R data

1 R

程式語言

1 1.1

安裝

R

語言

. . . 1 1.2

開始使用

R

語言

. . . 3 1.3

常用指令函數

. . . 9 1.4

讀存取

R

資料檔或外部資料檔

. . . 24 1.5

作圖函數

. . . 31 2 R

軟體與敘述統計

37 2.1

次數計算統計表

. . . 39 2.2

基本敘述統計

. . . 42 2.3

常態分配

. . . 45 2.4

常用統計圖

. . . 49 3

二維數據分析

:R

軟體

56 3.1

雙變量數據

. . . 56 3.2

簡單回歸分析

. . . 59 4

附錄

:R

指令

66

1 R

程式語言

R

程式語言誕生於

90

年代初期

,

由奧克蘭大學的

Ross Ihaka

與

Robert Gentleman

所發展出來的

,

它是以

S

語言

(

誕生於

70

年代的貝爾實驗室

,

主要作者為

John Chambers)

。

資料分析工具中

,R

語言具有免費

,

擁有強大的資料視覺化能力、 支援跨平台、 開放源碼及學習資

源豐富其功能可透過套件增強等優勢。

R

內建多種統計學及數字分析功能。

R

的功能也可以透過安裝套件

(Pa kages,

用戶撰寫的功能

)

增強。

因為

S

的血緣

,R

比其他統計學或數學專用的編程語言有更強的物件導向

(

物件導向程式設計

,S3, S4

等

)

功能。

R

的另一強項是繪圖功能

,

製圖具有印刷的素質

,

也可加入數學符號。

雖然

R

主要用於統計分析或者開發統計相關的軟體

,

但也有人用作矩陣計算。 其分析速度可媲美專用

於矩陣計算的自由軟體

GNU O tave

和商業軟體

MATLAB

。

(

維基百科

)

R

的功能能夠透過由用戶撰寫的套件增強。 根據

CRAN

紀錄有七千多種不同的軟體包。 其中有幾款

較為常用

,

例如用於經濟計量、 財經分析、 人文科學研究以及人工智慧。

R

官方首頁

:https://www.r-proje t.org/

1.1

安裝

R

語言

以下針對

Windows

作業系統

,

開始安裝

R

語言。

下載安裝

: R-3.5.2 for Windows (79 megabytes, 32/64 bit) Last hange: 2018-12-20

依照自己作業平台選擇安裝軟體

Mi rosoftWindows: http:// ran.r-proje t.org/bin/windows/base/ Ma OS: http:// ran.r-proje t.org/bin/ma osx/

Linux: http:// ran.r-proje t.org/bin/linux/

R-GUI:

圖形使用者界面

安裝

R

軟體

Windows

版後

,

可以執行

Rgui.exe

程式或經由

"

開始

"

⇒

"

程式集

"

⇒

R

⇒

R

3.5.2

進入

R

的圖形界面模式

下載安裝

RStudio:

安裝一般桌面版的

RStudio,

在

Google

搜尋 「

RStudio

」

「

RStudio

」

首頁

https://www.rstudio. om/

點選

Download RStudio

選擇

"

免費桌面版

"

RStudio Desktop free

點選作業版本

"RStudio 1.1.463 - Windows Vista/7/8/10 "

把這個

安裝檔安裝起來

(

一直點下一步

/

同意

,

採用它預設的設定就好

)

把

RStudio

點開來以後

,

展開的畫面會像這樣

:

依照以下順序

(1.

點擊 「

File

」

⇒

2.

「

New File

」

⇒

3.

「

R S ript

」

)

RStudio

介面主要的四個區塊與功能簡介

: 1.

來源

(Sour e):

位於左上角

,

編寫程式的區塊

2.

命令列

(Console):

位於左下角

,

執行程式的區塊

3.

環境與歷史

:

位於右上角

(a)

環境

(Environment):

目前的變數清單

(b)

歷史

(History):

在命令列執行過哪些指令

4.

檔案、 圖形、 套件、 查詢與預覽器

:

位於右下角

(a)

檔案

(Files):

使用者的工作目錄

(b)

圖形

(Plots):

顯示圖表

( )

套件

(Pa kages):

安裝套件的清單

順伯的窩

第

頁

共

頁

(d)

查詢

(Help):

顯示查詢文件

(e)

預覽器

(Viewer):

顯示網頁

在

R-studio

文字稿區塊輸入

print ("Hello , world !")

代碼

,

然後另存檔案為

"hw.r R

文件檔

,

並由

RStudio

會話介面使用命令源

sour e("file.r")

讀取它

,

就會出現上次的

文字稿。

1.2

開始使用

R

語言

注意

,

在

R

指令的英文大小寫有差異

,s

與

S

是不同的

,R

也保留一些物件與指令名稱

,

如

,s, C, T, F

等

,

這些叫做

"

保留名字



另外一些系統常用的指令名稱

,

如

q st CD FI Tdimean pirange

rank var

· · ·

對物件命名時盡量避免定義一個物件

,

與現有的物件同名

.

所以命名時要避免重覆

,

以

免後來引起錯亂。 對物件命名時

,

物件名稱起始位置須以文字或

". (

句點

),

若物件名稱以

". (

句點

)

為起始

,

名稱第二個位置需為文字

,

物件名稱其餘位置

,

以文字

(

A − Z

或

a − z

),

數字

(

0 − 9

),"

/

, ".,

或

"

−

,

皆可

,

中間不可有空格或

" 

R

的最基本物件是向量

,"

向量



是指包含相同

"

模式

 (mode)

的元素

(element)

組成

,

主要有

6

種基本模式 邏輯

logi al,

整數

integer,

倍精準度

double,

單精準度

single,

複數

omplex,

及文字

hara ter,

同一向量內的元素不可混合。

求助指令

help:

用

help("

指令

)

可幫助了解該指令的操作功能。

help(topi )

R

數值基本運算

:

加

+,

減

-,

乘

*,

除

/,

整數商

%/%(

高斯商數

),

餘數

%%(mod),

冪次方

**

或

^

範例

1:

在命令列輸入下列指令後按

Enter

鍵

,

看看輸出結果

> 2 - 1 * 2 > -1/-1 #

除法運算

> 6/3 -2+1*0+3/3-3 > 2**-3 #

指數運算

> 2^17%% 17 #

求餘數

> 19 %% 17 %% 13 # ompare to (19 %% 17) %% 13 and 19 %% (17 %% 13) > 3-2 %% 5+3 *2-4/2

建立資料

:

用

指令建立資料

R

軟體中有六種屬性資料

,

分別為

1.

文字字串

( hara ter) : "a", "sw " 2.

數值

(numeri ):

實數

2,15.5 ,... 3.

整數

(integer): 3,2L ,(R

中儲存資料視

L

為一整數

) 4.

邏輯

(logi al): TRUE, FALSE

5.

複數

( omplex):

1 + 4i

(

分為實數部分

+

虛數部分

) 6.

二進位資料

(raw):01011001, mydata

資料名稱

,

可自己建立。

=

亦可使用

<-

。

資料為向量資料

範例

2:

輸入資料

>mydata1 = (1,2,3,4,5,6,7,8,9) > mydata1 [1℄ 1 2 3 4 5 6 7 8 9

順伯的窩

第

頁

共

頁

>mydata2<- 2:10 > mydata2 [1℄ 2 3 4 5 6 7 8 9 10 > mydata<- (mydata1,mydata2) #

合併兩向量資料

> mydata [1℄ 1 2 3 4 5 6 7 8 9 2 3 4 5 6 7 8 9 10

範例

3:

資料運算

> 1/mydata1 #

向量資料算術運算

[1℄ 1.0000000 0.5000000 0.3333333 0.2500000 0.2000000 0.1666667 0.1428571 0.1250000 0.1111111 > mydata1^2 [1℄ 1 4 9 16 25 36 49 64 81 > 2*mydata1+1 [1℄ 3 5 7 9 11 13 15 17 19 > log(mydata1,10) #

對向量資料每一元素取函數值

[1℄ 0.0000000 0.3010300 0.4771213 0.6020600 0.6989700 0.7781513 0.8450980 0.9030900 0.9542425 > 2^mydata1 [1℄ 2 4 8 16 32 64 128 256 512 #

兩向量資料運算

> mydata1+mydata2 [1℄ 3 5 7 9 11 13 15 17 19 > mydata1*mydata2 #

兩向量兩兩乘積

[1℄ 2 6 12 20 30 42 56 72 90 #

自定義運算式

> xi<- (mydata1,10) > xi [1℄ 1 2 3 4 5 6 7 8 9 10 #

等同

seq(1,10,by=1) > sum((xi - mean(xi))^2)/(length(xi)- 1) [1℄ 9.166667 > var(xi) #

內建變異數函數

[1℄ 9.166667

範例

4:

