第一章 R语言入门

1.1 R的初步使用

R在断行的地方加“+”表示连接 标准赋值符号：$<-$ 安装包，加载包：$install.packages(c("包名","包名"))library(包名)$

1.2 创建R数据

向量 R中录入一个向量：$a<-c(2,3,4,5)$ 同一个向量中的元素只能是同一类型的数据，不能混杂 访问a中第二、五个元素：$a[c(2,3)]$ 矩阵 创建矩阵：$mat<-matrix(data=NA,nrow=1,cnol=1,byrow=FLASE,dimnames=NULL)$，（数据向量，矩阵行数，矩阵列数，默认按列填充，list矩阵的行名列名） 转置矩阵：$t()$ 生成24个在25到100之间均匀分布的随机数，并取整：$round(runif(24,25,100))$ 数组 创建数组：$array(data=NA,dim=length(data),dimnames=NULL)$，（数据向量，每个维度的最长度，维度标签） **数据框 ** 格式：$data.frame(col1,col2,col3)$ 查看数据的前3行：$head(df,3)$ 查看数据的后3行：$tail(df,3)$ 查看数据的结构：$str(df)$ 查看数据值的范围：$summary(df)$ 查看数据的列名：$colnames(df)$ 查看数据的类型：$class(df)$ 查看数据的行数，列数：$nrow(df),ncol(df)$ 同时查看数据的行数和列数：$dim(df)$ 按行合并数据框：$rbind(df1,df2)$，列数不变 将df2的第2，3列合并到df1：$cbind(df1,df2[,2:3])$，行数不变 对姓名做降序排列：$sort(df￥姓名,decreasing=TURE)$，默认升序 对表按姓名做升序：$df[order(df1￥姓名),]$ 重命名：$rename()$ 指定数据框：$attach(data),detach(data)$ 四舍五入保留两位：$round(x,digtis=2)$ 因子和列表 $$统计学变量\{\begin{array}{l}类别变量（定性变量）\{\begin{array}{l}无序类别变量\\ 有序类别变量\end{array}\\ 数字变量（定量变量）\{\begin{array}{l}离散变量\\ 连续变量\end{array}\end{array}$$ 在R中类别变量称为因子，因子的取值称为水平 将无序因子转换为数值：（按拼音取levels） $a<-c("金融","地产","医药","医药","金融","医药")$ $f<-factor(a)$ $as.numeric(f)$ 将有序因子转换为数值： $b<-c("很好","好","一般","差","很差")$ $f<-factor(b,order=TRUE,levels=c("很好","好","一般","差","很差"))$ $as.numeric(f)$ 列表list

1.3 数据的其他操作

读取数据：$table1\_1<-read.csv("C:/aa/aa.csv",header=FLASE)$，默认含有 保存数据：$write.csv(table1\_1,file="C:/aa/aa.csv")$ 保存R格式：$save(table1\_1,file="C:/aa/aa.RData")$ 数据类型转换

变量->向量 $as.vector()$ 数据框转换成矩阵，才能转换成向量数据框->矩阵 $as.matrix()$ 矩阵行名：$rownames(matrix1\_1)=table1\_1[,1]$短格式数据->长格式数据 数据中有标识变量 $libaray(reshape2)$ $table1\_1\_1<-melt(table1\_1,id.vars="姓名",variable="课程",value.name="分数")$ id.vars称为为标识变量，用于指定按哪些因子（一个或多个）汇集成其他变量（通常是数值变量）的值。例如上例，表示要将课程的分数按照姓名汇集成一个变量，而且汇集到一列的数值与原来的课程和姓名相对应。 数据中无标识变量 增加一个付给Id：$Id<-cbind(table{1}_4,id=factor(1:5))$

生成随机数 生成均值为mean、标志差为sd的正态分布n个随机数，函数为：$rnorm(n,mean=0,sd=1)$ 设定随机数种子：$set.seed(15)$ 在0到100之间产生10个均匀分布随机数：$runif(10,0,100)$ 10个自由度为15的${\chi }^2$分布随机数：$rchisp(10,15)$ 数据抽样 $sample(x,size,replace=FALSE,prob=NULL)$，（向量，样本量，默认无放回抽样，要抽取元素的概率权重问题）

