R語言學(xué)習(xí)筆記與感悟一

學(xué)習(xí)內(nèi)容：1.理解數(shù)據(jù)分析系統(tǒng)2.R與RStudio的關(guān)系、RStudio的基本使用3.注意事項(xiàng)、幫助函數(shù)、管理工作空間的函數(shù)、文本與圖形的輸入與輸出4.數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)的輸入5.添加變量標(biāo)簽和值標(biāo)簽、處理數(shù)據(jù)對象的函數(shù)

主要學(xué)習(xí)材料：1.《R語言實(shí)戰(zhàn)》Chapter 1&22.猴子知乎Live第二講：

數(shù)據(jù)結(jié)構(gòu)入門 蓋房子 = 材料 + 整合材料程序 = 數(shù)據(jù)結(jié)構(gòu) + 算法

R與RStudio的區(qū)別：

R是運(yùn)行環(huán)境；RStudio是開發(fā)工具，為了更方便地使用R語言，用于代碼的編輯、調(diào)試、圖形顯示。

在RStudio中導(dǎo)入數(shù)據(jù)后，工作空間中會(huì)顯示內(nèi)存中保存的對象。

R Studio中的注釋部分與代碼部分有顏色的區(qū)分，內(nèi)置函數(shù)與外來輸入的部分能通過顏色區(qū)分。

RStudio的使用：

1. RStudio的組成：

控制臺(tái)Console：輸入命令及顯示輸出結(jié)果

代碼編輯器

工作空間

目錄，同時(shí)也是圖形輸出設(shè)備所在處

2. 創(chuàng)建項(xiàng)目和腳本

File -> New Project -> New Directory -> Empty Project

File -> New File -> R Script在腳本中寫入R的代碼，腳本文件的后綴為.R

3. 運(yùn)行代碼

Step1: 在腳本中選中要運(yùn)行的代碼Step2: Code — Run Lines運(yùn)行結(jié)果會(huì)顯示在控制臺(tái)中

4. 更改RStudio背景色

Tools -> Global Options -> Appearance然后在Editor Theme中選擇背景

5. R Studio中的快捷鍵

第一章 R語言介紹

一、注意事項(xiàng)：

區(qū)分大小寫 邏輯值TRUE和FALSE全部大寫

在命令提示符（>）后每次輸入并執(zhí)行一條命令，或者一次性執(zhí)行寫在腳本文件中的一組命R使用<-，而不是傳統(tǒng)的 = 作為賦值符

注釋由符號 # 開頭，在 # 之后出現(xiàn)的任何文本都會(huì)被R解釋器忽略

路徑中使用一個(gè)正斜杠/或兩個(gè)反斜杠\\,使用引號閉合目錄名和文件名

輸入字符串時(shí)要加引號，單引號和雙引號皆可

二、常用函數(shù)：

（截圖來自《R語言實(shí)戰(zhàn)》）

注意：

導(dǎo)入數(shù)據(jù)前，必須先設(shè)置當(dāng)前工作目錄要導(dǎo)入存在另一個(gè)工作目錄下的數(shù)據(jù)，必須先改變工作目錄再讀入數(shù)據(jù)

函數(shù)setwd()不會(huì)自動(dòng)創(chuàng)建一個(gè)不存在的目錄?？梢允褂煤瘮?shù)dir.create()來創(chuàng)建新目錄，然后使用setwd()將工作目錄指向這個(gè)新目錄。

啟動(dòng)一個(gè)R會(huì)話時(shí)使用setwd()命令指定到某一個(gè)項(xiàng)目的路徑，后接不加選項(xiàng)的load()命令，這樣做可以從上一次會(huì)話結(jié)束的地方重新開始。

實(shí)踐示例：setwd("C:/myprojects/project1") #當(dāng)前工作目錄被設(shè)置為C:/myprojects/project1 options() #當(dāng)前的選項(xiàng)設(shè)置情況將顯示出來 options(digits=3) #顯示為小數(shù)點(diǎn)后三位有效數(shù)字 x <- runif(20) #創(chuàng)建一個(gè)包含20個(gè)均勻分布隨機(jī)變量的向量 summary(x) #生成摘要統(tǒng)計(jì)量 hist(x) #生成直方圖 savehistory() #命令的歷史記錄保存到文件.Rhistory中 save.image() #工作空間（包含向量x)保存到文件.RData中 q() #會(huì)話結(jié)束

