R軟體基本使用 R軟體安裝與基本使用 R基本運算和變數種類 R資料處理功能 4 2 3 1 R的資料輸出入

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、程式執行結果的記錄檔、使用內建資料檔

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

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) summary(mydata$weight) summary(lm(mydata$height~ mydata$weight)) #以sink()結束記錄動作 sink()

記事本開啟的結果檔

範例五:使用內建資料檔

iris的基本敘述統計

練習:乳腺癌醫學診斷應用 本範例檔wdbc.txt的乳腺癌(Breast Cancer Diagnostic)的診斷資料，取自美國加州大學歐文分校的機械學習資料庫http://archive.ics.uci.edu/ml/datasets/Breast+Cancer+Wisconsin+%28Diagnostic%29 Wisconsin大學臨床研究中心於1995年蒐集569例乳腺癌症的病患實際診斷資料，診斷的方式是對於可疑的乳腺腫塊使用細針穿刺的技術 (Fine Needle Aspirate, FNA)蒐集數位化圖像並加以計算

乳腺癌醫學診斷欄位說明 wdbc.txt的欄位計有32項，分別是 1. 識別號碼(ID number)：識別號碼 2. 診斷結果(Diagnosis)：惡性(M = malignant)、良性(B = benign) 3-32. 這30項資料是計算每一個細胞核的真實資料測量值，包含以下的內容：半徑(radius)、紋理(texture)周長(perimeter)、範圍(area)、平滑度(smoothness)、緊密度(compactness)、凹陷部分的程度(concavity)、凹陷部分的數量(concave points) 、對稱度(symmetry) 、碎型維度(fractal dimension)

wdbc=read.table("d:\\stella\\R\\wdbc.txt",header=T,sep=",") #redirect screen output to file sink("d:\\stella\\R\\out.txt") summary(wdbc) # descriptive statistics head(wdbc) # browse 6 records attach(wdbc) # do not need wdbc$c1 # cat is printing function, \t \n are tab newline cat("c1 mean=",round(mean(c1),2),"\tc1 std=",round(sd(c1),2),"\n") cat("c2 mean=",round(mean(c2),2),"\tc2 std=",round(sd(c2),2),"\n") sink()

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 A[2, ] A[ ,1] A[1,2]

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，可以用來比較大小 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

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，類似Excel的工作表 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

讀入與使用資料框架變數

使用資料框架變數的註解 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

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

練習:小迴圈 iris 4個數值欄位的平均和標準差 wdbc 30個數值欄位的平均和標準差 輸出顯示: cat(字串或變數,字串或變數…,file= “ “,sep=“ “,append=FALSE) for (i in 1:4) { ……..iris[, i] }

使用迴圈 wdbc=read.table("d:\\stella\\R\\wdbc.txt", header=T,sep=",") sink("d:\\stella\\R\\out.txt") attach(wdbc) # do not need wdbc$c1 for (i in 3:32) { cat("c",i-2,"mean=",round(mean(wdbc[,i]),2), "\tc1 std=",round(sd(wdbc[ ,i]),2),"\n") } sink()

文字資料的輸入輸出、R套件的使用、讀取Excel資料檔、存取R軟體的二進位資料檔

資料輸入檔案格式 read.table: 空格分隔的格式檔案 read.csv: 逗號分隔的格式檔案 read.delim: TAB鍵分隔的格式檔案 read.fwf: 固定寬度的格式檔案

資料輸入輸出範例

R軟體已安裝的套件

或直接 >install.packages(“car”) 安裝R套件car 或直接 >install.packages(“car”)

載入R套件car *只要安裝1次,每次要用時載入即可 >install.packages(“car”) >library(car) *查詢檢視 >library()檢視已安裝的套件 >search()檢視已載入的套件

讀取Excel檔(readxl套件)

存取Excel資料檔(需xlsx套件)

