（本讲相关数据请在公众号后台回复：“R第一讲”四个字获得）
昨天已经装好了R和Rstudio了，我习惯使用Rstudio，因为它除了美观外还有许多便利之处，以后的使用中大家就可以慢慢体会了，学校机房用的是R，我平常用的是Rstudio，所以有时候突然从Rstudio转到R会很不适应呢。
现在打开Rstudio。我们会发现R是单一的界面，而Rstudio为四个象限的界面。左上为脚本区；左下为控制台（同R的操作界面）；右上为变量和环境；右下为视图区。
刚开始，你的界面不是这样，要自己根据自己的习惯和爱好自己设置，包括字体和背景的颜色以及界面的面板布局。下面介绍一下怎么设置。
tools —> Global Options
颜色在“Appearance” 里，界面的面板布局在“Pane Layout”里
Appearance
Pane Layout：如下图，面板布局正好对应于你的界面
上图中的红框处是可以选择的，如下图
以上是开篇附加的题外话，分割线以下开始正题。
本讲相关数据请在公众号后台回复：“R第一讲”四个字即可获得。
1、如何将Excel表格中的数据导入R软件中？
要对数据进行处理，第一步当然是先知道怎么将数据导入到R中，我们最常用的数据保存形式是Excel表格。后台回复“R第一讲”四个字获得，Excel表格是xls格式，需要将格式改成“csv”才能被R识别出来。
（大家获得的数据已经是csv格式了，改格式很简单，直接将后缀改掉或者打开文件后“另存为”自己想要的格式）
非常简单，你只需要在脚本框或控制台输入以下一组代码：
（脚本框输入后便于保存，而且可以一口气写完代码后再查看，但想要运行代码就需要选中需要运行的代码然后按住“Ctrl+R”或“Ctrl+Enter”使脚本在控制台上运行；控制台上则不同每写一行代码后只需要点击“Enter”就可以实时运行代码。我喜欢在脚本框输代码，后面的代码都是在脚本框输入的）
read.table(file = "e:\\Rwork/Datafolder/data001.csv",header = T,sep = ",")
我知道看到代码你就凌乱了，别方，且听我解释。上面的代码 read.table（）是一个函数，括号内……
等等，函数是什么鬼？
嗯，问得好，计算机语言中函数跟我们中学学的概念可是大不相同的，你只要知道它是function（功能）就好了，函数是计算机语言中原有的，不能更改，每个函数都有自己特定的功能，以后接触多了就好理解了，别方哈。所以下次提到函数，你脑海里别再蹦出中学的各种线条或函数表达式，而要在心里默念：这是一种功能。所以read.table（）的功能就是“读取表格”咯，简单吧。
括号内的内容就是在告诉机器（电脑）该怎么读取表格，它用到了参数（Arguments）的概念，每个参数之间用逗号隔开，上面的file、header、sep就是3个参数，分别代表“文件、表头、分隔符”，所以就是在告诉电脑我要读取的文件在电脑哪个地方，读进来之后要不要表头，要根据什么分隔符来辨认出数据（电脑很笨的——额，人类的角度这样认为——，一个表格我们一眼就看得出数据是被表格的横竖的线条分开的，但是电脑只会从头到尾读，只有读到“分隔符”的时候它才知道数据在这里需要被分开，csv格式的文件看起来也是横竖线条分隔数据的，但是R读进去后其实将横竖线条读成了逗号（“，”））。
参数file后面的引号内的内容就是告诉电脑文件的位置；参数header后面的“T”是“TRUE(真的)”的缩写，是告诉电脑我要保留表头，不要表头的话就写F(即FALSE)；sep就是分隔符的意思了。
啊，终于解释完了，现在我来帮助机器将上面那一条代码翻译给你们人类听吧（其实这还不是最原始的代码，最原始的代码是“0”和“1”排列组合的，这个再解释就太多了，感兴趣的自己去找资料了解一下，不知道也不影响后面学习）。
上面的代码从左到右翻译出来就是：我现在要执行读取表格的功能，你要去e盘下，打开Rwork文件夹，再打开Datafolder文件夹，读取"data001.csv"这个文件。读取时要保留第一行的表头，数据之间的分隔符号是逗号。
