R tutorial
陳焌彥
2018/6/21
Chapter 1 - Basic Introduction
1. 熟練Rstudio的基本操作包含運用, 視覺化操作與模擬分析。
2. R為統計領域中使用率最頻繁的軟體之一, TIOBE對全球城市語言排名中R佔第10名, 但由於mac與windows的R介面與快捷鍵不同, 而Rstudio介面相似, 且融入了許多其他程式碼(LaTeX,C,…)與套件(RMarkDown,…), 並介面也較方便, 因此Rstudio的使用率也漸頻繁。
R studio 頁面介紹
R studio主要分為四大區塊
1. 左上區為R Script，若想新增編輯頁面可點選左上角的「+」選R Script（windows快捷鍵為ctrl + shift + N ， Mac為 command + shift + N）。
2. 左下區R的執行介面(Console)，在編輯區塊所執行的指令都會在左下角顯現，也可以在此執行指令。
3. 右上區(Environment)像是倉庫一樣，儲存了匯入及創造出宣告的資料，執行過的命令也會記錄下來。
4. 右下區則包含Files、Plots、Packages、Help、Viewer，可以查看繪製的圖也可以查詢不懂的指令。
1.1 Introduction to R
通常給R 的指令分成兩種，一個 expression，或是一個 assignment。
Expression
在R中，每一段指令都是一個expression。
輸入有效的 expression 後，R 會執行並且把結果呈現於 Console 中。
Assignment
物件(object)被assign(賦值)後，會出現在Environment中。
物件可以是一個變數、數字、文字、向量、函數或是只是宣告變數類型的空集合，甚至是其他更複雜的形式。
Others
在編輯時可以使用「#」來新增註解，該行所有在「#」之後輸入的內容都會在R執行時所略過。
基本數學運算
# 加 ; 減 ; 乘 ; 除 （這些都是Expression）
1 + 3 ; 10 - 8 ; 3 * 2 ; 6 / 3 ## [1] 4## [1] 2## [1] 6## [1] 2次方、立方、平方根
# 3的平方 ; 3的1/3次方 ; 根號2
3 ^ 2 ; 3 ^ (1/3) ; sqrt(2) ## [1] 9## [1] 1.44225## [1] 1.414214log
# 以e為底取log ; # log2代表以2為底
log(65) ; log2(10)## [1] 4.174387## [1] 3.321928特殊字元 \(\pi ; e\)
pi ; exp(1)## [1] 3.141593## [1] 2.718282小數位數取捨
# 四捨五入 ; # 四捨五入到小數點第二位 ; # 無條件捨去 ; # 無條件進位 ; # 取絕對值
round(4.7) ; round(4.786, 2) ; floor(4.7) ; ceiling(4.7) ; abs(-4.7) ## [1] 5## [1] 4.79## [1] 4## [1] 5## [1] 4.7基本統計量
x <- c( 1 , 2 , 3 , 4 ) # 也可以寫成 x <- 1:4 （這個就是assignment）# 總和 # 平均數 # 中位數 # 變異數 # 樣本標準差
sum(x) ; mean(x) ; median(x) ; var(x) ; sd(x) ; summary(x) ## [1] 10## [1] 2.5## [1] 2.5## [1] 1.666667## [1] 1.290994## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 1.00 1.75 2.50 2.50 3.25 4.00cumsum(x) # 累加## [1] 1 3 6 10cumprod(x) # 累乘（可以算階乘）## [1] 1 2 6 24Chapter 2 - R的物件
在 R 中，每一樣變數或函數，都叫做物件，這物件主要包含了「vector」、「matrix」、「data frame」和「list」，而這些物件主要都是資料處理時會遇到的資料型態，並且每個資料型態都有其對應的指令，學會運用他們對於資料處理可以更加熟練。
在開始介紹各種類型的物件時，先跟大家介紹如何辨別物件是屬於哪種類型的
看資料結構、類別、屬性
#結構
str(iris) ## 'data.frame': 150 obs. of 5 variables:
## $ Sepal.Length: num 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
## $ Sepal.Width : num 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
## $ Petal.Length: num 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
## $ Petal.Width : num 0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
## $ Species : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...#類別
class(iris)## [1] "data.frame"#屬性
attributes(iris)## $names
## [1] "Sepal.Length" "Sepal.Width" "Petal.Length" "Petal.Width"
## [5] "Species"
##
## $class
## [1] "data.frame"
##
## $row.names
## [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
## [18] 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34
## [35] 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
## [52] 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68
## [69] 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85
## [86] 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102
## [103] 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119
## [120] 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136
## [137] 137 138 139 140 141 142 143 144 145 146 147 148 149 150向量(c( ) ; concatenate)
數值向量(numeric vector)
