R語言的簡介

發表時間：
這學期我幫趙老師上了一堂動態樣區概論，大致上這堂課我主要講的都是方法論，從簡單的動態樣區介紹一直到動態樣區內分析方法，漸漸地這堂課也上了快一個學期，我也在想說是不是能狗整理一些甚麼資訊出來。於是我打開了塵封已久的部落格，嵌入我自己本身有在使用的R Markdown，有目的性地去解決其中大部分人的問題。內容不一定會和我課堂所講的相似，但會提供我自己的想法與code，提供所有人參考與評論。藉此有一個小小平台可以解決大家對於「Ｒ很困難」的這個天大危機。 我自己碰Ｒ已經有將近８年（幹好久），很多時候都是目的性地去解決很多科學需要的圖跟表，因此往後的貼文，也會根據＂目的＂來去作出相關的分析、繪圖。到了最後，其實你就會發現，我們幾乎都使用那幾樣工具，其實沒有到多困難也沒有到多麼尖澀難懂。由於自己已經碰Ｒ碰了很久，有時真的要講起基礎的東西來，還是要花很長的一段時間，這篇文多半提供許多教科書上會有的教材，網路上真的超多人在教，我也是東抄抄西剪剪的拼湊出來。希望這篇能夠給剛進入Ｒ語言世界的人，有更．．．深入一點點的感受。 基礎的R語言

R 語言的介紹

什麼是R語言

  • R語言是由Ross Ihaka 以及Robert Gentlman 在University of Auckland基於John Chambers開發的S程式語言建構而的 免費 且 開源 的統計與繪圖軟體。

  • R語言是統計程式語言：

    • 程式語言是人與電腦溝通的工具，須嚴謹的邏輯語法, 電腦才會正確執行命令
    • 命令電腦做事的語言

  • R 以及R studio有什麼不一樣

    • R Studio是R的附加組件:
      • 使用R的時候，應與R studio一起使用
      • 因為R本身非常麻煩，無法將曾經寫過的code紀錄並貯存與共享
      • R studio2的介面友善，可儲存並分享code紀錄。
    • 由於R Studio 是R的附加組件，因此必須先下載R，再下載R Studio。
      • 使用R Studio進行數據分析時，R不能在電腦解除安裝
      • 即使…R可能從安裝之後你都不曾打開，再怎樣…只要你要用R studio分析，R就是要在你的電腦裡。

  • 學習R語言是指數型成長

    • 代表學習的路途很長

  • 但R語言近期越來越活耀

    • 有越來越多學術文章開始使用R語言進行統計分析

為什麼要使用R

  • R是免費下載，免費使用的軟體
    • SAS和SPSS是付費軟體，且需要認證才能夠使用。
    • R可以載在Windows、Mac以及Linux等作業系統。
    • 相較於其他的軟體，R使用的硬碟空間較小。
  • R是開源軟體
    • 使用者可以使用Packages來擴展R的功能多樣性，像是樂高組合一樣。
    • R的功能不斷被所有使用者擴展，因此不會大規模更新來讓R的功能便更強大。
  • 利用R來進行數據處理，非常簡單。前提是要會寫code。
    • 可以匯入其他軟體形式的資料，例如Excel、SAS以及SPSS
    • 可以簡單地建立新的數據子集、新變量、選擇特定觀察質和變量。
    • 這些工具具有很大的靈活性與變動性。
  • 在R裡面要進行數據的視覺化，非常方便且廣泛
    • 可以用來繪製出自己想要表達的圖形與表格，且藉由不同的code可以調整不同樣式，非常靈活且方便。
  • 科學家們可以藉由R的進階功能，
    • 可以用來進行混合模型的建立、主成分分析、因子分析、結構方程式
  • 可以提高對於統計的理解
    • 理解統計是透過真實的數據分析
    • 由於對數據分析的廣度以及R的操作方式，R將促進使用者對統計數據得更好理解。
  • 可以簡單地分享R的輸出
    • 可以輕鬆地選擇你想要輸出的圖檔或檔案
    • 容易保存在R中的所建立的圖形、數據集等
    • 由於R使用筆記本進行編輯，分析的過程容易重現且易於分享
    • 可以使用R Markdown將結果和代碼保存在帶有注視的報告樣式中。
  • R將可以使分析的表單，進行重現性
    • 使用筆記本所記錄的所有分析，都可以被記錄下來，並且可以分享、並且在他人的電腦裡重現。
  • 總結R語言的功能
    • 資料統整 (dplyr)
    • 資料視覺化 (ggplot2)
    • 資料統計分析 (vegan)
    • 資料模擬

R語言的使用指令

  • R語言是一種互動式的指令視窗，可分為以下兩種：
    • 運算式 (expression):
1+2
log(20)
sum(1+2)
    • 指派運算或賦值運算
x <- 1 + 2
y <- 4 - 5
x; y #把x和y叫出來
## [1] 3
## [1] -1

