R軟體與統計分析(上) R軟體安裝與基本使用CH1 2 8 R基本運算和變數種類CH3 4 資料輸出入與資料處理CH5 6

R軟體簡介、安裝R、直接執行R指令、撰寫R程式及自訂函數、使用輸出入資料檔、程式執行的記錄檔、內建資料檔、安裝及載入R套件

R軟體簡介 R軟體包含資料處理、統計分析、科學運算、圖形功能及資料探勘等功能。 R軟體最早是由奧克蘭大學的Robert Gentleman & Ross Ihaka兩位學者於1995年仿S語言(1976貝爾實驗室研發)而發展出來的統計軟體。目前R軟體則是開放原始碼，陸續還會有許多套件(packages)的新增與更新，不斷地擴充R軟體的功能。 R軟體的主要組成包括:R核心程式與基本套件、R直譯器、眾多套件與函數、GUI。

下載R軟體 http://www.r-project.org

安裝R軟體 選擇「Download R for Windows」 選擇「install R for the first time」 直接執行此壓縮檔 設定預設的安裝目錄 選擇安裝元件，中文版的圖形使用者介面，請勾選「Message translations」。 安裝完成，即可從「開始->程式集->R-> R i386 3.1.1」，進入R的使用者介面。

範例一:直接執行R指令

help指令或?查詢rnorm函數

plot指令畫出的X-Y散佈圖

範例二:撰寫R程式

執行外部的程式檔

R程式撰寫說明 > 字號為輸入指令的提示符號，一行多個運算式可以;號隔開，一個運算式可分成多行 # 字號之後為註解，程式不會執行 + 字號表示尚未輸入完成，可按Esc離開 ↑鍵可自動重複上一個指令 Assign符號可為<- 或=號，以()括住指令直接顯示資料 變數或函數名稱可以是英數字加底線或句點，第一個字必須是英文，有大小寫的差異 NA表示missing value 、NaN表示not a number 、NULL表示empty object 檔案路徑可寫成sink("c:/R/sink.log")或sink("c:\\R\\sink.log")

撰寫自訂函數mybmi mybmi<-function(h,w) { bmi=w/(h/100)^2 return(bmi) } 程式檔名為myfun.R

要用時直接載入執行

使用自訂函數mybmi

範例三:使用輸出入資料檔 以read.table指令讀入此檔，放在資料框架變數mydata

自訂函數mybmi執行結果

將數個變數組成資料框架變數

輸出成文字資料檔 以write.table指令將資料框架變數all 輸出到檔案

範例四:記錄程式執行的結果 mydata=read.table("c:/r/input.txt", header= TRUE) #設定記錄結果的檔名 sink("c:/R/sink.log") summary(mydata$height) summary(mydata$weight) summary(lm(mydata$height~ mydata$weight)) #以sink()結束記錄動作 sink()

開啟結果檔(比較 p51的亂數資料)

範例五:使用內建資料檔

iris的基本敘述統計

iris的迴歸分析

R軟體的套件Packages

或直接>install.packages(“car”)

載入car套件及設定工作目錄 *只要安裝1次,每次要用時載入即可>library(car) *可以>search()檢視已載入的套件

R軟體基本運算、R的資料屬性、向量變數、陣列變數、矩陣變數、因子變數、串列變數、資料框架變數、時間數列變數

greater than or equal to 算術、比較、邏輯運算子 Arithmetic算術 Comparison比較 Logical邏輯 + addition < lesser than !x NOT - subtraction > greater than x&y AND * multiplication <= lesser than or equal to x&&y AND條件 / division >= greater than or equal to x|y OR ^ 或** power == equal x||y OR條件 %% modulo != different xor(x,y) exclusive OR %/% integer division >a=c(0,1,0,1) >b=c(0,0,1,1) 　 向量邏輯運算 >a&b或 a|b　

R軟體字串和有序數列運算

R軟體基本向量運算(vector)