- eg. 1,2,3
class(c(7,8,9))## [1] "numeric"字串向量(character vector)
class(c("葉哥好師","嗨嗨"))## [1] "character"布林向量(logical vector)
class(c(TRUE,FALSE))## [1] "logical"向量的運算
向量+向量
在 R 中，大部份的運算都是向量式的。
當多組向量在進行運算時，會由相對應位置的元素進行運算。
當相加的兩個向量長度不同時，R會自動重複比較短的向量，補到和較長的向量相同的長度，然後用 一樣的方式去做計算。
c(1,2,3)+c(1:3)## [1] 2 4 62+c(1,2,3) ## [1] 3 4 5c(1,2)+c(1,2,3,4) ## [1] 2 4 4 6c(1,3)+c(1,2,3)## Warning in c(1, 3) + c(1, 2, 3): 較長的物件長度並非較短物件長度的倍數## [1] 2 5 4x <- c(1,2,3) ; y <- c(3,6,9)
x+y ; x*y ; y/x## [1] 4 8 12## [1] 3 12 27## [1] 3 3 3矩陣（Matrix）
Matrix如同線性代數中學的，有列有行，存放一定是數值(numeric)
Matrix可以由一長串的向量去轉換而成，告訴他維度即可
## 1 ~ 12的打法可以打 :
## == 是用來判斷有沒有相等
1:12## [1] 1 2 3 4 5 6 7 8 9 10 11 12(x1 = matrix(1 : 12 ,ncol = 6) )## [,1] [,2] [,3] [,4] [,5] [,6]
## [1,] 1 3 5 7 9 11
## [2,] 2 4 6 8 10 12(x2 = matrix(1 : 12 ,ncol = 6, byrow = T) )## [,1] [,2] [,3] [,4] [,5] [,6]
## [1,] 1 2 3 4 5 6
## [2,] 7 8 9 10 11 12(y1 = matrix(1 : 4 ,nrow = 2) )## [,1] [,2]
## [1,] 1 3
## [2,] 2 4(y2 = matrix(1 : 4 ,nrow = 2, byrow = T) )## [,1] [,2]
## [1,] 1 2
## [2,] 3 4轉置矩陣 與 反矩陣
t(x1) # 轉置(transpose)## [,1] [,2]
## [1,] 1 2
## [2,] 3 4
## [3,] 5 6
## [4,] 7 8
## [5,] 9 10
## [6,] 11 12solve(y1)## [,1] [,2]
## [1,] -2 1.5
## [2,] 1 -0.5矩陣乘法 與 對應元素相乘
x1## [,1] [,2] [,3] [,4] [,5] [,6]
## [1,] 1 3 5 7 9 11
## [2,] 2 4 6 8 10 12t(x1) %*% x1## [,1] [,2] [,3] [,4] [,5] [,6]
## [1,] 5 11 17 23 29 35
## [2,] 11 25 39 53 67 81
## [3,] 17 39 61 83 105 127
## [4,] 23 53 83 113 143 173
## [5,] 29 67 105 143 181 219
## [6,] 35 81 127 173 219 265x1 * x1 # t(x1) * x1 不能跑，因為兩個物件維度不一樣## [,1] [,2] [,3] [,4] [,5] [,6]
## [1,] 1 9 25 49 81 121
## [2,] 4 16 36 64 100 144Data Frame
Data.frame內存放一大堆變數(行向量), 變數間型態可以不同
限制：變數間長度必須一樣
最常使用的物件形式(相當於SAS的Dataset)
data <- data.frame(x1=c(1,2,3), #若要換行則此逗號要擺這
x2=c('a','b','c'))
data ; class(data)## x1 x2
## 1 1 a
## 2 2 b
## 3 3 c## [1] "data.frame"data <- data.frame(x1=c(1,2,3,4),
x2=c('a','b','c'))## Error in data.frame(x1 = c(1, 2, 3, 4), x2 = c("a", "b", "c")) :
arguments imply differing number of rows: 4, 3List
彈性較大的物件，想像成一種Data.frame，但允許變數長度不同
Data.frame 為 List 的一種特例 : 長度相同
lst <- list(A=c(1:5),
B=c('a','b'))
lst## $A
## [1] 1 2 3 4 5
##
## $B
## [1] "a" "b"Dataframe取值
利用[i,j] 來對 dataframe 進行取值的動作，其中， i 為列數、 j 為行數
[i,] 表示取出 dataframe 中第 i 列的所有資料，包含所有行變數
[,j] 表示取出 dataframe 中第 j 行的所有資料，包含所有列資料
$ (錢字號)這裡可以用來挑選特定欄位！記得搭配tab鍵讓你事半功倍！
## Data.frame
data <- data.frame(Date=c('7/23','7/23'),
Come=c(T,F),
Time=c(3,6))
data## Date Come Time
## 1 7/23 TRUE 3
## 2 7/23 FALSE 6## 好，我要從data中取出日期的變數(欄位、向量、抽屜)
data$Date ; data[,1]## [1] 7/23 7/23
## Levels: 7/23## [1] 7/23 7/23
## Levels: 7/23## 好，我要從data中取出是否會來的變數(欄位、向量、抽屜)
data$Come ; data[,2]## [1] TRUE FALSE## [1] TRUE FALSE## 好，我要從data中取出 '6'
data[2,3]## [1] 6List取值
[i]：取出 list 中的第 i 個物件，注意！取出來的物件依舊是 list 結構！