工作路徑的設置

  • 任何 R語言 工作中產生的物件或暫時檔案, 都會在電腦的 工作目錄 或 工作路徑 (working directory)
  • R語言 指令內的路徑 (PATH) 分隔為 / (例如, C:/RData/)或是用 ∖∖ (例如, C: ∖∖ RData)。
  • 設定工作目錄：
    • 指令 getwd(), 可以顯示當前工作路徑。
    • 指令 setwd(), 可以改變當前工作路徑。
> getwd() # show your current working directory
> setwd("C:/RData/")
> getwd()
> ## [1] "C:/RData"

R語言的基本架構

  • Package 套件
  • Functions 函式
  • Arguments 引數

Package: 套件

  • 特定的統計分析方法許多專用的函式集合成一組。許多學者針對特定分析，寫成專用的 R語言 函式, 學者常將這些特定的統計分析方法專用的函式集合成一組 套件 (package)
    • survival 套件：專用來進行存活分析
    • tidyverse 套件：資料科學上大量使用
  • R語言的套件數目一直在快速稱加，個別套件內則有不同的函式。
    • 標準套件 base {R}：可以進行一些標準統計和繪圖所需的的基本函數, 在任何 {R} 的安裝版本中, 都會被自動安裝與載入。
    • 貢獻套件(contributed package)： 許多學者為 {R} 提供了基本套件以外的套件
  • 安裝套件：
    • 第一次使用某一特定功能的套件，需要事先安裝套件
    • 盡可能連接網路才能安裝套件，以下列出常用的方法
      • 使用 {RStudio} 內設套件所在的位置
      • 由 {RStudio} 右下套件視窗. 使用滑鼠選擇 Packages
      • 使用函式 install.packages()安裝所需的套件
install.packages("ggplot2")

Function: 函式

  • 函式是一種物件，是指令的集合，執行特定功能或運算工作的指令
  • 擴展 R語言 在程式語言的功能性與便利性
  • 函式內通常需輸入 引數 (argument) 例如，統計常用函式 mean(), var(), sd(), log() 等
x.vec = c(1:5) 
x.vec # show x.vec 
mean( x.vec) # function mean() calculate mean, return a scalar
var( x.vec)  # function mean() calculate variance
log(x.vec)  # take log for all elements in vector x.vec

Arguments:引述

  • 一個函式內通常需輸入 引數 (argument) 或是 統計公式, 統計模型, (formals)。
    • 引數可以是一個以上，引數可以是數值、文字、資料框架或R語言的任何物件。
    • 必要引數 (required argument)：有些引數一定要輸入。
    • 自選引數 (optional argument)：有些引數可以不用輸入
    • 省略引數 (ellipsis argument)

R語言的物件

  • R語言是以物件導向為主的程式語言
  • 在 R語言中, 資料或運算指令以具有名稱的 物件 (object), 形式儲存
    • 向量 (vector)
    • 矩陣 (matrix)
    • 陣列 (array)
    • 列表 (Lists)
    • 資料框架 (data frames)

向量

  • 數值型(Numeric)
x1 <- 10.1 
x2 <- 10
class(x1)
  • 整數向量 (Integer)
  • 邏輯型 (Logical)：以 TRUE (T) 或 FALSE (F) 呈現。
  • 複數型 (Complex)
> x = 3+5i
  • 字串型 (Character)
ca <- "yes"
cb <- "this is a book."
ca; cb
  • 向量產生函式 c()
    • 輸入簡單的向量資料, 可以用函式 c() 指令. c()為 concatenate (連接), 將數值或文字連接成向量.
x.vec <- c(1/1, 1/2, 1/3, 1/4, 1/5)
flavors.vec <- c("chocolate", "vanilla", "strawberry")
x.vec
flavors.vec
  • 向量基本運算的操作符號 
# 數值運算
1 + 2 + 3
3 * 7 * 2
4/2
2 * 3 + 4
2 * (3 + 4)
(3 + 11 * 2)/4
x.complex <- (8+3i)+(1+2i); x.complex

# 向量的運算
x.vec <- 1:5
y.vec <- c(-1, -2, 0, 2, 4)
z.vec <- c(2, 2, 3, 3, 4)
x.vec + y.vec
x.vec - y.vec

x.vec * 2
x.vec * y.vec
x.vec/2
x.vec/y.vec
x.vec^2
x.vec^z.vec
y.vec/2
y.vec/x.vec