資料篩選

> xi[xi>5℄ [1℄ 6 7 8 9 10 > xi[ (2,3,5)℄ [1℄ 2 3 5 > xi[xi > 5 & xi < 10℄ [1℄ 6 7 8 9 > xi[log(xi,10) < 0.5℄ # xi

資料中對數值

<0.5

的元素

[1℄ 1 2 3

順伯的窩

第

頁

共

頁

> xi>5 #

資料邏輯

[1℄ FALSE FALSE FALSE FALSE FALSE TRUE TRUE TRUE TRUE TRUE

> xi[as.logi al((xi > 8) + (xi < 3))℄

[1℄ 1 2 9 10

#modifying subset of ve tor

> xi[log(xi,10) < 0.5℄ <- 2 > xi [1℄ 2 2 2 4 5 6 7 8 9 10

表

2:

向量變數常用指令函數

指令

用法說明簡介

()

建立向量或聯結不同的向量

length(x)

算出資料

x

的筆數

x[2℄ (i = 2)

x

i

資料

x[-2℄ (i = 2) x

資料中除了第

i

筆資料

x[1:5℄ (k = 5) x

資料的前

5

筆資料

x[(length(x)-5):length(x) ℄ (k = 5) x

資料

(

前

5

筆資料除外

) x[ (1,3,6)℄ (First, 3rd and 6th) x

資料中的第

1,3,6

筆資料

x[x>3℄ (the value is > 3) x

資料中數值比

3

大的資料

x[x < −2|x > 2]

x

資料中數值比

2

大或小於

-2

的資料

whi h(x == max(x)) x

資料中第幾筆數值為最大值

umax(x); umin(x)

呈現

x

資料中累積最大值

(

最小值

)

範例

5: R

指令函數

> x = (45,43,46,48,51,46,50,47,4 6,45 ) # Entering data with

> x = (x,48,49,51,50,49) # append values to x

> x[16℄ = 41;x[17:20℄ = (40,38,35,40) # add to many spe ified indi es

> x # print x data

[1℄ 45 43 46 48 51 46 50 47 46 45 48 49 51 50 49 41 40 38 35 40

> ummax(x) # running maximum

[1℄ 45 45 46 48 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51

> ummin(x) # running minimum

[1℄ 45 43 43 43 43 43 43 43 43 43 43 43 43 43 43 41 40 38 35 35

範例

6:

數值上的陷阱

1-0.9==0.1 R

軟體中儘管

1

可以被完美地精確表示

,

而對

0.1

和

0.9

卻做不到。 使用函數

all.equal()

來比較兩個數

,

因為它包含一個可以指定數值容忍限的參變數。

> 1-0.9==0.1 [1℄ FALSE > all.equal(1.0-0.9,0.1,tol=1 0^(- 6))

順伯的窩

第

頁

共

頁

[1℄ TRUE

> all.equal(pi,3.14159,tol=10 ^(-6 ))

[1℄ TRUE

> all.equal(pi,3.14159,tol=10 ^(-7 ))

[1℄ "Mean relative differen e: 8.446639e-07"

範例

7:

數值的精密度

:formatC(x,digits =50)

最高

50

位

> options(digits=2) #

參數內定小數位

7

位

> 2^100 [1℄ 1.3e+30 > formatC(2^100,20) [1℄ "1.2676506002282294031e+3 0" > formatC(1-0.9,20) [1℄ "0.0999999999999999778" > formatC(0.1,20) [1℄ "0.10000000000000000555" #

與數值

1-0.9

不同

> formatC(2^0.00000000001/2^0 .000 0000 1,5) [1℄ " 1" > formatC(2^0.00000000001/2^0 .000 0000 1,10 ) [1℄ "0.9999999931" > 2^0.0000000000000001==2^0.0 0000 0000 0000 0000 0000 0000 0001 [1℄ TRUE #

兩數相差值已小於數值精密度容忍度

(

接受兩數相等

) > 2^0.000000000000001==2^0.00 0000 0000 0000 0000 0000 0000 001 [1℄ FALSE #

兩數相差值尚未小於數值精密度容忍度

(

不接受兩數相等

) 1.2

練習題

1.

輸入包含左右括號之字串

,

請判斷是否配對正確

: (a)

輸入

:((1+2)-3)*(4/5) (b)

輸入

:(((1+2+3) ( )

輸入

:((1+2)*(3+4)*(5+6))/(7+8) 2. R

語言輸入下列指令

,

預期輸出為何

? (a) 1:3^2 (b) (1:5)*2 ( ) var<-3; Var*2? (d) root.of.four <- sqrt(4) (e) x<-1; x< -1 (f) An even number <- 16 (g)

下列

R

輸出的結果中有兩個符號被遮住了

,

是哪兩個符號

? > 2 + [1℄6

順伯的窩

第

頁

共

頁

(h)

鍵入

TRUE + T +FALSE*F + T*FALSE +F ,

輸出結果為何

? 3.

用

R

語言計算下列值

? (a)

|2

3

_{− 3}

2

_|

_值

? (b)

e

e

( )

(2.3)

8

_{+ ln(7.5) − cos(π/3)}

4.

用

R

語言計算下列值

? (a)

6!

值

? (b)

組合數

C

52

5

( )

log

10

π

值

5.

用

R

語言計算下列值

? (a)

4

3

_{+ 3}

2+1

₌

? (b)

p

(4 + 3)(2 + 1)

( )

(

1 + 2

3 + 4

)

2

6.

由螢幕輸入

x<-pi

求列印出

π

小數點部份

(

小數點後

10

位

) 7.

用

R

語言輸入下列指令

,

預期產生的值為何

? (a) 2+3*4 (b) 2/3/4 ( ) 2^3^4 8.

在

R

中輸入

>z= (0,0,0,2,0)

後

,

依序下列步驟

(a)

輸入

>z[ (1,5)℄ <- 1

預期

z

產生的結果為何

? (b)

輸入

>z[whi h.max(z)℄ <- 0

預期

z

產生的結果為何

? ( )

輸入

>z[z==0℄ <- 8

預期

z

產生的結果為何

? 9.

在

R

中輸入下列指令後

,

預期產生的輸出結果為何

? (a) (1,4)* (2,3) (b) (1:3)[any( (T,F,T))℄ ( ) (1:3)[all( (T,F,T))℄ (d) (T,T,F) (F,T,F)| (e) (T,T,F) | (F,T,F)| (f) n har( ("ab d","efg")) 10.

用

sum()

指令求

1 + 2 + 3 + · · · + 99 + 100

11.

用

sum()

指令求

1 +

1

2

+

1

3

+ · · · +

1

10

12.

用

R

語言計算求兩向量點積

[2, 5, 6, 7]

,

[−1, 3, −1, −1]

順伯的窩

第

頁

共

頁

13.

資料

x:17 1620 2422 152115 1722 (a)

如何找出資料

x

的最大、 最小值

?

(b)

若其中一筆資料

24

為錯誤值

,

如何更正為

18,

並命名新變數為

newx ( )

有哪幾筆資料超過

20,

其資料為何

?

總和為多少

?

14.

若去年一年手機的通話費用

(

美元

)

為

46 333937 4630 483249 3530 48 (a)

用

"bill

為名

,

建立資料

?

用

sum

指令求去年總通話費

?

(b)

哪一月份費用最多

?

哪一月份費用最少

? ( )

哪一月份費用超過

40,

其比率為多少

? 15.

在

R

軟体中

,

使用下列指令

,

預期其結果為何

? > x = (1,3,5,7,9) > y = (2,3,5,7,11,13) (a) x+1 (b) y*2 ( ) length(x)

及

length(y) (d) x + y

(e) sum(

x > 5

)

及

sum(

x[x > 5]

)

(f) sum(

x > 5|x < 3

)

符號

|

為

"'or, &

為

"and (g)

y[3]

(h)

y[−3]

(i)

y[x]

(What is NA?)

(j)

y[y >= 7]

16.

若在

R

軟体中建立資料

x = (1, 8, 2,6, 3,8, 5,5, 5,5)

並令

x

i

表示第

i

筆資料

,

用指令完

成下列式子

(a)

(x

1

+ x

2

+ · · · + x

10

)/10

,

用

sum()

指令

(b)

求

log

10

x

i

, ∀i

, (

用

log()

指令

,

內定基底為

e) ( )

求

(x

i

− 4.4)/2.875, ∀i

, (

用一次指令完成

) (d)

求

x

全距

,

用

max()

和

min()

兩指令

17.

用

R

語言計算

log 2 + log 3 + log 4 + · · · + log 9

值

?

1.3

常用指令函數

s an():

實數資料可利用

"

複製

,"

張貼



快捷鍵 。

(

字串或類別變數只能用

()

指令或

paste()

指令

)

先將欲輸入的資料

(

變數間隔為空格

)

利用快捷鍵

"

複製



起來

,

於作業欄中輸入

範例

1: > x=s an()

按

←֓

鍵

>1:"

張貼資料

''

按

←֓

鍵

(

完成

)

函數

di(x):

階差函數一般用法

di(x, lag= 2)

若資料

x

為數列

a

i

, i = 1, 2, 3, · · ·

則

di(x,lag =2)

表數列

a

i+2

− a

i

, i = 1, 2, 3, · · ·

範例

2: > x= (1,1,2,3,5,8,13,21,34, 55,8 9) > diff(x,lag=2)

[1℄ 1 2 3 5 8 13 21 34 55

若執行

diff(x)

會出現怎樣的結果

?