[[i]]：取出第 i 個物件中的全部元素，注意！[[]]會破壞原本的 list 結構！
[[i]][j]：取出第 i 個物件中的第j個元素
若物件已命名，可以利用 $ (錢字號)來提取物件
## List
data <- list(Date=c('7/23','7/24','7/25','7/26'),
Come=c(T,F),
Time=c(3,6))
data## $Date
## [1] "7/23" "7/24" "7/25" "7/26"
##
## $Come
## [1] TRUE FALSE
##
## $Time
## [1] 3 6## 好，我要從data中取出日期的變數(欄位、向量、抽屜)
## 只是今天衣櫃的每個抽屜長度可以不一樣
data$Date## [1] "7/23" "7/24" "7/25" "7/26"data[1] # 仍然是list格式## $Date
## [1] "7/23" "7/24" "7/25" "7/26"data[[1]]## [1] "7/23" "7/24" "7/25" "7/26"data[[1]][2]## [1] "7/24"特別的物件
NA(Not Avaliable)
未來資料中一定常常碰到NA
## NA常常就像這樣任性的存在
x <- c(1,2,3,NA,5)
y <- c(1,2,NA,4,5)## NA只要碰到加減乘除就會無效
x + y ## [1] 2 4 NA NA 10mean(x) ## [1] NA## 只要把缺憾移除掉人生就美好多了
mean(x,na.rm=T) ## [1] 2.75## 通常NA有規則可以填補我們就會補起來
x[4] <- 4## 但往往你需要更聰明的方式去補而不是這樣傻傻的數啊 ！！
## is.na可以回傳變數哪一個位置為NA
is.na(y)## [1] FALSE FALSE TRUE FALSE FALSEy[ is.na(y) ] <- 3Inf
my.money <- c(0,100,Inf) ; your.money <- c(-Inf,10,0)
my.money+your.money## [1] -Inf 110 Infmy.money/your.money ## 我也不知道為什麼 Inf/0會=Inf，可能要問問助教## [1] 0 10 InfNaN(Not a Number)
0/0 ; 1/0-1/0## [1] NaN## [1] NaNChapter3 - 常用的技巧
a. 看部分資料
head(iris,3) # 預設為看前六行## Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1 5.1 3.5 1.4 0.2 setosa
## 2 4.9 3.0 1.4 0.2 setosa
## 3 4.7 3.2 1.3 0.2 setosatail(iris,3)## Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 148 6.5 3.0 5.2 2.0 virginica
## 149 6.2 3.4 5.4 2.3 virginica
## 150 5.9 3.0 5.1 1.8 virginicab. 擷取部分資料
data = iris[1:6, 1:5]
data ; class(data)## Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1 5.1 3.5 1.4 0.2 setosa
## 2 4.9 3.0 1.4 0.2 setosa
## 3 4.7 3.2 1.3 0.2 setosa
## 4 4.6 3.1 1.5 0.2 setosa
## 5 5.0 3.6 1.4 0.2 setosa
## 6 5.4 3.9 1.7 0.4 setosa## [1] "data.frame"c. 改資料欄位名字
names(data) #看現在欄位的名字## [1] "Sepal.Length" "Sepal.Width" "Petal.Length" "Petal.Width"
## [5] "Species"names(data) = c('花萼長', '花萼寬', '花瓣長', '花瓣寬', '品種')
names(data)## [1] "花萼長" "花萼寬" "花瓣長" "花瓣寬" "品種"d. 新增欄列、刪除欄列
# 刪除第五欄
data[,-5]## 花萼長 花萼寬 花瓣長 花瓣寬
## 1 5.1 3.5 1.4 0.2
## 2 4.9 3.0 1.4 0.2
## 3 4.7 3.2 1.3 0.2
## 4 4.6 3.1 1.5 0.2
## 5 5.0 3.6 1.4 0.2
## 6 5.4 3.9 1.7 0.4new = c('a','b','c','d','e','f')
cbind(data, new) # 增加第六欄## 花萼長 花萼寬 花瓣長 花瓣寬 品種 new
## 1 5.1 3.5 1.4 0.2 setosa a
## 2 4.9 3.0 1.4 0.2 setosa b
## 3 4.7 3.2 1.3 0.2 setosa c
## 4 4.6 3.1 1.5 0.2 setosa d
## 5 5.0 3.6 1.4 0.2 setosa e
## 6 5.4 3.9 1.7 0.4 setosa f# 刪除第六列
data[-6,]## 花萼長 花萼寬 花瓣長 花瓣寬 品種
## 1 5.1 3.5 1.4 0.2 setosa
## 2 4.9 3.0 1.4 0.2 setosa
## 3 4.7 3.2 1.3 0.2 setosa
## 4 4.6 3.1 1.5 0.2 setosa
## 5 5.0 3.6 1.4 0.2 setosanew = c(5.2 , 3.1, 1.1, 0.3, 'setosa')
rbind(data, new) # 增加第七列## 花萼長 花萼寬 花瓣長 花瓣寬 品種
## 1 5.1 3.5 1.4 0.2 setosa
## 2 4.9 3 1.4 0.2 setosa
## 3 4.7 3.2 1.3 0.2 setosa
## 4 4.6 3.1 1.5 0.2 setosa
## 5 5 3.6 1.4 0.2 setosa
## 6 5.4 3.9 1.7 0.4 setosa
## 7 5.2 3.1 1.1 0.3 setosa
e. 看資料維度 與 資料結構
dim(data)## [1] 6 5str(data) # attributes(data)## 'data.frame': 6 obs. of 5 variables:
