附录 R软件的一些介绍
本章目录 · 1 节
本章导读
【附录 R软件的一些介绍】本附录围绕本章实际使用的数据结构、运算、循环、条件和分析函数补充说明。R通常可以直接交互执行表达式,无须使用者先手工编译脚本;具体执行速度依程序、数据规模及环境而定,不能保证任何上万次循环都“瞬间完成”。退出交互会话可用q(),是否保存工作空间应按实际需要选择。
【一、对象与属性】数、字符、逻辑值、复数、向量、数据框和列表都可以作为对象。用“<-”赋值;对象名区分大小写,使用简明字母、数字和下划线名称便于复制。名称不能以数字开头,以点开头时第二个字符不能是数字;例如.cache可以使用,所以原书“必须以拉丁字母开头”的表述过窄。保留字不能随意当普通名称,更多规则查所用R版本帮助。
下面分别建立数值、字符、逻辑、复数对象:
x <- 10
y <- "wang"
z <- TRUE
u <- 1+2i
c(mode(x),mode(y),mode(z),mode(u))
c(length(x),length(y),length(z),length(u))
模式依次返回numeric、character、logical、complex,长度都为1。这里是mode的含义,不把它与typeof或class完全等同。标量通常表示为长度1的向量,控制台打印的[1]是本行第一个元素的下标,不是数据本身的一部分。
【缺失值与非数值结果】NA表示缺失,NaN表示某些无定义的数值运算结果。实数数值对象调用sqrt(-15)会返回NaN并给出警告;若明确需要复数运算,应使用复数输入,而不能把这个警告忽略后当成有效实数。is.na对NA与NaN都返回TRUE,is.nan只识别NaN;不能用x==NA判断缺失。Inf表示无穷,与NA、NaN又不同。
【二、运算】算术运算“+”“-”“*”“/”“^”分别为加、减、乘、除、乘方;括号明确运算次序。比较“<”“>”“<=”“>=”“==”“!=”分别表示小于、大于、小于等于、大于等于、等于、不等于。赋值“<-”与比较“==”不同,不能混写。
逻辑非是“!”,逐元素逻辑与、或是“&”“|”;“&&”“||”用于长度1的短路判断,不能像原书那样不加区别地当成向量运算的同义写法。例如c(TRUE,FALSE)&c(TRUE,TRUE)得到TRUE、FALSE两个结果,TRUE&&FALSE只得到一个FALSE。if的条件应是单个非缺失逻辑值,不可把整个逻辑向量直接当条件。
【三、向量】c把各项连接为向量,length给出元素数,R下标从1开始。11.5冰晶例的time向量包含43项;重复时间仍是不同记录,不因相同而去重。控制台若一行以[34]开始,表示该行第一个显示元素是第34项,换行位置由显示宽度决定,不改变数据向量。
【四、数据框】数据框的各列对应同一组观察,行数应一致。统计分析中的响应列与分组列必须逐行对应,分组应明确是factor。单因素数据框至少含响应和组别,双因素还需同时正确记录两个因素及重复关系。不能只检查向量长度相同而忽略排列错误。
例如dat <- data.frame(value=c(2,3,5,8),group=factor(c("A","A","B","B")))创建4行数据;其中前两行是A组,后两行是B组。第11.4节已给出等容量、不等容量及两个因素的构造方法。
【五、列表】列表可同时包含不同类型的对象,例如lst <- list(number=10,label="group A",data=dat)。lst[1]仍是包含一个元素的列表,lst[[1]]取出该元素本身;按名称取对象可写lst[["data"]]。理解这一区别有助于从summary、boxplot或检验返回的列表中取值,而不是凭屏幕中的显示位置猜测。
【六、循环与条件】原书的for(i in 1:N)在正整数N下可用于重复N次,但当N=0时,1:0得到两个数,并非空循环。更稳妥的写法是:
N <- 5L
total <- 0
for (i in seq_len(N)) {total <- total+i}
total
结果15;seq_len(0L)为空,循环执行零次。遍历已有向量的下标可用seq_along。要累加的计数器应在循环前初始化,重抽样中每份独立计数的变量则在每份开始时重新置零;它与删除所有数据对象不是同一操作。
条件可写if (total>10) {"greater"} else {"not greater"}。cond为TRUE执行第一分支,FALSE执行另一分支;没有else时FALSE就跳过。交互输入时将“} else {”放在同一行,避免前一行已经结束表达式。嵌套循环应清楚区分外层样本编号与内层观察编号,不把内层累加器错误地跨样本保留。
【七、本章常用函数】t.test进行相应单、双样本或配对t检验;gl产生具有指定排列的因子;aov拟合方差分析模型;lm拟合参数线性模型;sample或sample.int进行抽样;quantile计算指定规则的分位数;rexp、rnorm、rpois、runif分别产生指数、正态、泊松、均匀随机数。参数含义不可混淆:指数通常给rate,正态给sd而不是方差,分位数需明确type,重抽样需明确replace=TRUE。
【八、新分析的环境与复算】原书建议运行新程序前删除所有对象,目的是防止旧对象影响结果,但不宜把清空全部对象当成每次分析的必需步骤。更实用的是在独立会话或清楚的分析环境中运行完整脚本,显式读入原始数据并设置参数,保存需要的文件和复算信息。不要在未保存工作时机械删除全部对象。本附录示例已实际执行,并核验模式、长度、缺失标记、向量逻辑、零次循环及数据结构。
