Skip to content

Latest commit

 

History

History
330 lines (216 loc) · 5.51 KB

2-basic-methods.md

File metadata and controls

330 lines (216 loc) · 5.51 KB

% R语言基础春令营（2）：基本统计分析和绘图 % \href{mailto:[email protected]}{陈堰平} % April 14, 2013

读写数据

键盘输入

  • scan() 读入数值
  • readline() 输入单行数据
  • edit()

显示到屏幕

  • print()
  • cat()

读数据

  • scan()
  • read.table()
  • read.csv()

read.table()和scan()，可以用网站地址（URL）作为参数

从Excel中读取

# 第一行包含变量名
# 名为mysheet的sheet有数据

library(RODBC)
channel <- odbcConnectExcel("c:/myexel.xls")
mydata <- sqlFetch(channel, "mysheet")
odbcClose(channel)

从SPSS文件中读数据

# 从SPSS中把数据导成trasport格式
# 用SPSS脚本写就是
get file='c:\mydata.sav'.
export outfile='c:\mydata.por'.

# 在R里 如下操作
library(Hmisc)
mydata <- spss.get("c:/mydata.por", 
                   use.value.labels=TRUE)
# 最后一条选项把数据标签转化成R的水平

从SAS文件中读数据

# 把SAS数据库转成trasport格式
# 用SAS语句写就是
libname out xport 'c:/mydata.xpt';
data out.mydata;
set sasuser.mydata;
run;

# 在R里 如下操作
library(Hmisc)
mydata <- sasxport.get("c:/mydata.xpt")
# 字符型变量会转化成水平

从Stata文件中读数据

library(foreign)
mydata <- read.dta("c:/mydata.dta")

从数据库读取数据

RODBC包

函数 描述

odbcConnect(dsn, uid="", pwd="") 打开ODBC数据库的链接

sqlFetch(channel, sqtable) 从数据库中读一张表，转成数据框

sqlQuery(channel, query) 提交一条SQL查询语句，返回结果

sqlSave(channel, mydf, tablename = 把数据框写入到数据库的表中 sqtable, append = FALSE)

sqlDrop(channel, sqtable) 从数据库中删除一张表

close(channel) 关闭链接

导出数据

  • foreign包：SPSS、SAS、Stata
  • 要转成Excel格式
    • xlsReadWrite包 经常出问题
    • WriteXLS包 基于perl的Spreadsheet::WriteExcel包写的
    • dataframes2xls包 基于python写的
    • xlsx包 基于java写的

获取数据集信息

  • ls()
  • names()
  • str()
  • levels()
  • dim()
  • class()
  • head(mydata, n=10)
  • tail(mydata, n=5)

缺失值

  • is.na() 检测是否为缺失
  • 用索引操作来重编码
  • 在计算中对NA的剔除
    • na.rm选项
    • complete.cases()
    • na.omit()

在高级课程中将介绍数据插补方法

数据管理

变量操作

  • 创建新变量
  • 数据编码
  • 给变量重命名

内置数学函数

  • exp( )： 以自然常数 e 为底的指数函数
  • log( )：自然对数
  • log10( )：以10为底的常用对数
  • sqrt( )：平方根
  • abs( )：绝对值
  • sin( ), cos( ) 等：三角函数
  • min( ), max( )：向量的最小、最大值
  • which.min( ), which.max( )：向量的最小、最大元素的位置索引
  • pmin( ), pmax( )：把多个等长度的向量按元素逐个对比，返回所有向量的第k个元素中最小 (最大) 的值。
  • sum( ), prod( )：把一个向量的所有元素求和 (求积)。
  • cumsum( ), cumprod( )：把一个向量的前k个元素累计求和 (求积)。
  • round( ), floor( ), ceiling( )：分别是四舍五入去整、向下去整和向上去整

apply系列函数

  • apply()
  • tapply()
  • sapply()
  • lapply()

数据合并

数据汇总

比如有个测试数据集如下：

group value

a 10

a 20

a 30

b 100

b 200

想对不同group的value求和（或均值）

基本统计分析

描述统计

sapply(mydata, mean, na.rm=TRUE) 
summary(mydata)
fivenum(x)

library(Hmisc)
describe(mydata)

library(epicalc) 
des(mydata)

频数表

table()函数

随机抽样

sample()函数

回归

 lm(formula, data, subset)

举例

x <- 1:20
y <- x + rnorm(20, 0, 0.1)
lm.y <- lm(y ~ x)
lm.y
## 
## Call:
## lm(formula = y ~ x)
## 
## Coefficients:
## (Intercept)            x  
##     -0.0394       1.0041

names(lm.y)
##  [1] "coefficients"  "residuals"     "effects"       "rank"         
##  [5] "fitted.values" "assign"        "qr"            "df.residual"  
##  [9] "xlevels"       "call"          "terms"         "model"

提取模型信息

函数 意义

summary() 拟合模型的摘要

coef() 模型系数

resid() 残差

fitted() 拟合值

confint() 模型参数的置信区间

deviance() 残差平方和

anova() 方差分析表

predict() 预测

plot() 回归诊断图

influence() 回归诊断

基本绘图

散点图

x = rnorm(100)
y = rnorm(100)
plot(x, y)

散点图

plot of chunk graphics

柱状图

barplot(x[1:20])

柱状图

plot of chunk barplot

柱状图

barplot(x[1:20], width=2, horiz=T, 
      col=rainbow(10))

柱状图

plot of chunk barplot2

饼图

pie(c(10,10,10,20,30,20),
  c("Nature","Science","Cell","NG",
  "Nature Cancer","Other"),col=2:7)

饼图

plot of chunk pie1