R语言教程 - R语言的安装与使用

R是统计分析软件，在数据分析、数据挖掘领域有优势；与SAS比最大的好处就是免费，其次是有各种现成的程序包可用，再次是具有极好的制图功能（数据可视化）。

 

一、下载安装

到R语言官网或镜像站：

https://www.r-project.org/

https://mirrors.tuna.tsinghua.edu.cn/CRAN/

下载最新版R-4.3.1安装即可，安装时可选择32位或64位版本。

建议再接着安装相应版本的R语言集成开发环境Rstudio，地址：

https://www.rstudio.com/products/rstudio/download/

升级R：

在其它目录安装R，再将旧版本保留的library目录下的文件（程序包packages）拷贝到新版本library目录下，然后update.packages()

 

 

二、操作界面

 

图1 R-4.3.1操作界面

类似Matlab的命令窗口，输入命令，按回车得到运行结果。

【程序包】菜单可以实现载入程序包、设定CRAN镜像、安装及更新程序包等功能。

 

图2 RStudio操作界面

代码编辑窗口：新建或打开脚本可调出，用来编写代码，打开R脚本，单击Run运行代码；

命令控制台：代码运行后，控制台会显示相应的代码或返回结果，同R操作界面的命令窗口；

工作空间和历史窗口：类似Matlab相应窗口；

文件、画图、程序包、帮助等窗口。

 

三、如何安装程序包？

1. 查看已安装的程序包

(.packages())

注：程序包默认安装在…\R\R-4.3.1\library目录。

2. 加载程序包

library(RMySQL)

若没有安装该包，则会提示错误：

Error in library(RMySQL) : 不存在叫‘RMySQL’这个名字的程辑包

查看加载的程序包

.packages(all.available=TRUE)

 

注：这些程序包是自动加载的。

解除加载程序包：

detach(package:RMySQL)

3. 安装程序包

（1）使用R语言操作界面

方法1：菜单操作：

【程序包】——【安装程序包】，选择镜像“China(Beijing 4) [https]”，【确定】，在“Packages”窗口，选中要安装的程序包，点【确定】安装即可。

方法2：命令操作：

install.packages("RMySQL")

回车，选择镜像（同上）后即可安装。

（2）使用RStudio操作

务必先设定镜像：

【Tools】——【Global Options…】，在Options窗口点“Packages”，修改CRAN mirror为

China (Beijing 4) [https] - TUNA Team, Tsinghua University

 

菜单操作：【Tools】——【Install Packages…】，在“Packagees”框输入要安装的程序包名，点Install安装即可

 

命令操作同前文。

注：也可以下载zip程序包，本地安装。

4. 删除程序包

remove.packages("RMySQL")

5 更新包

update.packages()

更新所有已安装的包。

 

四、常用操作

1. help

help(函数名) 或者 ? 函数名

使用R帮助是一种快速学习和掌握R的有效方法。

2. 命令窗口清屏

Ctrl + L

    3. 清除内存变量

rm(变量名)

清除所有变量：

rm(list=ls(all=TRUE))

   4. 获取或设置当前工作目录

getwd()

setwd()

5. 保存和加载数据——save和load函数

 

save函数将工作空间中的数据保存为文件，例如

注：R语言默认数据格式为.Rdata

load函数用来加载数据：

6. 脚本文件的输入和输出

（1）在当前会话中执行一个脚本（中的R语句），常用于将某个函数打包调用：

source(“路径/脚本文件.R”)

（2）将输出重定向到文件“文件名.txt”中（文本输出），若文件已经存在，则它的内容将被覆盖：

sink(“路径/文件名.txt”)

使用参数append=TRUE可以将文本追加到文件后，而不是覆盖它；参数split=TRUE可将输出同时发送到屏幕和输出文件中；不加参数调用命令sink()将仅向屏幕返回输出结果。

    （3）要重定向图形输出，使用下列函数即可，最后用dev.off()将输出返回到终端：

例如，执行代码：

sink(“myoutput”, append=TRUE, split=TRUE)

pdf(“mygraphs.pdf”)

source(“script1.R”)