R軟體基本統計運算

R的資料屬性 Logical—邏輯TRUE(T) 、 FALSE (F) Integer—整數 Double—又稱real或 numeric Complex—複數 3+2i或寫成 x= complex( real=3,imaginary=2) Character—文字字串(character或string) name=“John” Raw—二進位資料

向量變數(Vector) 可視為一個集合或有序(ordered)物件，元素屬性需相同 從1開始的指標系統，如x[3]指向x向量的第3個元素，x= x[-5]可刪除x向量的第5個元素 向量變數常用的函數: is.vector(x)、 c()、length、dim、names 、matrix(x,r,c) 將向量x轉為r列c行的矩陣

向量變數常用的函數

陣列變數(Array) 陣列變數可視為多維度版本的向量變數，元素屬性需相同，如x[i,j,k] 陣列變數常用的函數: rbind、 cbind、array函數是以逐欄方式放資料、 length、ncol、nrow 、column、 row、 dim、 colnames、 rownames、 dimnames 、aperm轉置

陣列變數常用的函數

矩陣變數(Matrix) 矩陣變數是陣列變數的2維特例，例如x[i,j] 矩陣變數常用的函數: t(x) : 轉置矩陣 as.matrix(x) : 將框架變數轉成矩陣型態 %*% : 矩陣相乘或矩陣和向量相乘(加減+ -) diag(x) : 對角線 diagonal det(x) : 行列式值 determinant solve(x) : 反矩陣 inverse matrix eigen(x) :特徵值與特徵向量eigenvalue matrix(1:20,nrow=5,ncol=4,byrow=TRUE) cbind、 rbind、 colnames、 rownames 、 dim

矩陣變數常用的函數

因子變數(Factor) 因子變數可用來儲存分類變數，很像是文字向量，若因子變數各分類間有特定順序關係，則稱為有序(ordered)因子變數，可以比較大小 因子變數常用的函數: factor、as.factor:建立因子變數 ordered、as.ordered:建立有序因子變數 levels:查詢或設定分類資料 gl():產生Factor分類名稱，產生2個分類，重複5次gl(2,5,labels=c(“Control”,”Treatment”))

因子變數常用的函數

串列變數(List) 串列變數的元素可以是不同長度、不同變數種類，可以是數值、文字、向量、矩陣、陣列、因子、資料框架，甚至是另一個串列 可用數字指標系統，也可使用串列變數$名稱指標來找尋個別元素 可利用names或attributes函數查看串列變數的名稱指標，很多函數的傳回值都是用串列變數 list(元素名稱1=元素值1,元素名稱2=元素值2,元素名稱3=元素值3,…)

串列變數常用的函數

資料框架變數(Data-Frame) 資料框架變數是用來儲存一個資料檔所有的變數與觀察值，各個行向量長度必須相等，同一個行向量的需為相同屬性 資料框架變數常用的函數: data.frame() 、edit : 建立資料框架變數 edit、fix : 編輯資料框架變數 names與colnames : 設定或查詢直行名稱 rownames與row.names: 設定或查詢橫列名稱 X=read.table(“data.txt”) : 讀入外部資料檔 expand.grid :建立實驗設計所需的資料框架變數

讀入與使用資料框架變數

寫出與編輯資料框架變數

時間數列變數(Time-Series) ts是處理時間數列資料變數的函數，時間數列的迴歸函數，如ar或arima函數採用ts變數 基本語法 ts(x,start,end,frequency)， x可以是向量、陣列或矩陣，end可省略，start=c(t1,t2)，t1是第一個時間單位的起點，t2是第二個時間單位的起點，如start=c(2012,3)，可搭配freq=4季 或12 月或365天

時間數列變數的函數

單變數的資料輸入輸出、多變數的資料輸入輸出、存取R軟體的資料檔(.rda) 、存取Excel資料檔、重新編碼、資料排序、資料合併、資料篩選 三.資料輸出入與資料處理 單變數的資料輸入輸出、多變數的資料輸入輸出、存取R軟體的資料檔(.rda) 、存取Excel資料檔、重新編碼、資料排序、資料合併、資料篩選

單變數的資料輸入(從鍵盤)

單變數的資料輸入(從檔案)