三、輸入與輸出

輸入:

函數(shù)source("filename")可在當(dāng)前會(huì)話中執(zhí)行一個(gè)腳本。如果文件名中不包含路徑，R將假設(shè)此腳本在當(dāng)前工作目錄中。

文本輸出:

函數(shù)sink("filename")將輸出重定向到文件filename中。使用參數(shù)append=TRUE可以將文本追加到文件后，而不是覆蓋它。參數(shù)split=TRUE可將輸出同時(shí)發(fā)送到屏幕和輸出文件中。不加參數(shù)調(diào)用命令sink()將僅向屏幕返回輸出結(jié)果。

圖形輸出：

要重定向圖形輸出，使用表1-4中列出的函數(shù)即可。最后使用dev.off()將輸出返回到終端。

實(shí)踐示例1：

sink("myoutput", append=TRUE, split=TRUE)
pdf("mygraphs.pdf")
source("script2.R")

文件script2.R中的R代碼將執(zhí)行，結(jié)果也將顯示在屏幕上。此外，文本輸出將被追加到文件myoutput中，圖形輸出將保存到文件mygraphs.pdf中。

實(shí)踐示例2：

sink()
dev.off()
source("script3.R")

文件script3.R中的R代碼將執(zhí)行，結(jié)果將顯示在屏幕上，沒有文本和圖形輸出保存到文件中。

待解決疑問1：

在上述兩個(gè)示例中，為什么不是先使用輸入函數(shù)source(),而是先使用輸出函數(shù)？

四、R包

install.packages("package_name")安裝包

library("package_name")載入包，包安裝后必須先載入才能使用

update.packages("package_name")更新已經(jīng)安裝的包

search()可以告訴你哪些包已加載并可使用

installed.packages()查看已安裝的包的描述，將列出安裝的包

library()顯示庫（存儲(chǔ)包的目錄）中有哪些包

.libPaths()顯示庫所在的位置

help(package="package_name")可以輸出某個(gè)包的簡短描述以及包中的函數(shù)名稱和數(shù)據(jù)集名稱的列表

實(shí)踐示例：

install.packages("vcd") #安裝vcd包
help(package="vcd") #列出此包中可用的函數(shù)和數(shù)據(jù)集
library(vcd) #載入這個(gè)包
help(Arthritis) #查看數(shù)據(jù)集Arthritis的描述
Arthritis #顯示數(shù)據(jù)集Arthritis的內(nèi)容
example(Arthritis) #運(yùn)行數(shù)據(jù)集Arthritis的自帶的示例
q() #退出

第二章 創(chuàng)建數(shù)據(jù)集（數(shù)據(jù)分析的第一步）

包括兩個(gè)步驟：1.選擇一種數(shù)據(jù)結(jié)構(gòu)來存儲(chǔ)數(shù)據(jù)；2.將數(shù)據(jù)輸入或?qū)氲竭@個(gè)數(shù)據(jù)結(jié)構(gòu)中。

一、數(shù)據(jù)結(jié)構(gòu)

向量、矩陣、數(shù)組中的數(shù)據(jù)必須是同種類型；數(shù)據(jù)框和列表中的數(shù)據(jù)可以是不同類型

向量是用于存儲(chǔ)數(shù)值型、字符型或邏輯型數(shù)據(jù)的一維數(shù)組。用函數(shù)c()來創(chuàng)建向量。

a <- c(1,2,5,3,6,-2,4)
b <- c("one", "two", "three")
c <- c(TRUE, TRUE, TRUE, FALSE, TRUE, FALSE)

使用：

單個(gè)向量中的數(shù)據(jù)必須擁有相同的數(shù)據(jù)類型（數(shù)值型、字符型或邏輯型）。

獲取向量的長度 length(vector_name)

