本系列是一個新的系列，在此係列中，我將和大家共同學習R語言。由於我對R語言的瞭解也甚少，所以本系列更多以一個學習者的視角來完成。 參考教材：《R語言實戰》第二版（Robert I.Kabacoff），書中所提到的[John Cook的優秀博文](https://www.johndcook.com/blog/r_language_for_programmers/)，關於程式碼規範的《[來自Google的R語言編碼風格指南](https://nanx.me/rstyle/)》。 [TOC] ## Part 1：函式 ### Section 1：數學與統計函式 數學函式用於對資料作變換。 | 函式 | 描述 | | ------------------------------ | ---------------------------------- | | `abx(x)` | 絕對值 | | `sqrt(x)` | 平方根 | | `ceiling(x)` | 天花板，不小於`x`的最小整數 | | `floor(x)` | 地板，不大於`x`的最大整數 | | `trunc(x)` | 截尾，向$0$的方向擷取`x`的整數部分 | | `round(x, digits=n)` | 四捨五入，保留$n$位小數 | | `signif(x, digits=n)` | 四捨五入，保留$n$位有效數字 | | `cos(x), sin(x), tan(x)` | 三角函式 | | `acos(x), asin(x), atan(x)` | 反三角函式 | | `cosh(x), sinh(x), tanh(x)` | 雙曲三角函式 | | `acosh(x), asinh(x), atanh(x)` | 反雙曲餘弦函式 | | `log(x, banse=n)` | 對數$\log_{n}(x)$ | | `log(x), log10(x)` | 自然對數$\ln(x)$和常用對數$\lg(x)$ | | `exp(x)` | 指數函式 | 統計函式常用於對資料作變換或統計，以下函式，許多都有如`na.rm`之類的可選引數，可以使用`?function`來查詢。 | 函式 | 描述 | 應用 | | ----------------------------------- | ---------- | ---------------------------------------- | | `mean(x)` | 平均數 | `mean(c(1, 2, 3, 4))`返回`2.5` | | `median(x)` | 中位數 | `median(c(1, 2, 3, 4))`返回`2.5` | | `sd(x)` | 標準差 | `sd(c(1, 2, 3, 4))`返回`1.29` | | `var(x)` | 方差 | `var(c(1, 2, 3, 4))`返回`1.67` | | `mad(x)` | 絕對中位差 | `mad(c(1, 2, 3, 4))`返回`1.48` | | `quantile(x, probs)` | 求分位數 | `x`是數值向量，`probs`是概率值向量 | | `range(x)` | 求值域 | `range(c(1, 2, 3, 4))`返回`c(1, 4)` | | `sum(x)` | 求和 | `sum(c(1, 2, 3, 4))`返回`10` | | `diff(x, lag=n)` | 滯後差分 | `diff(c(1, 5, 23, 29))`返回`c(4, 18, 6)` | | `min(x)` | 求最小值 | `min(c(1, 2, 3, 4))`返回`1` | | `max(x)` | 求最大值 | `max(c(1, 2, 3, 4))`返回`4` | | `scale(x, center=TRUE, scale=TRUE)` | 按列標準化 | `center`進行中心化，`scale`進行標準化 | 這裡方差的計算是無偏的，即 $$ S^2=\frac{1}{n-1}\sum_{j=1}^n(X_j-\bar X)^2. $$ ### Section 2：概率函式 在R語言中，概率函式是由`d, p, q, r`再加上分佈的名字縮寫所構成的函式，這四個字母分別具有如下的意義： - `d`：密度函式(density)。 - `p`：分佈函式(distribution function)。 - `q`：分位數函式(quantile function)，第一個引數為`q`，代表要求的（下側）分位點$\alpha$。 - `r`：生成隨機數，第一個引數為`n`，代表要生成的隨機數個數。 分佈的名字如下表所示，按字母順序排序： | 分佈名 | R中縮寫 | | ------------------ | ---------- | | Beta分佈 | `beta` | | 二項分佈 | `binom` | | 柯西分佈 | `cauchy` | | 卡方分佈 | `chisq` | | 指數分佈 | `exp` | | F分佈 | `t` | | Gamma分佈 | `gamma` | | 幾何分佈 | `geom` | | 超幾何分佈 | `hyper` | | 對數正態分佈 | `lnorm` | | Logistic分佈 | `logis` | | 多項分佈 | `multinom` | | 負二項分佈 | `nbinom` | | 正態分佈 | `norm` | | 泊松分佈 | `pois` | | Wilcoxon符號秩分佈 | `signrank` | | t分佈 | `t` | | 均勻分佈 | `unif` | | Weibull分佈 | `weibull` | | Wilcoxon秩和分佈 | `wilcox` | 每個分佈都有其可選引數，可以通過`?function`查詢。 