R Language Handledning
Komma igång med R-språk

Anmärkningar

Installera R

Du kanske vill installera RStudio efter att du har installerat R. RStudio är en utvecklingsmiljö för R som förenklar många programmeringsuppgifter.

Endast Windows:

Visual Studio (från version 2015 Update 3) har nu en utvecklingsmiljö för R som kallas R-verktyg , som inkluderar en live-tolk, IntelliSense och en felsökningsmodul. Om du väljer den här metoden behöver du inte installera R som anges i följande avsnitt.

För Windows

1. Gå till CRAN- webbplatsen, klicka på nedladdning R för Windows och ladda ner den senaste versionen av R.
2. Högerklicka på installationsfilen och KÖR som administratör.
3. Välj operativspråk för installation.
4. Följ instruktionerna för installationen.

För OSX / macOS

Alternativ 1

(0. Se till att XQuartz är installerat)

1. Gå till CRAN- webbplatsen och ladda ner den senaste versionen av R.
2. Öppna diskbilden och kör installationsprogrammet.
3. Följ instruktionerna för installationen.

Detta kommer att installera både R och R-MacGUI. Det kommer att placera GUI i / Applications / Folder som R.app där det antingen kan dubbelklickas eller dras till Doc. När en ny version släpps kommer skrivaren (om) -installation att skriva över R.app men tidigare stora versioner av R kommer att upprätthållas. Den faktiska R-koden finns i katalogen /Library/Frameworks/R.Framework/Versions/. Att använda R inom RStudio är också möjligt och skulle använda samma R-kod med ett annat GUI.

Alternativ 2

1. Installera homebrew (den saknade pakethanteraren för macOS) genom att följa anvisningarna på https://brew.sh/
2. brew install R

De som väljer den andra metoden bör vara medvetna om att underhållaren av Mac-gaffeln rådar mot den och inte kommer att svara på frågor om svårigheter på R-SIG-Mac-postlistan.

För Debian, Ubuntu och derivat

Du kan få versionen av R som motsvarar din distro via apt-get . Men den här versionen ligger ofta ganska långt efter den senaste versionen som finns tillgänglig på CRAN. Du kan lägga till CRAN i din lista över kända "källor".

sudo apt-get install r-base

Du kan få en nyare version direkt från CRAN genom att lägga till CRAN i din källlista. Följ anvisningar från CRAN för mer information. Observera särskilt behovet av att också köra detta så att du kan använda install.packages() . Linux-paket distribueras vanligtvis som källfiler och behöver sammanställas:

sudo apt-get install r-base-dev

För Red Hat och Fedora

sudo dnf install R

För Archlinux

R är direkt tillgängligt i Extra paketet.

sudo pacman -S r

Mer information om att använda R under Archlinux kan hittas på ArchWiki R-sidan .

Hej världen!

"Hello World!"

Kolla också in den detaljerade diskussionen om hur, när, om och varför du vill skriva ut en sträng .

Få hjälp

Du kan använda funktionshjälp help() eller ? för att få tillgång till dokumentationer och söka efter hjälp i R. För ännu mer allmänna sökningar kan du använda help.search() eller ?? .

#For help on the help function of R
help()

#For help on the paste function
help(paste)    #OR
help("paste")  #OR
?paste         #OR
?"paste"

Besök https://www.r-project.org/help.html för ytterligare information

Interaktivt läge och R-skript

Det interaktiva läget

Det mest grundläggande sättet att använda R är det interaktiva läget. Du skriver kommandon och får omedelbart resultatet från R.

Använda R som en kalkylator

Börja R genom att skriva R vid kommandotolken för ditt operativsystem eller genom att köra RGui på Windows. Nedan kan du se en skärmdump av en interaktiv R-session på Linux:

Detta är RGui på Windows, den mest grundläggande arbetsmiljön för R under Windows:

Efter > -tecknet kan uttryck skrivas in. När ett uttryck har skrivits visas resultatet av R. I skärmdumpen ovan används R som en kalkylator: Type

1+1

för att omedelbart se resultatet, 2 . Den ledande [1] indikerar att R returnerar en vektor. I detta fall innehåller vektorn bara ett nummer (2).