單變數的資料輸出

多變數的資料輸入檔案格式 scan+matrix: 續前例y.txt read.table: 空格分隔的格式檔案 z=matrix(scan("C:/Documents and Settings/stella/桌面/R/y.txt",n=10,sep=","), nrow=2,ncol=5,byrow=TRUE) read.table: 空格分隔的格式檔案 read.csv: 逗號分隔的格式檔案 read.csv2: 分號分隔的格式檔案 read.delim: TAB鍵分隔的格式檔案 read.fwf: 固定寬度的格式檔案

多變數的資料輸入註解 mydata=read.table(file=“c:\\r\\data.txt”, col.names=c(“name”,”age”,”sex”)) 檔案中有變數名稱，加上header=T，檔案中沒有變數名稱，也沒有用col.names設定，則預設為V1，V2… mydata[2]、mydata[” V2”]: 傳回值是框架變數 mydata$V2、mydata[,2]、mydata[,”V2”] : 傳回值是向量

多變數的資料輸入輸出範例

存取R軟體的資料檔(.rda) R軟體本身提供二進位的資料檔格式(.rda或Rdata) ，方便使用者儲存操作過程中的物件，包含自訂函數、變數等 getwd(“d:\\stella”) 目前工作區目錄 setwd(“d:\\stella”) 設定工作區目錄 ls() 顯示工作區所有物件 save(x,y,myfunc,file=“c:/r/mydata.rda”) save.image(“c:/r/alldata.rda”) load(“c:/r/mydata.rda”)

存取Excel資料檔(.xlsx)

重新編碼 使用邏輯判斷式:TRUE為1,FALSE為0 使用ifelse函數:ifelse(邏輯判斷式,TRUE傳回值,FALSE傳回值) 使用cut()函數 使用recode()函數

重新編碼(邏輯判斷式和ifelse函數) ifelse(邏輯判斷式,TRUE傳回值,FALSE傳回值) >newgroup=ifelse(income>=60000,”RICH”,”POOR”)

cut()函數 cut(x,breaks,labels,right=T, include.lowest=F) breaks為切割點資訊,若為整數k表分割成均等的k組 labels為切割後的各組名稱,若無此項則傳回數字向量 include.lowest=F表示不含各區間的最小值 right=T表示各區間左端open右端closed

car套件的recode函數 設定重新編碼規則的字串,以分號分隔編碼 規則,規定如下: 舊碼=新碼 例如: 0=NA 舊碼向量=新碼 例如: c(7,8,9)=“high” start:end=新碼 例如: 7:9=‘C’或lo:10=1或11:hi=2 else=新碼 例如: else=NA

重新編碼(cut函數和recode函數)

資料的排序 sort(X,decreasing=FALSE): 從小排到大或從大排到小 rank(X): 各元素的排序等級 order(X): 先將元素由小到大排好,再傳回其在原向量的數字指標 rev(X): 將整個向量倒過來排 整個資料檔排序: >iris[order(Sepal.Length),]

資料的排序

資料的合併 垂直合併(rbind函數): 兩個框架變數具相同的欄位,但不含相同橫列資料 水平合併(merge函數):兩個框架變數具有大致相同的橫列資料,但除了主鍵以外具有不同的欄位資料 merge(x,y,by=“id”)顯示x y交集的資料 merge(x,y,by=“id”, all=T)顯示x y聯集的資料 merge(x,y,by=“id”,all.x=T)顯示x各筆資料 merge(x,y,by=“id”,all.y=T)顯示y各筆資料

資料的合併

資料的篩選 使用split函數篩選資料 使用指標篩選資料 使用sample函數隨機篩選資料 使用邏輯值篩選資料 使用subset函數篩選資料

使用split函數篩選資料

使用指標篩選資料

sample函數和邏輯值篩選資料 *隨機取樣 抽出不放回 *間隔取樣 每10筆取1 >babies[as.numeric(rownames(babies) )%% 10==0,]

