R語(yǔ)言入門教程（超經(jīng)典）

1、 語(yǔ)言入門報(bào)告內(nèi)容一 R簡(jiǎn)介二 函數(shù)與對(duì)象三 編寫腳本四 R繪圖五 編寫函數(shù)六 數(shù)據(jù)保存一 R 簡(jiǎn) 介R語(yǔ)言的由來(lái)o R語(yǔ)言是從S語(yǔ)言演變而來(lái)的。o S語(yǔ)言是二十世紀(jì)70年代誕生于貝爾實(shí)驗(yàn)室，由Rick Becker, John Chambers, Allan Wilks開發(fā)。o 基于S語(yǔ)言開發(fā)的商業(yè)軟件Splus，可以方便的編寫函數(shù)、建立模型，具有良好的擴(kuò)展性，取得了巨大成功。o 1995年由新西蘭Auckland大學(xué)統(tǒng)計(jì)系的Robert Gentleman和Ross Ihaka，編寫了一種能執(zhí)行S語(yǔ)言的軟件，并將該軟件的源代碼全部公開，這就是R軟件，其命令統(tǒng)稱為R語(yǔ)言。R軟件簡(jiǎn)介 R是開源

2、軟件，代碼全部公開，對(duì)所有人免費(fèi)。 R可在多種操作系統(tǒng)下運(yùn)行，如Windows、MacOS、多種Linux和UNIX等。 R需要輸入命令，可以編寫函數(shù)和腳本進(jìn)行批處理運(yùn)算，語(yǔ)法簡(jiǎn)單靈活。 目前在R網(wǎng)站上約有2100個(gè)程序包，涵蓋了基礎(chǔ)統(tǒng)計(jì)學(xué)、社會(huì)學(xué)、經(jīng)濟(jì)學(xué)、生態(tài)學(xué)、地理學(xué)、醫(yī)學(xué)統(tǒng)計(jì)學(xué)、生物信息學(xué)等諸多方面。下載和安裝RThe Comprehensive R Archive Network簡(jiǎn)稱CRAN，提供下載安裝程序和相應(yīng)軟件包。R主頁(yè) / Windows版本下載地址之一：/mirrors/CRAN/bin/wi

3、ndows/base/R-2.9.2-win32.exe 下載完成后，雙擊R-2.9.2-win32.exe 開始安裝。一直點(diǎn)擊下一步，各選項(xiàng)默認(rèn)。圖1 R軟件首頁(yè) / 圖2 R登陸界面(Windows版)路徑： 開始所有程序R 2.9.2菜單欄菜單欄快捷按鈕快捷按鈕控制臺(tái)控制臺(tái)命令行命令行圖3 R Gui 的菜單介紹練習(xí)一：下載和安裝R下載并安裝R軟件了解R的菜單R程序包為什么要安裝程序包？為什么要安裝程序包？特定的分析功能，需要用相應(yīng)的程序包實(shí)現(xiàn)。例如：系統(tǒng)發(fā)育分析，往往要用到ape程序包，群落生態(tài)學(xué)vegan包等等。程序包是什么？程序包是什么

4、？ R程序包是多個(gè)函數(shù)的集合，具有詳細(xì)的說(shuō)明和示例。Window下的R程序包是已經(jīng)編譯好的zip包。每個(gè)程序包包含R函數(shù)、數(shù)據(jù)、幫助文件、描述文件等。常用R程序包base- R 基礎(chǔ)功能包stats- R統(tǒng)計(jì)學(xué)包nlme- 線性及非線性混合效應(yīng)模型Graphics- 繪圖lattice- 柵格圖ape- 系統(tǒng)發(fā)育與進(jìn)化分析apTreeshape- 進(jìn)化樹分析seqinr- DNA序列分析ade4- 利用歐幾里得方法進(jìn)行生態(tài)學(xué)數(shù)據(jù)分析常用R程序包c(diǎn)luster- 聚類分析ecodist- 生態(tài)學(xué)數(shù)據(jù)相異性分析mefa- 生態(tài)學(xué)和生物地理學(xué)多元數(shù)據(jù)處理mgcv- 廣義加性模型相關(guān)mvpart- 多

