R基础(读入数据与可视化)

​​https://cran.rstudio.com/​​

下载并安装 R 编程语言。

安装完成 R 后，你可以从 ​​http://www.rstudio.com​​ 下载并安装 RStudio。

在控制台中输入以下命令，在每一行之后按 Enter 或 Return 键： 
​​​install.packages("swirl")​​​ 
​​​library(swirl)​​​ 
​​​swirl()​​

 

在 R 中运行以下代码，获得其他主题。 
​​​install.packages('ggthemes', dependencies = TRUE)​​​ 
​​​library(ggthemes)​​ 

你需要安装并加载 ​​knitr​​ 包，以便使用 KNIT HTML 按钮。在 RStudio 控制台中运行以下命令，以安装并加载 knitr。

​​install.packages('knitr', dependencies = T)​​

​​library(knitr)​​

要运行 qplot 函数，你必须安装并加载 ggplot2 库。你可以运行这两行代码来这样做。

​​install.packages('ggplot2', dependencies = T)​​​ 
​​​library(ggplot2)​​

安装 XQuartz，然后运行以下代码：

​​install.packages('devtools', dependencies = T)​​​ 
​​​library(devtools)​​​ 
​​​install_version("colorspace","1.2-4")​​

现在，你应该可以在 RStudio 中加载 ggplot2 了。

创建所有三个直方图之前，你需要运行以下代码： 

​​​install.packages('gridExtra')​​​ 
​​​library(gridExtra)​​​ 
 

注意：每一行开头的 ​​>​​​ 符号是 R 的提示符，提示你向控制台中输入信息。我们在此处提及这一点，是想告诉你以上的命令只能在控制台中输入。你输入的部分从 ​​>​​ 之后开始。 

getwd()
#setwd()设置当前目录
statesInfo <- read.csv('stateData.csv')
subset(statesInfo,state.region ==1)

statesInfo[statesInfo$state.region ==1, ]  
#后面不加限定的列表示返回第一个条件的所有列

 

numbers <- c(1:10)

numbers

numbers <- c(numbers, 11:20)

numbers

udacious <- c("Chris Saden", "Lauren Castellano",
              "Sarah Spikes","Dean Eckles",
              "Andy Brown", "Moira Burke",
              "Kunal Chawla", "YOUR_NAME")