使用subset函數篩選資料

四. R繪圖功能與版面配置 圖形區域的版面配置、圖形設定參數、散佈圖、函數曲線、矩陣圖、條件散佈圖、常態機率圖、直方圖、點狀圖、長條圖、盒狀圖、圓餅圖、3D繪圖、共用輔助參數、附加圖形應用、程式迴圈

圖形區域的版面配置 R最具特色的功能之一就是繪圖功能，一般是一張紙畫一個圖形，但R可以將多張圖形放在同一張紙，但事先最好先儲存一張圖的原始設定，如oldpar=par()，之後再以指令par(oldpar)恢復，方式包括以下三種: par函數搭配mfrow或參數mfcol參數: 適合規則形狀的多張圖形分布 layout函數:適合不規則的多張圖形分布 par函數搭配fig參數: 適合不規則的多張圖形分布

par()函數搭配mfrow參數 適合規則形狀的多張圖形分布，例如 par(mai=c(0.5,0.5,0.5,0.5),mfrow=c(3,2)) mai設定紙張邊緣(英吋) 依序是底部、左邊、頂端、右邊，mfcol是逐欄，mfrow是逐列排列 將babies依年齡分為6組(~20、20-25、25-30、30-35、35-40、40~)畫6個height和 weight的散佈圖

多張規則圖形的程式碼 babies=read.table("d:/R/babies.txt”,header=T) grp1=subset(babies,age<20) grp2=subset(babies,age>=20 & age<25) grp3=subset(babies,age>=25 & age<30) grp4=subset(babies,age>=30 & age<35) grp5=subset(babies,age>=35 & age<40) grp6=subset(babies,age>=40) oldpar=par() par(mai=c(0.5,0.5,0.5,0.5),mfrow=c(3,2)) #by rows plot(grp1[,"height"],grp1[,"weight"]) #plot(x,y) x y are vectors plot(grp2[,"height"],grp2[,"weight"]) plot(grp3[,"height"],grp3[,"weight"]) plot(grp4[,"height"],grp4[,"weight"]) plot(grp5[,5],grp5[,6]) plot(grp6$height,grp6$weight) par(oldpar)

6個規則圖形的散佈圖

layout函數:不規則的多個圖形 1 2 3 2 1 3 layout(M,widths,heights) M是圖形分佈的矩陣，widths、heights各是設定M矩陣長、寬的比例，其基準點是左下角 上圖的指令為2x2矩陣layout(matrix(c(1,1,2,3),2,2, byrow=T)) 下圖的指令為2x2矩陣 layout(matrix(c(2,0,1,3),2,2, byrow=T), widths=c(3,1), heights=c(3,1)) 1 2 3 2 1 3

layout函數的程式碼 attach(iris) layout(matrix(c(2,0,1,3),2,2, byrow=T), widths=c(2,1), heights=c(1,2)) plot(Sepal.Length,Sepal.Width,main="Sepal Length-Width Scatter Graph") hist(Sepal.Length,main="Sepal Length Histogram Graph") hist(Sepal.Width,main="Sepal Width Histogram Graph")

layout函數的多個圖形

par函數搭配fig參數 par(fig=c(x1,x2,y1,y2)) par(fig=c(0,0.8,0.7,1)) 大約是圖2的版面位置, 左下角座標(x1,y1)是(0,0.7) ,右上角座標(x2,y2)則是(0.8,1) (0,1) (1,1) 2 1 3 (1,0) (0,0)

par函數搭配fig參數程式碼 attach(iris) par(fig=c(0,0.6,0,0.6),new=TRUE) plot(Sepal.Length,Sepal.Width,main="Sepal Length-Width Scatter Graph") par(fig=c(0,0.6,0.6,1),new=TRUE) hist(Sepal.Length,main="Sepal Length Histogram Graph") par(fig=c(0.6,1,0,0.6),new=TRUE) hist(Sepal.Width,main="Sepal Width Histogram Graph")