(

答

):01 12 3 58 1321 34

函數

seq:

數列函數一般用法

seq(from=, to=, by= )

seq

函數表建立首項為

from,

末項

to(

≤

to

值

),

公差

by

的數列。

範例

3: > seq(0,10,by=1) [1℄ 0 1 2 3 4 5 6 7 8 9 10 > seq(0,10,length=5) [1℄ 0.0 2.5 5.0 7.5 10.0 > seq(1, 9, by = pi) [1℄ 1.000000 4.141593 7.283185

函數

rep:

重複函數一般用法

rep(x, times)

範例

4: > <-rep(1:4, 2) > [1℄ 1 2 3 4 1 2 3 4 > rep(1:4, ea h=2) [1℄ 1 1 2 2 3 3 4 4 > rep(1:4, (2,2,2,2)) [1℄ 1 1 2 2 3 3 4 4

一些錯誤數值

: Finite, Innite and NaN Numbers

範例

5: > a <- 0/0 > a [1℄ NaN > is.nan(a) [1℄ TRUE > b <- log(0) > b [1℄ -Inf > is.finite(b)

順伯的窩

第

頁

共

頁

[1℄ FALSE

> x <- (0:4,NA,5:7)

> x

[1℄ 0 1 2 3 4 NA 5 6 7

> is.na(x)

[1℄ FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE

> x[!is.na(x)℄ #

去除

NA(

錯誤值

)

的資料

(

只留存正確數值資料

) [1℄ 0 1 2 3 4 5 6 7

>x[!is.na(x)℄[x[!is.na(x) ℄>4. 5℄ #

符合數值資料

>4.5

的資料

[1℄ 5 6 7

字串資料

:

文字字串資料要加上雙引號

"

或單引號

' '

paste(..., ollapse="", sep ="")

其中參數

ollapse:

用於分隔結果的可選字符串。

sep:

用於分隔字串的符號串

範例

6: > A <- ("a","b"," ") > A [1℄ "a" "b" " " > paste("a","b",sep="") [1℄ "ab" > paste(A, ("d","e")) [1℄ "a d" "b e" " d"

> paste(A, ("d","e"), ollaps e=", ",se p=", ")

[1℄ "a,d,b,e, ,d"

> paste(A, ("d","e"), ollaps e="" ,sep ="," )

[1℄ "a,db,e ,d"

> paste(A, ("d","e"), ollaps e="" ,sep ="")

[1℄ "adbe d"

> paste("$",sep="",A)

[1℄ "$a" "$b" "$ "

> paste(A,1:5,sep="")

[1℄ "a1" "b2" " 3" "a4" "b5"

> A <- ("a","b"," ","a","a"," " ,"B" );ta ble( A) #

字串資料統計表

A

a b B

3 1 1 2

矩

陣函數

:

指令用法

matrix(data= NA, nrow =1, n ol =1, byrow =FALSE,dimnames =NULL)

矩陣資料所有元素必須為同一屬性

,

若有

"

文字字串



及

"

數值



資料

,

則矩陣所有元素將被

視為

"

字串



資料。

範例

7: > A <- matrix(1:20,4,5) > A [,1℄ [,2℄ [,3℄ [,4℄ [,5℄ [1,℄ 1 5 9 13 17 [2,℄ 2 6 10 14 18 [3,℄ 3 7 11 15 19 [4,℄ 4 8 12 16 20

順伯的窩

第

頁

共

頁

>rownames(A)= ("r1","r2" ,"r3 ","r 4") #

設定矩陣列名稱

#

也可用

dimnames(A)[[1℄℄= ("r1"," r2", "r3" ,"

列名稱

")

設定第

1

維度

各行列名稱

> olnames(A)= (" 1"," 2" ," 3 "," 4"," 5") #

設定矩陣行名稱

#

也可用

dimnames(A)[[2℄℄= (" 1"," 2"," 3", " 4" ,"

行名

" )

設定第

2

維

度各行列名稱

> A 1 2 3 4 5 r1 1 5 9 13 17 r2 2 6 10 14 18 r3 3 7 11 15 19 r4 4 8 12 16 20 #

可用

dimnames(A)

查看矩陣列、 行名稱

> A2 <- matrix(1:20,4,5,byrow = TRUE) > A2 [,1℄ [,2℄ [,3℄ [,4℄ [,5℄ [1,℄ 1 2 3 4 5 [2,℄ 6 7 8 9 10 [3,℄ 11 12 13 14 15 [4,℄ 16 17 18 19 20 > t(A) #

矩

陣

A

的

轉置矩陣

r1 r2 r3 r4 1 1 2 3 4 2 5 6 7 8 3 9 10 11 12 4 13 14 15 16 5 17 18 19 20

> A3 <- matrix(1:20,5,4,byrow = TRUE) #

同

A^t > A3 [,1℄ [,2℄ [,3℄ [,4℄ [1,℄ 1 2 3 4 [2,℄ 5 6 7 8 [3,℄ 9 10 11 12 [4,℄ 13 14 15 16 [5,℄ 17 18 19 20

> A[ (1,4), (2,3)℄ #subse tioning and modifying subse tion

2 3 #

保留

A

矩陣的第

1,4

列及第

2,3

行的元素矩陣

r1 5 9 r4 8 12 > A[ (1,4), (2,3)℄ <- 0 #

置換

A

矩陣的第

1,4

列及第

2,3

行的元素

> A 1 2 3 4 5 r1 1 0 0 13 17 r2 2 6 10 14 18 r3 3 7 11 15 19 r4 4 0 0 16 20 > A[4,℄ # A

矩陣的第

4

列元素

[1℄ 4 1 1 16 20 > A[4,,drop = FALSE℄

順伯的窩

第

頁

共

頁

1 2 3 4 5 r4 4 1 1 16 20 >A0 <- array(1:20,dim= (4,5)) > bind(A,A0) #

兩矩陣

A ,A0

依照行結合

1 2 3 4 5 r1 1 0 0 13 17 1 5 9 13 17 r2 2 6 10 14 18 2 6 10 14 18 r3 3 7 11 15 19 3 7 11 15 19 r4 4 0 0 16 20 4 8 12 16 20 > rbind(A,A0) #

兩矩陣

A ,A0

依照列結合

1 2 3 4 5 r1 1 0 0 13 17 r2 2 6 10 14 18 r3 3 7 11 15 19 r4 4 0 0 16 20 1 5 9 13 17 2 6 10 14 18 3 7 11 15 19 4 8 12 16 20

範例

8:

矩陣運算

>A <- matrix(1:20,4,5) > t(A) # A

的轉置矩陣

t(A) [,1℄ [,2℄ [,3℄ [,4℄ [1,℄ 1 2 3 4 [2,℄ 5 6 7 8 [3,℄ 9 10 11 12 [4,℄ 13 14 15 16 [5,℄ 17 18 19 20 > 2+A #

矩陣

A

元素增加常數值

[,1℄ [,2℄ [,3℄ [,4℄ [,5℄ [1,℄ 3 7 11 15 19 [2,℄ 4 8 12 16 20 [3,℄ 5 9 13 17 21 [4,℄ 6 10 14 18 22 > 2*A #

矩陣

A

常數積

[,1℄ [,2℄ [,3℄ [,4℄ [,5℄ [1,℄ 2 10 18 26 34 [2,℄ 4 12 20 28 36 [3,℄ 6 14 22 30 38 [4,℄ 8 16 24 32 40 > x <- 1:4 > A*x #

矩

陣

A

依照

x

向量對應乘法。 有別於

%*%

矩

陣乘法

(

列行乘積和

) # Entry-wise multipli ation: x

為長度

4

的向量

,

對應乘法為依照行依序乘以

x [,1℄ [,2℄ [,3℄ [,4℄ [,5℄ [1,℄ 1 5 9 13 17 [2,℄ 4 12 20 28 36

順伯的窩

第

頁

共

頁

[3,℄ 9 21 33 45 57

[4,℄ 16 32 48 64 80

> A/x #Entry-wise division:

對應除法為依照行依序除以

x

運算

[,1℄ [,2℄ [,3℄ [,4℄ [,5℄ [1,℄ 1 5.000000 9.000000 13 17.000000 [2,℄ 1 3.000000 5.000000 7 9.000000 [3,℄ 1 2.333333 3.666667 5 6.333333 [4,℄ 1 2.000000 3.000000 4 5.000000 > A <- matrix( (2,3,5,4),nrow=2,n ol= 2) > B <- matrix( (1,2,2,7),nrow=2,n ol= 2) > A [,1℄ [,2℄ [1,℄ 2 5 [2,℄ 3 4 > B [,1℄ [,2℄ [1,℄ 1 2 [2,℄ 2 7 > C <- A %*% B #