## $ 花萼長: num 5.1 4.9 4.7 4.6 5 5.4
## $ 花萼寬: num 3.5 3 3.2 3.1 3.6 3.9
## $ 花瓣長: num 1.4 1.4 1.3 1.5 1.4 1.7
## $ 花瓣寬: num 0.2 0.2 0.2 0.2 0.2 0.4
## $ 品種 : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1f. 更改某一欄
data$品種 = '某一種花'
data## 花萼長 花萼寬 花瓣長 花瓣寬 品種
## 1 5.1 3.5 1.4 0.2 某一種花
## 2 4.9 3.0 1.4 0.2 某一種花
## 3 4.7 3.2 1.3 0.2 某一種花
## 4 4.6 3.1 1.5 0.2 某一種花
## 5 5.0 3.6 1.4 0.2 某一種花
## 6 5.4 3.9 1.7 0.4 某一種花g. 選取特定的資料（列）
## 選擇 花萼長 >= 5 的資料(列)
(index = data$花萼長 >= 5)## [1] TRUE FALSE FALSE FALSE TRUE TRUEdata[index,]## 花萼長 花萼寬 花瓣長 花瓣寬 品種
## 1 5.1 3.5 1.4 0.2 某一種花
## 5 5.0 3.6 1.4 0.2 某一種花
## 6 5.4 3.9 1.7 0.4 某一種花練習
1. matrix 的製作與運算
大家都知道回歸分析中估計係數常使用最小平方法，公式為\((X^{'}X)^{-1}X^{'}Y\)，如果已知\(X\)、\(Y\)分別是下面這兩個，請使用Ｒ套入公式計算出答案
X ; Y #請宣告兩個變量X、Y，分別代表下面的X矩陣和Y矩陣## [,1] [,2]
## [1,] 1 1
## [2,] 0 2
## [3,] 1 0## [,1]
## [1,] 13
## [2,] -2
## [3,] 12. data frame 製作與運用
你能將左邊資料變成右邊資料嗎？
3. list 製作與運用
你能將左邊資料變成右邊資料嗎？
Chapter4 - 常用的function
接下的部份是跟大家介紹幾個較常用的function
但實際上絕對還會用到更多更多的function
所以本課程不涵蓋的部份還請各位去詢問Google大大
1. ?in R
忘記一個function的用法時常常用?來查詢
或是用help()
?mean
??mean
help(mean)2. length
看一個向量長度時常用length
length(c(1:10))## [1] 103. sort, order, rank
sort：將向量元素從小排到大
order：再以從小排到大的結果下，「排名結果」依序對應至原本向量中的第幾個「位置」
rank : 由小到大排列的情況下，每個元素依序「排名」第幾
set.seed(10)
(x <- sample(10, 7))## [1] 6 3 4 5 1 2 7sort(x)## [1] 1 2 3 4 5 6 7y <- sort(x)
order(x)## [1] 5 6 2 3 4 1 7rank(x)## [1] 6 3 4 5 1 2 7x[order(x)]## [1] 1 2 3 4 5 6 7y## [1] 1 2 3 4 5 6 7y[rank(x)]## [1] 6 3 4 5 1 2 7x## [1] 6 3 4 5 1 2 74. seq, rep
seq 可以想成產生一連串有規律的數字(ex:等差數列)
?seq ==> seq(from = 1, to = 1, …)
rep 可以想成產生一連串有重複的數字
?rep ==> rep(x, … )
常常seq跟rep會一起搭配
seq(from = 1, to = 9, by = 2) ## seq(1,9,2)## [1] 1 3 5 7 9seq(from = 9, to = 1, by = -2) ## seq(9,1,-2)## [1] 9 7 5 3 1rep( seq(from = 1, to = 9, by = 2) , times= 2)## [1] 1 3 5 7 9 1 3 5 7 9rep( seq(from = 1, to = 9, by = 2) , each= 2)## [1] 1 1 3 3 5 5 7 7 9 9rep(seq(from = 1, to = 9, by = 2) , each = 3 , times = 2)## [1] 1 1 1 3 3 3 5 5 5 7 7 7 9 9 9 1 1 1 3 3 3 5 5 5 7 7 7 9 9 95. 邏輯判斷
以下介紹常用的邏輯判斷符號
<、> ： 小於、大於。
<=、>= ： 小於等於、大於等於。
== ： 等於。
!= ： 不等於。
& ： 交集（且）。
| ： 聯集（或）。
A %in% B ： A是否在B內。
3 > 2 ; 3 < 2## [1] TRUE## [1] FALSE3 >= 5 ; 3 <= 5## [1] FALSE## [1] TRUE# 你可以key 2 = 3 看看
2 == 3 ; 2 != 3## [1] FALSE## [1] TRUEdata## 花萼長 花萼寬 花瓣長 花瓣寬 品種
## 1 5.1 3.5 1.4 0.2 某一種花
## 2 4.9 3.0 1.4 0.2 某一種花
## 3 4.7 3.2 1.3 0.2 某一種花
## 4 4.6 3.1 1.5 0.2 某一種花
## 5 5.0 3.6 1.4 0.2 某一種花
## 6 5.4 3.9 1.7 0.4 某一種花data$花瓣長 < 5 & data$花瓣長 > 4.6 # 知道true and false 就可以抓出特定資料## [1] FALSE FALSE FALSE FALSE FALSE FALSEdata$花瓣長 > 5 & data$花瓣寬 == 0.2## [1] FALSE FALSE FALSE FALSE FALSE FALSE## 看物件是否有包含在裡面
c(2,5) %in% c(1:3)## [1] TRUE FALSEif else
ifelse簡易語法
ifelse(條件式, A(TRUE) , B(FALSE) )
如果條件式判斷為TRUE，則為A
如果條件式判斷為FALSE，則為B
ifelse( 3 > 2 , 3 + 2 , 3 - 2 ) #如果3>2成立，則執行3+2，否則執行3-2## [1] 5條件執行
if ( A條件式 ){
A條件式判斷為TRUE，則執行此區塊
}else if ( B條件式 ){
A條件式判斷為FALSE，且B條件式判斷為TRUE，則執行此區塊
}else{
A條件式和B條件式皆判斷為FALSE，則執行此區塊}
if(3 < 2){
3 + 2 # 如果 "3 < 2" 為TRUE，則執行3 + 2
}else if (3 == 2){