1.4 生成频数分布表

频数分布表是对类别数据（因子的水平）计数或数值数据类别化（分组）后计数生成的表格 4. 类别数据频数分布表 base包中的table stats包中的ftable vcd包中的structable 一维列联表 只涉及一个类别变量，这个变量的各类别（取值）可以放在频数分布表中“行“的位置，将该变量的各类别及其相应的频数列出来就是一维列联表 $mytbale<-table(data1\_1￥满意度)$ 将表转换为百分比表：$prop.table(mytable1)\ast 100$ 二维连列表 涉及两个类别变量时，通常将一个变量的各类别放在“行”的位置，另一个变量各类别放在“列”的位置。有两个类别变量交叉分类形成的频数分布表称为二维列联表（二维表，叫交叉表） $mytbale2<-table(data1\_1￥性别,data1\_1￥满意度)$,行列 添加边际和：$addmargins(mytable2)$ 多维列联表 涉及两个以上类别变量时，通常将一个或多个变量按“列”摆放，其余变量则按“行”摆放，这种由多个类别变量生成的频数分布表称为多维列联表 stats包ftable、vcd包structable $ftable(x,exclude-c(NA,NaN),row.vars=NULL,col.vars=NULL)$ 5. 数值数据频数分布表 先将其类别化：确定组数；确定组距；cut函数分组。 确定组数K $K=1+log10(n)/log10(2)$ 确定组距 $组距=（最大数-最小数)/组数$ cut函数分组 $cut(x,breaks,labels=NULL,include.lowest=FALSE,right=TRUE,dig.lab=3)$，(数据，要分的组数，生成组的标签默认用（a,b]，确定区间是否包括下限值或上限值，确定区间是否包含上限值默认包含，设置区间组所使用的数字位数)

1.5 编写R函数

第二章 R绘图基础

2.1 R的基本绘图函数

高级绘图函数 $$\{\begin{array}{l}高级绘图函数，可以产生独立的图形\\ 低级绘图函数，添加图形函数\end{array}$$

Plot函数 $$\begin{gathered} plot(x,y=NULL,type="p"...) \\ type：p画点，l画线，o线点，b用线将点连接，n什么也不画，h是画类似直方图的垂线 \\ xlim：x的数值范围c(x1,x2) \\ main：图形的主题 \\ sub：图形的副标题 \\ xlab：x轴的标签 \\ ann：ann=TRUE表示绘制出坐标轴的标签和图形的标题 \\ axes：axes=FALSE表示不画坐标轴 \\ yaxt=n：不画y轴 \\ frame.plot：表示是否要画出图形外框 \end{gathered}$$ $$\begin{gathered} lwd：线宽 \\ col：颜色 \\ pch：点样子 \\ lty：线样子 \end{gathered}$$其他高级绘图函数

低级绘图函数 $$\begin{gathered} abline()：h=0水平,v=0垂直，a=1,b=2斜线，线性拟合模型 \\ lines(x,y):可以画曲线，x从小到大 \\ text：对图中点加文字 \\ mtext：对图外面的边框加文字title：添加标题 \end{gathered}$$

其他 $$\begin{gathered} lm(fumlua)：求线性回归模型 \\ rep(1：8)：1到8 \\ seq(100,750,20)：初始值为100，终止值为750，每次递增20 \end{gathered}$$

图例函数 $$\begin{gathered} legend() \\ ”topleft”：位置bottomright \\ title：标题 \\ legend：字符向量表示图例内容 \\ horiz：FALSE图例竖着摆放 \\ cex：字的大小 \end{gathered}$$

坐标轴函数 $$\begin{gathered} axis(side,at...) \\ side：1下，2左，3上，4右，顺时针 \\ at：数值， \\ labels：标签，逻辑值或向量 \\ col.axis：坐标轴颜色 \\ las：0水平写，2垂直写 \\ line：距离边距的行数 \end{gathered}$$

2.2 图形参数与图形控制

绘图参数 $$\begin{gathered} opar<-par(no.readonly=TRUE) \\ par() \\ par(opar) \end{gathered}$$ par(new=T)就可以在原图上画新图 $$\begin{gathered} col.：颜色参数 \\ cex.：文字参数 \\ fg：图形的前景色 \\ bg：图形的背景色 \\ pin=c(3,4)：宽高 \\ mai=c(1,0.5,1,0.2)：下左上右边界大小mfrow=c(2,2)：按行填充mfcol：按列填充 \end{gathered}$$

2.3 页面布局与图形组合

$$\begin{gathered} layout(mat)mat：矩阵 \\ nrow=2 \\ ncol=2 \\ byrow=TRUE：按行填充，默认按列widths=c(2,1)：宽度比heighs=c(2,1)：长度比layout.show(2) \end{gathered}$$

第三章 类别数据可视化

3.1 一维表的可视化

条形图是用一定宽度和高度的矩形来表示各类频数多少的图形。 简单条形图 根据一类别变量或一维表绘制的条形图就是简单条形图 条形图：$$\begin{gathered} barplot() \\ horiz：FALSE默认垂直，TRUE水平 \\ density：设置阴影的线条的密度 \\ angle：设置阴影线的角度 \\ inside：默认inside=TRUE是否画出各条形的边框线 \\ border：设置各条边框 \end{gathered}$$ 添加频数标签：$text(bar,table3,lable=table3,pos=3)$，（barplot，y，内容，位置pos=3上方） 添加频数折线：$lines(bar,table3,type="o")$ 添加垂线：$points(bar,table3,type="h")$ Pareto Pareto图是将各种类别的频数多少排序（降序）后绘制的条形图 算累计频数y<-cumsum(x)/sum(x)

