说明：本节中大部分内容摘自书籍《R语言实战（第2版）》

RStudio: Take control of your R code

RStudio是R的集成开发环境（IDE）。它包括一个控制台，支持直接代码执行的语法高亮编辑器，以及绘图，历史记录，调试和工作区管理工具。

RStudio可用于开源和商业版本，并可在桌面（Windows，Mac和Linux）或连接到RStudio Server或RStudio Server Pro（Debian / Ubuntu，RedHat / CentOS和SUSE Linux）的浏览器上运行。

在 RStudio 下使用 R 的基本功能
 RStudio参考卡片

数据处理一般流程

R 数据结构

R拥有许多用于存储数据的对象类型，包括标量、向量、矩阵、数组、数据框和列表。

1. 向量
向量是用于存储数值型、字符型或逻辑型数据的一维数组。

a <- c(1, 2, 5, 3, 6, -2, 4) 
b <- c("one", "two", "three")
c <- c(TRUE, TRUE, TRUE, FALSE, TRUE, FALSE) 

d<-1:10 #生成1-10整数向量

2. 矩阵
矩阵是一个二维数组，只是每个元素都拥有相同的模式（数值型、字符型或逻辑型）。

myymatrix <- matrix(vector, nrow=number_of_rows,ncol=number_of_columns, byrow=logical_value, 
  dimnames=list(char_vector_rownames, char_vector_colnames))

3. 数组
数组（array）与矩阵类似，但是维度可以大于2。

myarray <- array(vector, dimensions, dimnames)

4. 数据框
由于不同的列可以包含不同模式（数值型、字符型等）的数据，数据框的概念较矩阵来说更为一般。

mydata <- data.frame(col1, col2, col3,...)

5. 因子
变量可归结为名义型、有序型或连续型变量。名义型变量是没有顺序之分的类别变量。有序型变量表示一种顺序关系，而非数量关系。
类别（名义型）变量和有序类别（有序型）变量在R中称为因子（factor）。因子在R中非常重要，因为它决定了数据的分析方式以及如何进行视觉呈现。

factor(x = character(), levels, labels = levels,
       exclude = NA, ordered = is.ordered(x), nmax = NA)

6. 列表

列表（list）是R的数据类型中为复杂的一种。一般来说，列表就是一些对象（或成分， component）的有序集合。列表允许你整合若干（可能无关的）对象到单个对象名下。

mylist <- list(object1, object2, ...)

7. 日期值

as.Date(x, "input_format")

日期值的默认输入格式为yyyy-mm-dd。

mydates <- as.Date(c("2007-06-22", "2004-02-13"),"%Y-%m-%d")

format符号	含义	示例
%d	数字表示的日期（0~31）	01~31
%a	缩写的星期名	Mon
%A	非缩写星期名	Monday
%m	月份（00~12）	00~12
%b	缩写的月份	Jan
%B	非缩写月份	January
%y	两位数的年份	07
%Y	四位数的年份	2007

8. 索引和切片
以data.frame为例

# 以data.frame为例
df<-data.frame(x=1:10,y=rnorm(10, mean=0, sd=1))

用法	说明
`df[3,5]`
`df['x']`	返回x列，data.frame类型
`df$x , df[[x]]`	返回向量类型
`df[c(1,3,5), ]`
`df[-(1:5),]`	除了1-5列（R 中`-`是排除的意思）
`df[x>3,]`	逻辑索引
`df[x %in% c(3,5))]`

R 运算符

数学运算	描述
`+, -, *, /`
`^, **`	求幂
`x%%y`	求余（x mod y）。5%%2 的结果为 1
`x%/%y`	整数除法。5%/%2 的结果为 2

关系	逻辑运算
`< ,<=`	`!x`
`>,>=`	`x\|y`
`==,!=`	`x & y`

概率函数

在R中，概率函数统一格式为：[dpqr]distribution_abbreviation()
其中第一个字母表示其所指分布的某一方面

首字母	说明	主参数	返回值	示例
p	分布函数(distribution function)	分位数x值	概率值F(x)=P{X<=x}	pnorm(q)
d	密度函数(density)	分位数x值	密度值f(x)=dF/dx	dnorm(x)
q	分位数函数(quantile function)	概率P值	分位数x	qnorm§
r	生成随机数	随机数n	随机向量密度值	rnorm(n)

