查回归诊断的时候，无意发现一个帖子，从《R语言实战》第二版里搬过来的。这本书躺在我硬盘里很久了，包括第一版，汗颜。捡起来翻了一下，才发现这本书是多么的有意思，也许是到我现在这个境况，对R的认知程度，才发现这本书的有趣之处。

随手记录下一些碎碎念，主要是我以前没有注意，又老是犯错误的地方吧，就不讲究格式了，希望能早点把“之一”这个尾巴了结掉。

1、R语言编程中的常见错误：大小写错误、必要的引号、函数调用加括号，在win下，路径名中使用了\，R将反斜杠视为转义字符。Setwd("c:\mydata")会报错，正确的写法是： Setwd("c:\mydata") 或者 Setwd("c:/mydata")

2、文本输出：函数sink（“filename”）将输出重定向到文件filename中。默认情况下，如果文件已经存在，直接覆盖。使用参数append=TRUE将追加文本在文件后。参数split=TRUE可将输出同时发送到屏幕和文件中。不加参数调用sink（）将仅向屏幕输出结果。

3、图形输出：sink（）只能重定向文本输出，对图像没有影响。用于保存图像输出的函数有bmp、jpeg、pdf、png、svg、win.metafile等，最后使用dev.off()将输出返回到终端。

pdf("mygraph.pdf")

attach(mtcars)

plot(wt,mpg)

abline(lm(mpg~wt))

title("Regression of MPG on Weight"）

dev.off()

要创建次要刻度线，需要使用Hmisc包中的minor.tick()函数。

可以使用类似TeX的写法为图形添加数学符号和公式。Help(plotmath)。 函数plotmath()可以为图形主体或边界上的标题、坐标轴或文本添加数学符号。

使用函数par()或layout()可以组合图形

mfrow=c(nrows,ncols）

mfcol=c(nrows,ncols)

函数layout()调用形式为layout(mat)，其中mat是一个矩阵，指定了要组合的多个图形的所在位置：layout(matrix(c1,1,2,3),2,2,byrow=TRUE)，意思是第一幅图在第一行，另两幅图在第二行。为了更精确的控制，可以有选择的在layout()函数中使用widths=或heights=两个参数：Widths=各列宽度值组成的一个向量，Heights=各行高度值组成的一个向量

图形布局的精细控制fig:

opar<-par(no.readonly=TRUE)

par(fig=c(0,0.8,0,0.8),mtcars$mpg)

par(fig=c(0,0.8,0.55,1),new=TRUE)

boxplot(mtcars$wt)

par(fig=c(0.65,1,0,0.8),new=TRUE)

boxplot(mtcars$mpg)

fig=默认会新建一幅图形，如果要添加一幅图到现有的图上，需要设定参数new=TRUE

4、包的使用：库所在的位置，使用函数“.libPaths（）”，search（）可以知道哪些包已经加载并可使用。update.packages（）可以更新已经安装的包。 要了解某个函数的返回值，查阅这个函数在线帮助文档中的Value部分即可。

5、数据集。 不同的行业对于数据集的行和列的叫法不同。统计学家称为观察（observation）和变量（variable），数据库分析师称为记录（record）和字段（field），数据挖掘和机器学习学科的学者称为示例（example）和属性（attribute）。 R将实例标识符称为rownames（行名），将类别型（包括名义型和有序型）变量称为因子（factors）。 名义型变量是没有顺序之分的类别变量，如病的类型Diabetes（Type1、Type2）是名义型变量。有序型变量表示一种顺序关系，而非数量关系，如病情status（poor、improved、excellent）。 类别（名义型）变量和有序类别（有序型）变量在R中称为因子（factor）。 要表示有序型变量，需要为函数factor（）指定参数ordered=TRUE。 可以通过指定levels选项来覆盖默认排序：

status<-factor(status,order=TRUE,levels=c("poor","Improved","excellent"))

6、加载数据可用attach()、detach()和with(). Attach()可将数据框添加到R中，detach()将数据框从R中移除。 attach和detach最好在变量名较少的情况下使用，不能存在多个同名的对象。任何情况下，都要当心那些告知某个对象已经被屏蔽（masked）的警告。 除此之外，另一种形式是使用with()，函数with（）的局限在于，赋值仅在此函数的括号内生效，如果需要创建with（）结构以外存在的对象，使用特殊赋值符号<<-代替标准赋值符<-，可将对象保存到with（）之外的全局环境中。

with(mtcars,{

Stats<-summary(mpg)

Stats_keep<<-summary(mpg)

}

stats和stats_keep不同。

within和with类似，within允许修改数据框。

7、读取数据 函数read.table（），读取大型文本文件时，加上colClasses选项可以可观的提升处理的速度。默认情况下，read.table()把字符变量转换为因子，如不需要，可以加上参数stringAsFactors=FALSE，此外还可以使用colClasses选项对每一列指定一个类。

读取压缩文件：gzfile(),bzfile(),xzfile(),unz()等。

8、访问数据库。 ODBC接口,install.packages("RODBC")