mystery = nchar(udacious)
mystery

> mystery
[1] 11 17 12 11 10 11 12  9

> mystery = nchar(udacious)
> mystery
[1] 11 17 12 11 10 11 12  9
> mystery == 11
[1]  TRUE FALSE FALSE  TRUE FALSE  TRUE FALSE FALSE
> udacious[mystery == 11]
[1] "Chris Saden" "Dean Eckles" "Moira Burke"
> data(mtcars)
> names(mtcars)
 [1] "mpg"  "cyl"  "disp" "hp"   "drat" "wt"   "qsec" "vs"   "am"   "gear" "carb"
> ?mtcars
> mtcars
                     mpg cyl  disp  hp drat    wt  qsec vs am gear carb
Mazda RX4           21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
Mazda RX4 Wag       21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
Datsun 710          22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
Hornet 4 Drive      21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
Hornet Sportabout   18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
Valiant             18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
Duster 360          14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
Merc 240D           24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
Merc 230            22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
Merc 280            19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
Merc 280C           17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
Merc 450SE          16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
Merc 450SL          17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
Merc 450SLC         15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
Cadillac Fleetwood  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
Lincoln Continental 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4
Chrysler Imperial   14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4
Fiat 128            32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
Honda Civic         30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
Toyota Corolla      33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
Toyota Corona       21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
Dodge Challenger    15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2
AMC Javelin         15.2   8 304.0 150 3.15 3.435 17.30  0  0    3    2
Camaro Z28          13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
Pontiac Firebird    19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
Fiat X1-9           27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
Porsche 914-2       26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
Lotus Europa        30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
Ford Pantera L      15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4
Ferrari Dino        19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
Maserati Bora       15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8
Volvo 142E          21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2
> str(mtcars)
'data.frame':    32 obs. of  11 variables:
 $ mpg : num  21 21 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 ...
 $ cyl : num  6 6 4 6 8 6 8 4 4 6 ...
 $ disp: num  160 160 108 258 360 ...
 $ hp  : num  110 110 93 110 175 105 245 62 95 123 ...
 $ drat: num  3.9 3.9 3.85 3.08 3.15 2.76 3.21 3.69 3.92 3.92 ...
 $ wt  : num  2.62 2.88 2.32 3.21 3.44 ...
 $ qsec: num  16.5 17 18.6 19.4 17 ...
 $ vs  : num  0 0 1 1 0 1 0 1 1 1 ...
 $ am  : num  1 1 1 0 0 0 0 0 0 0 ...
 $ gear: num  4 4 4 3 3 3 3 4 4 4 ...
 $ carb: num  4 4 1 1 2 1 4 2 2 4 ...
> dim(mtcars)
[1] 32 11
> # 10. Read the documentation for row.names if you're want to know more.
> ?row.names
> # Run this code to see the current row names in the data frame.
> row.names(mtcars)
 [1] "Mazda RX4"           "Mazda RX4 Wag"       "Datsun 710"          "Hornet 4 Drive"     
 [5] "Hornet Sportabout"   "Valiant"             "Duster 360"          "Merc 240D"          
 [9] "Merc 230"            "Merc 280"            "Merc 280C"           "Merc 450SE"         
[13] "Merc 450SL"          "Merc 450SLC"         "Cadillac Fleetwood"  "Lincoln Continental"
[17] "Chrysler Imperial"   "Fiat 128"            "Honda Civic"         "Toyota Corolla"     
[21] "Toyota Corona"       "Dodge Challenger"    "AMC Javelin"         "Camaro Z28"         
[25] "Pontiac Firebird"    "Fiat X1-9"           "Porsche 914-2"       "Lotus Europa"       
[29] "Ford Pantera L"      "Ferrari Dino"        "Maserati Bora"       "Volvo 142E"         
> # Run this code to change the row names of the cars to numbers.
> row.names(mtcars) <- c(1:32)
> # Now print out the data frame by running the code below.
> mtcars
    mpg cyl  disp  hp drat    wt  qsec vs am gear carb
1  21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
2  21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
3  22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
4  21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
5  18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
6  18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
7  14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
8  24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
9  22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
10 19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
11 17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
12 16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
13 17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
14 15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
15 10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
16 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4
17 14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4
18 32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
19 30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
20 33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
21 21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
22 15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2
23 15.2   8 304.0 150 3.15 3.435 17.30  0  0    3    2
24 13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
25 19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
26 27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
27 26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
28 30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
29 15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4
30 19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
31 15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8
32 21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2
> data(mtcars)
> head(mtcars, 10)
                   mpg cyl  disp  hp drat    wt  qsec vs am gear carb
Mazda RX4         21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
Mazda RX4 Wag     21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
Datsun 710        22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
Hornet 4 Drive    21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
Hornet Sportabout 18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
Valiant           18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
Duster 360        14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
Merc 240D         24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
Merc 230          22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
Merc 280          19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
> # The head() function prints out the first six rows of a data frame
> # by default. Run the code below to see.
> head(mtcars)
                   mpg cyl disp  hp drat    wt  qsec vs am gear carb
Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1
> # I think you'll know what this does.
> tail(mtcars, 3)
               mpg cyl disp  hp drat   wt qsec vs am gear carb
Ferrari Dino  19.7   6  145 175 3.62 2.77 15.5  0  1    5    6
Maserati Bora 15.0   8  301 335 3.54 3.57 14.6  0  1    5    8
Volvo 142E    21.4   4  121 109 4.11 2.78 18.6  1  1    4    2
> mtcars$mpg
 [1] 21.0 21.0 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 17.8 16.4 17.3 15.2 10.4 10.4 14.7 32.4 30.4
[20] 33.9 21.5 15.5 15.2 13.3 19.2 27.3 26.0 30.4 15.8 19.7 15.0 21.4
> mean(mtcars$mpg)
[1] 20.09062

 

下面两个命令相等

subset(mtcars, mpg >=30 | hp <60)
mtcars[mtcars$mpg >=30 | mtcars$hp <60, ]

 

在 ​​{r}​​​ 代码块的内部和外部使用 “pound sign/key”或称 "hash sign/key" ​​#​​ 会有所不同。

```{r}
# r 块中的 # (pound / hash sign) 会创建
# 注释。这三行不是代码，因此不能被 # 执行。
x <- [1:10]
mean(x)
```

如果你在 ​​{r}​​​ 代码块外部使用 ​​#​​ 符号，你可以创建文本头。

reddit <- read.csv('reddit.csv')
str(reddit)
table(reddit$employment.status)
summary(reddit)
levels(reddit$age.range)
qplot(data=reddit,x=age.range)
qplot(data=reddit,x=income.range)
reddit$age.range <- factor(reddit$age.range,levels=c("Under 18",'18-24', "25-34", "35-44" ,  "45-54" , "55-64" , "65 or Above"),ordered=T)
levels(reddit$income.range)
reddit$income.range <- factor(reddit$income.range,levels=c("Under $20,000","$20,000 - $29,999", "$30,000 - $39,999", "$40,000 - $49,999" ,  "$50,000 - $69,999" , "$70,000 - $99,999" , "$100,000 - $149,999","$150,000 or more" ),ordered=T)
 