嗯，上面的一条代码就是在跟电脑说这些的。当然，上述文件夹的位置可以是任意的，看你把“data001”这个文件放在哪里了。
上面的介绍虽然有些繁琐，但是对于初学者还是很有必要了解的，以后就不会一直翻译了。
表格已经读进来了，可是难道我每次用都要输入那一串代码吗？当然不用，你只需要将第一次读取的信息存储在一个变量中，变量是你自己随便取名的，但不能取函数的名字，由字母、符号、数字都行，开头必须是字母，我这里变量取的是“x”,用了一个赋值符号连接“<-”(减号和小于号),对了，R中写代码必须都是输入法在英文状态下写，否则识别会出错误。存储后，下次我们要用表格就直接输入“x”就行了。
2、如何查看表格中的前几行内容？
输入x[50,]
运行后就会显示出表格的前50行的所有内容，中括号用来表示一个变量内容中的位置，逗号前为行，逗号后为列，[20,10]就表示变量中的第20行第10列；不写行或列，比如[,10]或[20,]，就分别代表显示出第10列的所有内容或第20行的所有内容。（所以这里的中括号（“[ , ]”）本身其实也是函数，它的功能就是给变量所存储的数据进行定位）
(其实从大多数函数的格式上看，上述表达应该长这样的：“[50, ](x)”，但是可能由于美观和便利性等原因，它最终发展成了现在的形式)
当然还有一个函数也可以只显示前几行但它不如前一种方法自由:
head(x)
3、如何从总体中随机抽取样本？
"data001.csv"这个文件有278个病例，前169个为正常人（对照组），后109个为糖尿病患者（实验组）。
如果我们要从对照组和实验组中分别抽取30个样本出来进行研究，该怎么做呢？
我们先做一个简单的随机抽样，来说明随机抽样是怎么操作的。
比如，我们要从278个病例中随机抽取100个样本该怎么操作？首先病人的序列号为1—278，我们其实只需要从1到278这278个数字中随机抽取100个序列号，然后将表格中（即变量x）与序列号对应的序列号和全部信息提取出来，这样就是整个的思路。
先调用sample（）这个函数抽取序列号，并将所得的100个序列号存储在变量a1中（序列号为随机抽取的，所以每个人得到的数据肯定不一样）
我们再将变量x中是a1中的序列的病例信息调取出来，并储存在新的变量“newdata_x1”中：
这样，我们就得到了100个随机抽取的病例样本。
再回到前面的问题“如果我们要从对照组和实验组中分别抽取30个样本出来进行研究，该怎么做呢？”，代码如下，聪明的你，应该可以推测出来（这里的“c（）”是什么？往下看）：
这里唯一不同的就是出现了一个“c（）”,当然，它也是一个函数，而且是R中最多、最简单、最基本的函数（你以后会反复看到c函数的），表示“集合”的意思，所以代码中C函数里有两个抽样，这两个抽样取得的数据就组成了一个集合，最终一起存储在变量a2中。这样就得到了由30个对照组和30个实验组的病例组成的样本了。
到这里你已经学会如何用R进行简单的随机抽样了。在数据挖掘中常常需要将挖掘的数据对象分成“训练集”和“测试集”，“训练集”用来构造模型，“测试集”用来检测模型的可靠性。那么问题来了：
4、怎样将数据随机分成“训练集”和“测试集”？
这里我们假设要从这278个病例中随机抽取150个病例作为“训练集”，剩下的病例（128例）都作为“测试集”。
这只是“训练集”，那“测试集”呢，278个病例现在已经被随机的抽走了150例了，剩余的128例已经“面目全非”，该怎么得到呢？你可能会说，抽走了，剩余的不就是了，对啊，可是你怎么告诉电脑，你得跟它说，让它听得懂的话，要站在它的角度用它的思维去考虑。我们这样做：
我们只是在变量a3的前面加了一个减号（“-”），这个减号就代表278例中除了被抽走的a3以外的数据。
"训练集"和"测试集"都已经分别保存在“train”和“test”这两个变量中，但它们都还只是软件中的变量，我需要把它保存成两个表格文件，方便以后使用，该怎么办呢？
5、如何将储存在变量中的数据导出到Excel表格？
我们要用到“写出文件”的函数，即write.csv( ).
