1.认识R语言

1.1 选择R语言的依据

• 免费的软件
• 编程方便，语言灵活，图形功能强大
• 优秀的内在帮助系统
• 高质量、广泛的统计分析、数据挖掘平台
• 国际上R语言已然是专业数据分析领域的标准
  
  

1.2 R的来源

​ R是S语言的一种实现。S语言是由 AT&T贝尔实验室开发的一种用来进行数据探索、统计分析、作图的解释型语言。最初S语言的实现版本主要是S-PLUS。

​ S-PLUS是一个商业软件，它基于S语言，并由MathSoft公司的统计科学部进一步完善。后来Auckland大学的Robert Gentleman 和 Ross Ihaka 及其他志愿人员开发了一个R系统。R的使用与S-PLUS有很多类似之处，两个软件有一定的兼容性。

1.3 R的优缺点

描述：

• 与起源于贝尔实验室的S语言类似，R也是一种为统计计算和绘图而生的语言和环境，它是一套开源的数据分析解决方案，由一个庞大且活跃的全球性研究型社区维护。但是，世面上也有许多其他流行的统计和制图软件，如Miscrosoft Excel、SAS、IBM SPSS、Stata以及Minitab。为何还要选择R？
• R有着非常多值得推荐的特性。
• 多数商业统计软件价格不菲，而R是免费的！
• R语言由一个庞大且活跃的全球性研究型社区维护。
• R语言具备可扩展能力且拥有丰富的功能选项，帮助开发人员构建自己的工具及方法，从而顺利实现数据分析。
• R可运行与多种平台之上，包括Windows、Unix和Mac OS X。这基本上意味着它可以运行于你所能拥有的任何计算机上。

优点：

1. 开源；
2. 庞大且活跃的社区维护；
3. 可扩展能力强，灵活度高；
4. 多平台运行，Windows、Linux和Mac OS X；
5. 已然是专业数据分析领域的标准工具。

缺点：

1. 解释性语言，速度略慢；
2. 所有计算都是在内存中进行的；
3. 标准相对不统一

1.4 R环境安装

​ R 语言的开发环境本身具备了图形开发环境，这与其他很多工程语言是不同的，所以开发环境最好安装在为桌面个人计算机设计的操作系统上（如 Windows, macOS 或 Ubuntu 桌面版 等）。

首先，我们需要下载 R 语言环境的安装包：

Windows

• 官方地址：https://cloud.r-project.org/bin/windows/base/
• USTC 镜像：https://mirrors.ustc.edu.cn/CRAN/bin/windows/base/
• TUNA 镜像：https://mirrors.tuna.tsinghua.edu.cn/CRAN/bin/windows/base/

Linux

• 官方地址：https://cloud.r-project.org/bin/linux/
• USTC 镜像：https://mirrors.ustc.edu.cn/CRAN/bin/linux/
• TUNA 镜像：https://mirrors.tuna.tsinghua.edu.cn/CRAN/bin/linux/

macOS

• 官方地址：https://cloud.r-project.org/bin/macosx/
• USTC 镜像：https://mirrors.ustc.edu.cn/CRAN/bin/macosx/
• TUNA 镜像：https://mirrors.tuna.tsinghua.edu.cn/CRAN/bin/macosx/

以上的版本有可能是过时的，如果你需要最新版本，可以访问：

• 清华大学源： https://mirrors.tuna.tsinghua.edu.cn/CRAN/bin/
• 官网：https://cloud.r-project.org/bin/

window中安装

Windows 安装很简单，下载安装包后，双击下载的安装包，开始安装向导：

**注意：**这里使用的操作系统是 64 位的，但现在仍有少数的计算机使用的是 32 位的操作系统，如果你的操作系统是 32 位的，请在此步骤选择"32-bit 用户安装"选项。（不同的版本有可能不一样）

1.5 R的图形用户界面

在R安装完后的GUI窗口里，有菜单栏、工具栏和R的控制台。

2.R的编译环境

2.1 Rstudio的IDE编辑器

​ R自身带的编辑器很不好用，因此可以寻找很多的替代方案，比如可以选择Emacs和Vim来替代。这里推荐Rstudio，它是专门用于R语言环境的IDE。

​ Rstudio可以从其官网http://www.rstudio.com/上免费下载安装。

2.2 获取R的帮助

​ R提供了大量的帮助功能，学会如何使用这些帮助文档可以在很大程度上助力你的编程工作。通过命令窗口输入代码查看帮助。

​ 在RStudio中，资源管理窗口的Help子窗口则可以直接通过函数的输入查看相关的帮助文档。

2.3 R的工作空间

• 工作空间(workspace)就是当前R的工作环境，它储存着所有用户定义的对象(向量、矩阵、函数、数据框、列表）。
• 在一个R会话结束时，你可以将当前工作空间保存到一个镜像中，并在下次启动R时自动载入它。
• 当前的工作目录(working directory)是R用来读取文件和保存结果的默认目录。
• 我们可以使用函数**getwd( )来查看当前的工作目录，或使用函数setwd( )**设定当前的工作目录。
• 如果需要读入一个不在当前工作目录下的文件，则需要在调用语句中写明完整的路径。

在RStudio中的环境管理窗口中可以直观看到R的工作空间中储存的对象。

R的部分工作空间管理函数。

3.使用R包

3.1R包概述

• 包是R函数、数据、预编译代码以一种定义完善的格式组成的集合。
• 计算机上存储包的目录称为库(library)。
• 函数.**libPaths()**能够显示库所在的位置。
• 函数**library()**则可以显示库中有哪些包。
• R自带了一系列默认包(包括base、datasets、utils、grDevices、graphics、stats以及methods),它们提供了种类繁多的默认函数和数据集。其他包可通过下载来进行安装。

3.2 包的安装

• 第一次安装一个包，使用命令install.packages(“package_name”,“dir”)即可。
• dir:包安装的路径。默认情况下是安装在…\library 文件夹中的。可以通过本参数来进行修改，来选择安装的文件夹。
• 一个包仅需要安装一次。但和其他软件类似，包经常被其作者更新。使用命令update.packages()可以更新已经安装的包。
• 要查看已安装包的描述，可以使用installed.packages()命令，这将列出安装的包，以及它们的版本号、依赖关系等信息。

3.3 查看包的相关信息

• 查看包帮助：library(help=“package_name”)
• 主要内容包括：例如：包名、作者、版本、更新时间、功能描述、开源协议、存储位置、主要的函数
• 查看当前环境哪些包加载：find.package()
• 加载包：library(package_name) 或者 require(package_name)
• 移除包出内存：detach(package:package_name)
• 把包的数据加载到内存中：attach(iris)
• 列出所有安装的包：library()

3.4 包的使用

• 包的安装是指从某个CRAN镜像站点下载它并将其放入库中的过程，。要在R会话中使用它，还需要使用library()命令载入这个包。
• 载入一个包之后，就可以使用一系列新的函数和数据集了。

3.5 常用R包

常用R包可划分为：

• 空间数据分析类
• 机器学习与统计学习类
• 多元统计类
• 药物动力学数据分析类
• 计量经济类
• 金融分析类
• 并行计算类
• 数据库访问类

​ 机器学习与统计学习类别就包含有实现分类、聚类、关联规则、时间序列分析等功能的R包，通过加载不同的R包就能够实现相应的数据挖掘功能.