安装R和Rstuido软件

R语言是用于统计分析，图形表示和报告的编程语言和软件环境；Rstudio是编辑、运行R语言的最为理想的工具之一。

1、官网下载R安装包

  下载地址为：https://cran.r-project.org   进入链接，如下图所示，在页面顶部提供了三个下载链接，分别对应三种操作系统：Windows、Mac和Linux。请选择自己操作系统对应的链接，接下来我将以windows为例给大家展示安装过程。



接下来单击【Download R for Windows】——>【base】——>【Download R 3.3.1 for Windows】，即可下载相应安装包。



单击base，进入下面页面，点击【Download R 3.5.1 for Windows】



 

2、安装R

下载完R安装包（我下的按转包名称为：“R-3.3.1-win.exe”），之后双击开始安装，跟一般的软件安装一样，根据需要进行相关安装设置并不断点击下一步即可。

step1、选择安装位置

可改成自己的安装路径。

step2、安装组件

注意：根据自身电脑操作系统的位数选择，但64位系统可全选，因为64位向下兼容32位系统。（要想知道R语言的32位和64位区别请查看改博客：http://blog.csdn.net/to_baidu/article/details/52904681）



step3、启动选项

step4、正在安装

step5、安装完成，并生成桌面快捷方式



 

下面是桌面快捷方式，分为32位和64位：i386为32位的，x64为64位的。



 

step6、打开R

双击两个快捷方式中任意一个即可打开R的原生IDE

3、官网下载RStudio安装包

 

下载地址： http://www.rstudio.com/ide   进入下载页面后，可以发现有Desktop和Server两个版本，我们选择Desktop。



单击蓝色圆形图标，进入跳转到Desktop版本下载窗口，Desktop版本又分为两个版本：Open Source Edition（免费）和Commercial License（付费）。

初学者自己用的话可选择前者，单击【DOWNLOAD RSRUDIO DESKTOP】。



单击【DOWNLOAD RSRUDIO DESKTOP】后进入下载页面，根据自己电脑的操作系统选择下载的版本，因为我的操作系统是win7，所以我选择【RStudio 0.99.903-Windows Vista/7/8/10】，单击并下载得到【RStudio-0.99.903.exe】。



4、安装RStudio

step1、双击【RStudio-0.99.903.exe】进行安装

step2、选择安装位置

可自行更改安装路径。



step3、正在安装

 

step4、安装完成





step5、IDE功能介绍

打开RStudio之后，会出现上图所示的窗口，其中有三个独立的面板。最大的面板是控制台窗口，这是运行R代码和查看输出结果的地方。也就是运行原生R时看到的控制台窗口。其他面板则是RStudio所独有的。隐藏在这些面板中的包括一个文本编辑器、一个画图界面、一个代码调试窗口、一个文件管理窗口等。

注意：有的人可能会问，有了RStudio还需要下载R吗？

即使使用RStudio，还是需要事先为计算机安装好R。RStudio只是辅助你使用R进行编辑的工具，它自身不附带R程序。



step3、正在安装

step4、安装完成





step5、IDE功能介绍

 

打开RStudio之后，会出现上图所示的窗口，其中有三个独立的面板。最大的面板是控制台窗口，这是运行R代码和查看输出结果的地方。也就是运行原生R时看到的控制台窗口。其他面板则是RStudio所独有的。隐藏在这些面板中的包括一个文本编辑器、一个画图界面、一个代码调试窗口、一个文件管理窗口等。

注意：有的人可能会问，有了RStudio还需要下载R吗？

即使使用RStudio，还是需要事先为计算机安装好R。RStudio只是辅助你使用R进行编辑的工具，它自身不附带R程序。

 

提问/视频教程--微信公众号：R语言数据分析与实践

新浪微博(网页版):Jenny爱学习

视频教程--bilibili: R语言数据分析与实践

CSDN:ZhenniLi

 

第一集：数据科学与R

第二集：安装R

第三集：安装RStudio

第四集：快速入门

                                                   

