R语言

R语言回归分析 回归分析可以说是统计学的核心，它其实是一个广义的概念，通指那些用一个或多个预测变量（也称自变量或解释变量）来预测响应变量（也称因变量、效标变量或结果变量）的方法。通常，回归分析可以用来挑选与响应变量相关的解释变量，可以描述两者的关系，也可以生成一个等式，通过解释变量来预测响应变量。 最小二乘法回归是通过预测变量的加权和来预测量化的因变量，其中权重是通过数据估计而得的参数，目标是通过减少响应变量的真实值与预测值的差值来获得模型参数（截距项和斜率），具体而言，即使得残差平方和最小。下面将通过几篇博客介绍回归分析，这是第二篇：异常观测值。 8.4.1 离群点 离群点是指那些模型预测效果不佳的观测点。它们通常有很大的、或正或负的残差（Y[i] –Ŷ[i] 。 正的残差说明模型低估了响应值，负的残差则说明高估了响应值。下面是查看离群点的两种方法： QQ图：在之前通过QQ图，落在置信区间带外的点即可被认为是离群点 标准化残差：另外一个粗糙的判断方法是：标准化残差值大于2或者小于–2的点可能是离群点，需要特别关注。 这里介绍的是 car 包里面的 outlierTest() 函数，该函数可以求得最大标准化残差绝对值Bonferroni调整后的p值，注意，该函数只是根据单个最大（或正或负）残差值的显著性来判断是否有离群点。若不显著，则说明数据集中没有离群点；若显著

设置R语言环境为英文环境 其实不设置也行...就是报错提示的内容是中文的话, 会不太好理解.. 1. 首先在用户根目录下cat查看一下, 发现没有.Renviron文件, 这个是R语言的环境配置文件. 2. 那么就用echo语句追加一句"LANGUAGE=en" 到 .Renviron文件, 如果没有这个文件, echo语句会自动创建. 3. 然后再cat查看一下, 确认一下. R语言运行方式 1. 在 R 的 console中 , 以一行一行用户交互的方式来进行 2. 在R 的console中可以用source('xxx.R') 来运行xxx.R的代码 3. 在终端中 Rscript 命令来运行 R语言工作空间与工作内存 工作空间 getwd()来查看当前工作空间 setwd()来设置工作空间 查看工作内存变量 定义的变量都是在内存里,通过ls()可以查看 删除工作内存变量 可以通过rm(obj)来删除工作内存里的变量. 保存工作内存变量 可以通过save方法, 将变量持久化到工作空间中. save(obj,file="myfile")是保存特定变量到"myfile"文件中, save.image("file-name")是保存当前工作内存中所有内容到"file-name"文件中. 例如: 保存y变量到y.rda文件中, 保存当前工作内存中的所有内容到"save-all.rda

相信大家对于循环和判断语句都比较熟悉，所以这里只是给出了R语言的语法结构以及再简单不过的例子。 重复和循环 1、for结构 语句结构为： for (var in seq) statement sum = 0 for ( i in 1 : 10 ) { sum = sum + i } sum 2、while语句 while 循环重复地执行一个语句，直到条件不为真为止。语法为： while (cond) statement sum = 0 i = 1 while ( i <= 10 ) { sum = sum + i i = i + 1 } sum 条件执行 1、if-else语句 控制结构 if-else 在某个给定条件为真时执行语句，也可以同时在条件为假时执行另外的语 句。语法为： if (cond) statement 或者 if (cond) statement1 else statement2 a < - c ( "this" , "is" , "a" , "banana" ) if ( "banana" % in % a ) { print ( "banana is found" ) } else { #需要放在一行写 print ( "banana is not found" ) } 2、else if结构 else if 结构相当于将多个if 重复使用，使用方法和if

R语言数据集的合并 如果数据分散在不同的集合中，则在处理数据之前需要对其进行合并，下面分成向数据框中添加行和列来分别进行展示： 数据框加入列。使用 merge() 函数，这时两个数据框通常是根据一个或者多个共同的变量进行合并处理，指定的共同列不会再次被合并，只出现一次。 数据框加入列。如果要直接横向合并两个矩阵或数据框，并且不需要指定一个公共索引，那么可以直接使用 cbind() 函数，此时即使有相同的列，也会再次被显示。 数据框加入行。使用 rbind() 函数。 #数据框中加入列，merge函数 per1 < - data . frame ( name = c ( "张三" , "李四" , "王五" , "赵六" ) , q1 = c ( 23 , 45 , 34 , 1000 ) ) per2 < - data . frame ( name = c ( "张三" , "李四" , "王五" , "赵六" ) , q2 = c ( 34 , 56 , 34 , 43 ) ) per < - merge ( per1 , per2 , by = "name" ) #根据name列进行合并 per #加入列：cbind函数 per1 < - data . frame ( name = c ( "张三" , "李四" , "王五" , "赵六" ) , q1 = c ( 23 ,

R语言创建新变量方法 在数据分析中，可能需要对数据进行求和、求均值等处理，并且将处理后的数据重新保存到原来的数据框中，这里提供三种可供解决的方法： 数据框$变量名 <- 表达式。若原数据框中含有该变量，则做修改，否则加入新变量。 使用 attach() 函数。该函数可以将数据框锁定，从而不需要每次使用都输入数据框名，只需直接输入变量名即可，取消锁定使用 detach() 函数即可。 使用 transform() 函数。格式为`transfor(data,…) mydata < - data . frame ( x1 = c ( 2 , 2 , 6 , 4 ) , x2 = c ( 3 , 4 , 2 , 8 ) ) #方法一 mydata $sum < - mydata $x1 + mydata $x2 mydata $mean < - ( mydata $x1 + mydata $x2 ) / 2 mydata #方法二 mydata < - data . frame ( x1 = c ( 2 , 2 , 6 , 4 ) , x2 = c ( 3 , 4 , 2 , 8 ) ) attach ( mydata ) mydata $sum < - x1 + x2 mydata $mean < - ( x1 + x2 ) / 2 mydata #方法三 mydata < - data