存取R軟體的二進位資料檔 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 rm(list=ls()) 清除工作區所有物件 save(x,y,myfunc,file=“c:/r/mydata.rda”) save.image(“c:/r/alldata.rda”) load(“c:/r/mydata.rda”)

重新編碼、資料排序、資料合併、資料篩選、字串處理、資料格式轉換、遺漏值處理 四.R的資料處理 重新編碼、資料排序、資料合併、資料篩選、字串處理、資料格式轉換、遺漏值處理

重新編碼的方法 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

資料篩選的方法 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 列的篩選 iris2=iris[10:12,] iris2=iris[-(10:12),] 欄的篩選 iris2=iris[,5]或iris[,”Species”] iris2=iris[,-5]或iris[,1:4] 欄列的篩選 iris2=iris[51:100,c(1,2,5)] iris2=iris[iris$Species==“setosa,]

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[ seq(1,nrow(babies),10), ] or >babies[as.numeric(rownames(babies) )%% 10==0,]

使用subset函數篩選資料

字串處理函數 字串黏貼: paste(…, sep=“ “) 訊息顯示: cat(字串或變數,字串或變數…,file= “ “,sep=“ “,append=FALSE) 取子字串: substr(x,start,stop) 取代子字串: sub(old,new,x) 取代所有子字串: gsub(old,new,x) 字串切割: strsplit(x, “ “) 找尋子字串:grep(子字串,x,ignore.case=FALSE)

字串處理函數範例

正規表示式擷取關鍵字 grep(pattern, x, ignore=F) ^表子字串出現在x最前面 $表子字串出現在x最前面 A-F 包含A B C D ＥＦ [ABC]將特定規則群集起來 A或B或C [^ABC]A或B或C以外 ?regex查詢

擷取關鍵字範例

資料格式轉換(long-wide format) #stack and unstack (chicken=read.table("d:\\stella\\R\\test.csv",sep=",",header=T)) chicken=chicken[,-1] (chicken2=stack(chicken)) #names(chicken2)=c("weight","feed") (chicken3=unstack(chicken2)) #reshape long and wide format chicken=read.table("d:\\stella\\R\\test.csv",sep=",",header=T) chicklong=reshape(chicken,direction="long",varying=list(c("Ration1","Ration2","Ration3")),v.names="ration", idvar="id") chicklong chickwide=reshape(chicklong,direction="wide", idvar="id") chickwide

stack函數

unstack函數

reshape函數

綜合應用:水平合併或取聯集

綜合應用: 水平合併或取聯集 # method 1 : horizontal merge test=read.table("D:\\stella\\R\\input3.txt", header=T) t0=test[,1:4] t1=test[grep("tea",test$item1,ignore.case=FALSE),c(1,5)] t2=test[grep("tea",test$item2,ignore.case=FALSE),c(1,6)] tt=merge(t1,t2,by="id",all=T) (hall=merge(t0,tt,by="id",all.tt=T)) #method 2 : horizontal merge l1=grep("tea",test[,5]) l2=grep("tea",test[,6]) t=test[union(l1,l2) ,] t[order(t$id),]

練習:有遺漏值的babies資料檔 資料的筆數計有1236筆，共有7個欄位(bwt：嬰兒體重, gestation：懷孕日數, parity：胎序,懷孕過幾胎, age：母親年齡, height ：母親身高, weight ：母親體重, smoke：母親抽煙與否,1表抽煙0表不抽煙) summary(babies) nrow(babies) mean(babies$gestation,na.rm=T) babies[babies$age<18 & !is.na(babies$age),] babies=na.exclude(babies)

練習:wdbc分組平均數 wdbc=read.table("d:\\stella\\wdbc.txt", header=T,sep=",") attach(wdbc) for (i in 3:32) { cat(paste(“c”,i-2,sep=“”),“total mean=”, round(mean(wdbc[,i]),4),"\n") cat(“B mean=”, round(mean(wdbc[diagnosis=="B",i]),4),"\n") cat(“M mean=”, round(mean(wdbc[diagnosis=="M",i]),4),"\n") }