兩矩陣相乘用法

%*%

有別於

*

為

Entry-wise

乘法

> C [,1℄ [,2℄ [1,℄ 12 39 [2,℄ 11 34 >det(C) #

方陣

C

的行列式值

[1℄ -21 > eigen(A) #

矩

陣

A

的特徵值

$values [1℄ 7 -1 $ve tors #

矩

陣

A

的特徵向量

#lambda=7

為

(-0.7071068,-0.7071068);la mbda =-1

為

(-0.8574929,0.5144958)

[,1℄ [,2℄ [1,℄ -0.7071068 -0.8574929 [2,℄ -0.7071068 0.5144958

範例

9:

方陣

A

的逆矩陣

A

−1

=

solve(A)

及解方程組

:

AX = B

,

X = A

−1

B

=solve(A,B) > A <- matrix( (2,3,5,4),nrow=2,n ol= 2) > B <- matrix( (1,2,2,7),nrow=2,n ol= 2) > A [,1℄ [,2℄ [1,℄ 2 5 [2,℄ 3 4 > B [,1℄ [,2℄ [1,℄ 1 2 [2,℄ 2 7 > solve(B) #

B

−1

₌

solve(B) [,1℄ [,2℄

順伯的窩

第

頁

共

頁

[1,℄ 2.3333333 -0.6666667

[2,℄ -0.6666667 0.3333333

> rossprod(A,B) # t(A)%*%B # Cross produ t:

A

T

_B

[,1℄ [,2℄

[1,℄ 8 25

[2,℄ 13 38

> C=A%*%B

> solve(A,C) # AB=C solve B=

A

−1

_C

[,1℄ [,2℄

[1,℄ 1 2

[2,℄ 2 7

陣列

array

函數

: array(data =NA, dim= length(data),dimnames = NULL)

array

函數以

"

逐行



的方式將

data

填入陣列

,

並持多維度的向量數據資料。

2

維度的

array

陣列等同於

matrix

。

array

陣列函數其列、

行名稱用法同

matrix

用法。

範例

10: array() > x <- matrix(1:10, 2) > y <- array(1:10, (2, 5)) > identi al(x, y) [1℄ TRUE

表

3: array

變數常用指令函數

指令

用法說明簡介

rbind

、

bind

、

array

建立陣列

array

變數

n ol

、

nrow

陣列的橫列數、 直行數

row

、

olumn

傳回元素所在的列指標或行指標值

rownames

、

olnames

查詢或更改橫列名稱、 直行名稱

dim

查詢維度

dimnames

查詢或設定各維度的行列名稱

aperm

或

t()

陣列轉置

;

轉置矩陣

Data frames:

建立數據資料架構

(

類似

Ex ele

表

)

。

R

自動依序指派

1 ∼ n

作為列名。

指令

data.frame()

容許建立變數屬性

(

數值、 字串、 邏輯

)

不同的資料框架

,

相對於

ma-trix()

所有元素為相同屬性。 在相同的資料下由

data.frame()

建構的型態

,

物件所需記憶

體大於

matrix()

型態。 如果經常按名稱引用其列

,

則數據框更方便。 數據框也可以更好地

用於報告

(

列印

)

表格信息

,

因為您可以單獨將格式應用於每個列。 如果您計劃進行任何線

性代數類型的操作

,

則矩陣

matrix()

型態是必需的。

as.matrix():

將數據框架變數轉成矩

陣資料型態。

as.data.frame():

將矩陣資料型態轉成數據框架型態。

範例

11: > name <- ("john","peter","jenny") > gender <- fa tor( ("m","m","f")) > lass1 <- (60,60,80)

順伯的窩

第

頁

共

頁

> lass2 <- (40,50,30)

> grades <- data.frame(name,gender, lass 1, l ass2 )

> grades

name gender lass1 lass2

1 john m 60 40 2 peter m 60 50 3 jenny f 80 30

資料框可用

$

符號做欄位資料擷取後

,

當成向量

,

並使用做資料編輯。

> grades$gender #

相當於取出矩陣資料

(

所有元素同屬性

)

中的第

2

行元

素

[1℄ m m f Levels: f m

範例

12:

類別資料的建立

:

調查一群人是否抽菸

,

得到的回答為

Yes, No,No, Yes, Yes > x= ("Yes","No","No","Yes ","Y es")

> x # print out values in x

[1℄ "Yes" "No" "No" "Yes" "Yes"

> table(x)

x

No Yes

2 3

> fa tor(x) # print out value in fa tor(x)

[1℄ Yes No No Yes Yes

Levels: No Yes

範例

13: > r1= (1,2,3) > r2= (4,5,6) > A1=rbind(r1,r2) > A1 [,1℄ [,2℄ [,3℄ r1 1 2 3 r2 4 5 6 > A2= bind(r1,r2) > A2 r1 r2 [1,℄ 1 4 [2,℄ 2 5 [3,℄ 3 6 > x <- 1:15 > x [1℄ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 > dim(x) #

查詢維度

NULL > dim(x) <- (5, 3) #

宣告矩陣

x

為

5

列

3

行

> x [,1℄ [,2℄ [,3℄

順伯的窩

第

頁

共

頁

[1,℄ 1 6 11 [2,℄ 2 7 12 [3,℄ 3 8 13 [4,℄ 4 9 14 [5,℄ 5 10 15 > y=x[2:3, (1,3)℄ #

取出位於第

2,3

列及第

1,3

行的所有元素

> y [,1℄ [,2℄ [1,℄ 2 12 [2,℄ 3 13

範例

14:

編號

1,2,3,

· · ·

,7

的七位學生身高、 體重如下

:

編號

身高

(in)

體重

(lb) 1 68 155 2 61 99 3 63 115 4 70 205 5 69 170 6 65 125 7 72 220 >no= (seq(1:7));height= ( 68,6 1,63 ,70, 69,6 5,72 ); weight= (155,99,115,205,1 70,1 25,2 20); >A= bind(no,height,weight ) >A no height weight [1,℄ 1 68 155 [2,℄ 2 61 99 [3,℄ 3 63 115 [4,℄ 4 70 205 [5,℄ 5 69 170 [6,℄ 6 65 125 [7,℄ 7 72 220

或

>no= (1,2,3,4,5,6,7); >height= (68,61,63,70,69,6 5,7 2); >weight= (155,99,115,205,1 70, 125, 220) ; >grade=data.frame(no,heigh t,w eigh t); >grade no height weight 1 1 68 155 2 2 61 99 3 3 63 115 4 4 70 205 5 5 69 170 6 6 65 125 7 7 72 220 > x=grade$height #

取出資料檔中 變數為

height

的資料

順伯的窩

第

頁

共

頁

> x [1℄ 68 61 63 70 69 65 72 > as.matrix(grade) # as.matrix():

將資料框架變數轉成矩陣資料型態

no height weight [1,℄ 1 68 155 [2,℄ 2 61 99 [3,℄ 3 63 115 [4,℄ 4 67 180 [5,℄ 5 69 170 [6,℄ 6 65 125 [7,℄ 7 72 220 > as.data.frame(A) # as.data.frame(A):

將矩陣資料型態轉成資料框架變數

no height weight 1 1 68 155 2 2 61 99 3 3 63 115 4 4 70 205 5 5 69 170 6 6 65 125 7 7 72 220 > A[4,℄= (4,67,180) #

修改第

4

列所有元素資料

> A no height weight [1,℄ 1 68 155 [2,℄ 2 61 99 [3,℄ 3 63 115 [4,℄ 4 67 180 [5,℄ 5 69 170 [6,℄ 6 65 125 [7,℄ 7 72 220 > sum(A[,2℄)/length(A[,2℄) #

求身高平均值

[1℄ 66.42857 > A[order(A[,3℄),℄ #

依照行

3

變數排序

no height weight [1,℄ 2 61 99 [2,℄ 3 63 115 [3,℄ 6 65 125 [4,℄ 1 68 155 [5,℄ 5 69 170 [6,℄ 4 67 180 [7,℄ 7 72 220 > whi h(A[,2℄>=68) #

查問行

2

變數

>=68

有哪幾筆

[1℄ 1 5 7 > A[A[,2℄>=68,℄ #

保留行

2

變數

>=68

的矩陣

no height weight [1,℄ 1 68 155 [2,℄ 5 69 170 [3,℄ 7 72 220

順伯的窩

第

頁

共

頁

範例

15: > r1= ("a","b");r2= (3,4);A=r bind (r1, r2) > A [,1℄ [,2℄ r1 "a" "b" r2 "3" "4 #

矩

陣資料所有元素必須同一屬性

> r1= (1,2);r2= (3,4);A=rbind (r1, r2) > A [,1℄ [,2℄ r1 1 2 r2 3 4 >r1= (1,2);r2= (3,4);Y= b ind( r1,r 2) > Y r1 r2 [1,℄ 1 3 [2,℄ 2 4 > A%*%Y # AY

矩陣乘積

r1 r2 r1 5 11 r2 11 25 > Y%*%A # YA

矩

陣乘積

[,1℄ [,2℄ [1,℄ 10 14 [2,℄ 14 20 > solve(A) #

矩

陣

A

的逆矩陣

r1 r2 [1,℄ -2.0 1.0 [2,℄ 1.5 -0.5 > det(A) #

矩陣

A

的行列式值

[1℄ -2 > solve(A,Y) #

解矩陣

AX=Y ,

求出

x

矩

陣

r1 r2 [1,℄ 0.0 -2.0 [2,℄ 0.5 2.5 1.3

練習題

1.

