【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

【R语言(一)】R 和 RStudio的安装与初步使用_第1张图片

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:

  1. 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。

  2. 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。

  3. 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。

  4. 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。

  5. 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:

  1. 访问 R 项目的官方网站:R: The R Project for Statistical Computing

  2. 点击“Download R”链接,然后选择你所在的 CRAN 镜像站点。

  3. 选择适合你的操作系统的 R 安装程序,例如“Download R for Windows”。

  4. 下载安装程序并运行。

  5. 选择安装语言和安装路径。

  6. 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。

  7. 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。

  8. 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。

  9. 点击“安装”按钮开始安装。

  10. 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:

  1. 在 Windows 系统中打开命令提示符或 PowerShell。

  2. 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:

  1. 打开 Windows 的“控制面板”。

  2. 选择“系统和安全” -> “系统” -> “高级系统设置”。

  3. 在“高级”选项卡下点击“环境变量”按钮。

  4. 在“系统变量”列表中找到“Path”变量,并双击它。

  5. 在“编辑环境变量”对话框中,点击“新建”按钮。

  6. 输入 R 的可执行文件的路径,例如:“C:\Program Files\R\R-4.1.2\bin”。

  7. 点击“确定”按钮关闭对话框。

  8. 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:

  1. 进入RStudio下载页面,网址为 https://www.rstudio.com/products/rstudio/download/#download。

  2. 在“支持的平台的安装程序”部分,点击“Windows”按钮。

  3. 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。

  4. 下载完成后,打开下载的文件以开始安装过程。

  5. 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。

  6. 安装完成后,您可以从开始菜单或桌面快捷方式启动RStudio。

  7. 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。

【R语言(一)】R 和 RStudio的安装与初步使用_第2张图片

下面是在RStudio中运行test.R的效果,需要选中代码然后运行。 

 【R语言(一)】R 和 RStudio的安装与初步使用_第3张图片

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:

  1. 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)
}
  1. 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。

  2. 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。

  3. 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。

  4. 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

你可能感兴趣的:(r语言,信息可视化,开发语言)