在大数据技术和人工智能发展突飞猛进的今天，R语言作为顶尖的数据分析开源软件，有着非常广泛的应用，在今年12月发布的TIOBE编程语言排行榜中位列第17，统计类语言第一。本系列博客将针对Mac版R语言进行实战介绍。欢迎对R语言有兴趣的朋友共同讨论和留言。

 

《Mac版R语言入门（一）R语言入门操作》包含以下内容：

                        1.R语言简介    

                        2.R语言的应用领域       

                        3.R语言安装及更新    

                        4.R语言常用packages安装及更新

 

一.R语言简介

1.R语言是一款应用范围极广的交互式数据分析、处理、绘图、建模的开源软件。

    1）R语言与其他主流数据分析处理软件的区别：

         Microsoft  Excel：办公软件（付费）  DataSource:Spreadsheet

         IBM  SPSS：事物处理软件（付费）

         SAS：专业统计软件（付费）

         Matlab：统计专业软件（付费）

         R：免费开源软件

   

 

二.R语言的应用领域

      1）数据可视化

      2）数据建模

      3）机器学习

      4）神经网络建模

      5）数据挖掘

      6）交互式HTML图表

        

 

三.版R语言安装&更新

R语言是顶尖的数据可视化语言，与Mac的视网膜屏结合工作，会有非常惊艳的效果。

    1）R语言安装

             登陆官网

https://www.r-project.org点击打开链接

    找到左侧Download下方CRAN，CRAN是用于安装R的一个下载库。

进入CRAN，这是R的一个国际化开发团队，下拉网页，找到China的下载镜像：



选择离自己地理位置最近的镜像文件链接进行安装，（几个链接位置分别是清华大学、中国科学与技术大学、浙江大学）

进入链接之后，选择中间第二个：

Download R for （Mac）OS X 进行下载。



Mac上，R的安装按照普通软件的安装方式即可。

      2）R语言更新：

              打开R软件——（菜单栏）R——Check For R Updates

                 

            将会打开如下网页：



单击左栏蓝色字体“R-3.3.2.pkg”安装包，支持最新版MacOS（Sierra）

需要使用神经网络建模、机器学习、3D制图等领域的同学，需要额外下载安装右栏蓝色字体部分“XQuartz”，以保证下载包的正常使用，（Sierra不再包括X11.）

 

四.R语言常用packages及安装（更新时间：2016.11.21 21:34）

        以下packages的安装环境：MacOS Sierra 、R（3.3.2）

     1）rattle：机器学习、神经网络建模、T检验F检验、决策树【注：新版Mac系统不再含有X11，安装rattle包需要从R官网下载安装XQuartz（下载及安装方法见.三 2））】

           安装步骤：方法一【使用RStudio安装】：打开RStudio——Tools——Install Packages

                                                                            输入：rattle

                             方法二【R安装】：打开R

                                                          输入：>install.packages("rattle")

            使用rattle包：> library（rattle）

                                  > rattle ()



 

      2）rCharts:绘制交互图形的package，用R与javascript做交互式可视化产品

            安装略麻烦，因为rCharts还没有放在CRAN上：

                             安装步骤：方法一【使用RStudio安装】：打开RStudio——Tools——Install Packages

                                                                                               输入：devtools

                                                console中输入：> require(devtools)

                                                                           > install_github('rCharts','ramnathv')                                                                                   

                    使用rCharts：> library（rCharts）

                  

 

                  更多关于rCharts的帮助信息见官网：http://ramnathv.github.io/rCharts/

 

 

                                    

 

 

 

　　要绘制一张赏心悦目的统计图表，坐标轴的设置至关重要。在R语言底层作图中，对坐标轴的调整主要通过调整plot函数、axis函数和title函数的一系列参数完成。

plot(x,y, ...)

axis(side,at = NULL, labels = TRUE, tick = TRUE, line = NA,

     pos= NA, outer = FALSE, font = NA, lty = "solid",

     lwd = 1, lwd.ticks = lwd, col = NULL,col.ticks = NULL,

     hadj = NA, padj = NA, ...)

title(main= NULL, sub = NULL, xlab = NULL, ylab = NULL,

      line = NA, outer = FALSE, ...)

