
通过之前的文章,大家已经了解到,用R语言集成开发环境 RStudio进行数据整理和统计分析,其实是一个读取、处理、保存对象的过程。如果你忘记了这里的『对象』指的是什么,可以去复习前天的文章。今天我们要学习的就是RStudio是如何读取、处理和保存对象的。
R中的函数
说到函数,大家最先想到的可能是:Y=X+3 这样的一元一次函数,这个函数会帮我们生成 X+3 的结果,其功能是求和。
函数就是类似求和、求积、求均数等一系列的动作(Functions are verbs),通常来讲,这些动作就是用来处理对象的。
R拥有浩如烟海的函数,来满足用户处理对象的各种需求。除了上面提到的数学计算类函数,还包括具备绘图、读取、合并、t检验、拟合各类统计模型等功能的函数。
前天提到的ls()和rm()也是函数,其功能分别是罗列环境中所有对象的名称,以及清除对象。
在R中,函数是由表示动作的一系列字母加一个括号组成的,例如rm()中,rm表示remove。
在函数的括号中,可以填入相关的『命令』,这些命令可以理解为函数的操作细节,例如操作的对象是什么等等。看看下面的例子:
v <- sample(1:9, 5)
sample是一个函数,其功能是从给定的一组数字中生成一个随机样本。
其中,1:9 是该函数中第一个命令,表示从1至9这9个数字中提取样本;5是第二个命令,表示设定样本容量为5。
本例中,把提取出来的5个随机数字存放在v这个对象中。
R中的包
在R中,具有相似目的的函数以及相关的帮助文件、示例数据都会被打包存放在一个整体中,这个整体被称为包(Packages)。
在安装R或RStudio软件的同时,一些基本的包即会自动安装并加载(这些包中的函数可以完成基本的图形、数据结构、统计、回归等所需的功能)。
每个人都可以用R写函数,然后形成package。
用户可以轻松找到所需要的package,并免费下载、安装,最简单的方法如下:
1. 在RStudio中,单击右下角窗口中的Packages,即会显示目前已安装在RStudio中的包。
2. 单击安装(Install)。
3. 在弹出的窗口中键入要安装的包的名称。如需安装多个包,可用空格或逗号分隔。下面的例子中,希望安装ggplot2和dplyr两个包。
4. 注意:安装一个包并不表示已经在RStudio中加载好这个包。使用library()函数加载特定的包。例如,用下面的代码加载ggplot2这个package。
library(ggplot2)
另一种方式是从CRAN网站下载:
在CRAN网站( http://cran.r-project.org/ )的左侧找到『Software』,点击Packages,可以看到Available Packages下面有目前可供下载使用的16174个包。
点击想要下载的package名称,就会跳转至该package的详情页,找到download部分,下载。
安装方法是:RStudio右下角界面-Packages-Install-下图中的两步。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09