5、變量分解nlme- 線性及非線性混合效應(yīng)模型ouch- 系統(tǒng)發(fā)育比較BiodiversityR - 基于Rcmdr的生物多樣性數(shù)據(jù)分析vegan- 植物與植物群落的排序，生物多樣性計(jì)算 常用R程序包maptools- 空間對(duì)象的讀取和處理sp- 空間數(shù)據(jù)處理spatstat- 空間點(diǎn)格局分析，模型擬合與檢驗(yàn)splancs- 空間與時(shí)空點(diǎn)格局分析picante- 群落系統(tǒng)發(fā)育多樣性分析圖4 CRAN Task Views： 對(duì)程序包的分類介紹圖5 vegan包頁(yè)面R程序包在CRAN 提供了每個(gè)包的源代碼和編譯好的MacOS、Window下的程序包以vegan包為例，CRAN提供了：Package

6、 source: vegan_1.15-3.tar.gz MacOS X binary: vegan_1.15-3.tgz Windows binary: vegan_1.15-3.zip Reference manual: vegan.pdf 等Window平臺(tái)下程序包為zip文件，安裝時(shí)不要解壓縮不要解壓縮。R程序包安裝1 連網(wǎng)時(shí)，用函數(shù)install.packages()，選擇鏡像后，程序?qū)⒆詣?dòng)下載并安裝程序包。例如： 打開RGui,在控制臺(tái)中輸入 install.packages(“ape)2 安裝本地zip包路徑：Packagesinstall packages from local

7、 files選擇光盤或者本地磁盤上存儲(chǔ)zip包的文件夾。程序包使用在控制臺(tái)中輸入如下命令：library(vegan)library(ade4)調(diào)用程序包內(nèi)的函數(shù)與R R內(nèi)置的函數(shù)調(diào)用方法一樣library(vegan)This is vegan 1.15-3Warning message:package vegan was built under R version 2.9.1 練習(xí)二 安裝并導(dǎo)入程序包安裝程序包程序包從本地zip文件安裝程序包調(diào)用程序包library(vegan)library(ape)查看幫助文件如何知道ape程序包內(nèi)部都有哪些函數(shù)？最常用的方法：1 菜單 幫助Html幫

8、助2 查看pdf幫助文檔（從程序包下載頁(yè)面下載）查看幫助文件 1 help(t.test) 2 ?t.test 3 help.search(t.test) 4 apropos(t.test) 5 RGuiHelpHtml help 6 查看R包pdf手冊(cè)幫助文件的內(nèi)容以lm函數(shù)為例：lm(stats) #函數(shù)名及所在包 Fitting Linear Models # 標(biāo)題Description #函數(shù)描述Usage # 默認(rèn)選項(xiàng)Arguments # 參數(shù)Details # 詳情Author(s) # 作者References # 參考文獻(xiàn)Examples # 舉例練習(xí)三 查看幫助文件打開ap

9、e軟件包的幫助文件library(ape)查找ape包中plot.phylo函數(shù)的幫助輸入輸入 ?plot.phylo將其中的將其中的Example文件粘貼到文件粘貼到Console中，查看中，查看運(yùn)行的結(jié)果。運(yùn)行的結(jié)果。圖形界面之一：R Commander圖6 R commander 界面 library(Rcmdr) 界面操作代碼結(jié)果輸出為什么要學(xué)習(xí)編程? 界面操作直觀易學(xué)，但也存在一些不足： 操作的過(guò)程難以保存，數(shù)據(jù)處理不夠靈活，在進(jìn)行步驟繁多的數(shù)據(jù)處理工作時(shí)十分費(fèi)時(shí)費(fèi)力；在建立模型或自己編寫函數(shù)時(shí)也會(huì)遇到困難。而這些困難可以通過(guò)編程解決。 學(xué)習(xí)R編程，首先要了解R的函數(shù)、對(duì)象及其操作。

