R 语言与 R Studio 完整入门教程

第一部分：准备工作

在开始之前,你需要安装两样东西：R 语言 和 R Studio。

1. 安装 R 语言

   • R 语言是编程语言本身，是执行代码的核心。
   • 访问 R 官方网站：https://cran.r-project.org/
   • 选择与你操作系统匹配的版本（Windows, macOS, Linux）并下载安装，Windows 用户只需双击 .exe 文件，按照提示一步步安装即可。

2. 安装 R Studio

   • R Studio 是一个集成开发环境，它不是一个软件，而是一个为 R 语言量身定做的“工作台”，它能让你的编程工作更高效、更友好。
   • 访问 R Studio 官方网站：https://www.rstudio.com/
   • 选择 "RStudio Desktop"，然后下载免费的 "Free" 版本即可。
   • 安装 R Studio，安装完成后，打开它，它会自动检测到你之前安装的 R 语言。

第二部分：认识 R Studio 界面

打开 R Studio 后，你会看到一个被分成几个区域的窗口，了解这些区域是高效工作的第一步。

1. 脚本编辑器 - 左上角

   
   （图片来源网络，侵删）
   • 用途：在这里编写你的 R 代码，代码可以保存为 .R 文件，方便以后重复使用和分享，这是一个文本编辑器，代码不会在这里直接运行。
   • 快捷键：Ctrl + Enter (Windows) 或 Cmd + Enter (Mac) 可以运行当前选中的代码行或代码块。

2. 控制台 - 左下角

   • 用途：这是 R 语言真正执行代码的地方，你在这里可以直接输入命令并立即看到结果，当你从脚本编辑器运行代码时，结果也会显示在这里。
   • 新手提示：刚开始时，你可以直接在这里尝试简单的命令，但养成在脚本编辑器中编写代码的习惯。

3. 环境/历史 - 右上角

   • 环境：显示你当前工作空间中的所有“对象”（Object），比如你创建的变量、数据框、函数等，你可以在这里看到它们的名称和类型。
   • 历史：记录了你在控制台中输入过的所有命令。

4. 文件/绘图/包/帮助 - 右下角

   • 文件：显示你当前工作目录下的所有文件和文件夹，类似于 Windows 的资源管理器。
   • 绘图：当你生成图表时，它们会显示在这里，你可以在这里缩放、导出图片。
   • 包：管理你安装的 R 包，R 包是扩展 R 功能的集合，是 R 强大的原因之一，你可以在这里查看、安装、加载包。
   • 帮助：R 内置的帮助文档，当你想了解某个函数的用法时，这里是你的好朋友。

第三部分：R 语言基础入门

让我们开始写一些 R 代码！

第一个 R 命令 在脚本编辑器中输入以下代码，然后按 Ctrl + Enter 运行。

# 这是一个注释，R 会忽略它
print("Hello, R World!")

你会在控制台看到输出 [1] "Hello, R World!"。

赋值与基本数据类型 R 使用 <- 或 来给变量赋值。

# 创建一个数值变量
x <- 10
print(x)
# 创建一个文本（字符）变量
y <- "这是一个字符串"
print(y)
# 创建一个逻辑变量
is_r_fun <- TRUE
print(is_r_fun)

基本数学运算 R 是一个计算器，非常擅长数学运算。

# 加法
5 + 3
# 减法
10 - 4
# 乘法
7 * 8
# 除法
20 / 4
# 幂运算
2 ^ 10
# 取余数
10 %% 3 # 结果是 1

向量 - R 的核心数据结构 向量是 R 中最基本、最重要的数据结构，它是一个相同类型元素的集合。

# 创建一个数值向量
numbers <- c(1, 2, 3, 4, 5) # c() 是连接函数
print(numbers)
# 创建一个文本向量
fruits <- c("apple", "banana", "cherry")
print(fruits)
# 向量运算：R 会自动对向量的每一个元素进行运算
prices <- c(10, 20, 30)
new_prices <- prices * 1.1 # 给所有价格打九折
print(new_prices)

数据框 - 数据分析的基石 数据框是用于存储表格数据的结构，类似于 Excel 表格，每一列必须是相同的数据类型，但不同列可以不同。

# 创建一个数据框
df <- data.frame(
  name = c("Alice", "Bob", "Charlie"),
  age = c(25, 30, 35),
  city = c("New York", "London", "Tokyo")
)
# 查看数据框
print(df)
# 访问数据框的列
df$name
df$age
# 查看数据的前几行
head(df)
# 查看数据框的结构
str(df) # 非常有用的函数！

第四部分：数据导入与处理

真实的数据通常存储在外部文件中。

设置工作目录 R 需要知道你的文件在哪里，设置工作目录可以让你用更简单的文件名来访问文件。

• 方法一（推荐）：在 R Studio 的 Files 面板中，找到你的数据文件所在的文件夹，右键点击，选择 "Set As Working Directory"。
• 方法二（代码）：在脚本中输入 setwd("C:/你的文件夹路径")，注意路径中的 。