一、plot函数的准备

　　在个性化设置坐标轴之前中，通常需调整plot函数中的ann、bty、xaxt、yaxt、xaxs和yaxs参数：

　　ann取FALSE时将不会画出标题（包括主、副标题及坐标轴标题）；

　　bty用来设置边框形式，默认值为"o"，表示四面边框都画出，其余可选值包括"l"（左下）、"7"（上右）、"c"（上下左）、"u"（左下右）、"]" （上下右）和"n"（无，即不画边框），在很多个性化绘图中，bty设为"n"，后期的边框线再使用其他函数（如axis）自行添加；

　　xaxs和yaxs 用来设置x轴和y轴的范围，默认值取“r”，表示坐标轴比给定作图范围（参数xlim和ylim给出的范围）稍微大一点儿，取”i”时表示坐标轴范围与给定作图范围完全相同，另外还可取”s”、”e”、”d”；

　　xaxt和yaxt 取”n”时，坐标轴、刻度线以及刻度值将不会画出。

 

x <- seq(-4, 4, 0.01)
y <- x^2
par(mfrow = c(2, 2), mar = c(4, 4, 1, 1))
plot(x, y)   # 未作处理
plot(x, y,  xaxs = "i", yaxs ="i")   # 绘图边框未留白
plot(x, y, bty = 'l')   # 只保留左和下两条边框
plot(x, y, ann = F, bty = "n", xaxt = "n", yaxt ="n")   # 边框、坐标轴都去掉

 



二、axis函数的用法

1、基本操作

　　side表示要操作的坐标轴，取值1、2、3、4分别代表下、左、上、右；

　　at表示刻度线及刻度值所在位置；

　　labels表示刻度值；

　　las表示坐标刻度值文字方向，las=0表示文字方向与坐标轴平行，1表示始终为水平方向，2表示与坐标轴垂直，3表示终为垂直方向。

 

x<- seq(-4, 4, 0.01)
y<- x^2
par(mfrow=c(1, 2), mar = c(4, 4, 1, 1))
#未设置文字方向
plot(x,y, ann = F, xaxt = "n", yaxt = "n")  
axis(1,-4:4, -4:4)
axis(2,seq(0, 16, 4), seq(0, 16, 4))
#文字方向水平
plot(x,y, ann = F, xaxt = "n", yaxt = "n")  
axis(1,-4:4, -4:4, las = 1)
axis(2,seq(0, 16, 4), seq(0, 16, 4), las = 1)

 



2、字体字号

　　cex.axis表示坐标轴刻度值的字号大小，

　　font.axis表示坐标轴刻度值的字体，font=1表示正体，2表示黑体，3表示斜体，4表示黑斜体。

 

x<- seq(-4, 4, 0.01)
y<- x^2
par(mfrow=c(2, 2), mar = c(4, 4, 1, 1))
#未设置字体字号
plot(x,y, ann = F, xaxt = "n", yaxt = "n")
axis(1,-4:4, -4:4)
#cex.axis = 2
plot(x,y, ann = F, xaxt = "n", yaxt = "n")
axis(1,-4:4, -4:4, cex.axis = 2)
#font.axis = 2
plot(x,y, ann = F, xaxt = "n", yaxt = "n")
axis(1,-4:4, -4:4, font.axis = 2)
#font.axis = 3
plot(x,y, ann = F, xaxt = "n", yaxt = "n")
axis(1,-4:4, -4:4, font.axis = 3)






 

 

 

 

3、颜色

　　col表示图的颜色，用在axis函数中表示坐标轴线和坐标刻度线的颜色；

　　col.axis表示坐标轴刻度值的颜色；

　　col.ticks表示坐标轴刻度线的颜色。

 

x<- seq(-4, 4, 0.01)
y<- x^2
par(mfrow=c(2, 2), mar = c(4, 4, 1, 1))
#未设置颜色
plot(x,y, ann = F, bty = "n", xaxt = "n", yaxt = "n")
axis(1,-4:4, -4:4)
#col = 2
plot(x,y, ann = F, bty = "n", xaxt = "n", yaxt = "n")
axis(1,-4:4, -4:4, col = 2)
#col.axis = 2
plot(x,y, ann = F, bty = "n", xaxt = "n", yaxt = "n")
axis(1,-4:4, -4:4, col.axis = 2)
#col.ticks = 2
plot(x,y, ann = F, bty = "n", xaxt = "n", yaxt = "n")
axis(1,-4:4, -4:4, col.ticks = 2)