10、二 R函數(shù)與對(duì)象數(shù)據(jù)表的行與列物種數(shù)科數(shù)屬數(shù)海拔坡度類型樣方140152260025山頂樣方251122635030山坡樣方346112039045山坡樣方438122426020低地樣方549102522033低地行名Row names字符串列名 Column names每列可看做帶名稱的向量表1 數(shù)據(jù)表、數(shù)據(jù)框與向量字符串、因素每行作為一個(gè)EntryR的函數(shù)R是一種解釋性語(yǔ)言，不需要先編譯成.exe文件，輸入后可直接運(yùn)行。函數(shù)形式function(對(duì)象，選項(xiàng)= )平均值 mean()線性回歸 lm(yx, data=test)R處理的所有數(shù)據(jù)、變量、函數(shù)和結(jié)果都以對(duì)象的形式保存。R的函數(shù)每

11、一個(gè)函數(shù)執(zhí)行特定的功能，后面緊跟括號(hào)，例如：平均值 mean()求和 sum()繪圖 plot()排序 sort() 除了基本的運(yùn)算之外，R的函數(shù)又分為高級(jí)和低級(jí)函數(shù)，高級(jí)函數(shù)內(nèi)部嵌套了復(fù)雜的低級(jí)函數(shù)，例如plot()是高級(jí)繪圖函數(shù)，函數(shù)本身會(huì)根據(jù)數(shù)據(jù)的類型，經(jīng)過(guò)程序內(nèi)部的函數(shù)判別之后，繪制相應(yīng)類型的圖形，并有大量的參數(shù)可選擇。部分函數(shù)計(jì)算計(jì)算log(x) log10(x) exp(x) sin(x)cos(x) tan(x) asin(x)acos(x)min(x)max(x)range(x) length(x)統(tǒng)計(jì)檢驗(yàn)統(tǒng)計(jì)檢驗(yàn)mean(x)sd(x)var(x)median(x)quant

12、ile(x,p)cor(x,y)t.test()lm(y x)wilcox.test()kruskal.test()統(tǒng)計(jì)檢驗(yàn)統(tǒng)計(jì)檢驗(yàn)lm(y f+x)lm(y x1+x2+x3)bartlett.testbinom.testfisher.testchisq.testglm(y x1+x2+x3, binomial)friedman.test. 圖7 箱線圖修飾前后(左：默認(rèn)值，右：修改屬性后)boxplot(count spray, data = InsectSprays)boxplot(count spray, data = InsectSprays, col = red)R函數(shù)調(diào)用及其選項(xiàng)

13、R函數(shù)調(diào)用及其選項(xiàng)函數(shù)的調(diào)用方法, 函數(shù)名+() 如 plot(), lm(),并將對(duì)象放入括號(hào)中，“=”表示設(shè)定參數(shù)。例如：boxplot(daytype, data=bac, col=“red“, xlab=“Virus”, ylab=“days”)daytype，以type為橫軸，day為縱軸繪制箱線圖。data=bac 數(shù)據(jù)來(lái)源baccol=“red” 箱線圖為紅色xlab=“Virus” 橫軸名稱為Virusylab=“days” 縱軸名稱為days練習(xí)四：查詢函數(shù)幫助查看boxplot的幫助文件?boxplot查看最后的examples 將幫助文件中的內(nèi)容粘貼到控制臺(tái)中，運(yùn)行并觀看

14、運(yùn)行結(jié)果。boxplot(count spray, data = InsectSprays, col = lightgray)選項(xiàng)更改選項(xiàng)更改boxplot(count spray, data = InsectSprays, col = “red”, xlab=“spray”, ylab=“counts”)賦值與注釋在控制臺(tái)中鍵入如下命令2+2a-2代替b-2c-a+bc#注釋賦值符號(hào)為對(duì)象起名 R是區(qū)分大小區(qū)分大小寫的，A與a是不同的。 對(duì)象名不能用數(shù)字開頭，但是數(shù)字可以放在中間或結(jié)尾。推薦用”.”作為間隔，例如 anova.result1。 舉例：一個(gè)向量a，包含了四個(gè)元素， a, , =