3.2 二维表的可视化

并列条形图与堆叠条形图 并列条形图中，一个类别变量作为坐标轴，另一个类别变量各类别频数的条形并列摆放 堆叠条形图中，一个类别变量作为坐标轴，另一个类别变量各类别频数按比例堆叠在同一个条中。

并列条形图 barplot(legend=rownames(mytable1),arg.legend=list(x=9.5,y=330,ncol=3),beside=TRUE) 堆叠条形图

脊形图与百分比条形图 脊形图是根据各类别比例绘制的一种条形图，看作是堆叠条形图的一种变种。高度设定都为1，条的宽度与观测频数成比例graphics包种的sineplot,其他和上例一样 sineplot(x,y=NULL) sineplot(formula)y~x 百分比条形图 高宽都一样，用barplot 二维关联图不管 关联图是展示行变量和列变量差异的图形 独立性检验的P值图

3.3 高维列联表的可视化（马赛克图）

马赛克图 马赛克图其图中嵌套举行的面积与列联表相应单元格的频数成比例。graphics包mosaicplot，vcd的mosaic $$\begin{gathered} mosaicplot(x,shade,las) \\ x+y+z，三个行列行dir=c(vhv) \\ shade：shade=FALSE表示只绘制标准图形默认；绘制扩展图形 \\ las：数值坐标轴标签的风格 \\ off：以百分比形式设置马赛克图中各级之间的间隔 \\ dir：设置x中每个向量的方向，"v"表示纵向，"h" \end{gathered}$$ 马赛克图的变种不管 高维关联图不管

3.4 其他图（饼图、环形图、扇形图）

饼图不管

第四章 分布特征可视化

4.1 直方图与核密度图

直方图与核密度图是观察数据分布特征的常用图形，直观地展示数据分布的形状是否对称 普通直方图 $$\begin{gathered} hist(x,breaks...) \\ breaks：分组个数，系统会调整 \\ labels：是否打出频数 \\ freq：TRUE，y轴表示频数；密度 \\ probability：与freq相反 \\ right：默认TRUE右侧闭区间，左侧开区间 \end{gathered}$$ 地毯图 使用rug函数在直方图x轴上画出原始数据的位置，用线段表示，称为地毯图 $$\begin{gathered} 地毯图：rug(data{4}_1￥AQI) \\ 添加核密度曲线：lines(density(data{4}_1)￥AQI \\ 加上随机数：jitter(AQI) \\ 均值：mean(x) \\ 标准差：sd(x,c(0,0)) \\ 添加理论正态曲线：curve(dnorm(x,mean(data{4}_1￥PM2.5),sd(data{4}_1￥PM2.5)),add=TRUE) \\ 添加最大值最小值中位数和四分位点：points(quantile(data{4}_1￥PM2.5),c(0,0,0,0)) \end{gathered}$$ 叠加直方图和堆叠直方图

叠加直方图 将一个变量的直方图叠加到另一个变量的直方图上，绘制出叠加直方图 将直方图加在另一个上hist(add=TRUE)堆叠直方图（条件直方图） 按因子水平来堆叠因子分类的直方图 $$\begin{gathered} library(plotrix) \\ histStack(xz,legend.pos="topright") \\ library(e1071)对x求偏度系数skewness(X) \end{gathered}$$

核密度图

核密度曲线 核密度图是对数据分布密度较为精确的估计 $$\begin{gathered} d<-density(data{4}_1￥AQI) \\ plot(d) \\ 填充：polygon(d,col="grey90",border="grey20") \\ 设置带宽值越大越平滑：d<-density(data{4}_1￥AQ,dw=3I) \end{gathered}$$ 多个数值变量

sm包sm.density…compare() 2. 分类核密度图 使用epade包histogarm.ade histogarm.ade(PM2.5,group=质量等级,wall=1,bar=FALSE,bgcol=“grey90”) 条件核密度图 条件密度图用于描述变量x在类别变量y不同水平下的分布 cdplot(formula) cdplot(y~x,data,col)

4.3 箱线图与小提琴图

箱线图 bocplot() 小提琴图 voiplot()

第五章 变量间关系可视化

5.1 散点图与散点图矩阵

散点图 散点图是两个数值型变量之间是否存在相关关系，关系的形态，正相关负相关相关的强度 斜率-1<=r<=1 $\color{#AOF} y<–4+0.5*x+rnorm(100,0.2) plot(d) polygon(d[cuhll(d)],col=,lty=,lwd=) points(d)#打点 abline(lm(y~x))#画拟合线回归直线 lines(lowess(y~x,f=2/3))#画曲线拟合 $ $\color{#AOF}

$

散点图矩阵 分析多个变两两之间的关系 pairs

5.2 条件散点图

如果数值变量的各个取值是 $coplot(formula，)$

5.4 3D散点图和气泡图

3个变量 scatterplot3d

气泡图 z气泡大小 plot(cex=z)

symbol

第九章 概率分布可视化

常见函数以及参数

矩阵$matrix$ 数组$array$