R语言

一.统计分析软件说明 统计分析软件有：SPSS, SAS、R语言,Matlab，S-PLUS,S-Miner。 SPSS: 最简单的,都是菜单操作，不过不利于二次程序开发。 SAS: 需要购买，该软件录入语言要非常精确，不能出错，难操作。 R语言：免费软件，可以菜单操作，不过一般要编程的，二次程序开发。 Matlab：基本是程序操作，和R语言差不多，不过功能比较强大。 S-PLUS: 需要购买，基本也是菜单操作，和SPSS差不多。 R与SPSS、SAS相比较，拥有非常突出的优势： 1）产品线齐全。在功能与产品线齐全上已经远远超出SPSS，而与SAS不相上下。有些R的包，比如基因分析常用的Bioconductor在在线基因数据库连接等众多功能上甚至已经远远超出商业软件。 2）免费。请注意，标记为TM或者®符号的软件均需要在SPSS、SAS的基础模块基础之上另行购买，费用往往在千元美元以上。而R的一切功能均是免费。 3）开放。由于R本身是一个统计语言环境，再新的统计模型也很快能实现，所以在结构方程模型、项目反应理论、认知诊断等众多心理测量所使用的功能上，没有现成的统计软件包，使用R则完全可以自己编写算法。同样，由于R是完全开源，我们可以很快地基于研究者已经开发出的算法编写更适合自己情况的算法。 表：R与SAS、SPSS之比较 主题 SAS产品线 SPSS产品线 R语言相关包 高级模块

ggplot2散点图可视化 数据读取 library(ggplot2) df<-read.csv(“Data.csv”, header = TRUE) 散点可视化 library(RColorBrewer) ggplot(df, aes(x=SOD,y=tau,fill=Class)) + geom_point(shape=21,size=3,colour="black",stroke=0.25) + scale_fill_brewer(palette='Set1')+ theme( text=element_text(size=14,color="black"), plot.title=element_text(size=14,family="myfont",face="bold.italic",hjust=.5,color="black"), legend.background = element_blank(), legend.position=c(0.8,0.15) ) library(viridis) ggplot(df, aes(x=SOD,y=tau,fill=Class)) + geom_point(shape=21,size=3,colour="black",stroke=0.25) + scale_fill_viridis(option = "plasma"

一.向量相关函数 is.na-判断空值 关键词：空值 is.na(x) x:向量 > test =c('Hello', 'World',NA, 1, 2, 3) > is.na(test) [1] FALSE FALSE TRUE FALSE FALSE FALSE > > test[! is.na(test)] #去除test中NA值 [1] "Hello" "World" "1" "2" "3" union-计算并集 关键词： 并集 union(x,y) x, y:向量 > union(1:4,2:5) [1] 1 2 3 4 5 > union(1:4,8:10) [1] 1 2 3 4 8 9 10 Tips: union 只可以处理俩个向量，那如何计算多个向量的并集呢？ > union(1:4,union(2:5,8:10)) [1] 1 2 3 4 5 8 9 10 这个例子是想强调：函数是可以叠加的，不同函数之间也是如此 intersect-计算交集 关键词： 交集 intersect(x,y) x, y:向量 > intersect(1:4,2:5) [1] 2 3 4 > intersect(1:4,8:10) integer(0) # 表示没有并集 Tips：先求并集，再求交集 > intersect(1:4,union(2:5,8:10)) [1] 2 3 4

1、nchar(x)：返回字符串或者字符串向量x的长度。 > nchar("I love you!") [1] 11 > nchar(c("I", "love", "you", "!")) [1] 1 4 3 1 2、grep(pattern,x)：返回 pattern 在字符串向量 x 中的位置。 > grep("y", "I love you!") [1] 1 > a <- c("I", "love", "you", "!") > grep("y", a) [1] 3 > grep("k", a) integer(0) 3、paste(...，sep=" ")：连接字符串，分隔符为 sep (默认值为空格）。 > paste("I", "love", "you", "!") [1] "I love you !" > a <- c("I", "love", "you", "!") > a [1] "I" "love" "you" "!" > paste(a, 1:4) [1] "I 1" "love 2" "you 3" "! 4" > paste(a, 1:4, sep="-") [1] "I-1" "love-2" "you-3" "!-4" > paste("Today is","Sat Jan 11 2020") [1] "Today is Sat Jan 11 2020

substring()函数的基本语法是： substring(x,first,last) 以下是所使用的参数的说明： x - 是字符向量输入。 first - 是第一个字符要被提取的位置。 last - 是最后一个字符要被提取的位置。 eg. result <- substring(“Extract”, 5, 7) print(result) 当我们上面的代码执行时，它产生以下结果： [1] “act” 来源： CSDN 作者： 铃儿响叮当1987 链接： https://blog.csdn.net/weixin_44612629/article/details/103906953