15、, =, !=邏輯運(yùn)算 與、或、非!, &, &, |, |外部數(shù)據(jù)讀取 最為常用的數(shù)據(jù)讀取方式是用read.table() 函數(shù)或read.csv()函數(shù)讀取外部txt或csv格式的文件。 txt文件，制表符間隔 csv文件，逗號(hào)間隔 一些R程序包（如foreign）也提供了直接讀取Excel, SAS, dbf, Matlab, spss, systat, Minitab文件的函數(shù)。read.table()的使用例：test.data-read.table(D:/R/test2.txt,header=T)header=T表示將數(shù)據(jù)的第一行作為標(biāo)題。read.table(fi

16、le=file.choose(),header=T) 可以彈出對(duì)話框，選擇文件。實(shí)例：從數(shù)據(jù)輸入到t檢驗(yàn)編號(hào)123456身高 m1.751.801.651.901.741.91體重kg607257909572表2 六名患者的身高和體重現(xiàn)有6名患者的身高和體重，檢驗(yàn)體重除以身高的平方是否等于22.5。第一種方式：從控制臺(tái)輸入數(shù)據(jù)數(shù)據(jù)量較少時(shí)可以從控制臺(tái)直接輸入：height-c(1.75, 1.80, 1.65, 1.90, 1.74, 1.91)weight-c(60, 72, 57, 90, 95, 72)sq.height-height2ratio-weight/sq.heightt.te

17、st(ratio, mu=22.5) 第二種方式 從外部讀取數(shù)據(jù)數(shù)據(jù)量較大時(shí)用read.table函數(shù)從外部txt文件讀取第1步 將Excel中的數(shù)據(jù)另存為.txt格式（制表符間隔）或.csv格式。第2步 用read.table()或read.csv()函數(shù)將數(shù)據(jù)讀入R工作空間，并賦值給一個(gè)對(duì)象。圖8 在Excel中將數(shù)據(jù)存為txt文件實(shí)例：t檢驗(yàn)(續(xù))一般從txt文檔讀取數(shù)據(jù)。每一行作為一個(gè)觀測(cè)值。每一行的變量用制表符，空格或逗號(hào)間隔開。read.table(”位置位置”, header=T)read.csv(”位置位置”,header=T)#從外部讀取數(shù)據(jù)data1-read.table(

18、d:/t.test.data.txt,header=T)bmi- data1$weight/data1$height2t.test(bmi, mu=22.5) #t檢驗(yàn)練習(xí)五：數(shù)據(jù)讀取和t檢驗(yàn)將表2中的數(shù)據(jù)錄入Excel中，另存為t.test.txt文件。用read.table函數(shù)讀取該文件。t.test.data-read.table(“X:/t.test.txt”, header=T)對(duì)變量t.test.data中的attach(t.test.data)ratio-weight/height2t.test(ratio)實(shí)例：從數(shù)據(jù)輸入到單因素方差分析 將三種不同菌型的傷寒病毒a,b,c分別

19、接種于10，9，和11只小白鼠上，觀察其存活天數(shù)，問(wèn)三種菌型下小白鼠的平均存活天數(shù)是否有顯著差異。 a菌株：2, 4, 3, 2, 4, 7, 7, 2, 5, 4 b菌株：5, 6, 8, 5, 10, 7, 12, 6, 6 c菌株：7,11,6, 6, 7, 9, 5, 10, 6, 3, 10 準(zhǔn)備數(shù)據(jù)表圖9 數(shù)據(jù)表的準(zhǔn)備day和type 各為一列實(shí)例：方差分析(續(xù))#數(shù)據(jù)讀取，將test1.txt中的內(nèi)容保存到bac中， header=T表示保留標(biāo)題行。bac-read.table(d:/anova.data.txt,header=T) #將ba數(shù)據(jù)框中的type轉(zhuǎn)換為因子(fact