par函數搭配fig參數多個圖形

圖形基本設定參數 col=k : 設定color,可用在col.axis、col.lab、col.main、col.sub,設定座標軸、X與Y軸、主標題、附標題的顏色,可以color()查到顏色名稱 lty=k : line type , k=1為實線 lwd=k : line width , k為標準線寬的倍數 pch=k或”圖點符號”,預設為圓點, k=0~20 font=k :設定字體,1一般字體、2粗體、3斜體、4粗斜體,可用在font.axis、font.lab、font.main、font.sub cex=k : 設定字型的倍數(可為小數),可用在cex.axis、cex.lab、cex.main、cex.sub

plot散佈圖、長條圖、盒狀圖 >plot(Species) >plot(iris)或 pairs(iris) >plot(Sepal.Length,Sepal.Width) >plot(Species,Sepal.Length) >plot(iris)或 pairs(iris) >plot(~Sepal.Length+ Petal.Length+Petal.Width) >plot(Sepal.Length)

curve 函數曲線 curve(x^2-4*x+3,-4,4,lty=2,add=T) curve(sin(x),-4,4)

pair矩陣圖 >pair(iris)

coplot條件散佈圖 > coplot(Sepal.Length~Petal.Length | Species)

常態機率圖qqnorm qqline、qqplot qqplot(Sepal.Length,Sepal.Width) qqnorm(Sepal.Length)+ qqline(Sepal.Length)最佳線

直方圖hist hist(Sepal.Length,breaks=4:8) hist(Sepal.Length,nclass=8)

點狀圖dotplot >install.packages("epicalc") >library(epicalc) >dotplot(Sepal.Width,pch=16)

bar plot長條圖 cancers=c(11,16,17,6,12) labels=c("乳癌","支氣管癌","結腸癌","卵巢癌","胃癌") barplot(cancers) barplot(cancers,names=labels) barplot(cancers,names=labels,horiz=T) barplot(cancers,names=labels,col=c(1,2,3,4,5)) barplot(cancers,names=labels,col=c(1,2,3,4,5),density=10) barplot(cancers,names=labels,col=c(1,2,3,4,5),density=40)

barplot長條圖

boxplot盒狀圖 boxplot(iris[,1],xlab="SLen",main="(F1)") boxplot(iris[,1:4],main="(F2)") boxplot(iris[,1:4],main="(F3)",names=c("Slen","Swid","Plen","Pwid")) boxplot(iris[,1:4],main="(F4)",horizontal=T) boxplot(iris[,4]~iris[,5],main="(F5)",xlab="flower class",ylab="Slen") boxplot(Sepal.Length~Species,data=iris,main="(F6)",xlab="flower class",ylab="Slen“ ,col=c(2,3,4))

boxplot盒狀圖

Pie圓餅圖 sales=c(0.12,0.3,0.26,0.16,0.04, 0.12) snames=c("電腦","廚具","家電","傢俱","其他","服飾") pie(sales, label= snames)

3D繪圖contour 、 image 、persp contour(x,y,z):畫出地圖效果的等高線圖 image(x,y,z):類似於contour，但可畫出色彩 persp(x,y,z,theta,phi,box=TRUE):畫出真正的三度空間透視圖，theta控制圖形上下旋轉角度，phi控制圖形左右旋轉角度，box=TRUE則不畫出框線

3D繪圖contour 、 image 、persp x=seq(-3,3,0.1) y=x f=function(x,y){(1/(2*pi))*exp(-0.5*(x^2+y^2))} z=outer(x,y,f) #外積函數outer par(mfcol=c(2,2)) contour(x,y,z) image(x,y,z) persp(x,y,z) persp(x,y,z,theta=30,phi=30,box=F, main= "persp theta=30 phi=30")

3D繪圖contour 、 image 、persp

繪圖函數的共用輔助參數 main=“” 、 sub=“” 、xlab=“” 、ylab=“” xlim=c(xmin,xmax) 、 ylim=c(0,30) add=TRUE #覆蓋前一張圖 axes=FALSE #不畫出座標軸 xaxt=“n” yaxt=“n” #不畫出座標軸格線 right=FALSE #即右邊為開放區間 < log=“x”、 log=“y”、 log=“xy” type=“p”:points only 、type=“l”:lines only type=“b”:points and lines、 type=“o”:overlap type=“s”:steps 、type=“h”:height

plot圖點樣式 x=rnorm(10,0,1) >plot(x,type=“p”) >plot(x,type=“l”) >plot(x,type=“b”) >plot(x,type=“o”) >plot(x,type=“h”) >plot(x,type=“s”)