 

4、位置

　　line表示坐标轴线位置与图像边框的距离，取负数时会画在图像边框以内；

　　mgp默认值为c(3, 1, 0)，三个数字分别代表坐标轴标题、刻度值和轴线与绘图边框的距离；

　　tcl默认值为-0.5，数值表示刻度线长度，负值表示刻度线朝外，正值朝里；

　　pos 表示轴线所在的位置；

　　line.outer取TRUE时，坐标轴将画在画布边缘处；

　　hadj指将刻度值沿平行坐标轴方向调整的距离；

　　padj指将刻度值沿垂直坐标轴方向调整的距离。

 

x <- seq(-4, 4, 0.01)
y <- x^2
par(mfrow= c(2, 2), mar = c(4, 4, 1, 1))
# 未设置刻度值位置
plot(x, y, ann = F, xaxt = "n", yaxt ="n")
axis(1, -4:4, -4:4)
# 使用line调整刻度值位置
plot(x, y, ann = F, xaxt = "n", yaxt ="n")
axis(1, -4:4, -4:4, line = 2)
# 使用mgp调整刻度值位置
plot(x, y, ann = F, xaxt = "n", yaxt ="n")
axis(1, -4:4, -4:4, mgp = c(3, 2, 0)) 
# 使用padj调整刻度值位置
plot(x, y, ann = F, xaxt = "n", yaxt ="n")
axis(1, -4:4, -4:4, padj = 1)



 

 

 

5、其他

tick取FALSE时，坐标轴线和刻度线不画出；

lty表示线型，用在axis函数中表示坐标轴线型；

lwd表示线的粗细，用在axis函数中表示坐标轴线粗细；

lwd.ticks表示刻度线粗细。

 

三、title函数的用法

　　main、sub、xlab和ylab分别表示主标题、副标题、x轴标题和y轴标题；

　　cex.lab表示坐标轴标题的字号大小；

　　font.lab表示坐标轴标题的字体；

　　col.lab表示坐标轴标题的颜色；

　　其余参数和axis中用法一致。

 

x<- seq(-4, 4, 0.01)
y<- x^2
par(mfrow=c(2, 2), mar = c(4, 4, 1, 1))
#无标题
plot(x,y, ann = F, xaxt = "n", yaxt = "n")  
axis(1,-4:4, -4:4)
axis(2,seq(0, 16, 4), seq(0, 16, 4))
#使用title设置标题
plot(x,y, ann = F, xaxt = "n", yaxt = "n")  
axis(1,-4:4, -4:4, las = 1)
axis(2,seq(0, 16, 4), seq(0, 16, 4), las = 1)
title(xlab= 'x', ylab = 'y')
#使用line调整位置
plot(x,y, ann = F, xaxt = "n", yaxt = "n")  
axis(1,-4:4, -4:4, las = 1)
axis(2,seq(0, 16, 4), seq(0, 16, 4), las = 1)
title(xlab= 'x', ylab = 'y', line = 2)
#调整颜色字体字号
plot(x,y, ann = F, xaxt = "n", yaxt = "n")  
axis(1,-4:4, -4:4, las = 1)
axis(2,seq(0, 16, 4), seq(0, 16, 4), las = 1)
title(xlab= 'x', ylab = 'y', col.lab = 2, font.lab = 4, cex.lab = 2)




 

 

 

 

关注微信公共号：小程在线

 





关注CSDN博客：程志伟的博客

主要用到VIM和mice包

 

install.packages(c("VIM","mice"))

 

 

 

1.处理缺失值的步骤

 