要訪問向量中的某個(gè)元素，在方括號中給定元素所處位置的數(shù)值，例如：a[c(2, 4)]用于訪問向量a中的第二個(gè)和第四個(gè)元素。

由于R中內(nèi)置了同名函數(shù)c()，最好不要在編碼時(shí)使用c作為對象名。

R中沒有標(biāo)量。標(biāo)量是只含一個(gè)元素的向量，例如f <- 3、g <- "US"和h <- TRUE ,它們用于保存常量。

冒號用于生成一個(gè)數(shù)值序列。例如，a <- c(2:6)等價(jià)于a <- c(2,3, 4, 5, 6)。

2. 矩陣

矩陣是一個(gè)二維數(shù)組，每個(gè)元素都擁有相同的類型（數(shù)值型、字符型或邏輯型）。

可通過函數(shù)matrix創(chuàng)建矩陣。

mymatrix <- matrix(vector,
                   nrow=number_of_rows, ncol=number_of_columns,
                   byrow=logical_value,
                   dimnames=list(char_vector_rownames, char_vector_colnames))

vector包含了矩陣的元素，是一個(gè)向量

nrow和ncol用以指定行和列的維數(shù)

byrow則表明矩陣應(yīng)當(dāng)按行填充（byrow=TRUE）還是按列填充（byrow=FALSE），默認(rèn)情況下按列填充

dimnames包含了可選的、以字符型向量表示的行名和列名實(shí)踐示例：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)使用：

訪問矩陣中的行、列或元素X[i,]指矩陣X中的第i 行，X[,j]指第j 列，X[i, j]指第i 行第j 個(gè)元素，如：x[2,] #選取矩陣x中第二行的元素x[,2] #選取矩陣x中第二列的元素x[1,4] #選取矩陣x中位于第一行第四列的元素選擇多行或多列時(shí)，下標(biāo)i 和j 可為數(shù)值型向量，如：x[1, c(4,5)] #選取矩陣x第一行中位于第四列和第五列的元素

矩陣的作用: 繪制圖形

3. 數(shù)組

數(shù)組（array）維度可以大于2，數(shù)據(jù)只能擁有一種類型。行表示觀測，列表示變量。

數(shù)組可通過array函數(shù)創(chuàng)建。myarray <- array(vector, dimensions, dimnames)

vector包含了數(shù)組中的數(shù)據(jù) ，是一個(gè)向量

dimensions是數(shù)值型向量，給出了各個(gè)維度下標(biāo)的最大值

dimnames是各維度名稱的列表實(shí)踐示例：data <- 1:24 dim1 <- c("A1", "A2") dim2 <- c("B1", "B2", "B3") dim3 <- c("C1", "C2", "C3", "C4") z <- array(data, c(2, 3, 4), dimnames=list(dim1, dim2, dim3))

4.數(shù)據(jù)框

數(shù)據(jù)框是數(shù)據(jù)分析中最常用的數(shù)據(jù)結(jié)構(gòu)不同的列可以包含不同類型（數(shù)值型、字符型等）的數(shù)據(jù)，但是每一列的數(shù)據(jù)類型必須唯一。

數(shù)據(jù)框可通過函數(shù)data.frame()創(chuàng)建。mydata <- data.frame(col1, col2, col3, ...)

使用：

選取數(shù)據(jù)框中元素1.使用下標(biāo)記號patientdata[1:2] #選取名為patientdata數(shù)據(jù)框中的第一列至第二列元素2.直接指定列名patientdata[c("diabetes", "status")] #選取patientdata數(shù)據(jù)框中列名分別為diabetes和status所在列的元素3.用$和列名選取一個(gè)給定數(shù)據(jù)框中的某一列patientdata$age #選取patientdata數(shù)據(jù)框中列名為age所在列的元素

求數(shù)據(jù)框的行數(shù)例如：求患者總數(shù)patientNumber <- nrow(patientdata)

求滿足某一特征的數(shù)據(jù)個(gè)數(shù)例如：求患有“1型糖尿病”的患者人數(shù)Step1: 使用==找到符合條件的數(shù)據(jù)，并賦值給新的數(shù)據(jù)框type1 <- patientdata[patientdata$diabetes == "1型糖尿病"]type1也是一個(gè)數(shù)據(jù)框，僅包含符合糖尿病類型為“1型糖尿病”的患者Step2: 求type1數(shù)據(jù)框的行數(shù)type1.number <- nrow(type1)對象名稱中的句點(diǎn)（.）沒有特殊意義。

