【R语言（一）】R 和 RStudio的安装与初步使用
1. R语言和RStudio基本介绍
2. R的下载安装
3. 添加R的环境变量
4. windows系统安装RStudio步骤
5. R中的常见语法
6. R和python在语法上的主要区别
1. R语言和RStudio基本介绍
R是一种流行的统计软件和编程语言，用于数据分析和可视化。它是一个开源的软件，拥有庞大的社区支持和丰富的扩展包，可运行在各种操作系统上，如Windows、Mac和Linux。R被广泛应用于数据科学、统计学、机器学习和其他相关领域的研究和实践中。
以下是R的一些主要特点：
-
数据分析和可视化：R可以轻松地导入、整理和分析数据，然后将结果以各种方式可视化，如绘制图表、创建热图等。R还提供了许多常见的统计分析方法，如线性回归、ANOVA、聚类分析等。
-
编程语言：R是一种完整的编程语言，具有各种编程结构和数据类型。用户可以编写自己的函数和脚本，并使用各种控制结构、循环和条件语句进行编程。
-
扩展包：R社区提供了数千个扩展包，这些扩展包包含了各种用于数据分析和可视化的函数和工具。用户可以根据需要选择和安装这些扩展包，以扩展R的功能。
-
开放源代码：R是一个开源的软件，这意味着任何人都可以查看和修改R的源代码。这也促进了R社区的发展和创新。
-
可重复性：在R中进行数据分析和可视化通常非常可重复。用户可以记录他们的代码和分析步骤，以便他们或其他人可以轻松地重新运行分析，验证结果。
总之，R是一个强大的、灵活的、开源的统计软件和编程语言，适用于各种数据分析和可视化需求。它具有丰富的功能和工具，拥有广泛的社区支持和开发，被广泛应用于学术、商业和社会领域。
R的历史可以追溯到20世纪90年代，当时Ross Ihaka和Robert Gentleman是新西兰奥克兰大学的统计学教授。他们开发了R语言，以解决当时在统计学研究中遇到的一些问题。最初，他们仅仅是为了满足自己的研究需求而开发了R语言，但很快就意识到这个工具的潜力，并将其开放给全世界使用。
在2000年左右，R语言逐渐成为了一个开源项目，并逐渐得到了全球统计学家、数据分析师和程序员的支持和使用。由于其灵活性和扩展性，R在学术界和工业界的数据分析和可视化领域越来越受欢迎。
随着时间的推移，R的生态系统不断发展和壮大，出现了许多新的扩展包和工具。此外，由于R是一个开源的软件，因此每个人都可以为其做出贡献，不断推动其发展。
今天，R已成为数据科学和统计学领域中最流行的工具之一，全球数以百万计的人使用它来分析和可视化数据。
RStudio是一个用于R编程语言的集成开发环境（IDE）。它提供了一个用户友好的界面，使得编写、调试和运行R代码更加简单和高效。RStudio是一个开源软件，可以免费下载和使用。它提供了许多有用的功能，如代码自动完成、语法高亮、代码调试、版本控制、数据可视化和报告生成等。除了桌面版的软件外，RStudio还提供了许多开源的包和库，可以用于增强RStudio的功能或在R项目中单独使用。RStudio支持在Windows、Mac和Linux等多种操作系统上运行。对于使用R语言进行数据分析和统计建模的人来说，RStudio是一个非常有用和方便的工具。
2. R的下载安装
在 Windows 系统上安装 R 的步骤如下：
访问 R 项目的官方网站：R: The R Project for Statistical Computing
点击“Download R”链接，然后选择你所在的 CRAN 镜像站点。
选择适合你的操作系统的 R 安装程序，例如“Download R for Windows”。
下载安装程序并运行。
选择安装语言和安装路径。
在“选择组件”对话框中，选择你需要的组件。通常情况下，默认选择的组件已经足够使用 R 了。
在“选择启动菜单文件夹”对话框中，选择是否在开始菜单中创建 R 的快捷方式。
在“选择附加任务”对话框中，选择是否创建桌面图标和/或添加 R 到系统的 PATH 环境变量中。我们建议你选择这两个选项，这样你就可以更方便地启动 R 并在命令行中使用 R 了。
点击“安装”按钮开始安装。
安装完成后，你可以在开始菜单或者桌面上找到 R 的快捷方式。点击 R 的快捷方式，就可以启动 R 了。
安装完成后，你可以在命令行中使用
R命令启动 R，也可以使用 R 的集成开发环境 RStudio 进行开发和数据分析。
3. 添加R的环境变量
要判断 R 是否已经被正确添加到系统的环境变量中，可以按照以下步骤：
-
在 Windows 系统中打开命令提示符或 PowerShell。
-
在命令提示符或 PowerShell 中输入以下命令：
R
如果系统的环境变量已经正确配置，该命令应该可以启动 R 并打开 R 的命令行交互界面，例如：
R version 4.2.2 (2022-10-31 ucrt) -- "Innocent and Trusting"
Copyright (C) 2022 The R Foundation for Statistical Computing
Platform: x86_64-w64-mingw32/x64 (64-bit)
R is free software and comes with ABSOLUTELY NO WARRANTY.
...