步骤：

（1）识别缺失数据；

（2）检查导致数据缺失的原因；

（3）删除包含缺失值的实例或用合理的数值代替（插补）缺失值

缺失值数据的分类：

（1）完全随机缺失：若某变量的缺失数据与其他任何观测或未观测变量都不相关，则数据为完全随机缺失（MCAR）。

（2）随机缺失：若某变量上的缺失数据与其他观测变量相关，与它自己的未观测值不相关，则数据为随机缺失（MAR）。

（3）非随机缺失：若缺失数据不属于MCAR或MAR，则数据为非随机缺失（NIMAR）。

2.识别缺失值

NA：代表缺失值；

NaN：代表不可能的值；

Inf：代表正无穷；

-Inf：代表负无穷。

is.na（）：识别缺失值；

is.nan（）：识别不可能值；

is.infinite（）：无穷值。

is.na（）、is.nan（）和is.infinte（）函数的返回值示例

 

x
			
is.na（x）
			
is.nan（x）
			
is.infinite（x）
		
x<-NA
			
TRUE
			
FALSE
			
FALSE
		
x<-0/0
			
TRUE
			
TRUE
			
FALSE
		
x<-1/0
			
FALSE
			
FALSE
			
TRUE
		
 
			
 
			
 
			
 
		
 

complete.cases（）可用来识别矩阵或数据框中没有缺失值的行，若每行都包含完整的实例，则返回TRUE的逻辑向量，若每行有一个或多个缺失值，则返回FALSE；

3.探索缺失值模式　

（1）列表显示缺失值

mice包中的md.pattern（）函数可以生成一个以矩阵或数据框形式展示缺失值模式的表格

 

library(mice)
data(sleep,package="VIM")
md.pattern(sleep)



 

（2）图形探究缺失数据

VIM包中提供大量能可视化数据集中缺失值模式的函数：aggr（）、matrixplot（）、scattMiss（）

 

library("VIM")
aggr(sleep,prop=FALSE,numbers=TRUE)




 

 

library("VIM")
aggr(sleep,prop=TRUE,numbers=TRUE)#用比例代替了计数



 

matrixplot（）函数可生成展示每个实例数据的图形

 

matrixplot(sleep)



 

浅色表示值小，深色表示值大；默认缺失值为红色。


marginplot（）函数可生成一幅散点图，在图形边界展示两个变量的缺失值信息。

 

library("VIM")
marginplot(sleep[c("Gest","Dream")],pch=c(20),col=c("darkgray","red","blue"))



 

（3）用相关性探索缺失值

影子矩阵：用指示变量替代数据集中的数据（1表示缺失，0表示存在），这样生成的矩阵有时称作影子矩阵。

求这些指示变量间和它们与初始（可观测）变量间的相关性，有且于观察哪些变量常一起缺失，以及分析变量“缺失”与其他变量间的关系。

 

head(sleep)
str(sleep)
x<-as.data.frame(abs(is.na(sleep)))
head(sleep,n=5)
head(x,n=5)
y<-x[which(sd(x)>0)]
cor(y)
cor(sleep,y,use="pairwise.complete.obs")

4.理解缺失值数据的来由和影响

识别缺失数据的数目、分布和模式有两个目的：

（1）分析生成缺失数据的潜在机制；

（2）评价缺失数据对回答实质性问题的影响。

即：

（1）缺失数据的比例有多大？

（2）缺失数据是否集中在少数几个变量上，抑或广泛存在？

（3）缺失是随机产生的吗？

（4）缺失数据间的相关性或与可观测数据间的相关性，是否可以表明产生缺失值的机制呢？

 

若缺失数据集中在几个相对不太重要的变量上，则可以删除这些变量，然后再进行正常的数据分析；

若有一小部分数据随机分布在整个数据集中（MCAR），则可以分析数据完整的实例，这样仍可得到可靠有效的结果；

若以假定数据是MCAR或MAR，则可以应用多重插补法来获得有铲的结论。

若数据是NMAR，则需要借助专门的方法，收集新数据，或加入一个相对更容易、更有收益的行业。

5.理性处理不完整数据

6.完整实例分析（行删除）

函数complete.cases（）、na.omit（）可用来存储没有缺失值的数据框或矩阵形式的实例（行）：

 

newdata<-mydata[complete.cases(mydata),]
newdata<-na.omit(mydata)


 

options(digits=1)
cor(na.omit(sleep))
cor(sleep,use="complete.obs")




 

 

fit<-lm(Dream~Span+Gest,data=na.omit(sleep))
summary(fit)