在數(shù)據(jù)框中按行添加新數(shù)據(jù)用rbind函數(shù)Step1:將要添加的數(shù)據(jù)放入新的數(shù)據(jù)框中

patientID <- c(5)
age <- c(30)
diabetes <- c("1型糖尿病")
status <- c("較差")
newPatient <- data.frame(patientID, age, diabetes, status, stringsAsFactors=FALSE)

Step2:將新數(shù)據(jù)框用rbind函數(shù)加入原數(shù)據(jù)框patientdata <- rbind(patientdata, newPatient)

在數(shù)據(jù)框中按列添加新數(shù)據(jù)用cbind函數(shù)Step1:由于列在數(shù)據(jù)框中相當(dāng)于向量，所以將新數(shù)據(jù)首先放入新的向量中inTime <- c("2015-3-1", "2014-12-31", "2015-10-1", "2015-5-1", "2016-12-31")Step2:將新定義的向量用cbind函數(shù)加入原數(shù)據(jù)框patientdata <- cbind(patientdata, inTime)

5.列表

列表允許將若干（可能無關(guān)的）對象整合到單個(gè)對象名下。例如，某個(gè)列表中可能是若干向量、矩陣、數(shù)據(jù)框，甚至其他列表的組合。

使用函數(shù)list()創(chuàng)建列表mylist <- list(object1, object2, ...)還可以為列表中的對象命名mylist <- list(name1=object1, name2=object2, ...)其中的對象可以是目前為止講到的任何結(jié)構(gòu)。

使用：

常用于存儲(chǔ)各種類型函數(shù)的返回結(jié)果

計(jì)算業(yè)務(wù)指標(biāo)KPI例如：存儲(chǔ)業(yè)務(wù)指標(biāo)一“患有‘1型糖尿病’的患者信息”和業(yè)務(wù)指標(biāo)二“病人的數(shù)量”為KPI結(jié)果kpi <- list(diabetesType=type1, number=number) #列表中的業(yè)務(wù)指標(biāo)一diabetesType是一個(gè)數(shù)據(jù)框，業(yè)務(wù)指標(biāo)二number是一個(gè)數(shù)值，起名字是為了方便后期查找

訪問列表中的元素在雙重方括號中指明代表某個(gè)成分的數(shù)字或名稱例如：獲取列表中的業(yè)務(wù)指標(biāo)二“病人數(shù)量”，并賦值給向量numbernumber <- kpi[["number"]]或number <- kpi[[2]] #獲取列表kpi中的第二個(gè)成分，并賦值給numbe

6.因子

變量可歸結(jié)為名義型、有序型或連續(xù)型變量。

名義型變量是沒有順序之分的類別變量。糖尿病類型Diabetes（Type1、Type2）是名義型變量，即使在數(shù)據(jù)中Type1編碼為1而Type2編碼為2，也不意味著二者是有序的。

有序型變量表示一種順序關(guān)系，而非數(shù)量關(guān)系。病情Status（poor, improved, excellent）是順序型變量，病情為poor（較差）病人的狀態(tài)不如improved（病情好轉(zhuǎn)）的病人，但并不知道相差多少。

連續(xù)型變量可以呈現(xiàn)為某個(gè)范圍內(nèi)的任意值，并同時(shí)表示了順序和數(shù)量。年齡Age就是一個(gè)連續(xù)型變量，它能夠表示像14.5或22.8這樣的值以及其間的其他任意值。15歲的人比14歲的人年長一歲

因子：類別（名義型）變量和有序類別（有序型）變量在R中稱為因子（factor）。因子在R中非常重要，因?yàn)樗鼪Q定了數(shù)據(jù)的分析方式以及如何進(jìn)行視覺呈現(xiàn)。