3 * 2 # 否則如果 "3 == 2" 為TRUE，則執行3 * 2
}else{
3 - 2 # 如果 "3 < 2"和 "3 == 2" 皆為FALSE，則執行3 - 2
}## [1] 1迴圈結構
for迴圈
for(variable in iterator) {Expressions}
variable : 宣告一個變量
iterator : 疊代器，用來宣告遞迴過程中變量要依序變換的值，
也就宣告一個遞迴用的「向量」Expressions : 可以跟variable有關或無關的運算
x <- 0
for(i in 1:5){
x <- x + i
print(x)
}## [1] 1
## [1] 3
## [1] 6
## [1] 10
## [1] 15x## [1] 156. which
which是一個很常用的function
which可以理解為：哪一個為TURE
which更常拿來挑選資料
which(c('a', 'b', 'c') == 'b')## [1] 2set.seed(1)
(x = rnorm(20))## [1] -0.62645381 0.18364332 -0.83562861 1.59528080 0.32950777
## [6] -0.82046838 0.48742905 0.73832471 0.57578135 -0.30538839
## [11] 1.51178117 0.38984324 -0.62124058 -2.21469989 1.12493092
## [16] -0.04493361 -0.01619026 0.94383621 0.82122120 0.59390132which(x > 1) # 誰大於1## [1] 4 11 15sum(x > 1) # 有多少筆大於1## [1] 3x[x>1] # 挑出大於1的## [1] 1.595281 1.511781 1.1249317. 自定function
有時候我們會需要自定一個function來完成某些事情
這邊教大家如何寫一個自己的function
假設我們沒有計算算平均數的function，我們要自己寫一個
cust.mean <- function(x){
mean.result <- sum(x)/length(x)
return(mean.result)
}
cust.mean(1:10)## [1] 5.5## It's same
mean(1:10)## [1] 5.58. 字串處理：nchar(長度), substr(擷取), paste(剪貼), strsplit(分割)
字串常常是很棘手的難題
例如：台北市文山區指南路三段….
也許我們想保留的只有台北市文山區或是指南路三段
這時候就會對字串做些處理
x <- c('ABC-88','WTF-978','CBD-0857')## 計算字數
nchar(x)## [1] 6 7 8## 切割英文跟數字
strsplit(x, split = '-')## [[1]]
## [1] "ABC" "88"
##
## [[2]]
## [1] "WTF" "978"
##
## [[3]]
## [1] "CBD" "0857"## 字串的擷取
substr(x = x[1] , start = 1 , stop = 5)## [1] "ABC-8"## 字串的剪貼
paste(substr(x[2],1,7),substr(x[3],5,7), sep = '-')## [1] "WTF-978-085"9. 變數種類的轉換
有時候資料並非為我們預想中的資料型態，因此我們需要做轉換
as.character
轉成character型態
x <- c(1,2,3)
as.character(x)## [1] "1" "2" "3"as.numeric
轉成numeric型態
若轉換過去沒有對應到數字則會出現NA
注意factor ==> numeric
x <- c('1','2')
as.numeric(x)## [1] 1 2y <- c('1','a')
as.numeric(y)## Warning: 強制變更過程中產生了 NA## [1] 1 NAz <- factor(c('a','b','c'))
as.numeric(z)## [1] 1 2 3z1 <- factor(c('a','b','c'),levels=c('c','b','a'))
as.numeric(z1)## [1] 3 2 1w <- factor(c('4','5','6'))
as.numeric(w)## [1] 1 2 3注意：若是要由factor轉為numeric，須先轉成character再轉成numeric
w <- factor(c('4','5','6'))
as.numeric( as.character(w) )## [1] 4 5 6as.factor
x <- c(1,2,3)
as.factor(x)## [1] 1 2 3
## Levels: 1 2 3y <- c('a','b','c')
as.factor(y)## [1] a b c
## Levels: a b cChapter 5 - 資料處理分析
設定R工作環境
查詢工作目錄 (get working directory)
getwd:看目前工作目錄在哪裡
getwd()## [1] "/Users/chenchunyen/Documents/Projects/R工作坊教材"設定工作目錄 (set working directory)
setwd:直接手動設定工作目錄
# Windows
setwd("C:\\Users")
# Mac
setwd("/Users/chenchunyen/Desktop/")讀取資料
csv file
write.csv：匯出csv檔
read.csv：讀入csv檔
demo <- iris
# 直接將demo.csv存至剛剛設定的工作目錄
write.csv(demo,"demo.csv")
# 將demo.csv存至指定路徑
write.csv(demo,"/Users/chenchunyen/Desktop/Code/Program/Workshop/demo.csv")# 將剛剛匯出的demo.csv檔讀進來
data <- read.csv("/Users/chenchunyen/Desktop/Code/Program/Workshop/demo.csv")
# or
data <- read.csv(file.choose())read.table
header：第一列是否為資料行名稱
sep：行與行之間以什麼做分割（csv為以 , 做區隔）
data <- read.table("/Users/chenchunyen/Desktop/Code/Program/Workshop/demo.csv",header = T,sep = ',')scan