如何得到輸出結果如下

: >X [,1℄ [,2℄ [,3℄ [1,℄ 1 5 9 [2,℄ 2 6 10 [3,℄ 3 7 11 [4,℄ 4 8 12 2.

用

di()

指令找出數列

1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89

的一階差及二階差數列

? 3.

您在您的汽車加滿油並記錄了最近八次里程數

:65311 65624 65908 66219 66499 6682167145 67447

順伯的窩

第

頁

共

頁

輸入這些數據資料並命名為

"gas,

對數據使用函數

di()

會輸出什麼

?

解釋這兩個命令返回

的內容

:mean(gas)

和

mean(di(gas))

。

4.

用

R

語言造出以下數列

:

(a)

用

rep

指令造出以下數列

:1 11 1 12 22 2 33 3 44 5

(b)

用

seq

指令造出以下數列

:12 3 45 62 3 45 6 34 5 64 56 5 66

( )

用

rep

指令造出以下數列

: "A" "A" "A" "A" "A" "B" "B" "B" "B" "C" "C" "C" "D" "D" "E"

(d)

用

, rep

指令造出以下數列

:

"

東

" "

東

" "

東

" "

東

" "

西

" "

西

" "

西

" "

南

" "

南

" "

北

" (e)

用

, seq, letters

指令造出以下數列

:

"b" "d" "f" "h" "j" "l" "n" "p" "r" "t" "v" "x" "z" "a" " " "e" "g" "i" "k" "m"

"o" "q" "s" "u" "w" "y"

(f)

產生數列

1, −

1

2

,

1

3

, −

1

4

, · · · , −

1

10

5.

用

R

語言造出以下數列

:

(a) "a" , "a" , "a" , "a", "a" .

(b)

1 ∼ 100

的奇數

( ) 1,2, 3,4, 5, 4,3,2, 1 6.

用

R

語言

seq()

指令

(a)

造出首項為

3,

公差為

2

的等差數列

50

項

? (b)

輸入

seq(50,from=3,by=2 ) ,

預期輸出的結果如何

?

共幾項

( )

輸入指令

seq(1,100,length=30) ,

預期輸出的結果如何

? (d)

分別輸入指令

seq(1,10,by=0.7);seq(10,1 ,by= -0.7 ) ,

得到的最大值與最小值為何

? 7.

用

s an()

指令造出下列

"

數列

:(

實數資料利用

"

複製

,"

張貼



快捷鍵

) (a) 1 23 12 3 12 3 (b) 10.0000010.0454510.0909110.1363610.1818210.2272710.2727310.3181810.36364 10.4090910.4545510.50000 8.

造出下列

"

數列

:

(a) "1" "2" "3" "banana" "1" "2" "3" "banana"

(b)

用

paste

指令造出

: "A1" "A2""A3" "B1" "B2""C1" "C2" "C3" "C4" "D1""D2" "E1"

( )

用

paste

指令造出

:"student_1" "student_2" "student_3" "student_4" "student_5" 9.

在

R

中鍵入下列指令

,

會輸出什麼結果

?

(a) paste( ("a","b"), (" ","d") , ol laps e=" ",se p="" )

(b) strsplit( ("ab; d"),";")

( ) strsplit( ("ab; d"),";")

(d) substring("ab def",3, (3,5, 4))

10.

您可以追踪兩週

(

十天

)

的上學通勤時間

,

並以分鐘為單位記錄以下時間

:171620 242215 21 15 1722

(a)

使用函數

max()

查找最長的通勤時間

,

函數

mean()

找到平均值

,

函數

min()

找到最小

值。

(b)

若

24

是個錯誤。 應該是

18 ,

你怎麼能解決這個問題

?

然後找到新的平均值為多少

? ( )

你上學

20

分鐘或更長時間有幾次

?

你的通勤時間百分之多少是少於

18

分鐘

?

11.

建立一資料格式

(data frame)

名稱為

s ore

具有以下三變數名稱

(

資料

):number(

編號

:1

∼

10

),grade(

等級

:A,B,Cor F(

不合格

)),pass(

通過

:Yes,No),

12.

學生對教師的評價為

1-5

等級。 假設此表中給出了對前三個問題的答案

: Student Ques. 1 Ques. 2 Ques. 3

1 3 5 1 2 3 2 3 3 3 5 1 4 4 5 1 5 3 2 1 6 4 2 3 7 3 5 1 8 4 5 1 9 3 4 1 10 4 2 1

使用

(),s a() ,

或

read.table()

輸入數據

13.

在

R

中輸入下列指令後

,

預期產生的輸出結果為何

? (a) >matrix(1:2,n ol=2,nrow=2)

(b) >Mat<-matrix(1:12,nrow=4,by row= TRUE );M at[3 ,℄;M at[2 ,2:3 ℄

( ) matrix( (1,0,0,1),nrow=2)*m atri x(1: 4,n row= 2)

14.

給出指令以創建

3

階單位矩陣

?

15.

如何用

1 : 10

替換以下列表的第四個組件

?L<-list(12, (34,67),Mat,1: 15,l ist (10, 11)) (a) L[[2℄℄[2℄

會輸出什麼

?

16.

如何檢索

data.frame

資料物件行和列的名稱

?(

註

:Matrix

物件所有元素必須同屬性。 用

dim-names(x)

檢索查詢

)

17.

若

> x

name gender weight

1 Ja k m 80

2 Julia f 60

> y

name eyes height

1 Ja k blue 180

2 Julia green 160

如何結合這兩個表格資料

? 18.

給出指令以計算矩陣

x

的所有元素

(

每列的所有元素

)

的乘積數值

? 19.

輸入以下矩陣並命名為

my.mat

my.mat =









1

2

3

4

5

6

7

8

9

10 11 12









(a)

用

matrix

指令造出矩陣

my.mat

(b)

用

dimnames

指令設定各列名稱

:"

編號

","

科目

1","

科目

2";

行名稱

:"

學生

1","

學生

2","

學

生

3"

( )

用

rownames

指令設定橫列名稱

:"r1","r2", "r3","r4" (d)

用

olnames

指令設定行名稱

:" ol1"," ol2"," ol3"

(e)

將資料

my.mat

的列

(row)

命名為

no.1,no.2, no.3, no.4,

將欄

( olumn)

命名為

var.1, var.2, var.3

。

20.

輸入以下矩陣

A =





12 10 7 11

4

8

2

1

6

9

3

5





(a)

用

matrix , (4,8,2,1,12,10,7,11,6,9,3,5)

指令

,

建立矩陣

A (b)

用

order

指令將第

3

行排序後

(

由小到大

),

把資料矩陣依第

3

行 的大小來排序

21.

矩陣

m =





1 1 2

2 2 1

3 3 3





,

依序完成下列指令或輸出的結果為何

? (a) >m[2,℄ (b) >m[ (1,3),℄ ( ) m[- (1,3),3℄ (d) > whi h(m == 1)

(e) > whi h(m == 1,arr.ind=TRUE)

(f)

將矩陣

m

中非

2

的元素全部更改為

0

22.

給出

R

指令

,

輸出下表中所有女性的體重和身高

?

> X

weight height gender

1 79 163 M 2 90 163 F 3 87 198 M 4 63 164 F 5 90 168 F 6 71 178 F

順伯的窩

第

頁

共

頁

7 58 191 M 8 80 194 F 9 91 185 F 10 89 176 M 23.

若

A =





1 2 3 2

2 1 6 4

4 7 2 5





,

B =









1 3 5 2

0 1 3 4

2 4 7 3

1 5 1 2









求

AB

−1

及

BA

T

24.

某班考試成績和性別紀錄如下

(

資料是依照學生座號

1

、

2

、

3

、

· · ·

依序紀錄

;NA

代表缺考

):

成績

: 70,45, 85,NA, 50,NA, 68, 85,55,35,0, 75

性別

: m, f, f, m,f, m, f, m,f, f, f, m (a)

用

rbind

指令建立一

2

維資料

(2

列矩陣

:

用

1

表

m,0

表

f) (b)

本班共有多少學生

?