20、or)bac$type-as.factor(bac$type) ba.an-aov(lm(daytype, data=bac) summary(ba.an) boxplot(daytype,data=bac,col=red)圖10 三種菌型對(duì)小白鼠影響的箱線圖練習(xí)六： 方差分析和箱線圖繪制1 在excel中準(zhǔn)備數(shù)據(jù)表2 用R讀取數(shù)據(jù)表3 輸入如下命令進(jìn)行方差分析、繪制箱線圖boxplot(daytype,data=bac,col=red) ba.an30的行，提取其中的某一列，進(jìn)行分析等。向量的創(chuàng)建四種類型的向量字符型character-c(China, Korea, Japan, UK, U

21、SA, France, India, Russia) 數(shù)值型numeric-c(1, 3, 6, 7, 3, 8, 6, 4)邏輯型logical-c(T, F, T, F, T, F, F, T)復(fù)數(shù)型 略向量的創(chuàng)建c(2,5,6,9) rep(2,times=4) seq(from=3, to=21, by=3 ) 1 3 6 9 12 15 18 21“:” 1:15 1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15通過(guò)與向量的組合，產(chǎn)生更為復(fù)雜的向量。rep(1:2,c(10,15)向量: 隨機(jī)數(shù)的生成runif(10, min = 0, max= 1) 1

22、0.32227168 0.12759789 0.33849635 0.84843855 0.67293416 0.14646444 7 0.60117150 0.39023874 0.04219423 0.67102520rnorm(10, mean = 0, sd = 1) 1 -1.58587380 -0.07775222 2.17126687 -1.02938226 0.46392281 0.74896049 7 -0.24556829 1.39034371 1.09975487 -1.44682767定義矩陣的維度dim()和和matrix()x - 1:12dim(x) - c(3,

23、4) ,1 ,2 ,3 ,41, 1 4 7 102, 2 5 8 113, 3 6 9 12matrix.x - matrix(1:12,nrow=3,byrow=T)t(x)#轉(zhuǎn)置為行或列添加名稱：s()s()數(shù)據(jù)框的創(chuàng)建cbind() # 按列組合成數(shù)據(jù)框country.data-cbind(character,numeric,logical)rbind() # 按行組合成數(shù)據(jù)框data.frame() #生成數(shù)據(jù)框d - data.frame(character,numeric,logical)head(d) #訪問(wèn)數(shù)據(jù)的前6行：列表的創(chuàng)建列表可以是不同

24、類型甚至不同長(zhǎng)度的向量(數(shù)值型，邏輯型，字符型等等)、數(shù)據(jù)框甚至是列表的組合。list()例如list(character,numeric,logical,matrix.x)對(duì)象的類型的判斷對(duì)象類型判斷mode()class()is.numeric() #返回值為TRUE或FALSEis.logical()is.charactor()is.data.frame()對(duì)象的類型的判斷對(duì)象類型轉(zhuǎn)換as.numeric() #轉(zhuǎn)換為數(shù)值型as.logical()as.charactor()as.matrix()as.dataframe()練習(xí)七：因子生成將將 100， 200， 400， 600， 8

25、00 輸入R中，保存到numeric對(duì)象中 numeric-c(100, 200, 400, 600, 800)將numeric轉(zhuǎn)換為factor factor.numeric-as.factor(numeric)查看factor.numeric的內(nèi)容 factor.numeric引用向量?jī)?nèi)的元素intake.pre - c(5260, 5470, 5640, 6180, 6390, 6515, 6805, 7515, 7515, 8230, 8770)intake.post - c(3910, 4220, 3885, 5160, 5645, 4680, 5265, 5975, 6790, 6

26、900, 7335)intake.pre5; intake.prec(3,5,7)v - c(3,5,7);intake.previntake.pre1:5; intake.pre-c(3,5,7)引用數(shù)據(jù)框中的元素d 70001 FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE TRUE TRUEintake.preintake.pre 7000intake.postintake.pre 7000 & intake.pre 7000 & intake.pre = 8000練習(xí)八：條件篩選創(chuàng)建一個(gè)2到50的向量 vector