連續輸入數字，按一次enter鍵可以輸入下一筆數字，連按兩次enter將結束輸入。
s <- scan()> s <- scan()
1: 5
2: 4
3: 0
4: 0
5:
Read 4 items
> s
[1] 5 4 0 0文字編碼問題
Mac-utf8 讀取 windows-big5編碼
data <- read.csv("demo.csv",fileEncoding = 'big5')windows-big5 讀取 Mac-utf8 編碼
data <- read.csv("demo.csv",fileEncoding = 'utf8')Chapter 6 - 畫圖
基本繪圖技巧
par(mfrow = c(2,2)) # 將頁面切成四等份
x = rnorm(50)
plot(x)
boxplot(x)
hist(x) # x 軸當成連續
barplot(x) # x 軸當成類別
par(mfrow = c(2,2))
par(family="STKaiti") #顯示中文(可換各種字型)
plot(x, main = 'plot 指令可以放兩個維度')
boxplot(x, ylim = c(-3,3))
hist(x, xlab = '我是x軸', ylab = '我是y軸', breaks = seq(-4, 4, 0.05), prob = T); lines(density(x, width = 1))
barplot(x, col =2) 
進階技巧
plot(1:10, rep(1, 10), pch=20, col=1:10, cex=5, xlab="", ylab="")
text(1:10, rep(1.2, 10), labels=1:10)
plot(iris[,1], iris[,2], pch = 16 ,col =
ifelse(iris[,5] == 'setosa', 'red',
ifelse(iris[,5] == 'versicolor', 'blue', 'green')) )
par(family = 'STKaiti')
x = iris[,1] ; y = iris[,2]
plot(y~x, xlim=c(1.5,9), ylim=c(1.5,9), type="n", main = '迴歸直線')
points(x[1:50], y[1:50], col="red")
points(x[51:100], y[51:100], col="blue")
points(x[101:150], y[101:150], col="green")
abline(lm(y~x)) # 增加線
pairs(iris[,1:4], col=as.integer(iris[,5])+1, panel=panel.smooth)
library(scatterplot3d)
z <- seq(-10, 10, 0.01)
x <- cos(z)
y <- sin(z)
scatterplot3d(x, y, z, highlight.3d=TRUE, col.axis="blue",
col.grid="lightblue", main="scatterplot3d - 1", pch=20)
Chapter 7 - 套件
dplyr
實用工具 dplyr
dplyr是資料的整理、資料彙整的好幫手
可以幫你省去許多時間，只要你對他夠熟悉！
接下來跟各位介紹一些基本的函式
# 安裝套件
install.packages('dplyr')# 載入套件
library(dplyr) #注意，重新開啟R之後，要再使用dplyr套件的話，都要再重新載入套件:library(dplyr)請先下載此資料
a. select
挑選欄位
Ex : 從資料中挑選(or剔除)我們要練習的欄位
# 挑選資料欄位
temp <- select(data, 鄉鎮市區, 交易標的)# 剔除資料欄位
temp <- select(data, -鄉鎮市區)# 挑我們練習的欄位
data.new <- select(data,-c(非都市土地使用分區, 非都市土地使用編定, 交易筆棟數,
移轉層次, 建物現況格局.房:建物現況格局.隔間,
車位類別, 備註, 編號))
# or
data.new <- select(data,-c(6,7,9,10,17:20,24,27,28))b. filter
按照某些條件挑選資料列
Ex : 我們想要看文山區的房屋交易
data.wenshan <- filter(data.new, 鄉鎮市區=='文山區')
head(data.wenshan)c. mutate
修改欄位、新增欄位
Ex1 : 建物（以及土地）移轉總面積平方公尺 轉換成 建物（土地）坪數 (1平方公尺 = 0.3025 坪)
data.new <- mutate(data.new,建物坪數=建物移轉總面積平方公尺*0.3025,
土地坪數=土地移轉總面積平方公尺*0.3025)Ex2 : 簡單計算坪價：總價元/建物坪數
# 注意建物坪數=0 算出來會是Inf
mutate(data.new,坪價=總價元/建物坪數)
# 避開建物坪數=0
data.new <- mutate(data.new, 坪價=ifelse(建物坪數==0, 0, 總價元/建物坪數))d. arrange
排序：遞增、遞減
desc : 遞減，用在arrange函式
Ex : 想按照坪價排序，由低到高、由高到低
arrange(data.new,坪價)
arrange(data.new,desc(坪價))e. summarise
做資料彙總的函式，可以擺放不同的彙總方式。
Ex : 計算筆數、計算平均、最大值…
通常配合group_by
# ?mean 有NA時去計算平均數會得到NA的結果
# na.rm幫助我們把na去除掉！
summarise(data.new,
平均坪價 = mean(坪價,na.rm = T))## 平均坪價
## 1 523112.5# 也可以一次計算多個彙總函式
summarise(data.new,
平均坪價 = mean(坪價,na.rm = T),
坪價中位數 = median(坪價,na.rm = T),
最貴 = max(坪價,na.rm = T),
最便宜 = min(坪價,na.rm = T))## 平均坪價 坪價中位數 最貴 最便宜
## 1 523112.5 479432.1 165289256 0f. group_by
group_by可以想像成把指定的欄位中值相同的資料偷偷綁在一塊(從資料上看不出改變)
group_by(data.new,鄉鎮市區) ==> 把文山區的資料綁一起、松山區的資料綁一起…
通常一定會配合其他dplyr的函式, Ex: filter, mutate, summarise ….