男女生各多少人

? ( )

考試成績最高分及最低分是幾分

? (d)

考試成績及格

(

≥ 60

分

)

的座號

?

共有幾人及格

? (e)

男女成績平均各是多少

? 25. 10

位學生的期中考及期末考成績

(

依座號

1,2,3,

· · ·

,10)

其中

NA

表缺考

,

如下

:

期中考

:70,80,67,54,88,64,NA,73,90,74

期末考

:83,88,73,72,80,67,56,81,87,79

(a)

建立一

2

維資料

(

列名稱分別

"

期中考

,"

期末考

,

行名稱分別為座號

"no_1'',"no_2'',

· · ·

,"no_10'') (b)

求期中考平均成績

?

( )

若座號

7

號學生的期中考補考成績為

54,

請補登錄該學生成績

?

(d)

若學期成績計算方式為期中考佔

40%

,

期末考佔

60%

,

計算每位學生的學期成績

?

找出

哪幾位學生學期成績不及格

?

找出哪幾位學生學期成績

80

分以上

?

26.

用

data.frame

指令建立數據資料

"stuData

其中學生

ID:1,2,3,4,5

。 學生名

name

依序為

:"

小

明

","

大雄

","

胖虎

","

小新

","

大白

"

。

考試成績

s ore

依序為

:80,60,90,70,50 27.

調查小汽車乘客人數是否繫安全帶數據資料

,

用

data.frame

指令建立資料

" ar.dat

。

其中乘客人數

passengers:24 0 11 2 31 00 3 21 2 10 21 1 20 0 13 22 3 10 3

是否繫安全帶

seatbelt:"Y","N","Y","Y","Y","Y","Y","Y","Y","Y","N","Y","Y", "Y","Y","Y","Y","Y","Y","Y","Y","Y","Y","Y","Y","N","Y","Y","Y","Y" 28.

若矩陣

X =





















1 68

1 61

1 63

1 70

1 69

1 65

1 72





















;

x

變數

:168,61,63,70,69,65,72

。

Y

變數

:155,99,115,205,170,125,220 (a)

用

bind

指令

,

建立

X

矩陣

順伯的窩

第

頁

共

頁

(b)

若矩陣乘積

(X

t

_{X)B = X}

t

_Y

,

用

solve

指令及矩陣運算解出

B

矩陣

?

29.

任意輸入兩數值

a,b

後

,

並從螢幕列印出

"

您輸入

a,b

值各為

?"

並顯示出

a + b =

的值

?

1.4

讀存取

R

資料檔或外部資料檔

讀存取

R

軟體的資料格式

:rda

檔

載入

R

資料檔

load("le.rda")

將物件儲存

rdata

檔

: save.image("le.rda")

使用資料框架函式

read.table()

或

read. sv()

讀入或輸入外部資料檔案

,

最容易。 直接讀取整個

外部檔案進入資料框架

,

外部檔案常常要求有特定的格式

,

例如

1. ASCII

形式的檔案

,

多數檔編輯器

,

資料庫

,

試算表等軟體可以存取

2.

第一的列

(

行

) (line, row)

可以有該資料各個變數的



變數名稱

 (variablenames)

或是

â

列的

名字

 ( olumnname)

3.

其餘的列

(line, row),

是各個變數的值

.

4.

資料之間是空格分開

,

或其他特定符號

(

逗號

,Tab)

分隔

. 5.

資料是文字類型

,

通常以雙引號

" 

形式

6.

以

â,â

分開變數值的

ASCII

形式檔案

,

一般成為

omma-separated-variableformat,

檔案名

通常以

. sv

作為延伸檔名

,

7.

第一欄

( olumn)

有時候是

â

列標籤

 (rowlabel)

或是

â

列的名字

 (rowname)

讀取資料檔技巧

: 1.

在你要讀入

R

語言前務必先看過資料檔格式

,

再決定用哪種命令函數讀取資料檔。

2.

注意資料是否有 「欄位名稱」

,

分隔符號是什麼

? 3.

要注意輸入的符號是前斜線

"

/



還是後斜線

"

\

 4.

在你的作業系統中資料可否利用

"

複製

 Ctrl

+

C,"

張貼

Ctrl

+

V

功能

,

如果可以的話

,

用

s an()

指令是個不錯的選擇 。

資料或分析結果

,

輸出至外部檔案

,

供其他軟體使用

,

主要 使用資料框架函式

write.table(),

相對

應

read.table(),

輸出資料

(

資料框架或矩陣

)

至外部資料檔案

,

最容易

.

對大型資料

,

可以使用

MASS

套件中的

write.matrix()

會較有效率

. R

內建的鳶尾花

(iris)

資料集是非常著名的生物資訊資料集之一

,

取自美國加州大學歐文分校的機

械學習資料庫

http://ar hive.i s.u i.edu/ml/datasets/Iris,

資料的筆數為

150

筆

,

共有五個欄位

: 1.

花萼長度

(Sepal Length):

計算單位是公分。

2.

花萼寬度

(Sepal Width):

計算單位是公分。

3.

花瓣長度

(Petal Length):

計算單位是公分。

4.

花瓣寬度

(Petal Width):

計算單位是公分。

5.

類別

(Class):

可分為

Setosa,Versi olor

和

Virgini a

三個品種。

讀取

ASCII

表格形式的資料

:

利用

read.table

讀檔

,write.table

為輸出檔案

read.table(file, header = TRUE, sep = ",", quote = "\"", de = ".",

fill = TRUE, omment. har = "", ...)#

讀取

txt,data

資料檔

write.table(x, "myNewData.txt",append=FAL SE, quote=FALSE, sep="\t")#

匯出

txt

資料檔

write.table()

可以匯出資料成為

txt

或是

sv

格式到指定的目錄

read.table

適合讀取表格資料

,

但較不適合讀取大型矩陣資料檔

,

欲讀取大量矩陣資料可用指令

"s an

取代。

•

le=

資料名稱

•

header=

資料開頭是否有變數名稱

,

預設值

=TRUE

•

sep =

資料分隔符號

,

如果是

sep=" ",

表示分隔為空白鍵或

Tab("\t'')

做區隔

•

quote =

資料中的字串符號

,quote=" "

代表關閉此功能

•

de =

資料是否含小數點或分號。

â.â

為實數的小數點。

•

ll=

每一列資料長度是否不同

,

預設值

=TRUE

•

omment. har =

預設值

" "

代表關閉

omment

•

row.names = NULL

表示第一欄無列標籤

•

append=

首列

header line

預設值為

False

資料檔變數之間為

" 

空白分隔或

Tab

分隔的

le.txt

檔

sepal_length sepal_width petal_length petal_width iris

1 5.1 3.5 1.4 0.2 setosa

2 4.9 3.0 1.4 0.2 setosa

3 4.7 3.2 1.3 0.2 setosa

4 4.6 3.1 1.5 0.2 setosa

5 5.0 3.6 1.4 0.2 setosa

資料檔變數之間為

",

分隔的

le.txt

或

le. sv

檔

sepal length,sepal width,petal length,petal width,iris

5.1,3.5,1.4,0.2,Iris-setosa

4.9,3,1.4,0.2,Iris-setosa

4.7,3.2,1.3,0.2,Iris-setosa

4.6,3.1,1.5,0.2,Iris-setosa

5,3.6,1.4,0.2,Iris-setosa

順伯的窩

第

頁

共

頁

read.table("d:/math work/data/iris.txt",sep=" ",he ader =T,s kip= 0) #

空白

read.table("d:/math work/data/iris_tab.txt",s ep=" \t", head er=T ,ski p=0 )#Ta b

隔

read.table("d:/math work/data/iris_ sv.txt",s ep=" ,",h eade r=T, skip =0) #

逗號

read.table("d:/math work/data/iris.data",sep= ",") #

逗號

write.table(x,"d:/myNewDa ta.t xt", appe nd=F ALSE ,quo te=F ALSE ,sep ="," )#

匯出資料

write.table(x,"myNewData. sv" ,sep ="," ,row .nam es = FALSE) #

匯出

sv

資料檔

讀取檔案較大的

sv

資料

:

若格式檔為

. sv,

變數間以

sep=",

做區隔則用指令

read. sv()

來讀取資

料

read. sv(file,header = TRUE, sep = ",", quote = "\"",de = ".",

fill = TRUE, omment. har = "", ...)#

讀取

le. sv

資料檔

write. sv(x,"myNewData. s v",r ow.n ames = FALSE)#

匯出

sv

資料檔

相當於

write.table(x,"myNewData. s v",s ep=" ,",r ow.n ames = FALSE)#

匯出

sv

資

料檔

執行

write. sv()

時

,

不需要指定分隔的符號

,

在重新讀取時

,

也不需要刻意指定

,

仍然可以匯入

正確的資料。

read. sv("d:/math work/data/iris. sv",header =T,s kip= 0)

讀取向量資料檔

s an(): s an()