#
y.vec %% 3  # modular arithmetic remainder
y.vec %/% 3   # integer division
y.vec %/% x.vec

  • 因子物件與類別變數 Factor
    • 因子物件 (factor) 是處理 類別資料 (categorical data) 的一種有效的方法，將變數值分成互斥的類別水準，在類別變數定義中的特定幾種類別水準是否有大小差距，分成以下兩種：
      • 順序尺度：指同一變數內的類別水準有 輕重, 大小, 強弱, 好壞等級順序之資料
        • 疼痛有4種情境：無、輕度、中度、重度
        • 癌症有4期：1、2、3、4期
        • 有順序性，但數字本身不能用來做運算
    • 名目尺度：將變數值分成互斥的類別水準, 同一變數內的類別水準並無量化大小的差別。
      • 拇指為1，食指為2，中指為3，無名指為4，小指為5
      • 二元變數：存活為1，死亡為0
    • Factor()來讓數值設定成因子
      • factor(x = character(), levels, labels = levels,
        exclude = NA, ordered = is.ordered(x), nmax = NA)
> sex <- c("male", "female", "male", "male", "female"); sex
> class(sex)
> sex <- as.factor (sex); sex
> class(sex)

矩陣 (matrix)

  • 矩陣 (matrix) 物件由包含相同的元素 (模式, mode) 組成的2 -維度 (2-dimension) 資料物件
  • 矩陣具有 維度 (dimension) 之屬性，列 × 欄 ，用 函式 matrix().
x.mat <- matrix(c(1, 2, 3, 4, 5, 6), nrow = 2) # one row first
x.mat
dim(x.mat) #檢視矩陣的維度
y.mat <- matrix(c(1, 2, 3, 4, 5, 6), ncol = 2); y.mat
z.mat <- matrix(c(1, 2, 3, 4, 5, 6), nrow = 2, byrow = T)
z.mat
  • 矩陣的下標索引：利用中括號存取列、行的資料元素
    • matrix.name[ , j] 可存取矩陣中的第 j 欄 ( j th column)
    • matrix.name[i, ] 可存取矩陣中的第 i 列 ( i th row)
> m.mat <- matrix(c(1:12), 3, 4); m.mat
> m.mat [,2]; m.mat[1,]; m.mat[2,3]
> m.mat [2,3] <- 30
向量與矩陣的合併: rbind() 與 cbind()
> n.mat <- matrix(c(28:39), 3, 4); n.mat
> cbind(n.mat, m.mat) 
> rbind(n.mat, m.mat)

陣列 (array)

  • 物件也由包含相同模式 (mode) 的元素組成的p -維資料物件可使用函式 array() 產生陣列
a.vec <- 1:24; a.vec
b.array <- array(a.vec, dim = c(4, 3, 2),
                    dimnames = list(c("x1", "x2", "x3", "x4"),
                                              c("y1", "y2", "y3"),
                                              c("z1", "z2")))
b.array
mode(b.array)
dim (b.array)
b.array[3, 2, 1]
b.array[2, ,]
b.array[,2 ,]
b.array[, ,2]

列表物件(list)

  • 列表 (list) 是一個特殊的 向量，可以包含不同屬性、不同長度的數值、文字、向量與矩陣等。
  • 使用函式 list() 將個別成分組成列表
    • R語言許多統計分析的結果常常包含 不同物件，例如迴歸模型分析包含 參數估計、變異數分析、預測值與殘差，每一成分的長度與模式不一，模型分析產生的結果最後多以列表儲存。
x.vec <- 1:4
y.vec <- c("Male", "Female")
z.mat <- matrix(1:9, nrow = 3, ncol = 3)
xyz.list <- list(x.vec, y.vec, z.mat)
xyz.list

id.vec <- c(1, 2, 3, 4)
age.vec <- c(35, 55, 45, 25)
sex.vec <- c("Male", "Male", "Female", "Female")
disease.vec <- c("Yes", "No", "No", "Yes")
x.list <- list(
      id  = id.vec,
      age = age.vec,
      sex = sex.vec,
      disease = disease.vec)
x.list

資料框架 (data.frame)

  • 資料框架的主要用途是用來儲存一個資料檔所有的變數與觀察值。各行的向量長度必須相等，資料框架可以視為矩陣(matrix)或是矩陣(matrix)和列表(list)的混合型態
  • 使用函式 data.frame() 將資料儲存成資料框架物件. 輸入時須注意每個變數之觀測值數目 (向量長度) 都必須相等, 若有缺失值, 須先將缺失值符號輸入在向量內
StuDF <- data.frame(StuID=c(1,2,3,4,5), ##欄位名稱=欄位值
                  name=c("小明","大雄","胖虎","小新","大白"),
                  score=c(80,60,90,70,50),
                  sex=as.factor(c("M", "F", "M","M", "F")))
StuDF 
class(StuDF)
str(StuDF)
StuDF$name
StuDF$sex