加载伪 Facebook 数据。

​​read.delim('pseudo_facebook.tsv')​​

​​read.delim()​​​ 函数默认使用制表符作为值之间的分隔符，并使用句点作为十进制字符。在控制台中运行 ​​?read.csv​​​ 或 ​​?read.delim​​ 以了解更多信息。

getwd()
list.files()

pf <-read.delim('pseudo_facebook.tsv')
names(pf)

ggthemes 包由 Jeffery Arnold 开发
Chris 使用的是 ​​​theme_minimal()​​​，字体大小为 24，所以他的输出可能会和你的有些许不同。你可以在 R 中使用以下代码使用和 Chris 一样的主题。当然你也可以使用自己的主题。 
​​​theme_set(theme_minimal(24))​​​ 


除了 ​​​qplot()​​​ 函数，你也可以使用 ​​ggplot()​​​ 函数创建直方图： 
​​​ggplot(aes(x = dob_day), data = pf) +​​​ 
  ​​​geom_histogram(binwidth = 1) +​​​ 
  ​​​scale_x_continuous(breaks = 1:31)​​

注册帐号时，很多网站会将你的生日默认为1号，甚至1月1号。对于 Facebook，他们的默认是1月1日。

在探索数据时，留心这样的细节非常重要。

qplot(x=dob_day,data = pf)
ggplot(aes(x = dob_day), data = pf) +geom_histogram(binwidth = 1) +scale_x_continuous(breaks = 1:31)
 

ggplot(data = pf, aes(x = dob_day)) + 
  geom_histogram(binwidth = 1) + 
  scale_x_continuous(breaks = 1:31) + 
  facet_wrap(~dob_month)

 

ggplot(aes(x = friend_count), data = pf) + 
  geom_histogram()

​​ggplot(aes(x = friend_count), data = pf) +​​​ 
  ​​​geom_histogram() +​​​ 
  ​​​scale_x_continuous(limits = c(0, 1000))​​

​​ggplot(aes(x = friend_count), data = pf) +​​​ 
  ​​​geom_histogram(binwidth = 25) +​​​ 
  ​​​scale_x_continuous(limits = c(0, 1000), breaks = seq(0, 1000, 50))​​

​​qplot(x = friend_count, data = pf, binwidth = 25) +​​​ 
  ​​​scale_x_continuous(limits = c(0, 1000), breaks = seq(0, 1000, 50))​​

​​qplot(x = friend_count, data = pf) +​​​ 
  ​​​facet_grid(. ~ gender)​​​ 

等效的 ggplot 语法： 
​​​qplot(x = friend_count, data = pf) +
  facet_grid(. ~ gender)
ggplot(aes(x = friend_count), data = pf) +
  geom_histogram() +
  scale_x_continuous(limits = c(0, 1000), breaks = seq(0, 1000, 50)) +
  facet_wrap(~gender)​​

等效的 ggplot 语法： 
​​​ggplot(aes(x = friend_count), data = subset(pf, !is.na(gender))) +​​​ 
  ​​​geom_histogram() +​​​ 
  ​​​scale_x_continuous(limits = c(0, 1000), breaks = seq(0, 1000, 50)) +​​​ 
  ​​​facet_wrap(~gender)​​

> table(pf$gender)

female   male 
 40254  58574 

> by(pf$friend_count,pf$gender,summary)
pf$gender: female
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
      0      37      96     242     244    4923 
-------------------------------------------------------------------------- 
pf$gender: male
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
      0      27      74     165     182    4917 

 

等效的 ggplot 语法： 
​​​ggplot(aes(x = tenure), data = pf) +​​​ 
   ​​​geom_histogram(binwidth = 30, color = 'black', fill = '#099DD9')​​

等效的 ggplot 语法： 
​​​ggplot(aes(x = tenure/365), data = pf) +​​​ 
   ​​​geom_histogram(binwidth = .25, color = 'black', fill = '#F79420')​​

 

ggplot(aes(x = tenure/365), data = pf) +
  geom_histogram(binwidth = .25, color = 'black', fill = '#F79420')

ggplot(aes(x = tenure), data = pf) + 
  geom_histogram(binwidth = 30, color = 'black', fill = '#099DD9')

 

