R 程序与数据

一、 R程序

R 语言程序主要由 R 程序及其分析结果组成。

1.R程序

R 程序由多行代码组成（基于 S 语言），是由命令和结果名组成。

例如：

Lg<-log (10) ＃计算10的自然对数值 其中， Ÿ log (10）为命令， Lg 为命令产生的结果名 Ÿ R 程序代码大小写必须区分， Lg 和 lg 是不同的 Ÿ R 语言中，命令主要为函数形式

Ÿ 结果名主要是数据或者统计分析结果集合的一个标签。

Ÿ 命令产生的结果赋值给结果名的符号为"<-"，就是告诉我们，我这条命令，产生的结果都打包给你了，这个包的名字叫做 Lg 。 Ÿ #＋文字 为对程序的注释或解释，程序运行时会自动忽略。解释很重要，规范的 R 程序每天都需要解释，以免下一次看不懂上次 R 代码的意思。

2.R程序的分析结果

上述已经提过， R 语言分析在一个名字为结果名的包中，想要知道结果，只要如果你想知道 Lg 的内容。直接再输入以下命令，就出来结果了。 Lg 上述程序合并在一起就是 Lg <- log (10) Lg 有些时候命令不打包，也就是不赋值，则直接 log (10）就可以出来结果了。 log (10)

3. R 程序的具体运行过程

R 程序运行过程，全部可以在 Rstudio 文本编辑器操作。如果要将两行全部运行，选中全部，点击右上角 run 按钮。如果只想跑一行，讲鼠标放置在改行，点击右上角 run 按钮即可

Lg <- log (10)

Lg

[1]2.302585

log (10)

[1]2.302585

4.R命令的主要形式：函数

大多数 R 语言的命令为函数。中学学过数学我们就知道 f ( x )，为函数的基本表现方法。在 R 语言也是如此。 log(10)中，log为函数名，往往形式为log（)，即为y=In(x)。10为一个函数的参数,也就是其中的x。

R语言包的方便就在于，对于复杂的函数，我们无序自己手动去计算函数的值,R语言作者通过编写程序,已经写了一系列的函数，帮助我们去直接计算。比如计算标准差sd，无需将标准差的公式写出来计算,只需sd ()即可.

函数中,要纳入的参数往往不是一个,很多时候函数()中的参数很多。比如,我需要产生一连续的数据,采用seq的方法。比如我想产生1-5直接连续的一串数据，那么就可以。

seq(1,5)

[1] 12345

这里面的参数看起来有2个，也就是一头一尾的界值。但实际上 seq ()的参数总共是五个,包括from, to, by, length.out, along.with 另外三个一般都缺省了。

seq(from = 1, to = 1, by = ((to - from)/(length.out 1)), length.out = NULL, along.with = NULL, ...)

如果我们加一个by参数（间隔2个单位产生一串数据）：

seq(1,5,2)

[1]135

因此, R语言函数其实设定的参数个数往往都不少,一般情况下，我们以缺省的方法可以忽略它，但是特殊情况必须要进行设置。各种函数的参数解释可以输入help()语句进行学习:

help("seq")

5. R语言简单计算

以下是R语言最基本的数学计算公式，请大家进行根据R函数进行简单的运算

加减乘除：+ -*/;

1+1 #程序

[1]2 #运算结果

平方根：sqrt()

sqrt(25) #程序

[1]5 #运算结果

对数：log2()、log10()

log(10) #程序

[1] 2.302585 #运算结果

其他还包括：余数、整除：%% %/%；幂、指数：^；判断符号== > < != <= >= 等

5%%2 #求余数

5%/%2 #求整除

这里要说明一下，判断符号的使用。

举例

2>2

[1] FALSE

6==6 #在R语言相等的方式是==，而不是=

[1] TRUE

可以看出，判断符号可以返回逻辑型结果，F 或者T。判断符号今后使用场景很多,它在函数里面,将返回判断符号结果为真（True）的那些值。

在以后的推文中再进行介绍。

二、R数据

R语言有两种形式，—种是R语言分析结果，—种原始数据。此处只介绍原始数据。分析结果可以下—阶段的分析对象，也可以是最终结果。

1.R原数据产生的方式

R数据产生往往有两种:第一种是利用R函数直接产生相应的数据集;另外—种是从外界的数据库比如EXCEL，导入数据，形成数据集，这种是大多数R数据分析的的方式。

这里先介绍第一种方法。利用R函数直接产生数据库的方法，最基本的方法是利用函数c()。

举例: c()产生一串数据，并赋值结果名（数据名）x1、x2

x1<-c(2,3,5,7,10) #产生数据，数据名为x1

x1

[]2 3 5 7 10

或者

x2<-c("A", "B","C","D") #产生数据，数据名为x2

x2

[1] ＂A＂"B""C""D"

