 rbind()按照垂直的方向，或者说按行的方式将矩阵连接到一起。

12、list函数：根据属性名获取值 列表是由称作组件的有序对象集合构成的对象。组件的模式或类型不一定相同。想取得列表 中某个属性值，用$属性名来得到。

13、数据帧函数：data.frame()

数据帧会被当作各列具有不同模式和属性的矩阵。数据帧按照矩阵的方式显示，选取的行或 列也按照矩阵的方式来索引。

14、attach和detach函数 当觉得使用'$'引用数据帧元素(如't$home')麻烦时，可以进行数据帧挂接，这样可以直接引用 数据帧内的元素，而无需'