1. R 是什么 & 为什么用 R

• 定义：R 是用于统计计算与绘图的自由开源语言/环境，内置大量统计方法（线/非线性建模、检验、时间序列、分类、聚类等），矩阵代数支持强。适合统计分析与数据科学场景。

• 渊源：R 源于 S 语言（Bell Labs 1970s；Gentleman & Ihaka 1995 实现可执行 S 的软件——R）。S-PLUS 为商业化实现。

• 优势：

  1. 社区生态强：海量高质量、领域专用包（如金融、基因组学）。

  2. 统计函数与矩阵运算原生支持完善。

  3. 可视化强：尤其是 ggplot2 等扩展库。

• 注意：

  1. 性能不如系统语言；

  2. 偏统计/数据分析，通用编程略弱；

  3. 某些“怪癖”：1 起始索引、多赋值操作符、非常规数据结构等。

---

2. 安装与启动

• R 获取：跨 Windows/macOS/Linux，去 CRAN 下载最新发行版并安装。安装完成后直接从应用目录启动 R 控制台。The Comprehensive R Archive Network

• RStudio（现 Posit）：主流 IDE，集控制台、语法高亮、绘图、历史、调试、工作区管理于一体。先装 R 再装 RStudio（Posit）。

  • 下载：RStudio 官网页。RStudio is becoming Posit - Posit

  • 

  • 备注：RStudio 正逐步品牌更名为 Posit。

  • RStudio Desktop - Posithttps://www.rstudio.com/products/rstudio/download/

• 启动与界面：IDE 四象限典型布局：脚本编辑器/控制台/绘图与文件与包/环境变量与帮助面板。掌握帮助面板的搜索与导航。

---

3. 包（Packages）与 CRAN 生态

• 为何装包：基础 R 不含所有领域算法，如 RNA-Seq 需 DESeq2/edgeR 等；金融分析有专门 Task View。

• CRAN Task Views：官方按领域分类的包清单/导览页面（金融视图示例）。优先从 Task View 找权威包与替代方案。

• 安装方式：

  • 在线：install.packages("tidyverse")（会自动下载/编译/安装）。

  • 本地离线：RStudio 菜单 Packages → Install from local files，选择本地 zip。

• 

• 加载包：library(tidyverse)，加载后其函数可直接调用。若报错“there is no package called …”，需先安装再 library()。

• tidyverse：一组“以数据科学为中心”的约定式包集合，核心成员含 ggplot2/dplyr/tidyr/readr/purrr/stringr/forcats；加载时会显示与 stats 的函数命名冲突提示（例如 filter、lag）。

---

4. R 基础语法与运算符

4.1 交互与脚本

• 交互：控制台提示符 >，逐行执行。脚本文件建议以 .R 保存，通过编辑器发送至控制台运行。

4.2 赋值与变量

x <- 2; y <- 5 
x * y # 10 
x < y | y != 5 # TRUE 
x < y & y != 5 # FALSE 

• 赋值惯用 <-（也可用 =，但建议风格一致）。

4.3 算术运算符

示例

4.4 逻辑/比较运算

示例

• 易错点：= 用于赋值；比较请用 ==。如 2 = 2 会报“invalid left-hand side to assignment”，正确写法 2 == 2。

---

5. 数据类型与数据结构

5.1 向量（vector）

• 创建：c(1,2,5.3,6,-2,4)、c("one","two")、c(TRUE,FALSE)。

• 索引：a[c(2,4)] 取第 2 与 4 个元素。

5.2 矩阵（matrix）

• 同列同模态、同长度。Matrix name<-matrix(vector, nrow=r, ncol=c)

5.3 数据框（data.frame）

• 各列可不同类型（数值/字符/因子/逻辑）。

• NA 表示缺失值，统计/绘图前需特别处理。

5.4 列表（list）

• 可异构数据容器：

• 双中括号 [[ ]] 取组件本体；$ 按名称取组件。

---

6. 数据导入/导出

6.1 导入

• CSV：read.csv("path/mydata.csv")CSV 文件是一种用纯文本格式存储表格数据（如数字和文本）的通用标准。它利用简单的逗号（,）作为分隔符，来明确区分开每一条记录中的不同字段，从而实现数据的结构化存储和交换。

• TSV/通用定界：read.table("path/mydata.tsv")（默认空白分隔，TSV 常用 sep="\t"）

  制表符分隔值（TSV）文件是一种用于以表格结构存储数据的简单文本格式。

  

  

