這學期開了統計機器學習的課程，鑒于薄弱的概率論與統計學基礎，學著還比較吃力，但是R語言的實踐，還是令人興趣十足。接下來的一段時間里，我便與大家分享我的R語言心得。

基本命令

• 保存數據指令：<-

>x<-c(1,3,2,5)
>x
[1] 1 3 2 5

• 刪除數據指令：rm( )
  ls( )函數可以查看所有的對象列表，用rm( )函數可以去除那些我們不想要的對象。
  假設我們已建立了x，y

>ls()
[1] "x" "y"
>rm(x,y)
>ls()
character(0)

也可以同清除所有的對象：

>rm(list=ls( ) )

• 展開幫助文件：?
  假如你現在在分析Boston數據集，他給你的是一個數據框，根據？Boston 你就會展開幫助文件，根據幫助文件，你可以知道這個數據集的數據來源，以及每列預測變量代表的含義。
• 計算均值，方差與標準差
  均值mean( )
  方差var( )
  標準差sqrt(var( ) ) 或者 sd( )

>set.seed(3)
>y=rnorm(100)
>mean(y)
[1] 0.01103557
>var(y)
[1] 0.7328675
>sqrt(var(y))
[1] 0.8560768
>sd(y)
[1] 0.8560768

• 索引數據
  在這個部分里講如何索引數據，以及如何去除某一行，列的數據，矩陣的形成我們放到后面的數據結構中說明。

>A=matrix(1:16,4,4)
>A
　 [,1] [,2] [,3] [,4]
[1,] 1 5 9 13
[2,] 2 6 10 14
[3,] 3 7 11 15
[4,] 4 8 12 16

然后輸入以下命令

>A[2,3]
[1] 10

現在選擇了第2行第3列所對應的元素，中括號[ ]中的第一個數指示的是行，第二個數指示的是列。有時候可以選擇多行和多列。
在索引里用一個負號“-”告訴R不包含指示的行和列。

>A[-c(1,3),]
　 [,1] [,2] [,3] [,4]
[1,] 2 6 10 14
[2,] 4 8 12 16
>A[-c(1,3),-c(1,3,4)]
[1] 6 8

dim（）函數輸出一個矩陣的行數，緊跟著輸出這個矩陣的列數。

>dim(A)
[1] 4 4

數據結構

R語言中數據結構分向量，矩陣，數組，數據框，因子，列表 6種

向量

向量是用于存儲數值型，字符型或邏輯型數據的一維數組。執行組合功能的函數c( )可用來創建向量。各類向量如下例所示：

• a<-c(1,2,5,3,6,-2,4)
• b<-c("one","two","three")
• c<-(TRUE,TRUE,TRUE,FALSE,TRUE,FALSE)
  這里，a是數值型向量，b是字符型向量，而c是邏輯型向量。注意，單個向量中的數據必須擁有相同的類型或模式。同一向量無法混雜不同模式的數據。
• 注：由于R中內置了同名函數c( )，最好不要在編碼時使用c作為對象名，否則可能產生一些不易察覺的問題。

矩陣

矩陣是一個二維數組，只是每個元素都擁有相同的模式（數值型，字符型或邏輯型）?？赏ㄟ^函數matrix創建矩陣。一般使用格式為：
mymatrix<-matrix ( vector, nrow=number_of_rows, ncol=number_of_columns,
　　　　　　　　　　byrow=logical_value,dimnames=list(
　　　　　　　　　　char_vector_rownames , char_vector_colnames ) )
其中vector包含了矩陣的元素，nrow和ncol用以指示行和列的維數，dimnames包含了可選的、以字符型向量表示的行名和列名。byrow則表明矩陣應當按行填充（byrow=TRUE）還是按列填充（byrow=FALSE），默認情況下按列填充。

For Example：創建矩陣

創建一個5x4的矩陣
>y<-matrix(1:20,nrow=5,ncol=4)
>y
　[,1] [,2] [,3] [,4]
[1,] 1 6 11 16
[2,] 2 7 12 17
[3,] 3 8 13 18
[4,] 4 9 14 19
[5,] 5 10 15 20

創建一個2x2的矩陣，并進行按行填充
>cells<-c(1,26,24,68)
>rnames<-c("R1","R2")
>cnames<-c("C1","C2")
>mymatrix<-matrix(cells,nrow=2,ncol=2,byrow=TRUE,dimnames=list(rnames,cnames))
>mymatrix
　 C1 C2
R1 1 26
R2 24 68
按列填充
>mymatrix<-matrix(cells,nrow=2,ncol=2,byrow=FALSE,dimnames=list(rnames,cnames))
>mymatrix
　 C1 C2
R1 1 24
R2 26 68

數組

數組（array）與矩陣類似，但是維度可以大于2。數組可通過array函數創建，形式如下：

myarray<-array(vector , dimensions , dimnames)
其中vetor包含了數組中的數據，dimensions是一個數值型向量，給出了各個維度下標的最大值，而dimnames是可選的、各維度名稱標簽的列表。

For Example：創建數組

>dim1<-c("A1","A2")
>dim2<-c("B1","B2","B3")
>dim3<-c("C1","C2","C3","C4")
>z<-array(1:24,c(2,3,4),dimnames=list(dim1,dim2,dim3))
>z
, , C1

B1 B2 B3
A1 1 3 5
A2 2 4 6

, , C2

B1 B2 B3
A1 7 9 11
A2 8 10 12

, , C3

B1 B2 B3
A1 13 15 17
A2 14 16 18

, , C4

B1 B2 B3
A1 19 21 23
A2 20 22 24

數據框

數據框中不同的列可以包含不同模式（數值型，字符型等）的數據。數據框將是你在R中最常處理的數據結構。
數據框可通過函數data.frame( )創建：

mydata<-data.frame(col1, col2 ,col3 ,...)
其中的列向量col1,col2,col3,...可為任何類型（如字符型，數值型或邏輯型）。每一列的名稱可由函數names指定。

