1. 数据分析网首页
  2. 软件工具
  3. R语言

用R语言进行数据分析:一个简单的会话

下面的会话让你在操作中对 R 环境的一些特性有个简单的了解。你对系统的许多特性开始时可能 有点不熟悉和困惑,但这些迷惑会很快 消失的。

登录,启动你的桌面系统。
$ R
以适当的方式启动 R。R 程序开始,并且有一段引导语。

(在 R 里面,左边的提示符将不会被显示防止 混淆。)

help.start()
启动 HTML 形式的在线帮助(使用你的计算机里面 可用的浏览器)。你可以用鼠标 点击上面的链接。最小化帮助窗口,进入下一部分。
x <- rnorm(50)
y <- rnorm(x)
产生两个伪正态随机数向量 x 和 y。
plot(x, y)
画二维散点图。一个图形窗口会自动出现。
ls()
查看当前工作空间里面的 R 对象。
rm(x, y)
去掉不再需要的对象。(清空)。
x <- 1:20
等价于 x = (1, 2, , 20)。
w <- 1 + sqrt(x)/2
标准差的`权重’向量。
dummy <- data.frame(x=x, y= x + rnorm(x)*w)
dummy
创建一个由x 和 y构成的双列数据框, 查看它们。
fm <- lm(y ~ x, data=dummy)
summary(fm)
拟合 y 对 x 的简单线性回归,查看 分析结果。
fm1 <- lm(y ~ x, data=dummy, weight=1/w^2)
summary(fm1)
现在我们已经知道标准差,做一个加权回归。
attach(dummy)
让数据框中的列项可以像一般的变量那样使用。
lrf <- lowess(x, y)
做一个非参局部回归。
plot(x, y)
标准散点图。
lines(x, lrf$y)
增加局部回归曲线。
abline(0, 1, lty=3)
真正的回归曲线:(截距 0,斜率 1)。
abline(coef(fm))
无权重回归曲线。
abline(coef(fm1), col = "red")
加权回归曲线。
detach()
将数据框从搜索路径中去除。
plot(fitted(fm), resid(fm),
xlab="Fittedvalues",
ylab="Residuals",
main="ResidualsvsFitted")
一个检验异方差性(heteroscedasticity)的标准回归诊断图。 你可以看见吗?
qqnorm(resid(fm), main="Residuals Rankit Plot")
用正态分值图检验数据的偏度(skewness),峰度(kurtosis)和异常值(outlier)。 (这里没有多大的用途,只是演示一下而已。)
rm(fm, fm1, lrf, x, dummy)
再次清空。

第二部分将研究 Michaelson 和 Morley 测量光速的经典实验。这个数据集可以 从对象 morley 中得到,但是我们从中读出数据以演示 函数 read.table 的作用。

filepath <- system.file("data", "morley.tab" , package="datasets")
filepath
得到文件路径。
file.show(filepath)
可选。查看文件内容。
mm <- read.table(filepath)
mm
以数据框的形式读取 Michaelson 和 Morley 的数据,并且查看。 数据由五次实验(Expt 列),每次运行 20 次 (Run 列)的观测得到。数据框中的 sl 是光速的记录。 这些数据以适当形式编码。
mm$Expt <- factor(mm$Expt)
mm$Run <- factor(mm$Run)
ExptRun 改为因子。
attach(mm)
让数据在位置 3 (默认) 可见(即可以直接访问)。
plot(Expt, Speed, main="Speed of Light Data", xlab="Experiment No.")
用简单的盒状图比较五次实验。
fm <- aov(Speed ~ Run + Expt, data=mm)
summary(fm)
分析随机区组,`runs’ 和 `experiments’ 作为因子。
fm0 <- update(fm, . ~ . - Run)
anova(fm0, fm)
拟合忽略 `runs’ 的子模型,并且对模型更改前后 进行方差分析。
detach()
rm(fm, fm0)
在进行下面工作前,清空数据。

我们现在查看更有趣的图形显示特性:等高线和影像显示。

x <- seq(-pi, pi, len=50)
y <- x
x 是一个在 区间 [-pi, pi] 内等间距的50个元素的向量, y 类似。
f <- outer(x, y, function(x, y) cos(y)/(1 + x^2))
f 是一个方阵,行列分别被 x 和 y 索引,对应的值是函数 cos(y)/(1 + x^2) 的结果。
oldpar <- par(no.readonly = TRUE)
par(pty="s")
保存图形参数,设定图形区域为“正方形”。
contour(x, y, f)
contour(x, y, f, nlevels=15, add=TRUE)
绘制 f 的等高线;增加一些曲线显示细节。
fa <- (f-t(f))/2
fa 是 f 的“非对称部分”(t() 是转置 函数)。
contour(x, y, fa, nlevels=15)
画等高线,
par(oldpar)
恢复原始的图形参数。
image(x, y, f)
image(x, y, fa)
绘制一些高密度的影像显示,(如果你想要,你可以保存 它的硬拷贝),
objects(); rm(x, y, f, fa)
在继续下一步前,清空数据。

R 可以做复数运算。

th <- seq(-pi, pi, len=100)
z <- exp(1i*th)
1i 表示复数 i。
par(pty="s")
plot(z, type="l")
图形参数是复数时,表示虚部对实部画图。这可能是 一个圆。
w <- rnorm(100) + rnorm(100)*1i
假定我们想在这个圆里面随机抽样。一种方法 将让复数的虚部和实部值是标准正态随机 数
w <- ifelse(Mod(w) > 1, 1/w, w)
将圆外的点映射成它们的倒数。
plot(w, xlim=c(-1,1), ylim=c(-1,1), pch="+",xlab="x", ylab="y")
lines(z)
所有的点都在圆中,但分布不是 均匀的。
w <- sqrt(runif(100))*exp(2*pi*runif(100)*1i)
plot(w, xlim=c(-1,1), ylim=c(-1,1), pch="+", xlab="x", ylab="y")
lines(z)
第二种方法采用均匀分布。现在圆盘中的点 看上去均匀多了。
rm(th, w, z)
再次清空。
q()
离开 R 程序。你可能被提示是否保存 R 工作空间, 不过对于一个调试性的会话,你可能不想 保存它。

本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流,内容版权归原作者所有,如涉作品、版权和其他问题请给「我们」留言处理。

发表评论

登录后才能评论

联系我们

如有建议:>>给我留言

QR code