它括号内的两个参数，第一个放需要导出的变量，第二个参数（file）写明想要文件保存在电脑的哪个位置，以及保存为什么名字。你输入后，控制台看似没有什么反应，但只要没有报错，就说明文件已经保存了，你可以去相应的文件夹查看。
6、R基于向量的基本运算
R的计算是基于“向量”的计算，“向量”也不是我们中学学的有方向和大小的量，你就简单的记成“集合”吧，“集合”？对，熟悉吧？就是上面提到的“c()”函数了，所以R中向量“1:5”和“c(1:5)”是完全等价的（“1:5”读作“1到5”，即1,2,3,4,5），如下：
计算器中的四则运算在R中操作是完全一样的，这个太简单了，大家自己去试试，我要强调的是R中的这种“向量”处理的思想和意识，就是把一个集合当做一个整体来运算，下面通过代码感受一下
这里举得例子，集合只是很小的数据，其实它完全可以书表格等等各种数据形式，所以可以想象到它的便利和高效了。
7、R的矩阵运算
所谓“矩阵”就是二维的数据阵列，完全可以理解为是R中的表格，可以创造矩阵的主要有2个函数：
matrix()函数和array()函数，matrix即矩阵，array是数组的意思，下面以1到20这20个数据为例，创造4行5列的矩阵：
matrix()中的参数分别为数据（1:20），行（4），列（5），排列方式（按照行排列）
array()数组的参数则是数据（1:20）和维度（dim），而维度中一维即行数为4，二维即列数为5，其实是可以产生三维数字的，只不过在此只用了前两个维度产生矩阵，产生三维数组的情况
矩阵也可以进行四则运算运算，由于不是这里的重点，简要介绍转置和合并。
转置就是将矩阵的行列颠倒转换位置，对应的函数为t()函数：如下
感受一下A和t(A)的区别。
合并就是将多个矩阵合并为一个矩阵的过程，按照行合并的函数为rbind();按照列合并的函数为cbind()函数。我们在创建一个数字全部为2的也为3行4列的矩阵使它跟A进行合并：
8、用R进行统计学的描述性分析（统计指标和统计图）
（1）常见的统计指标
有平均值(mean)、和(sum)、排序(sort)、中位数(median)、方差(var)、标准差(sd)、最大值(max)、最小值(min)等。它们对应的函数就是括号中的英文，非常简单、简洁吧？
我们现在继续用上面的数据，仅拿出患者的“age”年龄一项进行上面的这些统计指标分析。最开始的变量x还记得吧？我们将278个病例表格数据存储在其中，我们现在用head()函数看看它的前几项，确保它还在
嗯，看来真的还在。再将所有的年龄（age）数据调取出来并存在变量“age_data”中，年龄数据是变量x中的第一列，可以用前面学过的“x[ ，1]”调取出来，如下：
这就得到了278个年龄数据。
下面求这278个年龄数据的常规的统计指标：
怎么样？感受到它的“简洁”了吧。干净利落！
（2）统计图
这里简单介绍直方图（hist）、正态性检验（QQ图）、相关分析（cor.test）、一元线性回归（linear、abline）。
直方图
用hist()函数，我们画出年龄的直方图：
hist的参数中，第一个参数（data_age）为数据（即上文的年龄）；第二个参数(col)为直方的颜色，第四个参数(border)为边框的颜色。参数的值都是可以自己设置的。我们来看一下效果：
图形出现在右下角的视图框中，点击放大镜（Zoom），可以将图放大，并可以保存为图片。
QQ图：
用qqnorm()和qqline()来进行正态性检验，我们还是检查年龄的正态性
相关分析
用cor.test()函数可以进行相关分析，此处涉及两个变量，我们再加入变量x中的收缩压(sbp)这组数据与年龄进行分析，看年龄与收缩压之间的相关性（sbp是表格中的第10列数据，故变量sbp_data <- x[,10]）：
相关分析结果如下：
P值为3.283*10的负6次方，有显著差异，相关系数为0,27487，所以年龄与收缩压正相关。
一元线性回归：
既然年龄与收缩压有线性相关，接下来就进行回归分析了。
用lm()函数可以得到一元回归模型的回归系数，用abline()函数可以将直线模型画在散点图上：
分析结果显示常数项为111.0538；回归系数为0.4428.
所以因变量Y(收缩压)与自变量X(年龄)之间的回归模型即为：
Y=111.0538+0.4428X
下面用abline()函数将回归模型整合到散点图中去：
结果如下：
第一讲终于讲解完了。欢迎继续关注。下周（第二讲）内容：回归分析（包括多重线性回归、Logistic回归、Cox回归分析）
再次提示：本讲相关数据请在公众号后台回复：“R第一讲”四个字即可获得
【本文为原创文章，欢迎转发分享】
公众号转载请加[微信号：Heherpapa2016]，获得本人授权后方可转载
未经授权禁止转载
“贺呵呵他爸”是一个个人公众号，旨在敦促自己不断学习，同时为大家分享个人的学习总结。内容涵盖：【神经科学】、【癫痫】、【统计与R软件】、【读书】
如果你喜欢，欢迎按下图方式关注我的公众号
首医医学硕士｜贺呵呵他爸
微信ID：Heherpapa长按二维码关注微互动