資料輸入與輸出

  • read.csv()：原始資料是以逗號做分隔的檔案，副檔名通常為.csv
    • 輸入格式：your.dt <- read.csv(“your path”)
  • 輸出資料：write.csv(your.dt, “your filename.csv”)
    • 注意：資料會儲存在原先設定的路徑，可以用 get.wd()得知目前路徑
read.csv("D:/..../....")
write.csv(StuDF, "StuDF.csv")

留言

張貼留言

這個網誌中的熱門文章

USU參訪日記#2

發表時間：
圖片
剛到Salt Lake City的時候，遠眺整個山脈，總覺得這裡的山好清晰、好立體、好漂亮，那個陰影的對比度非常的高，像是被人調過對比度一樣。而從Salt Lake City到Logan的一小時半的路程上，仔細一看才發現，原來在照陽光的那一面，植被非常的稀疏，而在不受到陽光照射的那邊，植被非常的密集。且遠遠一看就知道那是針葉樹。 這裡是美國猶他州，洛根，西經111.80度，北緯41.44度，海拔1400公尺， 夏季溫度13~29度，年雨量才310 mm "The precipitation could be the limitation  for the vegetation pattern in Logan" 那天我問Jim這個觀察，他是這樣說的。之前生態學課本裡面常常提的南向坡與北向坡的植被差異，突然就這樣栩栩如生地出現在眼前，除此之外，在Logan這個地方除了有向上的森林界線以外，也有向下的森林界線，而這種向下的森林界線也可以說是乾旱線。因為再往低海拔走的時候，地表濕度會比較高海拔的濕度低，導致較低海拔的區域會形成低矮且耐旱的草生地植被。 而今天，Jim花了一個早上，帶我們去了洛根峽谷的頂端爬爬山(真的是輕裝hiking的那種)。突然覺得：「挖靠，上周日還在遠眺這邊的植被，現在就已經可以摸到這邊的樹了」。整個過程當中，我會有種我在合歡山做高海拔樣區調查的錯覺，會聞到「對就是這個冷衫的樹脂與腐植質的味道」。這邊主要的樹種以冷衫屬 (Abies alba 'Contorta')、黃衫屬以及松屬(Limber pine)的植物為主，地被除了有大量的冷衫屬小樹以外，還有sage spruce、Rose family等植物；除此之外，在這些樹種的森林邊緣，會有塊狀的楊屬(Populus, Populus trichocarpa) 植物聚集，到了陽光直射的區域，就是非常耐旱的草生地了。甚至有些木質密度超級高的杜鵑屬植物，會塊狀地生長向陽、小小稜線的生育地裡，像極了台灣杜鵑，但他不是台灣杜鵑。 "Don't underestimate those small tree, they are older than you."Jim在我們hiking的過程當中，會帶著我們去估計這些樹的年齡，從不同物種的分枝複雜程度、...
Read more »

小時候很常吃的那種滷肉飯

發表時間：
圖片
好，這是一篇食記。 這間有夠爛魯肉飯在我國小的時候是開在中山路上，也就是現在屋子內有甜點的那個位置。他以前並沒有名字，但就是有兩個很顯眼的大紅色燈籠，上面寫著"飯"、"麵"這樣。人行道上會擺上折疊桌椅做生意，而每次每次，都是人滿為患，即使我們家吃完了晚餐後，後面還有一堆客人正在覬覦你坐的位置。 但從我國中不知道幾年級後，這間店就不見了。他從原本中山路的位置，搬到吳鳳路一間小兒科診所旁的店面，最後又搬到中山路圓環附近的地方，然後就這樣就不見了。他是我和我弟認定最好吃的魯肉飯，而我們也真的在這幾年之間，在各種魯肉飯中尋找這種味道，但就是沒有一家可以超越。我們還會很後悔地說，以前小時候還會有那種不想吃、吃不下的意願，結果現在真的要吃的時候就真的吃不到了。 但就在今年九月份，研究室的得利卡拋錨在台18線的公路上，我請拖吊車將我們的車子拖吊到修車廠時，路過了一間店面，門口掛著兩個大紅色燈籠，門口還有寫著鳳梨魚燙A菜，那時還有點半懷疑的想說是不是同一間。結果今天我走進去店內，就是那位熟悉的老闆以及老闆娘，而我則點著小時候我們家會點的菜色，魯肉飯、燙A菜及粉腸湯。 最後我跟老闆娘小聊了一下，原來他們已經搬來這裡一年多了。現在作息也變得比較規律，東西賣完了就不賣了。不像以前在中山路那樣營業到凌晨3點多4點多甚至是到天亮。而我也很高興，這個口味的魯肉飯、燙A菜又回到我的生活當中。阿，有機會大家在去試試。 最後，到底有多少嘉義人知道這間阿?尤其尤其是當時在中山路的那種盛況，我好愛以前那種白底藍花邊的塑膠碗盤和簡單擺起摺疊桌椅做起生意的那種樸實感。
Read more »