 

7.多重插补

多重插补（MI）是一种基于重复模拟的处理缺失值的方法。

MI从一个包含缺失值的数据集中生成一组完整的数据集。每个模拟数据集中，缺失数据将使用蒙特卡洛方法来填补。

此时，标准的统计方法便可应用到每个模拟的数据集上，通过组合输出结果给出估计的结果，以及引入缺失值时的置信敬意。

可用到的包Amelia、mice和mi包

mice（）函数首先从一个包含缺失数据的数据框开始，然后返回一个包含多个完整数据集的对象。每个完整数据集都是通过对原始数据框中的缺失数据进行插而生成的。

with（）函数可依次对每个完整数据集应用统计模型

pool（）函数将这些单独的分析结果整合为一组结果。

最终模型的标准误和p值都将准确地反映出由于缺失值和多重插补而产生的不确定性。


基于mice包的分析通常符合以下分析过程：

 

library(mice)
imp<-mice(mydata,m)
fit<-with(imp,analysis)
pooled<-pool(fit)
summary(pooled)


mydata是一个饮食缺失值的矩阵或数据框；

imp是一个包含m个插补数据集的列表对象，同时还含有完成插补过程的信息，默认的m=5

analysis是一个表达式对象，用来设定应用于m个插补的统计分析方法。方法包括做线回归模型的lm（）函数、做广义线性模型的glm（）函数、做广义可加模型的gam（）、及做负二项模型的nbrm（）函数。

fit是一个包含m个单独统计分析结果的列表对象；

pooled是一个包含这m个统计分析平均结果的列表对象。

</pre><pre name="code" class="plain">library(mice)
data(sleep,package="VIM")
imp<-mice(sleep,seed=1234)

 



 

 

fit<-with(imp,lm(Dream~Span+Gest))
pooled<-pool(fit)
summary(pooled)



 

 

imp



 

 

imp$imp$Dream



 

利用complete（）函数可观察m个插补数据集中的任意一个，格式为：complete(imp,action=#)

eg：

 

dataset3<-complete(imp,action=3)
dataset3



 

8.处理缺失值的其他方法

处理缺失数据的专业方法

 

软件包
			
描述
		
Hmisc
			
包含多种函数，支持简单插补、多重插补和典型变量插补
		
mvnmle
			
对多元正态颁数据中缺失值的最大似然估计
		
cat
			
对数线性模型中多元类别型变量的多重插补
		
arrayImpute\arraryMissPattern、SeqKnn
			
处理微阵列缺失值数据的实用函数 
		
longitudinalData
			
相关的函数列表，比如对时间序列缺失值进行插补的一系列函数
		
kmi
			
处理生存分析缺失值的Kaplan-Meier多重插补
		
mix
			
一般位置模型中混合类别型和连续型数据的多重插补
		
pan
			
多元面板数据或聚类的多重插补
		
 

 

 

（1）成对删除

处理含缺失值的数据集时，成对删除常作为行删除的备选方法使用。对于成对删除，观测只是当它含缺失数据的变量涉及某个特定分析时才会被删除。


cor(sleep,use="pairwise.complete.obs")


虽然成对删除似乎利用了所有可用数据，但实际上每次计算只用了不同的数据集，这将会导致一些扭曲，故建议不要使用该方法。


（2）简单（非随机）插补


简单插补，即用某个值（如均值、中位数或众数）来替换变量中的缺失值。注意，替换是非随机的，这意味着不会引入随机误差（与多重衬托不同）。

简单插补的一个优点是，解决“缺失值问题”时不会减少分析过程中可用的样本量。虽然 简单插补用法简单，但对于非MCAR的数据会产生有偏的结果。若缺失数据的数目非常大，那么简单插补很可能会低估标准差、曲解变量间的相关性，并会生成不正确的统计检验的p值。应尽量避免使用该方法。

 

 

9.R中制作出版级品质的输出

常用方法：Sweave和odfWeave。

Sweave包可将R代码及输出嵌入到LaTeX文档中，从而得到 PDF、PostScript和DVI格式的高质量排版报告。

odfWeave包可将R代码及输出嵌入到ODF（Open Documents Format）的文档中