6.2 导出

• 制表符文本：write.table(mydata, "path/mydata.txt", sep="\t")

• CSV：write.csv(mydata, "path/mydata.csv")

---

7. 查看数据与结构

• 自带数据集 trees（Girth, Height and Volume for Black Cherry Tree）用于练习：

  • names(trees) 查看变量名；

  • str(trees) 查看结构（行数、列数、类型、示例值）；

  • head(trees)/tail(trees) 看前/后 6 行。

---

8. 描述性统计与相关性

8.1 基本统计

R语言提供了大量用于获取汇总统计信息的函数。

• mean/sd/var/min/max/median/range/quantile/IQR：

• summary(trees)是一个泛型函数生成的结果是一个总和 一次产出均值/中位数/四分位/极值等汇总。

  

  泛型函数quantile可生成对应于给定概率的样本分位数。最小观测值对应概率0，最大观测值对应概率1。
  • IQR(x) = quantile(x, 3/4) - quantile(x, 1/4)

  （注：IQR即四分位距，是描述数据离散程度的统计量，计算公式为第三四分位数与第一四分位数之差）

8.2 相关/协方差

可以使用 cor() 函数计算相关系数，使用 cov() 函数计算协方差。
• 简化格式为：cor(x, use=, method=)

---

9. 绘图（Base R 与 ggplot2）

9.1 Base R

• 散点 + 回归线 + 标题：

plot() 函数会打开一个图形窗口并绘制树高与树围的散点图。
• 下一行代码会为此图形添加一条回归线。
• 最后一行代码添加标题。

• 直方图：hist(trees$Height)。

• 保存图形（JPEG 举例）：

  jpeg("c:/mygraphs/myplot.jpg") 
  plot(trees$Girth, trees$Height) 
  dev.off() # 关闭图形设备，文件写入完成 
  

• 注意：忘记 dev.off() 文件会不完整；在 macOS/Linux 改用合适路径分隔符。

9.2 ggplot2（tidyverse 核心）

• 安装与加载：install.packages("tidyverse"); library(tidyverse)；或仅装 ggplot2。

• 内置数据 ggplot2::mpg（EPA 采集的 38 类车型相关数据，234×11）：先 ?mpg 查看字段含义。您可以探索 ggplot2 中的 mpg 数据框（即 ggplot2::mpg）。数据框是一种按变量（列）和观测值（行）组成的矩形集合。mpg 包含美国环境保护局收集的 38 款车型的观测数据。

• 基本绘图语法：

  ggplot(data = mpg) + geom_point(mapping = aes(x = displ, y = hwy))

  解释：发动机排量（displ）与高速油耗（hwy）呈负相关（排量越大油耗越高）。

---

10. RStudio（Posit）帮助系统

• 打开 Help 面板，输入函数或包名（如 ?mean、help("lm")、help.search("correlation")），查看示例与参数解释。熟练利用帮助是上手 R 的捷径。

---

11. 学习与资料

• CRAN / Bioconductor：获取官方 R 与生物信息学包。

• 官方/社区资源：R 官网、RStudio（Posit）图书与教程清单。遇到报错先读帮助再搜这些权威渠道。

---

12. 实操清单（按本文档内容设计）

1. 环境准备：安装 R → 安装 RStudio（Posit）→ 在 Console 输入 R.version.string 验证。

2. 包管理：

   • install.packages("tidyverse")；library(tidyverse)；

   • 查看包冲突提示；用 package::function 消歧（如 dplyr::filter）。

3. 数据结构：

   • 创建 vector/matrix/data.frame/list，练习索引与子集化。

4. 导入导出：用 read.csv 读一份 CSV，write.csv 导出结果。

5. 统计与可视化：

   • 对 trees 做 summary、cor、cov；

   • Base R 作散点 + 回归线，并保存为 jpeg；

   • 用 ggplot2 画 mpg 的 displ vs hwy。

---

13. 常见坑位 & 小贴士（针对本文案例补充）

• 比较符号：判断相等用 ==，别写 =（赋值）。文档示例已给出典型报错场景。

• 缺失值：相关/协方差时若含 NA，请设置 use="complete.obs"；否则可能得到 NA 结果或错误。

• 绘图导出：图形设备要 dev.off() 关闭。未关闭时文件空白或被占用。

• 包未安装：library() 报 “there is no package called …” → 先 install.packages()。

• 工作目录：路径写法与系统有关；建议先 getwd()/setwd()；或使用 RStudio “Files” 面板设定。