可以讀取向量型態的外部資料

,

但是無法讀取表格

,

是一個處理簡

單資料的指令。 適合矩陣形式資料

(

同屬性

)

s an(file="",what=double( ),nm ax=- 1,n= -1,s ep=" ",de =". ",sk ip=0 , om men t. h ar=" ",.. .)

tips:

若可以將要輸入的資料

Ctrl+C

複製好

,

則在

RStudio

作業平台輸入

>x=s an()

再

Crtl+V

貼上資料即可。

•

le:

資料檔案位址路徑名稱

•

what =double()

資料兩倍精密度

•

nmax

設定最多讀入多少個數值

,-1

表無限制。

•

n

設定讀入多少個數值。

-1

表無限制。

•

sep =

資料之間分隔符號

,

如果是

sep=" ",

表示分隔為空白鍵或

Tab("\t'')

做區隔。

預設為空格或換行符號。

•

de =

資料是否含小數點或分號。

•

skip=

前幾列資料不讀入。

•

omment. har =

預設值

" "

代表關閉

omment

資料檔

ex1.txt

如右

:

年齡

薪水

(

萬元

)

30 3.2

28 2.5

40 3.4

32 2.8

45 3.6

28 2.2

36 4

42 4.5

58 4.8

50 4.6

> x=s an("d:/math work/data/ex1.txt",skip=0)

Error in s an("d:/math work/data/ex1.txt", skip = 0) :

s an() expe ted 'a real', got '

年齡

'

資料的第一列為

"

行變數名稱



與底下數值資料不同屬性

,

因此我們必須放棄讀取第一列

,

才能把

數值資料讀入

>x=s an("d:/math work/data/ex1.txt",skip=1) Read 20 items [1℄ 30.0 3.2 28.0 2.5 40.0 3.4 32.0 2.8 45.0 3.6 [11℄ 28.0 2.2 36.0 4.0 42.0 4.5 58.0 4.8 50.0 4.6

所讀入資料為

1

維向量資料

,

我們再把資料結構調整為

10 × 2

矩陣

,

並輸入

"

行變數名稱

 > ex1=matrix(x, (10,2),byrow= T) > olnames(ex1)= ("

年齡

","

薪水

(

萬元

)") > ex1

年齡 薪水

(

萬元

) [1,℄ 30 3.2 [2,℄ 28 2.5 [3,℄ 40 3.4 [4,℄ 32 2.8 [5,℄ 45 3.6 [6,℄ 28 2.2 [7,℄ 36 4.0 [8,℄ 42 4.5 [9,℄ 58 4.8 [10,℄ 50 4.6

若資料檔

ex1.txt

內變數間的分隔符號為

",

或

Tab

則我們將

sep

參數設定為

sep=",''

或

sep="\t''

來讀入資料

x=s an("d:/math work/data/ex1.txt",sep=",", skip =1)

x=s an("d:/math work/data/ex1",sep="\t",ski p=1)

下載安裝套件

: install.pa kages("pa kage") R

軟體安裝後

,

安裝目錄會有基本套件

(Pa kages)

。

若欲使用非基本套件中的某函數功能

,

必

須先在程式中使用

library()

函數來載入套件。 基本套件

(

無須載入

)

有

: 1. datasets:

基本範例資料檔

(Iris) 2. grDevi xs:

圖形裝置套件

3. graphi s

基本圖形套件

4. grid:grid

圖形版面設定套件

5. method:R

物件使用方法及類別

6. stats:

統計函數套件

7. stats4:

使用

S4 lass

物件導向方式所寫的統計套件

8. t ltk:

與

T l/Tk

圖形介面語言溝通的工具套件

9. tools:

管理與程式開發有關的工具套件

10. utils:

其他常用工具函數

在

Windows GUI

圖形介面中

,

可從

p

程式套件

y

⇒ p

安裝程式套件

y

選單執行套件安裝。

R

軟體會要求選擇儲存

R

軟體的

CRAN

鏡射網站位置

, "Taiwan(Taipeh),

再選擇自己要安裝

的套件名稱

,R

軟體即會從

CRAN

鏡射網站抓取相關的套件安裝在電腦之中。 我們也可以自行

從作業系統中安裝非基本套件

,

語法為

install.pa kages("pa kage")

只需安裝一次就行。

有用的套件

(Pa kage) 1. gdata

套件

:

讀存取外部資料檔工具

2. splines

套件

:

回歸分析線性函數及類別功能

3. mosai

套件

:

統計與數學工具

4. rootSolve

套件

:

求方程式近似根

,

微分方程式

5. dplyr

套件

:

處理數據資料時

,

基本數據套件。 特別適用於按類別資料數據。

6. ggplot2:

用於製作漂亮圖形的著名包裝。

ggplot2

允許您使用圖形語法來構建分層的

,

可

自定義的繪圖。

7. ggmap:

直接從

Google

地圖下載街道地圖

,

並將其用作

ggplots

中的背景。

(For Spatial data) 8. MLR:Python

在

R

之前飆升的最大原因之一是它的機器學習重點庫

(

如

s ikit-learn),

然後

MLR

包

,

它允許我們執行各種機器學習任務。

MLR

包括我們在項目中使用的所有

流行的機器學習算法。

9.

· · ·

查詢已載入套件

:library()

查看自己電腦內已安裝哪些套件

載入套件

:

在

R

軟體中每次執行非基本安裝套件

(Pa kage)

時需載入

,

使用

library("pa kage")

來

載入套件

讀取

Ex el

檔

:

最穩定的辦法還是轉成

sv

檔

,

利用

read.table()

讀入資料。 要讀取

Mi rosoftEx el

資料首先必須載入套件

"gdata

。

install.pa kages("gdata",repos="http:// ran.us.r-proje t.org")

library(gdata);read.xls("ex elle.xls",sheet = 1,header =TRUE)

若資料儲存為

Mi rosoft Ex el

檔

>install.pa kages("gdata" ,rep os=" http :// ran. us.r -pro je t .org ") #

首次

安裝套件後

,

重新執行

R-studio >library(gdata)

>x=read.xls("d:/math work/data/Iris.xls") # 2007

年後

Mi rosoft Ex el

檔

則為

"iris.xlsx'' > x

sepal.length sepal.width petal.length petal.width iris

1 5.1 3.5 1.4 0.2 Iris-setosa

2 4.9 3.0 1.4 0.2 Iris-setosa

3 4.7 3.2 1.3 0.2 Iris-setosa

4 4.6 3.1 1.5 0.2 Iris-setosa

5 5.0 3.6 1.4 0.2 Iris-setosa

注意資料儲存之編碼為

Big5

、

Utf-8

、

ANCI

或其它。 重新儲存資料檔、 編碼為

Utf-8

。 使用合適

的編碼參數

: read.table(âdata.txtâ, en oding="an i") read.table("test.utf8", sep = ",", header=TRUE, leEn oding ="UTF-8")

library():

查詢電腦已安裝可用的套件名稱

data():

查詢可用的資料檔名稱

R

語言基本安裝後包含幾個基本的資料檔可供利用

,"AirPassengers," ars,"faithful,"iris,"trees ,

· · ·

等。 如欲進一步查詢資料檔的說明可用

help(dataname)

指令查看。

>data(iris) #

引入

"iris

資料檔

>help(iris) #

查看

"iris

資料檔的說明

(

資料來源

,

格式

,

變數

,...

等

) 1.4

練習題

1.

通常的數據讀取函數之一採用以下參數

:header,sep,de ,row.names,skip,nrows

。

解釋他們的目

的。

2.

讀入資料檔

"possum. sv ,

並查看有哪些變數

?

如何查看

"sex

為

f

的

"totlngth

變數資料

3.

比較指令函數

s an()

與

read.table()

兩者差異

?

4.

說明如何從

Ex el

電子檔表格輸入數據資料

?

5.

從網址

http://www.biostatisti ien .eu/ spri ngeR /Wei ght_ birt h.xl s

下載資料檔

"Weight_birth.xls``

然後讀入

R

軟體

,

並命名為

x

物件資料。

1.5

作圖函數

plot()

函數

: R

中繪製任何內容的最常用函數是

plot()

函數。 這是一個通用函數

,

可用於散點圖

,

時

間序列圖

,

函數圖等。

如果給予單個向量資料

,

則在

y

軸上對該行繪製值數字或索引。 如果給出兩個相同長度向量資

料

,

則產生雙變量散佈圖。

urve()

函數

:

要在指定的值範圍內繪製連續函數

,

可以使用

urve()

函數。

urve(expr, from, to,add = FALSE, ...)