For Example：創建數據框

>patientID<-c(1,2,3,4)
>age<-c(25,34,28,52)
>diabetes<-c("Type1","Type2","Type1","Type1")
>status<-c("Poor","Improved","Excellent","Poor")
>patientdata<-data.frame(patientID,age,diabetes,status)
>patientdata
　 patientID age diabetes status
1 　　　　 1 25 　 Type1 　Poor
2 　　　　2 34 　 Type2　 Improved
3 　　　　 3 28 　 Type1　 Excellent
4 　　　　 4 52 　 Type1 　 Poor

選取數據框的數據在這里只介紹一個特別的，那些簡單的就不一一介紹了?！?”，用以選取一個給定數據框中的某個特定變量

>patientdata$age
[1] 25 34 28 52

除了$符號，我們可以利用attach( ),detach( )和with( )函數來調用數據框中的數據。

• attach( )和detach( )
  函數attach( )可將數據框添加到R的搜索路徑中。R在遇到一個變量名以后，講檢查搜索路徑中的數據框，以定位這個變量。
  舉個例子，有如下代碼：

summary(mtcars$mpg)
plot(mtcars$mpg,mtcars$disp)
plot(mtcars$mpg,mtcars$wt)

以上代碼也可寫成：

attach(mtcars)
　 summary(mpg)
　 plot(mpg,disp)
　 plot(mpg,wt)
detach(mtcars)

• with( )
  重寫上例：

with(mtcars,{
　summary(mpg,disp,wt)
　plot(mpg,disp)
　plot(mpg,wt)
})

attach( )與with( )函數之間的區別，在這里不就說明。如需了解，可給我發簡信。

因子

變量可歸結為名義型，有序型或連續型變量。名義型變量是沒有順序之分的類別型變量。以上patientdata中糖尿病類型Diabetes(Type1,Type2)就是名義型變量的一類。即使在數據中Type1編碼為1而Type2編碼為2，但這并不意味著二者是有序的。病情Statu(poor,improved,excellent)是順序型變量的一個示例。
類別（名義型）變量和有序類別（有序型）變量在R中成為因子（factor）。

舉例來說，有向量：
-diabetes<-c("Type1" , "Type2" , "Type1" , "Type1" )
語句diabetes<- factor(diabetes)將此向量存儲為（1，2，1，1），
并在內部關聯為1=Type1 ，2=Type2。針對向量diabetes進行的任何分析都會將其作為名義型變量對待。

表示有序型變量，就要為函數factor( )指定參數ordered=TRUE。
status<- c("Poor" , "Improved" , "Excellent" , "Poor")
語句status<- factor(status,ordered=TRUE)會將向量編碼為（3，2，1，3），
并在內部關聯為1=Excellent,2=Improved,3=Poor。針對此向量進行的任何分析都會將其作為有序型變量對待。

對于字符型向量，因子的水平默認依據字母順序創建。
你可以通過levels來覆蓋默認排序
status<- factor(status, order=TRUE,
　　　　　　　　 levels=c("Poor" , "Improved" , "Excellent" ) )
賦值為 1=Poor,2=Improved, 3=Excellent。

For Example：因子的使用

>patientID<-c(1,2,3,4)
>ge<-c(25,34,28,52)
>status<-c("Poor","Improved","Excellent","Poor")
>diabetes<-c("Type1","Type2","Type1","Type1")
>status<-factor(status,ordered=TRUE)
>patientdata<-data.frame(patientID,age,diabetes,status)
>str(patientdata)
'data.frame': 4 obs. of 4 variables:
$ patientID: num 1 2 3 4
$ age : num 25 34 28 52
$ diabetes : Factor w/ 2 levels "Type1","Type2": 1 2 1 1
$ status : Ord.factor w/ 3 levels "Excellent"<"Improved"<..: 3 2 1 3
>summary(patientdata)
　 patientID 　　 age 　　　　　　 diabetes 　 status
Min. :1.00 　　　Min. :25.00 　　 Type1:3 　 Excellent:1
1st Qu.:1.75 　 1st Qu.:27.25 　　Type2:1 　 Improved :1
Median :2.50 　 Median :31.00 　　　　　　　 Poor :2
Mean :2.50 　　 Mean :34.75
3rd Qu.:3.25 　 3rd Qu.:38.50
Max. :4.00 　　 Max. :52.00

• str(object)可提供R中某個對象的信息。

列表

列表（list）是R的數據類型中最為復雜的一種。列表就是一些對象的有序集合。通俗的說，就是某個列表中可以是若干向量、矩陣、數據框，甚至其他列表的組合。
可用list( )創建列表
mylist<- list (object1 , object 2,...)
還可以為列表中的對象命名：
*mylist<- list(name1=object1, name2=object2, ...)

For Example：創建一個列表

> g<-"My Fist List"
>h<-c(25,26,18,39)
>j<-matrix(1:10,nrow=5)
>k<-c("one","two","three")
>mylist<-list(title=g,ages=h,j,k)
>mylist
$title
[1] "My Fist List"

$ages
[1] 25 26 18 39

[[3]]
　 [,1] [,2]
[1,] 1 6
[2,] 2 7
[3,] 3 8
[4,] 4 9
[5,] 5 10

[[4]]
[1] "one" "two" "three"

了解了基本命令和各種數據的創建，就可以運用R做一些簡單的運算，一個龐大的數據放在你面前，你真的會不知所措，但是通過R，你可以發現其中的奧秘。歡迎大家和我一同學習R語言。

• 本文中的代碼來自于 R語言實戰 R in Action。