R语言与机器学习
R语言基础
- R是一种为统计计算和绘图而生的语言和环境，它是一套开源的数据分析解决方案，由一个庞大且活跃的全球性研究型社区维护。
- 多数商业统计软件价格不菲，而R是免费的！
- R语言具备可扩展能力且拥有丰富的功能选项，帮助开发人员构建自己的工具及方法，从而顺利实现数据分析。
- R可运行与多种平台之上，包括Windows、Unix和Mac OS X。这基本上意味着它可以运行于你所能拥有的任何计算机上。
- 国际上R语言已然是专业数据分析领域的标准
R语言可以在CRAN上免费下载，推荐一个R语言的可视化IDE：R Studio(http://www.rstudio.com/)。
print("Hello","world")
R语言可以通过在命令前加问号的方式调出帮助，如?plot。
包
包是R函数、数据、预编译代码以一种定义完善的格式组成的集合。计算机上存储包的目录称为库(library)。函数.libPaths()能够显示库所在的位置。函数library()则可以显示库中有哪些包或加载已安装的包。
R自带了一系列默认包，其他包可通过install.packages("")下载来进行安装。
赋值
R语言一般以<-或等号=进行赋值，通常可以自动识别数据类型。
a<-1 #注释通常以井号开头
print(a)
a<-a*3
print(a)
b<-c("Hello","world")
print(b)
数据类型
#<-为赋值语句
test<-2#只有一个整数的数值型向量
print(test)#输出数据对象
str(test)#查看数据对象的结构
#rm(test)#或remove(object)，删除数据对象
#命令窗口输入ls()查看所有数据对象
#is.数据类型(数据对象名)判断数据类型
print(is.numeric(test))
print(is(test))
test1<-12.34#实数，双精度型
test2<-"R-Object"#字符串('R-Object')
test3<-TRUE#逻辑布尔值
test4<-2+4i#复数
test5<-NaN#非数字
test6<-Inf#无穷大
test7<-NULL#空值
#以下为判断数据类型的函数
print(is.double(test1))
print(is.character(test2))
print(is.logical(test3))
print(is.complex(test4))
print(is.nan(test5))
print(is.infinite(test6))
print(is.null(test7))
#is函数会输出所有可能的数据类型
print(is(test1))
#typeof()只会输出基本的数据类型
print(typeof(test1))
#as.integer/numeric/double/character/logical/complex/...() 强制类型转换
print(test1<-as.complex(test1))
print(test3<-as.integer(test3))
向量
向量，相当于其他语言中的数组，通常用c()表示，其内部元素可以是实数、复数、字符、逻辑型数据。
c<-c(1,2,3)
print(c)
name<-c("Alice","Mr.Brown","Xiao_Ming","Trump_China!")#字符串向量
print(name)
print(length(name))#元素的数量
str(name)#显示数据对象结构信息
一些特殊向量
grade<-rep("A",each=4)
stu_no<-seq(from=1,to=4,by=1)
present<-vector(length = 4)
rep(from:to,each=)：从from到to依次重复each次如：1:3,each=3 为 1 1 1 2 2 2 3 3 3
rep(from:to,times=)：从from到to周期重复times次如：1:3,times=3 为 1 2 3 1 2 3 1 2 3
seq(from=,to=,by=)：从from到to间隔by生成向量只写from和to即生成间隔为1的向量
seq(from=,to=,length=)：从from到to长度为length生成向量
vector(length = n)：创建长度为n的布尔值向量，初始值为FALSE
向量元素的选择
a<-seq(from=1,to=10)
print(a)
a[1]<--1#第一个元素
a[3:5]<-c(13,14,15)
a[c(6,8:10)]<-c(26,28,29,30)
#向量也可以作为引用元素的索引。这里指的是修改第6，8，9，10个元素
print(a)
p<-c(5,7,9)#创建位置向量，注意向量符号c不能丢
a[p]<-p
a[-c(p,6)]<-10#负号-表示指定除外的元素
print(a)
b<-c(TRUE,FALSE,TRUE,FALSE,TRUE,FALSE,FALSE,FALSE,TRUE,FALSE)
#创建逻辑性位置向量，取TRUE不取FALSE
print(a[b])
判断对象是否为向量：is.vector()；判断向量内各元素的数据类型：mode()
矩阵
利用矩阵可以描述二维数据，和向量相似，其内部元素可以是实数、复数、字符、逻辑型数据。矩阵使用两个下标来访问元素，A[i,j]表示矩阵A第i行、第j列的元素。
a<-c(1,2,3)#向量默认为列向量
b<-c(4,5,6)
c<-c(7,8,9)
d<-cbind(a,b,c)#合并列向量，行合并函数为rbind()。(bind v.合并)
rownames(d)<-c("1st","2nd","3rd")#给各行赋行名，
#各列赋列名用colnames(matrix)<-c("name1",...)