> urve(sin(x), from = 0, to = 2*pi)

>abline(7,2, ol="green") # y=7+2x ,h=*, v=*

我們可以在圖形視窗中添加幾個不同的功能。 要添加點

,

我們使用

points()

指令 。 要添加一條

直線

,

可以使用

abline()

函數。 線條函數用於添加更多一般線條。 它繪製了指定的點

,

並用直線

連接它們。 類似於在繪圖函數中添加參數

type =l

。 參數

add = TRUE,

曲線將添加到圖形

中

points()

函數

:

在已經繪圖圖中增加點

,

可以使用

points(x,y)

函數

,

(x, y)

為向量。

在函數添加參數

type=b

為顯示點位置

,

點與點間以直線連接。

type=l

為點與點以直線連

接

,

不顯示點位置。

表

4:

作圖常用指令函數

指令

用法說明簡介

abline()

增畫一直線

(

給予斜率

,y

截距

)

、 鉛直線或水平線

arrows()

坐標增加一方向箭頭

lines()

連接兩點的線

points()

增畫點坐標位置

spline()

在資料點間內插方法

(

平滑曲線連接

) rug()

在

x

坐標軸增劃標記

segments()

增劃割線

(

同

lines() ) text()

在圖形中增添文字

title()

圖形標題

,

次標題等

範例

1: > urve(sin(x), from = 0, to = 2*pi, ol=2,lty=1)

> points(x,sin(x),type="b", p h= 19 o l=1, lty= 2)

> points(spline(x,sin(x)),t ype= "b", p h= 4)

> urve(sin(x), from = 0, to = 2*pi, ol=2,lty=1) #

函數關係作圖

> x= (seq(from=0,to=2*pi,by =0.5 ))

> points(x,sin(x),type="b", p h= 19, ol=1 ,lty =2) #

點與點連接折線

> points(spline(x,sin(x)),t ype= "b", p h= 4, o l=3, lty= 3) #

點與點平滑曲

線

> legend(4, 0.5, legend= (" urve", "points","spline"),

ol= ("red", "bla k","green"), lty=1:3, ex=2) #

圖例說明

>abline(h=0, ol="blue") #

水平直線

y=0

0

1

2

3

4

5

6

−1.0

−0.5

0.0

0.5

1.0

x

sin(x)

curve

points

spline

圖

1:

曲線作圖、 點描法與平滑內插曲線

作圖參數

:

。

ol:

用於設定默認的繪圖顏色

lty:

直線類型。 參數的值可以為整數

:0

為空

,1

為實線

(

預設

值

),2

為虛線

,3

為點線

p h:

設置點的類型

ex:

設置文本和符合的尺度

p h:

設置點的類

型

> par(mfrow = (2, 2)) #

圖形以

2x2

格輸出

> par(lend = 1) #

設置線結束端的形狀

1="butt" > par(bg = " ornsilk") #

作圖背景顏色設定

> par(xlog = TRUE) # x

軸是否設為對數單位

範例

2:

汽車行駛哩數與輪胎胎面磨損數據如下

: mileage 0 4 8 12 16 20 24 28 32 tread wear 394 329 291 255 229 204 179 163 150

若已知其回歸線截距

360,

斜率

−7.3

,

有三種方法可在其散佈圖增畫回歸線

> miles = (0:8)*4 # 0 4 8 ... 32 > tread = s an() 1: 394 329 291 255 229 204 179 163 150 10: Read 9 items

> plot(miles,tread) # make the s atterplot

>abline(lm(tread ~ miles))

## or as we know the inter ept and slope

> abline(360,-7.3) ## or using points > points(miles,360 - 7.3*miles,type="l") ## or using lines > lines(miles,360 - 7.3*miles) ## or using urve

> urve(360 - 7.3*x,add=T) # add a fun tion of x

0

5

10

15

20

25

30

150

200

250

300

350

400

miles

tread

0

5

10

15

20

25

30

150

200

250

300

350

400

miles

tread

圖

2:

在圖中增加一直線

範例

3:

在圖中增添文字

data(mammals) atta h(mammals) names(mammals) #

資料的變數名稱

plot(body,brain,p h=16,xl ab= "Bod y weight (kg)", ylab="Brain weight (g)",

xlim= (0,280), ylim= (0,1350)) # xlim ylim

限制作圖範圍

text(x=body[ (21,32,56,36 )℄, y=br ain[ (21 ,32, 56,3 6)℄,

labels=X[ (21,32,56,36)℄,po s=4) # pos

文字位置

1

下

2

左

3

上

4

右方

deta h(mammals)

0

50

100

150

200

250

0

200

400

600

800

1000

1200

1400

Body weight (kg)

Br

ain w

eight (g)

0

50

100

150

200

250

0

200

400

600

800

1000

1200

1400

Body weight (kg)

Br

ain w

eight (g)

Donkey

Human

Pig

Kangaroo

圖

3:

在圖中增加文字

範例

4:

作圖點符號、 大小與顏色選擇

>plot(1,1,xlim= (1,7.5),yl im= (1. 75,5 ),ty pe=" n",a xes= F,xl ab=" ",yl ab=" ") #

不

作圖點

>box() #

圖框格

>points(1:7, rep(4.5, 7), ex=1:7, ol=1:7, p h=0:6) #

點型式

p h0~6 >text(1:7,rep(3.5, 7), labels=paste(0:6), ex=1:7, ol=1:7) #

張貼文字

0~6

>points(1:7,rep(2.5,7), p h=(0:6)+7) #

點型式

p h7~13

>text((1:7), rep(2.5,7), paste((0:6)+7), pos=4) #

張貼文字

7~13 >points(1:7,rep(2,7), p h=(0:6)+14) #

點型式

p h14~20

>text((1:7), rep(2,7), paste((0:6)+14), pos=4) #

張貼文字

14~20

0

1

2

3

4

5

6

6

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

0

1

2

3

4

5

6

圖

4:

圖形中不同的點符號與大小

view. olours <- fun tion(){

plot(1, 1, xlim= (0,14), ylim= (0,3), type="n", axes=F,

xlab="",ylab="")

text(1:6, rep(2.5,6), paste(1:6), ol=palette()[1:6℄, ex=2.5)

text(10, 2.5, "Default palette", adj=0)

rain hars <- ("R","O","Y","G","B","I"," V")

text(1:7, rep(1.5,7), rain hars, ol=rainbow(7), ex=2.5)

text(10, 1.5, "rainbow(7)", adj=0)

mtxt <- substring(" m. olors", 1:9,1:9)

# Split â m. olorsâ into its 9 hara ters

text(1:9, rep(0.5,9), mtxt, ol= m. olors(9), ex=3)

text(10, 0.5, " m. olors(9)", adj=0)

} box() view. olours() 1.5

練習題

1.

假設您使用命令曲線

curve(cos(x))

繪製了一個繪圖。 您將使用哪條

R

指令將此圖作為

PDF

保存在名為

myplot.pdf

的文件中

? 2.

詳細說明該指令的效果

par(mfrow= (3,2)) 3.

說明指令

layout()

功能用於什麼

? 4.

您將使用哪個命令將散點圖添加到預先存在的繪圖中

?

順伯的窩

第

頁

共

頁

1

2

3

4

5

6

Default palette

R

O

Y

G

B

I

V

rainbow(7)

c

m

.

c

o

_l

o

r

s

cm.colors(9)

圖

5:

圖形中不同的顏色

lty=1

lwd=2

lty=2

lwd=2

lty=3

lty=3

lwd=2

lty=4

lwd=2

lty=5

lwd=2

lty=6

lwd=2

font=1 plain

cex=1

font=2 bold

cex=2

font=3 italic

font=4 bold italic

cex=3

φοντ=5

symbol

Line type & Fonts family

圖

6:

線型式與粗細大小

5.

您將使用函數

plot()

的哪個參數來設定點之間連接線段

? 6.

繪製一個直線的指令函數是什麼

? 7.

您將使用哪個參數來管理繪圖中的顏色設定

? 8.

給出顯示圖像的指令函數

,

其值以矩陣

X

輸出

,

您將使用哪個功能來顯示圖像

?

以使輸出與控

制台中顯示

X

的方式一致。

9.

您將使用哪個指令函數在繪圖中添加文字

? 10.

您可以使用哪個函數指令

,

通過單擊鼠標來查找繪圖中點的坐標

? 11.

詳細解釋指令

par(ask=TRUE)

的效果

?

12.

函數

par()

的哪個參數將用於指令函數

urve()

繪製的線的類型

?par()

的哪個參數將用在散點

圖中顯示其他符號而不是小圓圈

? 13.

提供說明列表以顯示以下圖表。 中軸系統必須以紅色顯示。 餘弦曲線必須以藍色顯示

?

−10

−5

0

5

10

−2

−1

0

1

2

Sinus and cosinus curves

X axis

sin(x)

β

^

1

14.

靈長類動物的體重與腦容量資料如下

,

先建立資料並作

(Bodywt,Brainwt)

的散佈圖

,

並在旁

註記靈長類動物名

? Bodywt Brainwt Potar monkey 10.0 115 Gorilla 207.0 406 Human 62.0 1320 Rhesus monkey 6.8 179 Chimp 52.2 440 15.

順伯的窩

第

頁

共

頁