r语言基本操作1——r语言基本操作

r语言作为一种常用于数据处理领域语言，较为广泛使用的是其对数据进行操作的功能，基础包括变量赋值、数据类型、数据导出和导入等，更深层次还包括统计相关函数、库函数调用、数据整合整理等，在r语言中也有很多第三方包，类似于python的库函数，在特定情况下可以被调用并完成特定操作。

接下来介绍一些r语言的基本知识和相关操作：

一、R 和R studio

r语言是一种解释的语言，类似于MATLAB，是按行步进运行的，同时也是统计计算和绘图的环境，它汇集了许多函数，能够提供强大的功能。
类似于Python和Pycharm、C/C++和visual studio，r语言有自己的idle（R）以及开源集成开发环境（R studio），R studio提供了一个具有很多功能的环境，使R更容易使用，是在终端中使用R的绝佳选择。值得注意的是R studio是英文编辑环境，使用时需要注意。

在编写r程序时，更建议使用R studio

具体的安装方式不再叙述，详细可见这篇文章：
R及RStudio下载安装教程（超详细）

二、工作目录的设置

工作目录会影响r运行过程中输出文件的位置以及读取文件的路径，所有的文件读取和写入操作都会默认在这个目录下进行，除非另有指定。
一般情况下使用setwd()函数设置工作目录

setwd("pathway")

例如设置工作路径为桌面文件夹：

setwd("C:/Users/zhang/Desktop")

值得注意的是，从Windows系统复制的文件地址

“C:\Users\zhang\Desktop”

分隔符使用的是反斜杠"“，但是r语言中要求使用正斜杠”/"，要注意替换

设置工作目录后，可以用相对路径直接读取或写入该目录下的文件，而不需要提供完整的路径，这样可以简化代码，并且避免在每个文件操作中都指定完整的绝对路径。

如果想知道当前的工作目录是什么，可以使用getwd()获取，便会直接输出当前的目录

三、变量与变量赋值

变量名

与其他编程语言类似，r语言的变量名设置也有类似的规则：

变量名可以包含字母、数字、点号和下划线，不能包含其他符号，必须以字母或点号开头。变量名是区分大小写的。

变量赋值

在R中，通常使用 <- 或 = 运算符进行变量赋值。
例如：

x <- 10
y = 5
#这将把值10赋给变量x，把值5赋给变量y。

x <- 10
x <- x + 5  # x的值为15

删除变量

可以使用rm()函数删除已存在的变量。例如：

x <- 10
rm(x)  # 删除变量x

特殊值

在R中，有一些特殊的值，如NA表示缺失值、Inf表示无穷大等。

变量值查看

每当存储完一个变量之后，R studio右侧的变量框中便会出现该变量的相关信息，类似MATLAB，①可以通过点击该变量显示该变量的详细信息，②也可以通过view(变量名)来查看一个变量的详细信息，③也可以直接变量名来查看该变量的值。

四、数据类型

R语言是基于对象的语言，R中一切事物都可以看做是对象
对象有四种基本类型：

1. 数值型（numeric）：用于存储数值，可以是整数或浮点数。例如：5、3.14。
2. 字符型（character）：用于存储文本或字符。字符型的值需要用引号括起来。例如：“Hello”、‘World’。
3. 逻辑型（logical）：用于存储逻辑值，即TRUE或FALSE。例如：TRUE（T）、FALSE（F）。
4. 复数型（complex）：用于存储复数，由实部和虚部组成。例如：1+2i、2-3i。
   在某些函数中，还要求有一种类型——因子型：
   因子型（factor）：用于表示具有限定数量的离散取值的变量。

可以用class()查看变量的数据类型
在R中，可以使用不同的函数进行数据类型之间的转换。以下是一些常用的数据类型转换函数：

as.numeric()：#将其他数据类型转换为数值型。
as.character()：#将其他数据类型转换为字符型。
as.logical()#将其他数据类型转换为逻辑型。
as.complex()#将其他数据类型转换为复数型。
as.factor()#将其他数据类型转换为因子

五、数据结构

R语言的数据结构包括向量（Vector）、列表（List）、矩阵（Matrix）、数据框（Data Frame）等。

1.向量（Vector）：

向量是R语言中最基本的数据结构之一，是由一组相同类型的元素组成的一维数组。可以使用c()函数创建向量，例如：

x <- c(1, 2, 3, 4, 5)

R语言中的向量有以下几种类型：
- 逻辑向量（logical vector）：包含TRUE或FALSE。
- 整数向量（integer vector）：包含整数。
- 数值向量（numeric vector）：包含浮点数。
- 字符串向量（character vector）：包含字符型数据。
可以使用索引来访问向量中的元素，例如：x[1]表示访问向量x的第一个元素。

2.列表（List）：

列表是由不同类型的元素组成的数据结构，可以包含向量、矩阵、数据框等。使用list()函数创建列表
例如：

list <- list(name = "John", age = 30, scores = c(80, 85, 90))

a <- c(1,2,3,4)
b <- c(“apple",“banana",“~rap e")
c <- matrix(1:10,nrow = 5)
d <-“Hello world”
mylist<- list(a,b,c,d)