脚本文件script1.R中的代码将执行，结果也将显示在屏幕上，另外，文本输出将被追加到文件myoutput中，图形输出将保存到文件mygraphs.pdf中

继续执行代码：

sink()

dey.off()

source(“script.2”)

脚本文件script2.R中的代码将执行，结果显示在屏幕上（此时不再有文本或图形输出）。

 

7. 赋值

注意R语言中赋值不是用“=”，而是“<-”或“->”，例如

x <- 1:10

    R也允许用“=”赋值，但不是标准语法，有时会出问题。

R是一种基于对象的语言，即在定义类的基础上，创建与操作对象；数值向量、函数、图形等都是对象。

五、数据挖掘相关的程序包

R程序包主要包含的类别有：空间数据分析类、机器学习与统计学习类（分类、聚类、关联规则、时间序列分析等）、多元统计类、药物动力学数据分析类、计量经济类、金融分析类、并行计算类、数据库访问类。

功能	函数与加载包
分类与预测	nnet()需要加载BP神经网络nnet包；randomForest()需要加载随机森林randForest包；svm()需要加载e1071包；tree()需要加载CRAT决策树tree包
聚类分析	hclust()、kmeans()在stats包
关联规则	apriori()需要加载arules包
时间序列	arima()需要加载forecast、tseries包

 

    1. 分类与预测

是数据挖掘领域研究的主要问题之一，常用的分类器有：神经网络、随机森林、支持向量机、决策树等。

（1）神经网络分类器

nnet包执行单隐层前馈神经网络；

nnet()函数，其主要参数有：隐层节点数（size），节点权重（weights），最大迭代次数（maxit）。

（2）随机森林分类器

基于Breiman随机森林理论，randomForest包实现；

randomForest()函数，其主要参数有：森林中决策树的数量（ntree），内部节点随机选择属性的个数（mtry），终节点的最小样本数（nodesize）。

（3）支持向量机分类器

基于台湾大学林智仁教授的libsvm源代码为基础开发，e1071包实现；

svm()函数提供了R与libsvm的接口，其主要参数有：类型（type：“C”实现支持向量机分类，“eps-regression”实现支持向量机回归），核函数（kernel：线性核函数Linear、多项式核函数Polynomial、径向基核函数RBF、Sigmoid核函数）。

注：一般选择径向基核函数。线性核函数只能处理线性关系，且是径向基核函数特例；Sigmoid核函数在某些参数上近似径向基核函数（相当于径向基核函数取一定参数）；多项式核函数参数较多，不利于参数优选。

径向基核函数支持向量机包含两个重要参数：惩罚参数Cost和核参数Gamma，tune()函数可以为两者进行网格寻优（Grid-Search）确定最优值。

2. 聚类分析

分为系统聚类和K-means聚类。

系统聚类可以对不同的分类数产生一系列聚类结果，用hclust()函数实现，其主要参数有：聚类矩阵（d：可由dist()函数求得），系统聚类方法（method：最短距离法single、最长距离法complete、类平均法average、中间距离法median、重心法centroid、Wald法wald）；

K-means聚类只能产生指定分类数的聚类结果，具体分类数的确定，借助实践经验或用一部分样本做系统聚类将其分类数作为参考。

3. 关联规则

关联规则用于从大量数据中挖掘出有价值的数据项之间的相关关系。常用的有arules包中的Apriori算法。

使用Apriori算法前，要将数据转换为transaction格式，通过as()函数转换，其中涉及的参数列表用于自定义最小支持度与置信度。

4. 时间序列分析

是根据系统观测得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型。

先使用ts()函数将数据转化成时间序列格式；模型拟合通过arima()函数实现，其主要参数有：order（自回归项数、滑动平均项数、使时间序列成为平稳序列的差分阶数），seasonal（序列表现出季节性趋势时需要，还有季节周期period），method（参数估计方法：“CSS”为条件最小二乘法、“ML”为极大似然法）。

另外，R语言中的auto.arima()函数可以自动生成一个最优拟合模型。