【R笔记】为什么是R？

The R Project for Statistical Computing

今年打算更新一些R的学习笔记。为什么是R？因为穷呗！！我们现在常用的统计软件其实一般都是收费的，SAS就不说了动辄几百万，SPSS也是几十万的级别，STATA相对便宜，但其最便宜的版本（STATA IC）也得每年595刀，这不是我样的屌丝P民所能承担的。在学生时代就曾听过一个故事，说是某大佬发文章用了SAS，结果被人家SAS查到未购买授权，引发了侵权赔偿的一系列问题。在知识产权越来越受重视的今天，或许哪天这个故事就会发生在你的身上。而R是一个开源项目，完全免费。关键是R拥有数量极为庞大程序包（Package），可以快速实现各种统计功能，而且其他软件中尚不可用的、先进的统计方法也能够在R中快速更新。还有R软件很小，最新的windows版本3.6.2也不过80多个M，打开运算都很快！当然R是靠程序代码实现统计功能，而不能像SPSS、STATA和SAS JMP那样可以通过菜单来操作。

R统计步骤：跟其他软件使用类似，无非就是载入数据，选择合适的统计模型进行分析，然后进行解读。具体来说有如下几步：【1】数据录入/导入、处理；【2】确定统计模型/方法；【3】加载相应程序包；【4】使用相应的函数进行模型适用条件考察、统计分析及模型诊断；【5】结果解读。

R软件的下载：官网CRAN（Comprehensive R Archive Network）https://www.r-project.org/，下载的时候首先要选择下载镜像和版本，国内有6个镜像下载站（清华TUNA Team、中国科学技术大学、香港KoDDoS、精英教育（Elite Education）、兰州大学开源社区及同济大学），最新的Windows版本是R3.6.2。

R命令基础

R有很多的命令，但我们其实没必要都去记。归根结底，我们是在应用统计，至于统计方法怎么来的并不是我们关注的重点，软件只是我们快速实现复杂计算的一个工具而已，我们在使用的时候只要找到相应的帮助文件，按照格式进行书写就可以了。但有一些最基本的或者是很重要的，我们需要对其有所理解。

R命令由函数和赋值构成。注意赋值是使用 <- 而不是等号=。指定位置可以方括号[]，像excel一样，冒号：用于表示范围。

命令提示符：>。每条命令以命令提示符开始，R软件自动给出。

#开头的文字表示注释，不参与R程序。

设置默认路径：setwd("路径")。也可以通过菜单文件>>改变工作目录…来实现。注意路径中使用的是“/”而不是反斜杠“\”。

退出：q()，相当于直接关闭R软件

帮助文件的获取帮助：帮助>>手册(PDF文件)，其他帮助文件可通过帮助菜单来实现；

帮助文档首页命令：help.start() ，等同于帮助>>Html帮助；

以 xx为关键词搜索帮助命令：help.search("xx")或??xx ，等同于帮助>>搜索帮助…，可以搜索程序包、函数等，可以了解其具体介绍，包括功能、格式、示例等；

查看函数xx的帮助（引号可以省略）命令：help("xx")或?xx ，等同于帮助>>R函数帮助(文本)…，可以搜索函数，获得具体介绍，包括功能、格式、示例等。

数据集的结构：

存储数据的对象类型，包括标量、向量(vector)、矩阵(matrix)、数组(array)、数据框(data.frame)和列表(list)。标量是单个元素；向量是一组相同数据类型的数据，是一维数组，可以储存数值型、字符型和逻辑型数据，创建向量用函数c()；矩阵是把向量扩展成二维数组，所有元素的类型（数值型、字符型或逻辑型）都一样，函数matrix()可创建矩阵；数组是将矩阵扩展到三维及以上，函数array可创建数组；数据框的结构上像矩阵，但数据框的列可以包含不同的数据类型，是用于储存数据集的主要数据结构，函数data.frame()可创建数据框；列表则是包含各种类型的对象的集合，函数list()可创建列表。有时候我们使用的我们需要对象类型间转换，比如你的数据类型是向量，但想使用的某个程序包函数针对的对象是矩阵，可以通过as.matrix(x)来变换。

包（Package）:

包是R中可以实现某类功能的函数、数据等集合，相当于一个一个的小的功能模块，模块中的不同函数可以实现各种功能。当你确定了统计模型/方法或者想要做的统计图后，就可以去查找那些包可以实现这些功能了，然后从库中载入这个包（库中没有就先下载），接下来就可以使用包中的函数直接进行分析了。安装R时会同时安装一些常用的默认包，还有大量的包可在使用时从CRAN中下载。应该说包是R中最让人欣喜的功能了。截止到2020年1月17日上午23点，CRAN包库里可用包已达到15323个，最近几乎每天都会有大量新包添加。网站https://cran.r-project.org/可以查看可用包。电脑中储存包的目录叫库（library）。在使用包时，必须先将包载入到当前的R工作环境，函数library()可以显示库中的包及其功能，命令search()可以告诉你哪些包已加载并可使用。

如果你不知道你想要的统计功能哪些包可以实现，[http://finzi.psych.upenn.edu/search.html]或许可以给你一些提示，如果你已经知道了要用到哪个包，但不知道具体怎么用，前面说过的帮助菜单或者命令也许能给你详尽的介绍，或者干脆直接通过[https://cran.r-project.org/web/packages/要查询的程序包名称]来寻找。

