交互式使用 R题（shell）

help.start() #启动在线帮助，会打开浏览器。
x <- rnorm(50); y <- rnorm(x)  #产生两个随机向量x和y
plot(x,y) #使用x,y画二维散点图, 会打开一个图形窗口
ls() #查看当前工作空间里面的 R 对象
rm(x,y) #清除x,y对象
x <- 1:20  # 相当于x=(1,2,…,20)

x <- 1:20#等价于 x = (1, 2, ..., 20)。 
w <- 1 + sqrt(x)/2#标准差的`权重'向量。 
dummy <- data.frame(x=x, y= x + rnorm(x)*w)#创建一个由x 和 y构成的双列数据框
dummy #查看dummy对象中的数据。 
fm <- lm(y ~ x, data=dummy)#拟合 y 对 x 的简单线性回归
summary(fm)#查看分析结果。 
fm1 <- lm(y ~ x, data=dummy, weight=1/w^2)#加权回归
summary(fm1)#查看分析结果。

attach(dummy)#让数据框中的列项可以像一般的变量那样使用。 
lrf <- lowess(x, y)#做一个非参局部回归。 
plot(x, y)#标准散点图。 
lines(x, lrf$y)#增加局部回归曲线。 
abline(0, 1, lty=3)#真正的回归曲线：(截距 0，斜率 1)。 
abline(coef(fm))#无权重回归曲线。 
abline(coef(fm1), col = "red")#加权回归曲线。 

detach()#将数据框从搜索路径中去除。 

plot(fitted(fm), resid(fm),
     xlab="Fitted values",
     ylab="Residuals",
     main="Residuals vs Fitted")  #显示一个检验异方差性（heteroscedasticity）的标准回归诊断图。 

qqnorm(resid(fm), main="Residuals Rankit Plot")#用正态分值图检验数据的偏度（skewness），峰度（kurtosis）和异常值（outlier）。

rm(fm, fm1, lrf, x, dummy)#再次清空。

filepath <- system.file("data", "morley.tab" , package="datasets")#从对象 morley 中得到实验数据的文件路径
filepath#查看文件路径
file.show(filepath)#查看文件内容
mm <- read.table(filepath)#以数据框的形式读取数据
mm$Expt <- factor(mm$Expt)
mm$Run <- factor(mm$Run)#将 Expt 和 Run 改为因子。 
attach(mm)#让数据在位置 3 (默认) 可见（即可以直接访问）。 
plot(Expt, Speed, main="Speed of Light Data", xlab="Experiment No.")#用简单的盒状图比较五次实验。 
fm <- aov(Speed ~ Run + Expt, data=mm)#分析随机区组，`runs' 和 `experiments' 作为因子。 
summary(fm)

fm0 <- update(fm, . ~ . - Run)
anova(fm0, fm)#拟合忽略 `runs' 的子模型，并且对模型更改前后进行方差分析。 
detach()
rm(fm, fm0)#在进行下面工作前，清空数据。

#下面是等高线和影像显示的示例
x <- seq(-pi, pi, len=50)#x 是一个在区间 [-pi\, pi] 内等间距的50个元素的向量
y <- x
f <- outer(x, y, function(x, y) cos(y)/(1 + x^2))#f 是一个方阵，行列分别被 x 和 y 索引，对应的值是函数 cos(y)/(1 + x^2) 的结果。 
oldpar <- par(no.readonly = TRUE)
par(pty="s")#保存图形参数，设定图形区域为“正方形”。 
contour(x, y, f)
contour(x, y, f, nlevels=15, add=TRUE)#绘制 f 的等高线；增加一些曲线显示细节。 
fa <- (f-t(f))/2#fa 是 f 的“非对称部分”(t() 是转置函数)。 
contour(x, y, fa, nlevels=15)#画等高线
par(oldpar)# 恢复原始的图形参数
image(x, y, f)
image(x, y, fa)#绘制一些高密度的影像显示
objects(); 
rm(x, y, f, fa)#在继续下一步前，清空数据。

th <- seq(-pi, pi, len=100)
z <- exp(1i*th)#1i 表示复数 i

par(pty="s")
plot(z, type="l")#图形参数是复数时，表示虚部对实部画图。这可能是一个圆。 
w <- rnorm(100) + rnorm(100)*1i#假定我们想在这个圆里面随机抽样。一种方法将让复数的虚部和实部值是标准正态随机数 ... 
w <- ifelse(Mod(w) > 1, 1/w, w)#将圆外的点映射成它们的倒数。 
plot(w, xlim=c(-1,1), ylim=c(-1,1), pch="+",xlab="x", ylab="y")
lines(z)#所有的点都在圆中，但分布不是均匀的。 

#下面采用均匀分布。现在圆盘中的点看上去均匀多了。 
w <- sqrt(runif(100))*exp(2*pi*runif(100)*1i)
plot(w, xlim=c(-1,1), ylim=c(-1,1), pch="+", xlab="x", ylab="y")
lines(z)

rm(th, w, z)#再次清空。 
q()#离开 R 程序

mkdir r_test
cd r_test/
R

> x <- rnorm(50); y <- rnorm(x)  #产生两个随机向量x和y
> q()
Save workspace image? [y/n/c]: y

x <- rnorm(50); y <- rnorm(x)  #产生两个随机向量x和y
plot(x,y) #使用x,y画二维散点图, 会打开一个图形窗口

? '[['   # 等价于 help('[[')
?'+'    #等价于 help('+')
?'if'    #等价于 help('if')

??'analysis'  #等价于 search('analysis')