設定種子可以讓結果可復現，在R語言中，`set.seed()`函式可以顯式指定這個種子。 生成多元正態隨機數，可以使用`mvrnorm(n, mean, sigma)`函式，這裡`mean`是均值向量，`sigma`是協方差矩陣或相關矩陣。 ### Section 3：其他實用函式 這裡介紹一些其他實用的函式。 `length(x)`返回物件`x`的長度。如果`x`是向量，則返回向量長度；如果`x`是資料框，則返回變數個數（而不是觀測個數），不過要返回資料框的相關資訊，最好使用`ncol`來返回變數個數，`nrow`來返回觀測個數。 `seq(from, to, by)`函式用於生成一個等差序列，包含`from`和`to`，這裡`by`是間距；`rep(x, n)`將物件`x`重複`n`次用於生成一個重複序列；`pretty(x, n)`將一個連續型變數`x`通過**美觀的分割點**，分割為近似`n`個區間。 `cut(x, n)`將連續型變數`x`分割成有`n`個水平的因子，使用選項`ordered_result=TRUE`可以建立有序型因子。 `cat(...)`連線`...`中的物件，並將其輸出到螢幕上或檔案中，常用於列印字串，可以用`sep`指定分隔符，預設為空格。字串中具有如下的轉義字元：`\n`換行、`\t`製表符、`\'`單引號，`\b`退格等等。 `apply(x, MARGIN, FUN, ...)`函式允許將任意一個函式應用到矩陣、陣列、資料框的任何維度上，這裡`x`是資料物件，`MARGIN`是維度的下標，矩陣和資料框中`MARGIN=1`代表行，`MARGIN=2`代表列，`FUN`是要運用的函式名。如果要運用的函式還有其他引數，可以在`...`處指定。 `t(x)`可以對資料框或者矩陣`x`進行轉置，當`x`為資料框時，行名將成為轉置後的變數名。`aggregate(x, by, FUN)`是整合函式，類似於SQL中的`GROUP BY`，這裡`by`是待摺疊的變數名，必須在一個**列表**中（即使只有一個變數），`FUN`是用於處理整合的函式。 ## Part 2：其他控制 ### Section 1：迴圈與條件結構 迴圈結構`for`的語法是： ```R for (var in seq){ statement } ``` 迴圈結構`while`的語法是： ```R while (cond){ statement } ``` 在處理大資料集中的行和列時，R中的迴圈比較低效費時，最好聯合使用R的內建函式和`apply`族函式。 條件結構`if-else`的語法是： ```R if (cond){ statement1 } else{ statement2 } ``` `else`的部分可以沒有。以上結構可以緊湊地寫成`ifelse`版本，語法為： ```R ifelse(cond, statement1, statement2) ``` 這類似於一個三目運算子，如果生成的結果都是向量，使用`ifelse`更合適。 條件結構`switch`可以根據一個表示式的值來選擇語句執行，語法為： ```R switch( expr, value1 = statement1, value2 = statement2, ... ) ``` 需要注意的是，如果`expr`的值是一個字串，則`value1, value2`等值的內容也是字串，但是**不需要加引號**。 ### Section 2：自編函式 R中使用`function`函式來自編函式，為了儘可能返回豐富的資訊，返回值經常是一個列表，用於儲存一系列物件。語法如下： ```R myfunction <- function(arg1, arg2, ...){ statement object <- list(value1=value1, value2=value2, ...) # 這句是不一定需要的 return(object) # 如果沒有return()則最後一行程式碼的返回值作為return的內容 } ``` ### Section 3：使用`reshape2`重構資料集 `reshape2`包是一套重構和整合資料集的萬能工具，需要使用前安裝： ```R install.package("reshape2") library(reshape2) ``` 將使用如下的資料框進行處理。 ```R ID <- c(1, 1, 2, 2) Time <- c(1, 2, 1, 2) X1 <- c(5, 3, 6, 2) X2 <- c(6, 5, 1, 4) mydata <- data.frame(ID, Time, X1, X2) ``` 使用該包對資料集進行處理，需要先對資料集進行**融合(melt)**，再進行**重鑄(cast)**。融合使用函式`melt(x, id)`，`x`是待融合的資料框，`id`則是資料框的主鍵，輸出一個新的資料框：每個測量變數獨佔一行，行中包含確定這個測量變數所需的識別符號。此時，融合資料框操作的程式碼為 ```R md <- melt(mydata, id=c("ID", "Time")) ``` 得到的結果是 可以對融合後的資料框使用`dcast()`函式進行重鑄，呼叫格式是`dcast(md, formula, fun.aggregate)`，這裡`md`是已融合的資料，`formula`接受一個公式，描述了最後的想要結果，公式的形式是 $$ \text{rowvar1}+\text{rowvar}2+\cdots\quad \sim\quad \text{colvar1}+\text{colvar2}+\cdots $$ 這裡，`rowvar`中的變數作為主鍵，`colvar`中的變數作為資料框的值，返回的資料框包含所有的`rowvar`和`colvar`作為變數。`fun.aggregate`引數是可選的整合函式。

相關推薦