参数 ​​color​​​ 决定了图中对象的轮廓线颜色（color outline）。 

参数 ​​​fill​​​ 决定了图中对象内的区域（area）颜色。 

你可能注意到颜色 ​​​black​​​ 和​​十六进制代码​​​的颜色 ​​#099DD9​​​（一种蓝色阴影）如何封装在 ​​I()​​​ 内。​​I()​​ 函数代表“现状”，并且告诉 qplot 将它们用作颜色。 

 

​​ggplot(aes(x = tenure / 365), data = pf) + 
  geom_histogram(color = 'black', fill = '#F79420') + 
  scale_x_continuous(breaks = seq(1, 7, 1), limits = c(0, 7)) + 
  xlab('Number of years using Facebook') + 
  ylab('Number of users in sample')​​

 

 

ggplot(aes(x = age), data = pf) + 
  geom_histogram(binwidth = 1, fill = '#5760AB') + 
  scale_x_continuous(breaks = seq(0, 113, 5))

p1<-qplot(x=friend_count,data=pf)
p2<-qplot(x=log10(friend_count+1),data=pf)
p3<-qplot(x=sqrt(friend_count),data=pf)
grid.arrange(p1,p2,p3,ncol=1)
 

 

 

ggplot(aes(x = friend_count), data = pf) + scale_x_log10()

 

logScale <- qplot(x=log10(friend_count+1),data=pf)
countScale<-ggplot(aes(x = friend_count), data = pf) +geom_histogram() +scale_x_log10()
grid.arrange(logScale,countScale,ncol=2)
qplot(x=log10(friend_count+1),data=pf)+scale_x_log10()

qplot(x=friend_count,data=subset(pf,!is.na(gender)),binwidth=10)+
  scale_x_continuous(lim=c(0,1000),breaks=seq(0,1000,50))

 

qplot(x=friend_count,data=subset(pf,!is.na(gender)),binwidth=10)+
  scale_x_continuous(lim=c(0,1000),breaks=seq(0,1000,50)) + facet_wrap(~gender)

显示频率多边形图

qplot(x=friend_count,data=subset(pf,!is.na(gender)),
      binwidth=10,geom='freqpoly',color=gender)+
  scale_x_continuous(lim=c(0,1000),breaks=seq(0,1000,50)) +  
  xlab('好友数量') + 
  ylab('Percentage of users with that friend count')

 

等效的 ggplot 语法： 
​​​ggplot(aes(x = www_likes), data = subset(pf, !is.na(gender))) + 
  geom_freqpoly(aes(color = gender)) + 
  scale_x_log10()​​

 

by(pf$www_likes,pf$gender,sum)

pf$gender: female
[1] 3507665
--------------------------------------------------------------------------- 
pf$gender: male
[1] 1430175

 

 

qplot(x=gender,y=friend_count,data=subset(pf,!is.na(gender)),geom='boxplot')

 

下面两个命令相等

qplot(x=gender,y=friend_count,
      data=subset(pf,!is.na(gender)),
      geom='boxplot',ylim = c(0,1000))

qplot(x=gender,y=friend_count,
      data=subset(pf,!is.na(gender)),
      geom='boxplot')+
  scale_y_continuous(limits = c(0,1000))

qplot(x=gender,y=friend_count,
      data=subset(pf,!is.na(gender)),
      geom='boxplot')+
  coord_cartesian(ylim=c(0,100))

 

qplot(x=gender,y=friendships_initiated,
      data=subset(pf,!is.na(gender)),
      geom='boxplot')+
  coord_cartesian(ylim=c(0,150))

qplot(x=gender,y=friendships_initiated,
      data=subset(pf,!is.na(gender)),
      geom='boxplot')+
  coord_cartesian(ylim=c(0,150))

by(pf$friendships_initiated,pf$gender,summary)

by(pf$friendships_initiated,pf$gender,summary)
pf$gender: female
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
    0.0    19.0    49.0   113.9   124.8  3654.0 
--------------------------------------------------------------------------- 
pf$gender: male
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
    0.0    15.0    44.0   103.1   111.0  4144.0 

由于 ​​mobile_check_in​​​ 是一个因子变量，因此 ​​sum()​​​ 函数将无法运行。你可以使用 ​​length()​​ 函数来确定向量中的值数量。

我们还可以创建 ​​mobile_check_in​​​ 来保存布尔值。​​sum()​​ 函数可处理布尔值（true 为 1，false 为 0）。

> mobile_check_in <- NA
> pf$mobile_check_in <- ifelse(pf$mobile_likes > 0,1,0)
> pf$mobile_check_in <- factor(pf$mobile_check_in)
> summary(pf$mobile_check_in)
    0     1 
35056 63947 
> sum(pf$mobile_check_in==1)/length(pf$mobile_check_in)
[1] 0.6459097