print(d)
print(is.matrix(d))#判断是否为矩阵
print(dim(d))#输出矩阵的行数和列数
print(colnames(d))#输出各列名称，可加[位置向量]
print(rownames(d))#输出各行名称，可加[位置向量]
print(str(d))#输出对象结构
行列合并时各向量元素应相等或成整数倍数
a<-c(1:9)
b<-c(1:3)
c<-c(3:7)
print(rbind(a,b))
#a 1 2 3 4 5 6 7 8 9
#b 1 2 3 1 2 3 1 2 3
print(cbind(a,b))#试一试这个会生成什么矩阵
#print(cbind(a,b,c))#c的元素个数不是a和b的倍数，会弹出警告。
向量和矩阵可以互相转换，转换函数为as.matrix(向量)和as.vector(矩阵)
接下来我们试着根据已知向量创建矩阵。
a<-seq(from=1,to=72)
colnames<-c('1','2','3','4','5','6','7','8','9')
rownames<-c('a','b','c','d','e','f','g','h')
#根据已知向量创建矩阵
m<-matrix(a,#已知向量
nrow=8,#行数
ncol=9,#列数
byrow=FALSE,#是否按行进行排列
dimnames = list(rownames,colnames))#行名列名
print(m)
# 1 2 3 4 5 6 7 8 9
#a 1 9 17 25 33 41 49 57 65
#b 2 10 18 26 34 42 50 58 66
#c 3 11 19 27 35 43 51 59 67
#d 4 12 20 28 36 44 52 60 68
#e 5 13 21 29 37 45 53 61 69
#f 6 14 22 30 38 46 54 62 70
#g 7 15 23 31 39 47 55 63 71
#h 8 16 24 32 40 48 56 64 72
print(m[2,3])#输出某一个元素
print(m[c(2,3),c(3,7)])#输出指定行列元素
print(m[1:3,])#输出指定行元素
print(m[,c(5,7,8)])#输出指定列元素
print(head(m,5))#head(matrix,n)前n行元素 tail(matrix,n)后n行元素
#fix(m) 打开数据编辑器编辑数据
数据框
矩阵只能存储相同存储类型的变量，数据框可以存储不同存储类型的变量。
name<-c("Alex","Bob","Tom","Alice")
age<-c(15,14,16,15)
class<-c(1,1,2,3)
gender<-c("male","male","male","female")
Student=data.frame(name=name,age=age,class=class,gender=gender)
#合并向量为数据框
print(Student)
print(names(Student))#输出表头
print(str(Student))#输出数据框结构信息
print(is.data.frame(Student))#判断是否为数据框
#fix(Student)#可视化界面修改数据
print(Student$name)#该语句与
print(Student[["name"]])#和
print(Student[[1]])#等价
数据框的绑定
attach-detach和with可以绑定数据框。这一代码区域的所有操作均与该数据框相关，用于简化代码。
#方法一：
attach(Student)
print(name)#在绑定数据框时，可以直接写域名，而无需指定数据框名
detach(Student)#解绑数据框。绑定区域内定义的变量在绑定区域外无法使用。
#方法二：
with(Student,{
print(name)
})
因子
因子用来表示分类，可进行有序分类和无序分类
a<-c("C","B","C","A","B")
b=as.factor(a)#向量转因子，as.vector()因子转向量
print(b)#此时仅有A，B，C三个因子
print(is.factor(b))
print(levels(b))#输出因子全部水平，按字母顺序排列
print(nlevels(b))#输出因子水平个数
print(str(b))#显示因子的信息
print(typeof(b))#因子的存储类型为整形Integer，但以字符串形式显示
创建一个因子
c<-factor(a,
order=TRUE,#是否为有序分类因子
levels=c("C","B","A"),#指定因子水平与取值的对应关系 3,2,1
labels=c("come_on","well","good")#因子水平标签
)
print(c)
数组
数组是由一个或多个二维表组成的多维结构。
a<-seq(from=1,to=120)#创建一个2x3x4x5的数组
dim0<-c("x1","x2")
dim1<-c("a1","a2","a3")
dim2<-c("b1","b2","b3","b4")
dim3<-c("c1","c2","c3","c4","c5")
b<-array(a,#由向量组成数组
c(2,3,4,5),#数组大小
dimnames=list(dim0,dim1,dim2,dim3))#数组各行列名称
print(b)
print(is.array(b))
print(str(b))
print(names(b))
#fix(b)
列表
列表是对象的集合，可包含向量，矩阵，数组，数据框甚至列表等。
x1<-matrix(1:15,3,5,TRUE)#创建一个包含向量，矩阵，数据框的列表
x2<-c(TRUE,FALSE,TRUE)
x3<-c("Alice","Alex","Amy","Alan","Amazon")
x4<-data.frame(num=c(1,2,3),name=c("Tom","Tim","Tam"))
x<-list(x0=b,x1=x1,x2=x2,x3=x3,x4=x4)
print(x)
print(names(x))
print(str(x))
绘图
win.graph() #创建并打开一个绘图窗口
print(dev.list()) #输出绘图窗口列表，一般窗口1为默认绘图窗口，不可关闭
#dev.off(2)#按编号关闭绘图窗口
print(dev.cur()) #正在使用的绘图窗口
dev.set(2) #使用某绘图窗口
pdf("plot.pdf") #创建文档
#png("D:/test.png")#也可以创建png等图片文件
dev.set(3)
pie(c(5, 6, 7)) #饼图
plot(c(1:10), c(11:20), col = rainbow(7), pch = 11, lty = 2)
#散点图，col为颜色，rainbow(n)为n种颜色循环，pch为点的形状，lty为线的形状
barplot(c(1,2,3),c(5,6,7))#条形图
dev.off(3)
文件与其它
a=scan(file = "test.txt",#读取文本文件数据并存为向量
what = double(), #数据格式转换
skip = 1)#跳过前一行
print(a)
b=read.table(file = "test.txt",#读取文本文件数据并存为数据框
header=TRUE,#第一行是否为表头（FALSE即为具体数据）
)#sep="" 分隔符 stringsAsFactors=TRUE 字符串转换为因子，默认为TRUE
print(b)
R的循环语法为for-in，for (item in list) {function}
R的输入函数为scan，如
a<-scan()，可以读取从终端输入的数据R可以使用SQL语句来读写数据，包名为sqldf，例：
data<-chickwts #自带数据：不同饮食种类对小鸡生长速度的影响 library(sqldf) result=sqldf("select weight from data where feed=\"soybean\"") print(result)