第一周--R语言快速入门学习笔记（2）

一、 简单探索

iris



dim(iris)    #数据集的维度/大小



names(iris)  #数据集中变量的名称



names(iris)<-c(1,2,3,4,5)



str(iris)    #数据集的结构



help(str)



attributes(iris)  #数据集的属性



iris[,]



iris[1:4,]       #查看iris的(所有列)前5行



iris[,1:3]       #查看iris的(所有行)前5列



iris[1,]



iris[,1]



iris[2,1]



head(iris)        #返回iris的前6行



head(iris,20)      #返回iris的前1行



tail(iris)        #返回iris的最后6行



tail(iris,3)      #返回iris的最后三行

二、R语言基础绘图

散点图

1.普通散点图

# 普通散点图

par(mfrow=c(1,2))



# 绘制一维数据



plot(x=rnorm(10))



# 绘制二维数据



plot(women)



par(mfrow=c(1,1))

2.散点图矩阵

# 利用 plot 函数



plot(iris[,1:4],main="利用 plot 函数绘制散点图矩阵")



# 利用 pairs 函数



pairs(iris[,1:4],main="利用 pairs 函数绘制散点图矩阵")

柱状图和条形图

（配图彩虹色rainbow）

par(mfrow=c(1,2))



for(i in c(FALSE,TRUE)){



+ barplot(VADeaths,horiz = i,beside = T,col = rainbow(5))



}



par(mfrow=c(1,1))

饼图

（较简陋）

pie(table(mtcars$cyl))

Q-Q 图

library(ggplot2)



qqnorm(economics$psavert)

茎叶图

stem(mtcars$wt)

点图

dotchart(mtcars$mpg,labels = rownames(mtcars))

三、 R语言描述性统计分析

平均数：mean 函数

w <- c(75.0, 64.0, 47.4, 66.9, 62.2, 62.2, 58.7, 63.5,

+ 66.6, 64.0, 57.0, 69.0, 56.9, 50.0, 72.0)

(w.mean<-mean(w))

中位数：median 函数

x <- c(75, 64, 47.4, 66.9, 62.2, 62.2, 58.7, 63.5)

median(x)

百分位数：quantile 函数

w <- c(75.0, 64.0, 47.4, 66.9, 62.2, 62.2, 58.7, 63.5,

+ 66.6, 64.0, 57.0, 69.0, 56.9, 50.0, 72.0)

quantile(w)

描述性统计函数：summary 函数

vars<-c("mpg","hp","wt")      # 关注焦点是每加仑汽油行驶英里数（mpg)、马力（hp）和车重（wt）

head(mtcars[vars])

summary(mtcars[vars])

summary(iris[,5]) #对因子变量进行频数统计

描述性统计分析：Hmisc 包中 describe 函数

（比summary函数多出更多内容）

library(Hmisc)

describe(mtcars[vars])