列表中的元素可以通过名称或索引进行访问，例如：

my_list$name
#或
my_list[[1]]

3.矩阵（Matrix）：

矩阵是二维的数据结构，包含相同类型的元素。可以使用matrix()函数创建矩阵

matrix(data, nrow, ncol, byrow = FALSE, dimnames = NULL)

其中：
data: 用来填充矩阵的数据。这可以是一个向量、列表或数组。
nrow: 矩阵的行数。
ncol: 矩阵的列数。
byrow: 一个逻辑值，指示矩阵是按行还是按列填充。默认值为 FALSE，表示按列填充。
dimnames: 一个包含两个元素的列表，用来指定行名和列名。如果提供了该参数，则必须是长度为2的列表，每个元素都是长度与相应维度相同的字符向量。

例如：

mat <- matrix(1:9, nrow = 3, ncol = 3)

可以通过行列索引来访问矩阵中的元素，例如：mat[1, 2]表示访问矩阵mat的第一行第二列的元素。m[m>30]代表m中所有大于30的元素。

数组可以视为一种多层矩阵，建立数组可以使用array()函数

array(data, dim = NULL, dimnames = NULL)

其中：
data: 用来填充数组的数据。这可以是一个向量、列表或矩阵。
dim: 数组的维度。可以是一个整数向量，指定每个维度的大小；也可以是一个具有维度属性的对象，例如矩阵或数组。
dimnames: 一个包含维度名称的列表。每个元素都是一个字符向量，指定相应维度的名称。

例如：

# 创建一个2x3x2的三维数组
arr1 <- array(1:12, dim = c(2, 3, 2))
print(arr1)
# 输出:
# , , 1
# 
#      [,1] [,2] [,3]
# [1,]    1    3    5
# [2,]    2    4    6
# 
# , , 2
# 
#      [,1] [,2] [,3]
# [1,]    7    9   11
# [2,]    8   10   12

# 创建一个2x2x2的三维数组，并同时指定维度名称
arr2 <- array(1:8, dim = c(2, 2, 2), dimnames = list(c("row1", "row2"), c("col1", "col2"), c("depth1", "depth2")))
print(arr2)
# 输出:
# , , depth1
# 
#      col1 col2
# row1    1    3
# row2    2    4
# 
# , , depth2
# 
#      col1 col2
# row1    5    7
# row2    6    8

4.数据框（Data Frame）：

数据框是一种类似于电子表格的数据结构，由多个列组成，每一列可以是不同的类型。可以使用data.frame()函数创建数据框,每列可以是不同类型的数据（例如字符型、数值型、逻辑型等）

data.frame(...)

其中(…) 表示可以传入多个参数，每个参数对应数据框的一个列。
例如：

df <- data.frame(name = c("John", "Alice", "Bob"), age = c(30, 25, 35), score = c(80, 85, 90))

数据框中的列可以通过名称来访问，例如：df$name或df[["name"]]。
数据框也可以通过行列索引来访问，例如：df[1, 2]表示访问数据框df的第一行第二列的元素。

六、数据的导入和导出

r导入和导出数据分为二进制数据和其他常见的数据格式。

1. 二进制数据

导入二进制数据

# 使用load()函数加载二进制数据文件
load("data.RData")

导出二进制数据

# 使用save()函数将R对象保存为二进制数据文件
save(data, file = "data.RData")

2.txt 文件

导入 txt 文件

write.table(x, file, append = FALSE, quote = TRUE, sep = " ", eol = "\n", na = "NA", dec = ".", row.names = TRUE, col.names = TRUE, ...)

x: 要写入文件的数据框或矩阵。
file: 要写入的文件路径。
append: 一个逻辑值，指定是否在文件末尾追加内容，默认为 FALSE。
quote: 一个逻辑值，指定是否在字符型数据周围加上引号，默认为 TRUE。
sep: 字段之间的分隔符，默认为一个空格。
eol: 行末的分隔符，默认为换行符。
na: 指定如何表示缺失值，默认为 “NA”。
dec: 指定小数点的字符，默认为 “.”。
row.names 和 col.names: 逻辑值，指定是否写入行名和列名，默认为 TRUE。
…: 其他参数。

导出 txt 文件

3.CSV 文件

导入 CSV 文件

# 使用read.csv()函数导入CSV文件
data <- read.csv("data.csv", header = TRUE)

导出 CSV 文件

write.csv(x, file, append = FALSE, quote = TRUE, sep = ",", eol = "\n", na = "NA", row.names = TRUE, col.names = TRUE, ...)

其中参数含义与write.table()相似

4.Excel 文件

导入 Excel 文件

# 使用readxl包导入Excel文件
library(readxl)
data <- read_excel("data.xlsx", sheet = 1)

导出 Excel 文件

libary(openxlsx)
write.xlsx(x, file, asTable = FALSE, overwrite = TRUE, ...)

x: 数据框或一个（命名的）对象列表。
file: 要保存xlsx文件的文件路径。
asTable: 如果为TRUE，将使用writeDataTable()而不是writeData()来将x写入文件（默认值：FALSE）。
overwrite: 覆盖现有文件（默认为TRUE，与write.table一样）。