数据科学工程师面试宝典系列---R语言入门
基础入门
摘要：讲解R的操作知识，了解R的特点、资源获取方式，并掌握基本的程序编写
什么是R
R语言是一种业界盛行的数据分析编程语言
理念就是快速、准确地把想法转化成软件
R语言脱胎于1980年左右诞生的S语言
在1998年被美国计算机协会（ACM）授予了“软件系统奖”
1997年R语言正式成为GNU项目
2010年获得第一届“统计计算及图形奖”（美国统计协会）
R语言的特点
开源和免费
功能强大且扩展性强
与其他软件的交互能力强
各类前沿的数据分析建模方法
实现可重复性（Reproducible）分析
适用于多操作系统的轻量化平台
编程简单
更新快速且文档完备
R的整合能力
数据：可连接数据库，如Oracle、MySQL
运算：可调用C或Fortran函数进行底层运算
应用：可作为运算引擎嵌入到Java开发的系统中（Rserve）
网络：R与web整合部署（Rook、shiny）
R的弱点
解释型语言
数据全部读入内存
单线程
改进效能的方法
善用R的语法
升级硬件
使用64位系统
租用云计算（EC2）
compile预编译
调用C或Fortran
并行计算、MapReduce、RHadoop
和其他软件的对比
SPSS、SAS、Stata
图形用户界面，无需写代码
局限于已有算法
不适合可重复分析
Matlab
数值运算能力强
通常用于命令行交互
商业软件不利于整合其他软件
Python（NumPy/SciPy）
功能全面，自由度高
要求很强的能力
工具只是数据工作的一部分，根据自身能力和需求来选择
R可以做什么？
统计计算与绘图（学术界）
金融分析
生命科学
互联网数据挖掘
社会化网络分析和可视化
task views
哪些公司在使用R
如何学习R
R语言官方网站
R-blogger
R语言期刊
R语言搜索引擎
R函数在线帮助
关于R的问答网站
统计之都
中国R语言会议
美国计算机世界杂志提供的R语言初学者入门资料
如何得到帮助，相关资源和书籍
初学入门：
《R in Acion》
《The Art of R Programming》
统计进阶：
《A Handbook of Statistical Analysis_Using_R》
《Modern Application Statistics With S》
科学计算：
《Introduction to Scientific Programming and Simulation Using R》
数据挖掘：
《Data Mining with R：Learning with Case Studies》
《An Introduction to Statistical Learning》
RStudio，扩展包，工作空间
R的官方网站；
RStudio开发环境；
扩展包的安装和加载；
install.packages("ggplot2")
library(ggplot2)
如何得到帮助
help.start()打开帮助文档首页
help("foo")或？foo查看函数foo的帮助（引号可以省略）
help.search("foo")或？foo以foo为关键词搜索本地帮助文档函数foo的使用示例（引号可以省略）
example（“foo”）函数foo的使用示例（引号可以省略）
RSiteSearch（“foo”）以foo为关键词搜索在线文档和邮件列表存档
apropos("foo",mode="function")列出名称中含有foo的所有可用函数
data（）列出当前加载包中所含的所有可用示例数据集
vignette（）列出当前已安装包中所有可用的vignette文档
vignette（“foo”）为主题foo显示指定的vignette文档
工作目录和工作空间
运行R代码的方式
数据对象
向量化操作
向量之间除了四则运算外，还可以进行比较；
函数和控制语句
（1）在R语言中，所有的操作和运算都是由函数来完成的，和数学中的函数类似，大多数的函数都是由函数名和参数这两项组成的，例如下面计算指数的例子，“exp”是函数名，括号中的1则是参数：
exp(1)
exp(c(1,2,3,4))
（2）R语言中可以将各种变量赋值为一个变量，这种赋值操作就是等号“=”，也可以使用“<-”，下面的例子就是先将变量x赋值为一个向量，然后求取其对数。
x<-c(1,2,3,4)
log(x)
（3）如果我们想从变量x中取出一个元素的话，可以使用方括号加索引号，下面取出第二个元素：
x[2]
x[2:4]
x[-4]
x[x>2]
（4）数组
数组（Array）是一种多维的向量，建立数组的方法如下：
a<-array(1:12,dim=c(3,4))
print(a)
a[2,2]
a[2,]
（5）数据框
数据框（Data Frame）是一种类似于Excel表格的数据结构，其中每列的数据类型可以不同，但数据长度必须一致，数据框非常适合用来进行数据分析，它的每一列可以代表数据的每个变量或属性，每一行可以代表一个样本，下面我们来构建一个有三个属性，五个样本的数据框。
city <- c('beijing','shnaghai','guangzhou','shengzhen','hangzhou')
age <- c(23,11,34,42,67)
gender <- c('F','M','F','F','M')
people <- data.frame(city,age,gender)
print(people)
和数组操作一样，我们可以用方括号来提取数据框中的元素，另一种方法是用‘$’符号来提取某一列，例如提取age变量和gender变量。
people[1,1]
people[1,2:3]
people[1,]
people[2,-2]
people[2,-(2:3)]
people[2,c(1,3)]
people[2,-c(1,3)]
people$age
people$gender
people$age>30
people$city[people$age>30]
（4）列表
列表（List）是最为灵活的数据结构，它的不同元素可以是不同类型，也可以是不同的长度，还是用age、city、gender三个向量来构建列表。
peoplelist <- list(age=age,city=city,gender=gender)
print(peoplelist)
people.list$array <- a
people.list$dataframe <- people
（5）对象和类
有一个非常有用的函数“str()”能用以了解一个对象底细。
str(people)
（6）模型与公式
对统计学家来讲，模型是用以描述数据的简洁方式，很多时候模型以公式的形式展现，用以预测或解释。
y~x1+x2+...+xn
下面我们用一个具体的线性回归例子来看一下，使用的数据集是R内置的数据car。R语言中用于回归的函数是“lm”，回归后的结果存入变量“model”中。
model <- lm(formula=dist ~ speed,data=cars)
'summary'函数提供了关于回归结果更为丰富的信息，包括了各系数及其对应的P值，残差标准差和决定系数等。
summary(model)
（7）基本对象：向量
—单个数值（标量）是向量的一种特例
—向量的元素必须属于某种模式（mode）,可以整型（integer）、数值型（numeric）、字符型（character）、逻辑型（logical）、复数型（complex）
—循环补齐（recycle）：在一定情况下自动延长向量
—筛选：提取向量子集
—向量化：对向量的每一个元素应用函数
—使用seq()创建向量
—使用rep()重复向量常数
vector1 <- seq(2,10,2)
vector1 <- 1:10+2
vector2 <- 1:(10+2)
（8）算术运算小结
+ - * / ^
%%模运算
%/%整除除法
（9）逻辑运算小结
== <= >= & | ! T F
area = pi*r^2
area <- function(r) {
a = pi*r^2
return(a)
}