27、12, 4, 6, 8, ., 48, 50vector140排序?qū)⑾蛄恐械脑匕凑找欢樞蚺帕小?sort() 按數(shù)值大小排序舉例： intake$post sort(intake$post) order() 給出從小到大的出現(xiàn)序號(hào)。 order(intake$post) o - order(intake$post)工作空間ls() 列出工作空間中的對(duì)象rm() 刪除工作空間中的對(duì)象rm(list=ls() 刪除空間中所有對(duì)象save.image() 保存工作鏡像sink() 將運(yùn)行結(jié)果保存到指定文件中g(shù)etwd() 顯示當(dāng)前工作文件夾setwd() 設(shè)定工作文件夾練習(xí)九：了解工作路徑1 查

28、看當(dāng)前R工作的空間目錄getwd()2 將R工作的路徑設(shè)置為 d:/data/setwd(“d:/data”)三 編寫腳本編寫腳本（Scripting）腳本是什么？ 腳本是一系列命令。 可以先批量的編號(hào)程序，或者對(duì)別人已經(jīng)編好的程序進(jìn)行修改。之后輸入到控制臺(tái)進(jìn)行調(diào)試，以滿足數(shù)據(jù)分析的需求。語(yǔ)言高亮顯示 在代碼較多的情況下，有時(shí)需要對(duì)行數(shù)、函數(shù)、括號(hào)、函數(shù)選項(xiàng)等進(jìn)行高亮顯示，設(shè)置成不同的顏色，以減少錯(cuò)誤。圖11 TinnR對(duì)R腳本的高亮顯示圖12 NotePad+對(duì)R腳本的高亮顯示編輯器o R自帶的腳本編輯器o Editplus （ ）o TinnR (http:/www.sciviews.or

29、g/Tinn-R/ )o Ultraedit （ ）o Emacs （/software/emacs/ ）o Notepad+ 與NpptoR組合（http:/notepad- ）o 記事本或?qū)懽职?等等舉例-回歸分析腳本轉(zhuǎn)速rpm 202224262830323436384042雜質(zhì)率%8.49.511.810.413.314.813.214.716.416.518.918.5n對(duì)一批涂料進(jìn)行研究，確定攪拌速度對(duì)雜質(zhì)含量的影響，數(shù)據(jù)如下，試進(jìn)行回歸分析表3 攪拌速度對(duì)涂料中雜質(zhì)的影響腳本舉例#將以下代碼粘貼到編輯器中，另存為regression.r文件。rate-c(2

30、0, 22, 24, 26, 28, 30, 32, 34, 36, 38, 40, 42)impurity -c(8.4, 9.5, 11.8, 10.4, 13.3, 14.8, 13.2, 14.7, 16.4, 16.5, 18.9, 18.5)plot(impurityrate)regFileOpen Script #Ctrl+R運(yùn)行3 直接粘貼到R控制臺(tái)ctrl+c, ctrl+v練習(xí)十:R腳本運(yùn)行將R命令粘貼到記事本中，另存為regression.R文件。分別通過(guò)三種方式運(yùn)行R腳本。四 R繪圖圖13 R繪制的圖形R繪圖功能 R具備卓越的繪圖功能，通過(guò)參數(shù)設(shè)置對(duì)圖形進(jìn)行精確控制。繪

31、制的圖形能滿足出版印刷的要求，可以輸出JPEG、TIFF、EPS、emf、pdf、png等各種格式。 繪圖是通過(guò)繪圖函數(shù)結(jié)合相應(yīng)的選項(xiàng)完成的。 繪圖函數(shù)包括高水平繪圖函數(shù)和低水平繪圖函數(shù)。高水平繪圖函數(shù)plot() 繪制散點(diǎn)圖等多種圖形hist() 直方圖boxplot() 箱線圖stripchart() 點(diǎn)圖barplot() 條形圖dotplot() 點(diǎn)圖piechart() 餅圖interaction.plot() matplot()圖14 散點(diǎn)圖與箱線圖舉例低水平繪圖函數(shù)lines() 添加線curve() 添加曲線abline() 添加給定斜率的線points() 添加點(diǎn)segmen