R语言中的横向数据合并merge及纵向数据合并rbind的使用 我们经常会遇到两个数据框拥有相同的时间或观测值，但这些列却不尽相同。处理的办法就是使用 merge(x, y ,by.x = ,by.y = ,all = ) 函数。 #合并 ID<-c(1,2,3,4) name<-c("A","B","C","D") score<-c(60,70,80,90) student1<-data.frame(ID,name) student2<-data.frame(ID,score) total_student1<-merge(student1,student2,by="ID") total_student1 #横向追加 ID<-c(1,2,3,4) name<-c("A","B","C","D") score<-c(60,70,80,90) sex<-c("M","F","M","M") student1<-data.frame(ID,name) student2<-data.frame(score,sex) total_student2<-cbind(student1,student2) total_student2 #纵向追加 ID<-c(1,2,3,4) name<-c("A","B","C","D") student1<-data.frame(ID,name) ID<-c(5

R语言是一门非常方便的数据分析语言，它内置了许多处理矩阵的方法。下面列出一些常用的矩阵操作方法示例。 矩阵的生成 > mat <- matrix(1:16, ncol = 4, nrow = 4, byrow=TRUE, dimnames=list(c(paste("x", 1:4, sep = ".")), c(paste("y", 1:4, sep = ".")))) > mat y.1 y.2 y.3 y.4 x.1 1 2 3 4 x.2 5 6 7 8 x.3 9 10 11 12 x.4 13 14 15 16# 矩阵的行列名还可以使用rownames或者colnames进行修改 > rownames(mat) <- paste("row", 1:4, sep=".") > colnames(mat) <- paste("col", 1:4, sep=".")> mat col.1 col.2 col.3 col.4 row.1 1 2 3 4 row.2 5 6 7 8 row.3 9 10 11 12 row.4 13 14 15 16 矩阵的维度 # 表示这是一个4行4列的矩阵> dim(mat) [1] 4 4 矩阵的加减 > mat.2 <- matrix(51:66, nrow = 4) > mat.2 [,1] [,2] [,3] [,4] [1,] 51

ggplot2绘图系统——图形组合、字体选择、保存输出 1.图形组合 一页多图在基础包中利用par和layout函数来切分画布。 ggplot2是先铺好网格背景，再进行绘图，所以要通过切分网格背景来实现一页多图。 gridExtra包（grid扩展包）可用于图形排列组合、表格对象排列组合、规则多边形及椭圆的排列组合。 library(grid) #在画布上画8图（列表） gs <- lapply(1:8, function(i)grobTree(rectGrob(gp=gpar(fill=i,alpha=0.5)),textGrob(i))) #按一定顺序均分画布 grid.arrange(grobs=gs, ncol=4, top='top label', bottom='bottom\nlabel', left='left label', right='right label') #自由切分画布（layout_matrix参数） layout <- rbind(c(1,1,1,2,3), c(1,1,1,4,5), c(6,7,7,8,8)) grid.arrange(grobs=gs,layout_matrix=layout) #按矩阵切分 #使用长宽比来排列组合 grid.arrange(grobs=gs[1:3],ncol=2,widths=1:2,#定义宽度比

ggplot2绘图系统 基础绘图包向ggplot2过渡——qplot 绘图理念的不同： 基础绘图包是先铺好画布，再在这张画布上作图（常规思维）； ggplot2打破常规，采用图层叠加的方法。 qplot函数既有plot特点，又体现了ggplot2的特征，是一个过渡函数。 library(ggplot2) data("diamonds") qplot(x=carat, y=price, data=diamonds, geom = 'point', color=color) #geom几何对象：smooth/boxplot/path/line/freqpoly/density/jitter/bar #color映射变量 set.seed(2020) dsmall <- diamonds[sample(nrow(diamonds),1000),] qplot(x=carat, #qplot中x/y不能省 y=price, data=dsmall, geom='point', color=color, shape=cut) #映射形状 qplot(x=color, data=dsmall, geom = 'bar', fill='green', #填充色 color='red') #边框色 #此处green和red都视为了一个变量 qplot(x=color, data=dsmall,

数据结构 一、数据管理 vector：向量 numeric：数值型向量 logical：逻辑型向量 character；字符型向量 list：列表 data.frame：数据框 c：连接为向量或列表 length：求长度 subset：求子集 seq，from:to，sequence：等差序列 rep：重复 NA：缺失值 NULL：空对象 sort，order，unique，rev：排序 unlist：展平列表 attr，attributes：对象属性 mode，typeof：对象存储模式与类型 names：对象的名字属性 二、字符串处理 character：字符型向量 nchar：字符数 substr：取子串 format，format C：把对象用格式转换为字符串 paste，strsplit：连接或拆分 charmatch，pmatch：字符串匹配 grep，sub，gsub：模式匹配与替换 三、复数 complex，Re，Im，Mod，Arg，Conj：复数函数 四、因子 factor：因子 codes：因子的编码 levels：因子的各水平的名字 nlevels：因子的水平个数 cut：把数值型对象分区间转换为因子 table：交叉频数表 split：按因子分组 aggregate：计算各数据子集的概括统计量 tapply：对“不规则”数组应用函数 数学相关计算 一、计算