讲真，用R这么几年，始终未尝试过写自己的包，看来这就是我与真正程序员的差距了——编程习惯等于没有。 昨天一个偶然的机会想开始写自己的工具包，发现了前期教程的有一些过时。于是，写一个**windows**下新的简易版参考，以备不时之需。内容基本来源为男神Hadley Wickham的Advanced R programming一书。 PS：通过以下教程写出来的包还不能放到CRAN上，仅方便自己的代码移植；如果你想让自己的function在CRAN扬名立万，还需要做很多其他的工作。 那些年需要做的准备工作 首先，安装Rtools: http://cran.r-project.org/bin/windows/Rtools/，想必你已经知道了这并不是一个R的包； 其次，最好有一个Rstudio； 再次，愉快的安装devtools包吧： install.packages("devtools",dependencies=T) 　　 好了，准备工作就绪，打开一个新的脚本，即可以开始写包之旅。 检测环境 library(devtools) has_devel()#诊断环境 利用has_devel函数检测当前的环境是否有问题，比如gcc，可能因为我也忘记了自己之前之前配置过什么，反正总之就是没问题哈哈，是的只要返回值是TRUE就没问题。 早就说了要开始现在才开始 create("H:

代码： x <- seq(-2*pi, 2*pi, 0.2) z <- pi*(-2:2) labels <- paste(-2:2,"π", sep="") # 绘制正弦曲线 plot(x, sin(x), type="o", pch=4, col=2, ylim=c(-1.5, 1.5), xaxt="n", ann=F) # 添加余弦点图 points(x, cos(x), pch=8, col=3) # 添加参考线 abline(h=c(-1, 0,1), lty=2, col=8) # 设置图形标题和坐标轴标题 title("sin & con", xlab="x", ylab="y",) axis(1, at=z, labels=labels) # 添加图例 legend("bottomleft", inset=0.02, c("sin", "cos"), col=c(2, 3), lty=c(1, -1), pch=c(4, 8), bg="gray95", cex=0.9,pt.cex=0.7, seg.len=0.6, text.width=0.3) 图形： 来源： https://www.cnblogs.com/shanger/p/12177998.html

1、文件查看 #列出当前工作目录下所有的文件和文件夹 list.files() #列出当前工作目录下所有的文件，包含子目录文件 list.files(recursive = TRUE) #列出当前工作目录下所有.R结尾的文件 list.files(pattern = "*.R") dir(pattern = "*.R") #列出当前工作目录下所有子目录，默认的recursive = TRUE list.dirs() 2、路径操作 #在当前工作目录下创建文件夹testfolder dir.create(file.path(getwd(), 'testfolder')) #默认的recursive为FALSE，创建子目录失败 dir.create(file.path(getwd(), 'testfolder2', 'subfolder')) #文件夹不存在返回FALSE dir.exists(file.path(getwd(), 'testfolder2', 'subfolder')) #设置recursive为TRUE，创建子目录 dir.create(file.path(getwd(), 'testfolder2', 'subfolder'), recursive = TRUE) #创建成功返回TRUE dir.exists(file.path(getwd(),

序号 操作 代码 1 修改图例名称 labs(fill = “name”) 2 隐藏/删除图例标题 theme(legend.title = element_blank()) 3 修改图例顺序 scale_color_discrete(limits = c(“a”, “d”, “c”)) 4 不加legend theme(legend.position = “none”) 5 修改legend位置 theme(legend.position = “left”) #(right, top, bottom) 6 修改尺寸大小 theme(legend.text = element_text(colour = “red”, angle = 45, size = 10, hjust = 3, vjust = 3, face = “bold”)) 7 颜色修改及一致性 geom_bar(position = “stack”, aes(order = desc(name))) 来源： CSDN 作者： Lianj-Qin 链接： https://blog.csdn.net/L_J_Kin/article/details/103833348

R语言扩展包的安装及加载 一.安装扩展包 1.官网下载 2.R软件下载 3.RStudio下载 4.命令行下载 二.扩展包的加载 1.R软件加载 2.RStudio加载 3.命令行载入 一.安装扩展包 1.官网下载 官网链接: https://www.r-project.org/ (1).选择CRAN (2).任意选择一个镜像（最好选择中国的） (3).点击packages (4).任选任一个可用软件包 (5).选择所需要下载的包 (6).选择下载包的类型 (7).下载路径为R软件安装路径的library文件内 2.R软件下载 (1).打开R软件，点击程序包，选择安装程序包 (2).选择自己所需要安装的程序包 3.RStudio下载 (1).选择RStudio界面右下角的packages,点击install (2).选择自己所需要下载的安装包，再点击install 4.命令行下载 install.packages("reshape") 二.扩展包的加载 1.R软件加载 (1).打开R软件，点击程序包，选择加载程序包 (2).选择自己所需要加载的程序包 2.RStudio加载 选择RStudio界面右下角的packages,在需要加载的包面前打个勾 3.命令行载入 library("ggplot2") 来源： CSDN 作者： Lonhan 链接： https://blog.csdn