附加圖形:points、lines、text height=sample(150:190, 30,replace=TRUE) score=sample(c(60:100), 30,replace=TRUE) xp=c(160,165,170,175) yp=c(80,90,80,90) plot(height,score) points(xp,yp,col=2, pch=19) lines(xp,yp,col=3) text(xp,yp+5,col=4, label=c("P1","P2","P3","P4"))

附加圖形:legend、title、axis age=sample(20:60,100, replace=TRUE) sex=sample(c("M","F"),100,replace=TRUE) race=sample(c("WHITE","YELLOW","BLACK"),100,replace=TRUE) data=data.frame(age,sex,race) barplot(table(race),col= 4:6) table(race) 28 31 41

附加圖形:legend、title、axis table(sex,race) F 8 17 21 M 20 14 20 barplot(table(sex,race), col=c("pink","blue"), axes=FALSE) legend(0.5,40,c("Female","Male"),col=c("pink","blue"),pch=15) title(main="Race and Sex Bar Chart",sub="in1988") axis(2,las=2) 1底部 2左邊 las=2水平數字

也可在既有圖形加入add=T boxplot(age~race, main="Age by Race", col="yellow",boxwex=0.3) boxplot(age[sex== "M"]~race[sex=="M"],col="blue",boxwex=0.1,at= c(1.3,2.3,3.3), add=TRUE, axes=F)

自訂座標軸及互動式圖形 attach(iris) plot(Sepal.Length,Petal.Length,xaxt="n",yaxt="n",xlim=c(4,8)) axis(side=1,at=seq(4,8,by=0.5)) axis(side=2,las=2) abline(v=7,col="red") identify(Sepal.Length,Petal.Length) 按右鍵的停止功能結束

附加圖形應用:points、 legend plot(Sepal.Length[Species=="setosa"],Petal.Length[Species=="setosa"], pch=1 ,col="black", xlim=c(4,8), ylim= c(0,8), main="classified scatter plot", xlab= "SLen", ylab= "PLen") points(Sepal.Length[Species=="virginica"],Petal.Length[Species=="virginica"],pch=3,col="green") points(Sepal.Length[Species=="versicolor"],Petal.Length[Species=="versicolor"],pch=2,col="red") legend(4,8,legend=c("setosa","versicolor","virginica"),col=c(1,2,3),pch=c(1,2,3))

附加圖形應用iris

一張紙12個圖形(同一個目錄) # method 1:all files of one directory (dir=list.files("d:/stella/R/baby",full.name=TRUE)) par(mai=c(0.5,0.5,0.5,0.5),mfrow=c(3,4)) lbl=c("~20","20~25","25~30","30~35","35~40","40~") for (i in 1:length(dir)) { file0=dir[i]; data=read.table(file=file0,header=T) hist(data$bwt,main=paste("babies weight hist age=",lbl[i])) plot(data$height,data$weight,main=paste("height and weight plot age=",lbl[i])) }

迴圈執行同目錄下的6個檔 baby1.txt-baby6.txt對應先前 grp1-grp6所輸出的檔

迴圈執行結果

兩張紙12個圖形(循序檔名) #seqential file names pdf("d:\\stella\\R\\baby\\babies.pdf") par(mai=c(0.5,0.5,0.5,0.5),mfrow=c(3,4)) lbl=c("~20","20~25","25~30","30~35","35~40","40~") for (i in 1:6) { fn=paste("d:\\stella\\R\\baby\\baby",i,".txt",sep=""); data=read.table(file=fn,header=T) hist(data$bwt,main=paste("babies weight hist age=",lbl[i])) plot(data$height,data$weight,main=paste("height and weight plot age=",lbl[i])) } graphics.off()