函數(shù)factor()以一個(gè)整數(shù)向量的形式存儲(chǔ)類別值，整數(shù)的取值范圍是[1... k ]（其中k 是名義型變量中唯一值的個(gè)數(shù)），同時(shí)一個(gè)由字符串（原始值）組成的內(nèi)部向量將映射到這些整數(shù)上。舉例來說，假設(shè)有向量：diabetes <- c("Type1", "Type2", "Type1", "Type1")語句diabetes <- factor(diabetes)將此向量存儲(chǔ)為(1, 2, 1, 1)，并在內(nèi)部將其關(guān)聯(lián)為1=Type1和2=Type2（具體賦值根據(jù)字母順序而定）。針對向量diabetes進(jìn)行的任何分析都會(huì)將其作為名義型變量對待，并自動(dòng)選擇適合這一測量尺度的統(tǒng)計(jì)方法。(這里的測量尺度是指定類尺度、定序尺度、定距尺度、定比尺度中的定類尺度。)

要表示有序型變量，需要為函數(shù)factor()指定參數(shù)ordered=TRUE給定向量：status <- c("Poor", "Improved", "Excellent", "Poor")語句status <- factor(status, ordered=TRUE)會(huì)將向量編碼為(3, 2, 1, 3)，并在內(nèi)部將這些值關(guān)聯(lián)為1=Excellent、2=Improved以及3=Poor。針對此向量進(jìn)行的任何分析都會(huì)將其作為有序型變量對待，并自動(dòng)選擇合適的統(tǒng)計(jì)方法。對于字符型向量，因子的水平默認(rèn)依字母順序創(chuàng)建。可以通過指定levels選項(xiàng)來覆蓋默認(rèn)排序。例如：

status <- factor(status, ordered=TRUE，
                 levels=c("Poor", "Improved", "Excellent"))

各水平的賦值將為1=Poor、2=Improved、3=Excellent。

關(guān)于$使用的補(bǔ)充：當(dāng)需要多次重復(fù)引用同一個(gè)數(shù)據(jù)框名稱時(shí)，為了避免在每個(gè)變量名前都鍵入一次“數(shù)據(jù)框名稱+$”，可以通過以下替代方法：

使用attach()和detach()函數(shù)attach()可將數(shù)據(jù)框添加到R的搜索路徑中。函數(shù)detach()將數(shù)據(jù)框從搜索路徑中移除。R在遇到一個(gè)變量名以后，將檢查搜索路徑中的數(shù)據(jù)框，以定位到這個(gè)變量。例如：從mtcars數(shù)據(jù)框中獲取每加侖行駛英里數(shù)（mpg）變量的描述性統(tǒng)計(jì)量，并分別繪制此變量與發(fā)動(dòng)機(jī)排量（disp）和車身重量（wt）的散點(diǎn)圖：

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

此方法主要適用于名稱相同的對象只有一個(gè)的情況。若數(shù)據(jù)框被綁定之前已經(jīng)用與數(shù)據(jù)框中某對象相同的名稱定義了新的對象，則該新對象取得優(yōu)先權(quán)，可能會(huì)由于兩個(gè)對象的元素個(gè)數(shù)不同而出錯(cuò)。

使用with()函數(shù)對于上例：

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

大括號{}之間的語句都針對數(shù)據(jù)框mtcars執(zhí)行，這樣就無須擔(dān)心名稱沖突了。如果僅有一條語句（例如summary(mpg)），那么大括號{}可以省略。函數(shù)with()的局限性: 賦值僅在此函數(shù)的括號內(nèi)生效。要?jiǎng)?chuàng)建在with()結(jié)構(gòu)以外存在的對象，使用特殊賦值符<<-替代標(biāo)準(zhǔn)賦值符（<-）。

實(shí)例標(biāo)識(shí)符在R中，實(shí)例標(biāo)識(shí)符（case identifier）可通過數(shù)據(jù)框操作函數(shù)中的rowname選項(xiàng)指定。例如，在病例數(shù)據(jù)中，病人編號（patientID）用于區(qū)分?jǐn)?shù)據(jù)集中不同的個(gè)體:

patientdata <- data.frame(patientID, age, diabetes, status,
                          row.names=patientID)

二、數(shù)據(jù)的輸入（最常用的幾種）

1. 使用鍵盤輸入數(shù)據(jù)

對于小數(shù)據(jù)集很有效函數(shù)edit()會(huì)自動(dòng)調(diào)用一個(gè)允許手動(dòng)輸入數(shù)據(jù)的文本編輯器。