程序包下载：程序包>>装程序包…（相当于命令install.packages()），然后选择镜像下载地址，选择要下载的程序包，确定即可。也可以通过命令install.packages("程序包名称")下载需要的程序包。

加载程序包：程序包>>加载程序包…，可通过命令library(预加载的包名称)来实现。

数据载入：可以直接录入，也可以直接从其他文件导入到指定的R数据结构（向量、矩阵、数组、数据框和列表）中。

函数edit()可实现手动输入数据。

导入 Excel 数据：你可以使用具有此功能的程序包的函数（函数{包}）直接将一个excel工作表导入到R的一个数据框中，比如read.xlsx{openxlsx}、read_excel {readxl}、read.xlsx{xlsx}。注意第一次使用时需要下载并安装。还有一种方法是先在Excel中将文件另存为一个逗号分隔文件（csv），然后用read.table()将数据从csv文件导入到R的数据框结构中。

其他文件的导入，如SAS、SPSS、STATA。foreign包中的read.ssd()，Hmisc包中的sas.get()可导入SAS文件；foreign包中的函数read.spss()、Hmisc包中的spss.get()函数可导入SPSS文件；foreign包中的read.dta()可导入STATA文件。

我们在《多元正态分布检验的R实现方法》一文中已有讲到STATA文件的导入，注意需要先将stata文件保存为12版本及以下，命令清单如下：

library(foreign)   #载入程序包foreign

rm4 <- read.dta("D:/Temp/STATA/RM.dta")   #新建对象rm，赋值为导入的名称为RM的STATA文件，并保存为数据框

rm4   #显示数据框rm4的内容

在此次笔记的最后，我们用一个例子来看一下R的运行及数据导入。本例是将一个excel文件导入到R中。

【1】安装下载包xlsx、openxlsx、readxl。注意xlsx包的使用还需要先安装Java（https://www.java.com/zh_CN/），然后下载安装xlsx包，此外还要安装相关的xlsxjars包和rJava包。

程序包>>安装程序包…，选择下载镜像，确定，选择要下载的程序包，确定。镜像可以选择0-Cloud[https]，也可以选择中国境内的几个镜像，如下载失败可以换个试试。

当然也可以直接使用命令来进行安装

install.packages("xlsx")   #安装程序包xlsx

install.packages("xlsxjars")   #安装程序包xlsxjars

install.packages("rJava")   #安装程序包rJava

install.packages("openxlsx")   #安装程序包openxlsx

install.packages("readxl")   #安装程序包readxl

安装成功会会显示程序包打开成功，MD5和检查也通过，程序包在什么位置，如xlsxjars包安装成功显示如下

【2】导入数据

setwd("D:/Temp")   #设置默认工作路径

library(xlsx)   #载入程序包xlsx

rm<-read.xlsx("RM.xlsx",1)   #新建对象rm，赋值为导入的名称为RM的excel第1个sheet工作表，并保存为数据框文件。如果RM不在默认工作目录中，此处命令应把路径写完整：rm<-read.xlsx("D:/Temp/RM.xlsx",1)

rm   #显示数据框rm的内容

如果你只想显示采用A方法的T0-T4的数据，最后一行命令可以改为：

rm([1:5],[3:7])   #显示数据框rm的第1-5行3-7列的内容

如果你不想显示第1列，命令除了上面的方法外，还可以直接简单写为：

rm[-1]

上面只是显示，如果你想新建的R数据框只导入B方法的数据，不显示第1-2列的内容，命令为：

rm<-read.xlsx("RM.xlsx",1，startRow=1,endRow=5) 

rm[-1:-2]

其实对你想了解某个函数如何使用，可以直接使用命令help("read.xlsx")，或者通过菜单：帮助>>R函数帮助(文本）…，然后输入read.xlsx即可；或者通过帮助>>搜索帮助…（help.search("xlsx")），来进行查找函数read.xlsx的功能与使用方法，查询可知：

Description：Read the contents of a worksheet into an R data.frame.

Usage

read.xlsx(file, sheetIndex, sheetName=NULL, rowIndex=NULL,startRow=NULL,endRow=NULL, colIndex=NULL, as.data.frame=TRUE, header=TRUE, colClasses=NA,keepFormulas=FALSE, encoding="unknown", password=NULL, ...)

read.xlsx2(file, sheetIndex, sheetName=NULL, startRow=1,colIndex=NULL, endRow=NULL, as.data.frame=TRUE, header=TRUE,colClasses="character", password=NULL, ...)

后面是对用法中的每一项是什么意思进行解释，然后是详细介绍以及示例。

xlsx包是安装比较困难的一个包，在安装的时候屡次报错，比如

错误: package or namespace load failed for ‘xlsx’: loadNamespace()里算'rJava'时.onLoad失败了，详细内容：

调用: fun(libname, pkgname)

错误: No CurrentVersion entry in Software/JavaSoft registry! Try re-installing Java and make sure R and Java have matching architectures.

在安装R软件的时64位（RX64）和32位(R i386)默认同时安装的，在改用32位后这个问题得以解决。

类似的，read.xlsx{openxlsx}、read_excel {readxl}的导入excel命令清单如下：

library(openxlsx)

rm2<-read.xlsx("D:/Temp/RM.xlsx",1)

rm2

library(readxl)

rm3<-read_excel("D:/Temp/RM.xlsx")

rm3

END