如果系统的环境变量没有正确配置，该命令可能会提示 "'R' 不是内部或外部命令，也不是可运行的程序" 等错误信息，这意味着 R 没有被正确添加到系统的环境变量中。
另外，你也可以使用 where 命令来检查 R 的可执行文件是否在系统的 PATH 环境变量中。在命令提示符或 PowerShell 中输入以下命令：
where R
如果 R 的可执行文件已经在系统的 PATH 环境变量中，该命令将会输出 R 的安装路径。如果没有找到 R 的可执行文件，该命令将不会输出任何信息。
如果你发现 R 没有被正确添加到系统的环境变量中，可以通过以下步骤将 R 添加到系统的环境变量中：
-
打开 Windows 的“控制面板”。
-
选择“系统和安全” -> “系统” -> “高级系统设置”。
-
在“高级”选项卡下点击“环境变量”按钮。
-
在“系统变量”列表中找到“Path”变量，并双击它。
-
在“编辑环境变量”对话框中，点击“新建”按钮。
-
输入 R 的可执行文件的路径，例如：“C:\Program Files\R\R-4.1.2\bin”。
-
点击“确定”按钮关闭对话框。
-
点击“确定”按钮关闭“环境变量”对话框。
现在，你可以再次运行 R 命令来检查环境变量是否已经正确配置了。
好的，下面是一个简单的测试脚本，它会生成一个正态分布随机数向量并对其进行基本的统计分析：
# 生成一个长度为 100 的正态分布随机数向量
x <- rnorm(100)
# 计算均值和标准差
mean_x <- mean(x)
sd_x <- sd(x)
# 打印结果
cat("随机数向量 x 的均值为：", mean_x, "\n")
cat("随机数向量 x 的标准差为：", sd_x, "\n")
你可以将这个脚本保存为一个名为 test.R 的文件，然后在 RStudio 或命令行中使用 source("test.R") 命令来运行它。这个脚本将会生成一个长度为 100 的正态分布随机数向量，并打印出其均值和标准差。
如果你使用的是 Windows 系统的命令行，则无法使用 source 命令来运行 R 脚本，因为 source 命令是 R 语言内置的命令，只能在 R 解释器中使用。如果你想在 Windows 命令行中运行 R 脚本，可以使用 Rscript 命令，示例如下：
Rscript test.R
4. windows系统安装RStudio步骤
以下是在Windows操作系统上安装RStudio的步骤：
进入RStudio下载页面，网址为 https://www.rstudio.com/products/rstudio/download/#download。
在“支持的平台的安装程序”部分，点击“Windows”按钮。
您将被重定向到新页面，显示最新的Windows版本的RStudio。点击“下载”按钮以下载安装程序。
下载完成后，打开下载的文件以开始安装过程。
按照屏幕上的指示完成安装过程。您可能需要选择安装位置、选择开始菜单文件夹和创建桌面快捷方式。
安装完成后，您可以从开始菜单或桌面快捷方式启动RStudio。
如果您已经在Windows系统上安装了R，RStudio应自动检测到并连接到它。如果您还没有安装R，则需要先下载和安装R，然后才能使用RStudio。
这就是全部步骤！您已成功在Windows操作系统上安装了RStudio。
注意如果只安装了RStudio，未安装R，启动时就会出现以下报错，提醒去安装R。
下面是在RStudio中运行test.R的效果，需要选中代码然后运行。
5. R中的常见语法
# 选择文件
data <- read.table(file.choose())
# 读取指定路径下文件
data <- read.table("C:\\Users\\sun78\\Desktop\\2023-2-20GroupMeeting\\01_R\\surface_data.txt", header = FALSE, col.names = c("x", "y", "z"))
6. R和python在语法上的主要区别
Python和R都是流行的数据分析和统计建模语言，虽然它们都有着相似的目的，但是它们在语法上有一些不同之处。
以下是Python和R语言在语法上的主要区别：
- 语法结构：Python使用缩进来定义代码块，而R使用大括号。例如，Python中的for循环是这样定义的：
for i in range(10):
print(i)
而在R中，for循环的语法结构是这样的：
for (i in 1:10) {
print(i)
}
-
数据类型：Python和R都支持数字、字符串和布尔类型。但是，它们对于数据类型的处理方式不同。在Python中，一切皆为对象，因此数字、字符串和布尔类型都是对象。而在R中，数字、字符串和布尔类型都是基本数据类型，也称为原子向量。
-
数据结构：Python和R都支持多种数据结构，如列表、元组、数组、字典等。然而，它们的实现方式有所不同。在Python中，列表和字典都是对象，而在R中，列表和向量是原子向量的一种形式。另外，R中还有数据框和因子等特殊的数据结构，这些结构在Python中没有对应的数据类型。
-
函数和操作符：Python和R都提供了丰富的函数和操作符用于数据分析和建模。但是，它们的语法有所不同。例如，Python使用点号运算符（.）来调用对象的属性或方法，而R使用美元符号（$）。另外，Python使用def关键字定义函数，而R使用function关键字。
-
包和库：Python和R都有大量的第三方包和库，用于扩展它们的功能。但是，它们的导入语法有所不同。在Python中，导入库的语法是这样的：
import numpy as np
而在R中，导入包的语法是这样的：
library(ggplot2)
总体来说，Python和R都是强大的数据分析和建模语言，具有不同的语法特点，开发者可以根据具体的需求选择适合自己的语言。
参考资料
RStudio Desktop - Posit