Step1: 創(chuàng)建一個(gè)空數(shù)據(jù)框（或矩陣），其中變量名和變量的模式需與理想中的最終數(shù)據(jù)集一致；

Step2: 針對這個(gè)數(shù)據(jù)對象調(diào)用文本編輯器，輸入數(shù)據(jù)，并將結(jié)果保存回此數(shù)據(jù)對象中。

例如：創(chuàng)建一個(gè)名為mydata的數(shù)據(jù)框，含有三個(gè)變量：age（數(shù)值型）、gender（字符型）和weight（數(shù)值型），然后調(diào)用文本編輯器，鍵入數(shù)據(jù)，最后保存結(jié)果。

mydata <- data.frame(age=numeric(0), gender=character(0), weight=numeric(0))
mydata <- edit(mydata)

類似于age=numeric(0)的賦值語句將創(chuàng)建一個(gè)指定數(shù)據(jù)類型但不含實(shí)際數(shù)據(jù)的變量。

編輯的結(jié)果需要賦值回對象本身!!!!!!語句mydata <- edit(mydata)的一種簡捷的等價(jià)寫法是fix(mydata)。

調(diào)用出文本編輯器后，單擊列的標(biāo)題，可以用編輯器修改變量名和變量類型（數(shù)值型、字符型）。還可以通過單擊未使用列的標(biāo)題來添加新的變量。

2. 從帶分隔符的文本文件導(dǎo)入數(shù)據(jù)

使用read.table()函數(shù)，可讀入一個(gè)表格格式的文件并將其保存為一個(gè)數(shù)據(jù)框。mydataframe <- read.table(file, header=logical_value, sep="delimiter", row.names="name"

file是一個(gè)帶分隔符的ASCII文本文件

header是一個(gè)表明首行是否包含了變量名的邏輯值（TRUE或FALSE）

sep用來指定分隔數(shù)據(jù)的分隔符

row.names是一個(gè)可選參數(shù)，用以指定一個(gè)或多個(gè)表示行標(biāo)識(shí)符的變量

例如：從當(dāng)前工作目錄中讀入了一個(gè)名為studentgrades.csv的逗號分隔文件，從文件的第一行取得了各變量名稱，將變量STUDENTID指定為行標(biāo)識(shí)符，最后將結(jié)果保存到了名為grades的數(shù)據(jù)框中。grades <- read.table("studentgrades.csv", header=TRUE, sep=",", row.names="STUDENTID")

默認(rèn)情況下，字符型變量將轉(zhuǎn)換為因子。禁止這種轉(zhuǎn)換的方法：

法一：設(shè)置stringsAsFactors=FALSE

法二：使用選項(xiàng)colClasses為每一列指定一個(gè)類，例如logical（邏輯型）、numeric（數(shù)值型）、character（字符型）、factor（因子）。

3. 導(dǎo)入Excel數(shù)據(jù)

讀取一個(gè)Excel文件的最好方式，就是在Excel中將其導(dǎo)出為一個(gè)逗號分隔文件（csv），并使用前文描述的方式將其導(dǎo)入R中。

在Windows系統(tǒng)中，也可以使用RODBC包來訪問Excel文件。

實(shí)踐示例：

install.packages("RODBC")
library(RODBC)
channel <- odbcConnectExcel("myfile.xls")
mydataframe <- sqlFetch(channel, "mysheet")
odbcClose(channel)

myfile.xls是一個(gè)Excel文件mysheet是要從這個(gè)工作簿中讀取工作表的名稱channel是一個(gè)由odbcConnectExcel()返回的RODBC連接對象mydataframe是返回的數(shù)據(jù)框

XLSX格式的電子表格，可以用xlsx包來讀取。xlsx包不僅僅可以導(dǎo)入數(shù)據(jù)表，它還能夠創(chuàng)建和操作XLSX文件。包中的函數(shù)read.xlsx()可將XLSX文件中的工作表導(dǎo)入為一個(gè)數(shù)據(jù)框。其最簡單的調(diào)用格式是read.xlsx(file, n)，其中file是Excel工作簿的所在路徑，n則為要導(dǎo)入的工作表序號。

library(xlsx)
workbook <- "C:/myworkbook.xlsx"
mydataframe <- read.xlsx(workbook,1)

從位于C盤根目錄的工作簿myworkbook.xlsx中導(dǎo)入了第一個(gè)工作表，并將其保存為一個(gè)數(shù)據(jù)框mydataframe。