Ex : 想要知道台北市各行政區的平均坪價、坪價中位數、最貴、最便宜
result <- summarise(group_by(data.new,鄉鎮市區),
平均坪價 = mean(坪價,na.rm = T),
坪價中位數 = median(坪價,na.rm = T),
最貴 = max(坪價,na.rm = T),
最便宜 = min(坪價,na.rm = T))
# 發現鄉鎮市區欄位中有很多的異常值，要把它去除
# 動動腦思考看看要怎麼去除
result$鄉鎮市區 <- as.character(result$鄉鎮市區)
result <- filter(result,nchar(result$鄉鎮市區)==3)Ex : 想要知道台北市各行政區的房屋交易筆數
# 計算筆數有蠻多種方式： n(), length(), tally
summarise(group_by(data.new,鄉鎮市區),
交易筆數a=n(),
交易筆數b=length(建物坪數),
交易筆數c=length(坪價))## # A tibble: 12 x 4
## 鄉鎮市區 交易筆數a 交易筆數b 交易筆數c
## <fct> <int> <int> <int>
## 1 北投區 842 842 842
## 2 大安區 455 455 455
## 3 大同區 192 192 192
## 4 南港區 222 222 222
## 5 內湖區 531 531 531
## 6 士林區 435 435 435
## 7 松山區 292 292 292
## 8 萬華區 416 416 416
## 9 文山區 451 451 451
## 10 信義區 315 315 315
## 11 中山區 611 611 611
## 12 中正區 227 227 227tally(group_by(data.new,鄉鎮市區))## # A tibble: 12 x 2
## 鄉鎮市區 n
## <fct> <int>
## 1 北投區 842
## 2 大安區 455
## 3 大同區 192
## 4 南港區 222
## 5 內湖區 531
## 6 士林區 435
## 7 松山區 292
## 8 萬華區 416
## 9 文山區 451
## 10 信義區 315
## 11 中山區 611
## 12 中正區 227ggplot
ggplot : 資料視覺化好幫手
ggplot的基本架構
資料 (data) 和映射 (mapping)
幾何對象 (geometric)
座標尺度 (scale)
統計轉換 (statistics)
座標系統 (coordinante)
圖層 (layer)
刻面 (facet)
主題 (theme)
ggplot(data=…, aes(x=…, y=…)) +
geom_xxx(…) + stat_xxx(…) + facet_xxx(…) + …
library(dplyr)
library(ggplot2)
stw <- starwars %>% filter(gender == 'male' | gender == 'female') %>%
group_by(gender,eye_color) %>% summarise(amount = n()) %>%
mutate(rate = round(amount/sum(amount),2) )
stw %>%
ggplot(aes(x = gender ,y = rate ,fill = eye_color)) +
geom_bar(stat = 'identity', position = 'stack')+ # stack為類別堆疊
theme(text=element_text(size = 15, family = "STHeiti")) 
library(dplyr)
library(ggplot2)
d <- iris # Full data set
d_bg <- d[, -5] # Background Data - full without the 5th column (Species)
x2 = ggplot(d, aes(x = Sepal.Width, fill = Species)) + #設定x軸，用種類當
geom_histogram(data = d_bg, fill = "grey", alpha = .5) +
geom_histogram(colour = "black") +
facet_wrap(~ Species) +
guides(fill = FALSE) + # to remove the legend
theme_bw() # for clean look overall
x2## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
mtcars$car = row.names(mtcars)
p = ggplot(mtcars, aes(x=car, y=mpg, fill=mpg)) +
geom_bar(stat='identity') +theme_light() +
scale_fill_gradient(low='red', high='white', limits=c(5,40)) +
theme(axis.title.y=element_text(angle=0))
# p + theme(axis.text.x = element_text(angle=45, vjust = 1, hjust=1))
x3 = p + coord_polar()
x3
rlist
list界的dplyr
相對於data.frame，list是較難處理的資料型態
rlist提供許多和dplyr相同的函式，可以提高處理list的效率
接下來跟各位介紹一些基本的函式
#### 範例資料
library(rlist)
library(dplyr)
jsontext <- '[
{ "Name" : "Ken",
"Age" : 24,
"Interests" : [
"reading",
"music",
"movies"
],
"Expertise" : {
"R": 2,
"CSharp": 4,
"Python" : 3
}
},
{
"Name" : "James",
"Age" : 25,
"Interests" : [
"sports",
"music"
],
"Expertise" : {
"R" : 3,
"Java" : 2,
"Cpp" : 5
}
},
{
"Name" : "Penny",
"Age" : 24,
"Interests" : [
"movies",
"reading"
],
"Expertise" : {
"R" : 1,
"Cpp" : 4,
"Python" : 2
}
}
]'
people <- list.parse(jsontext, "json")
str(people)## List of 3
