用R語言進行數(shù)據(jù)分析：一個簡單的會話

下面的會話讓你在操作中對 R 環(huán)境的一些特性有個簡單的了解。你對系統(tǒng)的許多特性開始時可能 有點不熟悉和困惑，但這些迷惑會很快 消失的。

登錄，啟動你的桌面系統(tǒng)。$ R以適當(dāng)?shù)姆绞絾?R。R 程序開始，并且有一段引導(dǎo)語。

(在 R 里面，左邊的提示符將不會被顯示防止 混淆。)

help.start()啟動 HTML 形式的在線幫助(使用你的計算機里面 可用的瀏覽器)。你可以用鼠標(biāo) 點擊上面的鏈接。最小化幫助窗口，進入下一部分。x <- rnorm(50)y <- rnorm(x)產(chǎn)生兩個偽正態(tài)隨機數(shù)向量 x 和 y。plot(x, y)畫二維散點圖。一個圖形窗口會自動出現(xiàn)。ls()查看當(dāng)前工作空間里面的 R 對象。rm(x, y)去掉不再需要的對象。(清空)。x <- 1:20等價于 x = (1, 2, …, 20)。w <- 1 + sqrt(x)/2標(biāo)準(zhǔn)差的`權(quán)重’向量。dummy <- data.frame(x=x, y= x + rnorm(x)*w)dummy創(chuàng)建一個由x 和 y構(gòu)成的雙列數(shù)據(jù)框， 查看它們。fm <- lm(y ~ x, data=dummy)summary(fm)擬合 y 對 x 的簡單線性回歸，查看 分析結(jié)果。fm1 <- lm(y ~ x, data=dummy, weight=1/w^2)summary(fm1)現(xiàn)在我們已經(jīng)知道標(biāo)準(zhǔn)差，做一個加權(quán)回歸。attach(dummy)讓數(shù)據(jù)框中的列項可以像一般的變量那樣使用。lrf <- lowess(x, y)做一個非參局部回歸。plot(x, y)標(biāo)準(zhǔn)散點圖。lines(x, lrf$y)增加局部回歸曲線。abline(0, 1, lty=3)真正的回歸曲線：(截距 0，斜率 1)。abline(coef(fm))無權(quán)重回歸曲線。abline(coef(fm1), col = "red")加權(quán)回歸曲線。detach()將數(shù)據(jù)框從搜索路徑中去除。plot(fitted(fm), resid(fm),     xlab="Fitted values",     ylab="Residuals",     main="Residuals vs Fitted")一個檢驗異方差性（heteroscedasticity）的標(biāo)準(zhǔn)回歸診斷圖。 你可以看見嗎？qqnorm(resid(fm), main="Residuals Rankit Plot")用正態(tài)分值圖檢驗數(shù)據(jù)的偏度（skewness），峰度（kurtosis）和異常值（outlier）。 （這里沒有多大的用途，只是演示一下而已。）rm(fm, fm1, lrf, x, dummy)再次清空。

第二部分將研究 Michaelson 和 Morley 測量光速的經(jīng)典實驗。這個數(shù)據(jù)集可以 從對象 morley 中得到，但是我們從中讀出數(shù)據(jù)以演示 函數(shù) read.table 的作用。

filepath <- system.file("data", "morley.tab" , package="datasets")filepath得到文件路徑。file.show(filepath)可選。查看文件內(nèi)容。mm <- read.table(filepath)mm以數(shù)據(jù)框的形式讀取 Michaelson 和 Morley 的數(shù)據(jù)，并且查看。 數(shù)據(jù)由五次實驗(Expt 列)，每次運行 20 次 (Run列)的觀測得到。數(shù)據(jù)框中的 sl 是光速的記錄。 這些數(shù)據(jù)以適當(dāng)形式編碼。mm$Expt <- factor(mm$Expt)mm$Run <- factor(mm$Run)將 Expt 和 Run 改為因子。attach(mm)讓數(shù)據(jù)在位置 3 (默認(rèn)) 可見（即可以直接訪問）。plot(Expt, Speed, main="Speed of Light Data", xlab="Experiment No.")用簡單的盒狀圖比較五次實驗。fm <- aov(Speed ~ Run + Expt, data=mm)summary(fm)分析隨機區(qū)組，`runs’ 和 `experiments’ 作為因子。fm0 <- update(fm, . ~ . - Run)anova(fm0, fm)擬合忽略 `runs’ 的子模型，并且對模型更改前后 進行方差分析。detach()rm(fm, fm0)在進行下面工作前，清空數(shù)據(jù)。

我們現(xiàn)在查看更有趣的圖形顯示特性：等高線和影像顯示。

x <- seq(-pi, pi, len=50)y <- xx 是一個在 區(qū)間 [-pi\, pi] 內(nèi)等間距的50個元素的向量， y 類似。f <- outer(x, y, function(x, y) cos(y)/(1 + x^2))f 是一個方陣，行列分別被 x 和 y 索引，對應(yīng)的值是函數(shù) cos(y)/(1 + x^2) 的結(jié)果。oldpar <- par(no.readonly = TRUE)par(pty="s")保存圖形參數(shù)，設(shè)定圖形區(qū)域為“正方形”。contour(x, y, f)contour(x, y, f, nlevels=15, add=TRUE)繪制 f 的等高線；增加一些曲線顯示細(xì)節(jié)。fa <- (f-t(f))/2fa 是 f 的“非對稱部分”(t() 是轉(zhuǎn)置 函數(shù))。contour(x, y, fa, nlevels=15)畫等高線，…par(oldpar)… 恢復(fù)原始的圖形參數(shù)。image(x, y, f)image(x, y, fa)繪制一些高密度的影像顯示，(如果你想要，你可以保存 它的硬拷貝)， …objects(); rm(x, y, f, fa)… 在繼續(xù)下一步前，清空數(shù)據(jù)。

R 可以做復(fù)數(shù)運算。

th <- seq(-pi, pi, len=100)z <- exp(1i*th)1i 表示復(fù)數(shù) i。par(pty="s")plot(z, type="l")圖形參數(shù)是復(fù)數(shù)時，表示虛部對實部畫圖。這可能是 一個圓。w <- rnorm(100) + rnorm(100)*1i假定我們想在這個圓里面隨機抽樣。一種方法 將讓復(fù)數(shù)的虛部和實部值是標(biāo)準(zhǔn)正態(tài)隨機 數(shù) …w <- ifelse(Mod(w) > 1, 1/w, w)… 將圓外的點映射成它們的倒數(shù)。plot(w, xlim=c(-1,1), ylim=c(-1,1), pch="+",xlab="x", ylab="y")lines(z)所有的點都在圓中，但分布不是 均勻的。w <- sqrt(runif(100))*exp(2*pi*runif(100)*1i)plot(w, xlim=c(-1,1), ylim=c(-1,1), pch="+", xlab="x", ylab="y")lines(z)第二種方法采用均勻分布?，F(xiàn)在圓盤中的點 看上去均勻多了。rm(th, w, z)再次清空。q()離開 R 程序。你可能被提示是否保存 R 工作空間， 不過對于一個調(diào)試性的會話，你可能不想 保存它。