4.從網(wǎng)頁抓取數(shù)據(jù)

使用函數(shù)readLines()下載網(wǎng)頁，然后使用如grep()和gsub()一類的函數(shù)處理它。對于結(jié)構(gòu)復(fù)雜的網(wǎng)頁，可以使用RCurl包和XML包來提取其中想要的信息。

其他還包括導(dǎo)入XML數(shù)據(jù)、導(dǎo)入SPSS數(shù)據(jù)、導(dǎo)入SAS數(shù)據(jù)、導(dǎo)入Stata數(shù)據(jù)、導(dǎo)入netCDF數(shù)據(jù)、導(dǎo)入HDF5 數(shù)據(jù)、訪問數(shù)據(jù)庫管理系統(tǒng)、通過Stat/Transfer導(dǎo)入數(shù)據(jù)，等用到時(shí)再詳細(xì)補(bǔ)充，現(xiàn)在理解起來有些抽象。

三、數(shù)據(jù)集的標(biāo)注

1. 變量標(biāo)簽

為變量名添加描述性的標(biāo)簽方法：將變量標(biāo)簽作為變量名，然后通過位置下標(biāo)來訪問這個(gè)變量。

例如，對于數(shù)據(jù)框patientdata中的第二列包含著個(gè)體首次入院時(shí)年齡的變量age，附加一個(gè)描述更詳細(xì)的標(biāo)簽“Age at hospitalization (in years)”（入院年齡）names(patientdata)[2] <- "Age at hospitalization(in years)"將age重命名為"Age at hospitalization (in years)"。新的變量名太長，不適合重復(fù)輸入，作為替代，可以使用patientdata[2]來引用這個(gè)變量，而在本應(yīng)輸出age的地方輸出字符串"Age at hospitalization (in years)"。

待解決疑問2：為變量名添加描述性標(biāo)簽是否等同于更改變量名？

2. 值標(biāo)簽

函數(shù)factor()為類別型變量中的編碼添加值標(biāo)簽

例如，假設(shè)有一個(gè)名為gender的變量，其中1表示男性，2表示女性，將其關(guān)聯(lián)到標(biāo)簽“male”和“female”上

patientdata$gender <- factor(patientdata$gender,
                             levels=c(1,2),
                             labels=c("male", "female"))

注意：這里levels標(biāo)簽中的數(shù)字代表實(shí)際值而不是順序！

四、處理數(shù)據(jù)對象的實(shí)用函數(shù)

學(xué)習(xí)感悟：

正在努力培養(yǎng)自己將知識(shí)形成體系的能力，剛剛選定OneNote作為主要工具，各種功能還在進(jìn)一步的探索當(dāng)中。R語言的這部分內(nèi)容在第一遍學(xué)習(xí)時(shí)，就邊學(xué)邊進(jìn)行了整理，算是把書讀薄的過程，這次是第二遍，在腦中形成了知識(shí)架構(gòu)，同時(shí)把零散的知識(shí)點(diǎn)插入到架構(gòu)中合適的位置。知識(shí)結(jié)構(gòu)清晰后，很多原有的疑惑會(huì)迎刃而解，同時(shí)也會(huì)發(fā)現(xiàn)新的問題，接下來還會(huì)不斷在實(shí)踐中鞏固容易遺忘的知識(shí)點(diǎn)并解決老問題。

最近一直在摸索適合自己的學(xué)習(xí)方式。我在吸收新知識(shí)方面比較慢，所以第一遍都會(huì)踏踏實(shí)實(shí)地學(xué)習(xí)，標(biāo)記出不明白的地方，但是不會(huì)硬磕，過一段時(shí)間再看看可能就自然而然地想通了，很多時(shí)候后續(xù)知識(shí)的學(xué)習(xí)會(huì)促進(jìn)前期知識(shí)的理解。因?yàn)橛洃浟σ话?，所以學(xué)習(xí)新知識(shí)時(shí)更適合拿出整塊的時(shí)間來學(xué)習(xí)同一科目，這樣可以有效降低每次學(xué)習(xí)前都要先回顧之前的知識(shí)點(diǎn)而花費(fèi)的時(shí)間。