概率分布

分布名称	缩写	分布名称	缩写
Beta 分布	beta	Logistic 分布	logis
二项分布	binom	多项分布	multinom
柯西分布	cauchy	负二项分布	nbinom
(非中心)卡方分布	chsiq	正态分布	norm
指数分布	exp	泊松分布	pois
F分布	f	Wilcoxon 符号秩分布	signrank
Gamma分布	gamma	t分布	t
几何分布	geom	均匀分布	unif
超几何分布	hyper	Weibull 分布	weibull
对数正态分布	lnorm	Wilcoxon 秩和分布	wilcox

runif(n, min=0, max=1) #均匀分布
rnorm(n, mean=0, sd=1) #正态分布

控制语句与循环语句

控制语句

if(cond) expr
if(cond) cons.expr else alt.expr
if...else if...else
ifelse(test, yes, no)

switch(expr, ...)
  expr：可以为一个数字或字符串
  ...:为一系列选择项列
  若expr为字符串，...列表项为name_i=expr_i
  若expr为数字，...列表项按顺序输出

循环语句

for(var in seq) expr
while(cond) expr
repeat expr

循环语句关键字

break：跳出整个循环语句
continue: 跳出本次循环
next：跳出本次loop

自定义函数

function( arglist ) {
  expr
  return(object) }

… (dot-dot-dot)：此特殊参数可以捕获任何数量的参数

example:

>>>"%s*%" <- function(x,y) rep(x,y) #自定义二元符号
>>>"a"%s*%5
>>>"aaaaa"

调试

函数	用法
stop(message)	停止执行当前表达式返回message(常与if配合检查自定义函数参数)
stopifnot(logit1,logit2,logit3…)	检查每个参数为TRUE，否则停止执行当前表达式返回message

拟合线性模型formula

在R中，拟合线性模型基本的函数就是lm()，格式为：

myfit <- lm(formula, data)

formula指要拟合的模型形式，
data是一个数据框，包含了用于拟合模型的数据。
结果对象（本例中是myfit）存储在一个列表中，包含了所拟合模型的大量信息。

表达式（formula）形式如下： Y ~ X1 + X2 + ... + Xk
~左边为响应变量，右边为各个预测变量，预测变量之间用+符号分隔。

formula常用符号	说明	示例
~	分隔符，左边为响应变量，右边为解释变量
+	预测变量分隔符	y~x+y
:	预测变量交互项	y~x+y+x:y
*	包含所有交互项的简洁方式	代码y~ x * z可展开为y ~ x + z + x:z
^	交互项的最高次数	代码 y ~ (x + z + w)^2 可展开为 y ~ x + z + w + x:z + x:w + z:w
.(dot)	除因变量外的所有变量	y~.
-	移除一项	y~xzw–x:z:w可展开为 y ~ (x + z + w)^2
-1	移除截距	y~x-1
I()	算术	y~x+I(x^2)
function	数学函数	log(y) ~ x + z + w

R语言可视化

除了基础图形，grid、lattice和ggplot2软件包也提供了图形系统，它们克服了R基础图形系统的低效性，大大扩展了R的绘图能力。

grid图形系统可以很容易地控制图形基础单元，给予编程者创作图形的极大灵活性。
lattice包通过一维、二维或三维条件绘图，即所谓的网格图形（trellis graph）来对多元变量关系进行直观展示。
ggplot2包极大地扩展了R绘图的范畴，提高了图形的质量。

系统	基础安装中是否包含	是否需要显式加载
base	是	否
grid	是	是
lattice	是	是
ggplot2	否	是

data.table 和 tidyverse

data.table
R语言data.table包是自带包data.frame的升级版，用于数据框格式数据的处理，最大的特点快。
包括两个方面，一方面是写的快，代码简洁，只要一行命令就可以完成诸多任务。
另一方面是处理快，内部处理的步骤进行了程序上的优化，使用多线程，甚至很多函数是使用C写的，大大加快数据运行速度。因此，在对大数据处理上，使用data.table无疑具有极高的效率。

tidyverse
hadley