## $ :List of 4
## ..$ Name : chr "Ken"
## ..$ Age : int 24
## ..$ Interests:List of 3
## .. ..$ : chr "reading"
## .. ..$ : chr "music"
## .. ..$ : chr "movies"
## ..$ Expertise:List of 3
## .. ..$ R : int 2
## .. ..$ CSharp: int 4
## .. ..$ Python: int 3
## $ :List of 4
## ..$ Name : chr "James"
## ..$ Age : int 25
## ..$ Interests:List of 2
## .. ..$ : chr "sports"
## .. ..$ : chr "music"
## ..$ Expertise:List of 3
## .. ..$ R : int 3
## .. ..$ Java: int 2
## .. ..$ Cpp : int 5
## $ :List of 4
## ..$ Name : chr "Penny"
## ..$ Age : int 24
## ..$ Interests:List of 2
## .. ..$ : chr "movies"
## .. ..$ : chr "reading"
## ..$ Expertise:List of 3
## .. ..$ R : int 1
## .. ..$ Cpp : int 4
## .. ..$ Python: int 2a. list.map
將list內特定變數打開來看
list.map(people, c(Name,Age))## [[1]]
## [1] "Ken" "24"
##
## [[2]]
## [1] "James" "25"
##
## [[3]]
## [1] "Penny" "24"list.map(people, sum(as.numeric(Expertise)))## [[1]]
## [1] 9
##
## [[2]]
## [1] 10
##
## [[3]]
## [1] 7b. list.mapv
將map出來的list變成向量形式輸出
抓出poeple內每個人的年紀並以向量輸出
list.mapv(people, Age)## [1] 24 25 24c. list.select
效果類似dplyr的select
挑選出people內的Name和Age
list.select(people, Name, Age)## [[1]]
## [[1]]$Name
## [1] "Ken"
##
## [[1]]$Age
## [1] 24
##
##
## [[2]]
## [[2]]$Name
## [1] "James"
##
## [[2]]$Age
## [1] 25
##
##
## [[3]]
## [[3]]$Name
## [1] "Penny"
##
## [[3]]$Age
## [1] 24d. list.iter
可以直接使用expression來呈現想要的結果
list.iter(people, cat(Name, ":", Age, "\n"))## Ken : 24
## James : 25
## Penny : 24e. list.filter
效果類似dplyr的filter
過濾出年紀大於等於25歲的資料
str(list.filter(people, Age >= 25))## List of 1
## $ :List of 4
## ..$ Name : chr "James"
## ..$ Age : int 25
## ..$ Interests:List of 2
## .. ..$ : chr "sports"
## .. ..$ : chr "music"
## ..$ Expertise:List of 3
## .. ..$ R : int 3
## .. ..$ Java: int 2
## .. ..$ Cpp : int 5##想知道誰年紀大於等於25歲，可以用以下方式找出
list.mapv(list.filter(people, Age >= 25), Name)## [1] "James"##也可以利用dplyr最實用的功能之一 %>% 來運算
people %>%
list.filter(Age >= 25) %>%
list.mapv(Name)## [1] "James"f. list.all
輸出結果為TRUE or FALSE，會檢視是否’每一個’變數都符合條件
看看是否每個人的專長都有R
list.all(people, "R" %in% names(Expertise))## [1] TRUEg. list.any
輸出結果為TRUE or FALSE，相較於list.all，只要有一個符合就會是TRUE
看看是否有人的專長有python
list.any(people, "Python" %in% names(Expertise))## [1] TRUEh. list.sort
根據所選變數排序，重新輸出一個list
將三個人以年齡排序，並指選出名字和年齡
people %>%
list.sort(Age) %>%
list.select(Name, Age) %>%
str## List of 3
## $ :List of 2
## ..$ Name: chr "Ken"
## ..$ Age : int 24
## $ :List of 2
## ..$ Name: chr "Penny"
## ..$ Age : int 24
## $ :List of 2
## ..$ Name: chr "James"
## ..$ Age : int 25##
##
##
## -----
## May the force be with you .
## ------
## \
## \
## ____
## _.' : `._
## .-.'`. ; .'`.-.
## __ / : ___\ ; /___ ; \ __
## ,'_ ""--.:__;".-.";: :".-.":__;.--"" _`,
## :' `.t""--.. '<@.`;_ ',@>` ..--""j.' `;
## `:-.._J '-.-'L__ `-- ' L_..-;'
## "-.__ ; .-" "-. : __.-"
## L ' /.------.\ ' J
## "-. "--" .-"
## __.l"-:_JL_;-";.__
## .-j/'.; ;"""" / .'\"-.
## .' /:`. "-.: .-" .'; `.
## .-" / ; "-. "-..-" .-" : "-.
## .+"-. : : "-.__.-" ;-._ \
## ; \ `.; ; : : "+. ;
## : ; ; ; : ; : \:
## ; : ; : ;: ; :
## : \ ; : ; : ; / ::
## ; ; : ; : ; : ;:
## : : ; : ; : : ; : ;
## ;\ : ; : ; ; ; ;
## : `."-; : ; : ; / ;
## ; -: ; : ; : .-" :
## :\ \ : ; : \.-" :
## ;`. \ ; : ;.'_..-- / ;
## : "-. "-: ; :/." .' :
## \ \ : ;/ __ :
## \ .-`.\ /t-"" ":-+. :
## `. .-" `l __/ /`. : ; ; \ ;
## \ .-" .-"-.-" .' .'j \ / ;/
## \ / .-" /. .'.' ;_:' ;
## :-""-.`./-.' / `.___.'
## \ `t ._ / bug
## "-.t-._:'
##