导入 CSV 文件 read.csv() 是最常用的函数。

假设你有一个名为 students.csv 的文件，内容如下：

name,score,gender
Alice,85,F
Bob,92,M
Charlie,78,M
David,88,F

在 R 中导入它：

# 导入 CSV 文件
students_data <- read.csv("students.csv", header = TRUE, stringsAsFactors = FALSE)
# 查看数据
print(students_data)
str(students_data)

使用 dplyr 包进行数据处理 dplyr 是一个功能强大的数据处理包，是 tidyverse 生态系统的一部分，它的语法非常直观。

第一步：安装和加载 dplyr

# 安装包（只需要安装一次）
install.packages("dplyr")
# 加载包（每次打开 R 都需要加载）
library(dplyr)

第二步：使用 dplyr 的核心函数

• select(): 选择列
• filter(): 筛选行
• mutate(): 创建新列
• summarise(): 汇总数据
• group_by(): 分组

# 示例：基于 students_data
# 1. 筛选出分数大于 85 的学生
high_scorers <- filter(students_data, score > 85)
print(high_scorers)
# 2. 只选择 name 和 score 两列
student_scores <- select(students_data, name, score)
print(student_scores)
# 3. 创建一个新列 "grade"，根据分数划分等级
students_data <- mutate(students_data,
                        grade = ifelse(score >= 90, "A",
                                       ifelse(score >= 80, "B", "C")))
print(students_data)
# 4. 计算平均分
average_score <- summarise(students_data, avg_score = mean(score))
print(average_score)
# 5. 按性别分组，计算平均分和最高分
gender_summary <- students_data %>%
  group_by(gender) %>%
  summarise(avg_score = mean(score),
            max_score = max(score),
            count = n())
print(gender_summary)

%>% (管道符) 是 dplyr 的灵魂，它可以把前一个操作的结果“传递”给下一个函数，让代码像流水线一样清晰易读。

第五部分：数据可视化

ggplot2 是 R 中最著名、最灵活的可视化包，也属于 tidyverse。

安装和加载 ggplot2

install.packages("ggplot2")
library(ggplot2)

使用 ggplot2 创建图表 ggplot2 的核心思想是“图形语法”，即 ggplot(data = <数据>) + <几何对象>() + <美学映射>()。

示例：绘制一个散点图

# x轴是年龄，y轴是分数，颜色按性别区分
ggplot(data = students_data, aes(x = age, y = score, color = gender)) +
  geom_point() + # 使用点来绘制
  labs(title = "学生年龄与分数关系图", x = "年龄", y = "分数") # 添加标签

示例：绘制一个柱状图

# 统计每个性别的学生人数
ggplot(data = students_data, aes(x = gender, fill = gender)) +
  geom_bar() + # 使用柱状图
  labs(title = "不同性别学生人数", x = "性别", y = "人数") +
  theme(legend.position = "none") # 隐藏图例，因为颜色已经很明确了

第六部分：进阶学习路径与资源

当你掌握了以上基础后,可以朝以下方向深入：

1. R Markdown：一个强大的工具，可以将代码、文本、图表和结果整合成一个漂亮的报告或网页，这是数据科学项目报告的黄金标准。
2. Shiny：一个 R 包，可以让你用 R 语言创建交互式 Web 应用，无需了解 HTML、CSS 或 JavaScript。
3. 机器学习：学习使用 caret 或 tidymodels 等包进行预测建模。
4. 时间序列分析：学习使用 forecast 包进行时间序列预测。

推荐学习资源：

• 书籍：
  • R for Data Science (在线免费阅读): 必读！ 由 tidyverse 的作者编写，完美衔接了数据处理和可视化。
  • The Art of R Programming
• 在线课程：
  • DataCamp 和 Coursera 上有大量高质量的 R 语言课程。
  • Johns Hopkins University 在 Coursera 上开设的 "Data Science" 专项课程非常经典。
• 社区：
  • Stack Overflow：遇到具体问题时，搜索这里，或者提问。
  • R-bloggers：一个聚合了全球 R 语言博客的网站，是学习最新技巧的好地方。

第七部分：最佳实践与常见问题

• 最佳实践：
  • 使用脚本：永远不要在控制台直接写复杂的代码。
  • 注释你的代码： 是你的朋友，解释你代码的意图。
  • 有意义的命名：变量名和数据框名要清晰易懂（如 student_scores 而不是 df1）。
  • 定期保存：保存你的 .R 脚本和 .RData 工作空间。
• 常见问题：
  • 问题：Error in library(dplyr) : there is no package called ‘dplyr’
    • 解决：你没有安装或加载这个包，运行 install.packages("dplyr") 和 library(dplyr)。
  • 问题：Error: object 'x' not found
    • 解决：你引用的变量 x 不存在于当前环境中，检查你是否拼写错误，或者是否已经运行了创建 x 的代码行。
  • 问题：代码运行了，但没有输出任何东西。
    • 解决：有些函数（如 mutate, filter）会返回一个修改后的数据对象，但不会自动打印，你需要用 print() 或直接输入变量名来查看结果。

祝你在 R 语言的学习之旅中一切顺利！这是一个非常有价值的技能。