Den första tomten

R kan användas för att generera tomter. Följande exempel använder PlantGrowth , som kommer som ett PlantGrowth tillsammans med R

Skriv in följande alla rader i R-prompten som inte börjar med ## . Linjer som börjar med ## är avsedda att dokumentera resultatet som R kommer att returnera.

data(PlantGrowth)
str(PlantGrowth)
## 'data.frame':    30 obs. of  2 variables:
## $ weight: num  4.17 5.58 5.18 6.11 4.5 4.61 5.17 4.53 5.33 5.14 ...
## $ group : Factor w/ 3 levels "ctrl","trt1",..: 1 1 1 1 1 1 1 1 1 1 ...
anova(lm(weight ~ group, data = PlantGrowth))
## Analysis of Variance Table
## 
## Response: weight
##           Df  Sum Sq Mean Sq F value  Pr(>F)  
## group      2  3.7663  1.8832  4.8461 0.01591 *
## Residuals 27 10.4921  0.3886                  
## ---
## Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
boxplot(weight ~ group, data = PlantGrowth, ylab = "Dry weight")

Följande tomt skapas:

data(PlantGrowth) laddar exemplet PlantGrowth , som är register över torra massor av växter som utsattes för två olika behandlingsvillkor eller ingen behandling alls (kontrollgrupp). PlantGrowth görs tillgänglig under namnet PlantGrowth . Ett sådant namn kallas också en variabel .

För att ladda dina egna data kan följande två dokumentationssidor vara till hjälp:

• Läsa och skriva tabelldata i vanliga textfiler (CSV, TSV, etc.)
• I / O för utländska tabeller (Excel, SAS, SPSS, Stata)

str(PlantGrowth) visar information om den datauppsättning som laddades. Utgången indikerar att PlantGrowth är ett data.frame , vilket är R-namnet på en tabell. data.frame innehåller två kolumner och 30 rader. I detta fall motsvarar varje rad en planta. Detaljer om de två kolumnerna visas i raderna som börjar med $ : Den första kolumnen kallas weight och innehåller siffror ( num , torrvikten för respektive anläggning). Den andra kolumnen, group , innehåller den behandling som anläggningen utsattes för. Detta är kategoriska data, som kallas factor i R. Läs mer information om dataramar .

För att jämföra de torra massorna i de tre olika grupperna utförs en enkelriktad ANOVA med anova(lm( ... )) . weight ~ group "jämför värdena för weight , gruppering av värdena på group ". Detta kallas en formel i R. data = ... anger namnet på tabellen där data kan hittas.

Resultatet visar bland annat att det finns en signifikant skillnad (kolumn Pr(>F) ), p = 0.01591 ) mellan några av de tre grupperna. Post-hoc-test, liksom Tukey's Test, måste utföras för att bestämma vilka gruppers medel som skiljer sig avsevärt.

boxplot(...) skapar en ruta med data. där värdena som ska planeras kommer från. weight ~ group "Plotta värdena för kolonnvikten kontra värdena för group . ylab = ... specificerar Etiketten för y-axeln Mer information:. Base plottning

Skriv q() eller Ctrl - D för att lämna R-sessionen.

R-skript

För att dokumentera din forskning är det fördelaktigt att spara kommandona du använder för beräkning i en fil. För den effekten kan du skapa R-skript . Ett R-skript är en enkel textfil som innehåller R-kommandon.

Skapa en textfil med namnet plants.R och fyll den med följande text, där vissa kommandon är bekanta från kodblocket ovan:

data(PlantGrowth)

anova(lm(weight ~ group, data = PlantGrowth))

png("plant_boxplot.png", width = 400, height = 300)
boxplot(weight ~ group, data = PlantGrowth, ylab = "Dry weight")
dev.off()    

Kör skriptet genom att skriva in din terminal (terminalen i ditt operativsystem, inte en interaktiv R-session som i föregående avsnitt!)

R --no-save <plant.R >plant_result.txt

Filen plant_result.txt innehåller resultaten från din beräkning, som om du hade skrivit dem i den interaktiva R-prompten. Därmed dokumenteras dina beräkningar.

De nya kommandona png och dev.off används för att spara boxplot på disken. De två kommandona måste bifoga plottkommandot, som visas i exemplet ovan. png("FILENAME", width = ..., height = ...) öppnar en ny PNG-fil med det angivna filnamnet, bredden och höjden i pixlar. dev.off() kommer att avsluta planeringen och sparar plotten på disken. Ingen utgång sparas förrän dev.off() anropas.