必须注意的是，双引号必须都要朝下，错误的双引号是""。

R语言也可以不用c()，直接产生连续等距数据:

x3<-1:5 #产生1-5直接连续整数数据，数据名为x3

x3

[1]1 2 3 4 5

我们也可以利用seq(1,5)产生等距的数据串，本文先前已经介绍过了。也可以利用

2.R数据的类型

R数据的类型可以从两个角度进行分类，一种是根据数据值本身的特性，或者统计学上所说的变量值属性来进行判断;第二种角度，根据变量特性进行判断。

第—种角度，根据娈量值特性进行分类

根据变量值，有以下多种形式

·数字(double/numeric，缩写num)。

·整数(integer，缩写int) : 1L,2L

·虚数(complex，缩写cplx) : 1+2i,3-5i

·逻辑(logic，缩写logi) : True, False

·文字(character，缩写chr)

x1<-c(2,4,6,10)，x1数据集全部为数字型

x2<-C("A","B""C","D")，x2数据集全部为文字型

特别注意的是，R语言逻辑型数据的结果为True,False，或者T， F，他们不是字符串，而是对客观现象的—种判断，在R语言有特殊的地位，今后会经常碰到，敬请注意。

函数class()可以鉴定一串数据的类型

class(x1)

[1] "numeric"

class(x2)

[1] "character"

第二种角度，根据变量属性进行分类

在医学研究中，数据由变量组成，变量可以分为数值变量和分类变量。数值变量数据，一般来说变量值为数值。包括整数型和数值型向量。

x4<-c(170,171,161,164) #产生身高的变量x4

x4

[1] 170 171 161 164

分类变量数据，包括无序和有序两类。变量值是分类变量值，比如女性或者男性。在R语言中分类变量我们称之为因子(factor)。主要包括:字符型变量;整数型变量:1、2;逻辑性变量。

医学数据库最常见的分类变量类型是整数型变量。即便是字符型变量（性别，男性和女性)，也通常会以整数型变量体现，比如1，2来表示，用1代表男，用2代表女。这样做好处非常明显:数据库主要开展数学运算，数学运算对象，最好是数字。

对于字符串型的分类数据，R语言直接认定为因子。

对于数值型分类数据，R语言很多时候认定为数值变量数据。此时，需要用factor()或者as.factor()函数进行转换。as.factor()不能加levels,factor()可以加levels

factor()可将整数型向量转为分类变量数据，变成因子。

f1<-factor(c(1,2,1,3,2,4,2,4,2,1))

f1

[1]1 2 1 3 2 4 2 4 2 1

Levels: 1 2 3 4

factor()可以加levels参数设定（进行水平鉴定 ），对因子顺序进行重新排列

f2<-factor(c(1,2,1,3,2,4,2,4,2,1), levels=c(2,1,4,3))

f2

[1]1 2 1 3 2 4 2 4 2

Levels: 2 1 4 3

在f2数据集产生过程中，函数加了条件levels。加levels的意思是，对里面因子1,2,3,4的排列顺序重新调整，在这个例子中，２这个—类别是放在最前面的，在以后统计分析中，作为对照组。这一操作是否有价值，我们可以在统计分析中，任意设定对照组，而不是只以第一组或者第四组为对照。

我们还可以设定值的标签:

f3<-factor(c(1,2,1,3,2,4,2,4,2.1), levels=c(2,1,4,3),labels = ("A","B","AB","O"))

对于因子，我们还有更多的操作，诸位可以试试.

Ÿtable(f1) #因子列表展示

Ÿclass(f1) #查看f1的类型

Ÿlevels(f1) #查看f1因子的分组水平

Ÿsummary(f1) #f1因子的汇总

Ÿas.factor( ) #把数值型的资料变成因子R