32、ts() 折線arrows() 箭頭axis() 坐標(biāo)軸box() 外框title() 標(biāo)題text() 文字mtext() 圖邊文字 繪圖參數(shù)參數(shù)用在函數(shù)內(nèi)部，在沒(méi)有設(shè)定值時(shí)使用默認(rèn)值。font= 字體lty= 線類型lwd= 線寬度pch= 點(diǎn)的類型,xlab= 橫坐標(biāo)ylab= 縱坐標(biāo)xlim= 橫坐標(biāo)范圍ylim= 縱坐標(biāo)范圍舉例：繪圖生成0到2之間的50個(gè)隨機(jī)數(shù)，分別命名為x,yx - runif(50,0,2)y - runif(50,0,2)繪圖：將主標(biāo)題命名為“散點(diǎn)圖”， 橫軸命名為”橫坐標(biāo)”， 縱軸命名為“縱坐標(biāo)”plot(x, y, main=“散點(diǎn)圖”, xlab=“橫坐

33、標(biāo)”, ylab=“縱坐標(biāo))text(0.6,0.6,text at (0.6,0.6)abline(h=.6,v=.6)圖15 繪圖舉例例：分步繪圖plot(x, y, type=n, xlab=, ylab=, axes=F) #打開繪圖窗口，不繪制任何對(duì)象points(x,y) #添加坐標(biāo)點(diǎn)axis(1) #添加橫軸axis(at=seq(0.2,1.8,0.2), side=3) #添加縱軸box() #補(bǔ)齊散點(diǎn)圖的邊框title(main=Main title, sub=subtitle, xlab=x-label, ylab=y-label)#添加標(biāo)題、副標(biāo)題、橫軸說(shuō)明、縱軸說(shuō)明圖

34、16 分步繪圖ABCDEF一頁(yè)多圖par()par(mfrow=c(2,2).圖17一頁(yè)多圖在原有圖形上添加元素舉例：舉例：x - rnorm(100) # 生成隨機(jī)數(shù)hist(x,freq=F) # 繪制直方圖curve(dnorm(x),add=T) # 添加曲線h - hist(x, plot=F) # 繪制直方圖ylim - range(0, h$density, dnorm(0) #設(shè)定縱軸的取值范圍hist(x, freq=F, ylim=ylim) #繪制直方圖curve(dnorm(x),add=T,col=red) #添加曲線圖18 在原有直方圖上添加曲線練習(xí)十一：繪圖練習(xí)練

35、習(xí)1 將Rplots.r中的代碼拷貝到R控制臺(tái)中，查看R繪制的圖形。練習(xí)2 對(duì)例進(jìn)行回歸分析，并繪制散點(diǎn)圖，并為散點(diǎn)圖添加回歸直線。plot(impurityrate)reg-lm(impurityrate)abline(reg,col=red)summary(reg)五 編寫函數(shù)編程基礎(chǔ) R可以靈活的編寫程序，用戶自己編寫的程序可以直接調(diào)用。R語(yǔ)言編程時(shí)無(wú)需聲明變量的類型，這與C,C+等語(yǔ)言不同?；靖袷?-function(x, y) 表達(dá)式 函數(shù)內(nèi)部也可用#添加注釋程序流程控制 ifif 表達(dá)式的寫法if(條件) 表達(dá)式 if(條件) 表達(dá)式1 else 表達(dá)式2 舉例：if(p=0.05) print(“p0.05!)循環(huán) for, whilefor(變量 in 向量) 表達(dá)式 for(i in 1:10) print(i)while(條件) 表達(dá)式 i - 1while(i10) print(i) i - i + 1 函數(shù)舉例定義函數(shù)：rcal-function(x,y) z - x2 + y2; result-sqrt(z) ; result;調(diào)用