RODBC中的函数：

odbcConnect(dsn,uid="",pwd="") 建立一个到ODBC数据库的连接

sqlFetch(channel,sqltable) 读取ODBC数据库中的某个表到一个数据框中

sqlQuery(channel,query) 向ODBC数据库提交一个查询并返回结果

sqlSave(channel,mydf,tablename=sqltable,append=FALSE) 将数据框写入或更新（appedn=TRUE）到ODBC数据库中的某个表中

sqlDrop(channel,sqltable) 删除ODBC数据库中的某个表

Close(channel)关闭连接

假如想将某个数据库中两个表分别导入R中的数据框：

library(RODBC)

myconn<-odbcConnect("Mydsn",uid="username",pwd="password")

df1<-sqlFetch(myconn,Mydsn_sheets1)

df2<-sqlQuery(myconn,"select * from sheets2")

colse(myconn)

函数sqlQuery（）可以插入任意sql语句。

可以安装sqldf包，使用sqldf（）函数在数据框上使用sql中的select语句。

9、创建新变量.transform（）函数：mydata<-transform(mydata,sumx=x1+x2,meanx=(x1+x2)/2)

10、缺失值：缺失值被认为是不可比较的，即便是与缺失值自身的比较。因此无法使用比较运算符来检测缺失值是否存在，例如，逻辑测试myvar==NA的结果永远不会为TRUE。作为替代，只能使用处理缺失值的函数来识别出R数据对象中的缺失值。 同时R不把无限或者不可能出现的数值标记为缺失值。正无穷和负无穷分别用Inf和-Inf标记，因此5/0返回Inf，不可能的值（比如sin（Inf））用NaN符号标记（not a number），如要识别这些数值，需要用is.infinite()或is.nan() 多数数值函数都有一个na.rm=TRUE选项，计算之前移除缺失值，也可以用函数na.omit()移除所有含有缺失值的观测（删除含有缺失数据的行).

11、排序 order（），默认升序，在变量前加减号得到降序的排序结果

Df[order（gender,age）,]

Df[order(gender,-age),]

12、合并 merge（df1,df2,by="ID")

Rbind

cbind

13、丢弃变量

Myvars<-names(df) %in% c("ID1","ID2")

Newdf<-df[!myvars]

14、数据管理. trim截尾：Mean(x,trim=0.05,na.rm=TRUE),丢弃最大5%和最小5%的数据后的算术平均数。

数据标准化scale()：对数据框或矩阵的指定列进行均值为0，标准差为1的标准化 newdf<-scale(df) 要对每一列进行任意均值和标准差的标准化：newdf<-sacle(df)SD+M,M是想要的均值，SD是想要的标准差。要对指定列而不是整个矩阵或数据框标准化：newdf<-transform(df,myvar=scale(myvar)SD+M)

概率函数：[dpqr] distribution_abbreviation(), 第一个字母表示所指分布的某一个方面：

d=密度函数（desity）

p=分布函数（distribution function)

q=分位数函数(quantile,function)

r=生成随机数（随机偏差）

Seq(from,to,by)

Rep(x,n)

Pretty(x,n) 创建美观的分割点。

Apply(x,MARGIN,FUN,…):x是数据对象，MARGIN是维度的下标，MARGIN=1表示行，MARGIN=2表示列。

Sapply()中的"["是一个可以提取某个对象的一部分的函数：

Firstname<-sapply(name,"[",1)

Lastname<-sapply(name,"[",2)

15、整合与重构

t()转置（反转行和列）

R中使用一个或多个by变量和一个预先定义好的函数来折叠（collapse）数据：aggregate(x,by,FUN),其中x是待折叠的数据对象，by是一个变量名组成的列表，这些变量将被去掉以形成新的观测，FUN是用来计算描述性统计量的标量函数。

Reshape2包可以实现数据融合（melt）和数据重铸（cast）。数据融合melt(mydata,id=c("ID1",ID2"),实际是重构，让每个观测变量独占一行，行中带有唯一确定这个观测所需的标识符变量。数据重铸dcast（mydata，formula，fun.aggregate），mydata为已经融合的数据,formula描述了想要的最后结果，fun.aggregate(可选）数据整合函数，其接受的公式形如：rowvar1+rowvar2+…~colvar1+corvar2+…这个公式中，rowvar1+rowvar2+…定义了要划掉的变量集合，以确定各行的内容，而colvar1+colvar2+…定义了要划掉的、确定各列内容的变量集合。

16、描述性统计

除了基础函数summary()以外，psych包和Hmisc包均提供了describe()函数，最后载入的包优先，如果先载入Hmisc，再载入psych，使用describe()，默认为后载入的psych包里的describe,如果要使用Hmisc包，需要采用 Hmisc::describe(mydata)

by(data,INDICES,FUN),data是数据框或矩阵，INDICES是一个因子或因子组成的列表，定义了分组，FUN是任意函数。

table()函数默认忽略缺失值（NA），要在统计频率时将NA视为有效的类别，设定参数useNA="ifany"

cor()相关系数：cor(x,use=,method=)。use指定缺失数据的处理方式，method指定相关系数的类型，可选pearson，spearman或kendall。

cov()协方差

偏相关，在控制一个或多个定量变量时，另外两个定量变量之间的相互关系。在ggm包中的pcor()函数。pcor（u，s）。u是一个数值变量，前两个数值表示要计算相关系数的变量下标，其余的数值为条件变量（即要排除影响的变量）的下标。s为变量的协方差阵。

library(ggm)

colnames(states)

[1] "population","income","illiteracy","life exp","murder","HS Grad"

pcor(c(1,5,2,3,6),cov(states))

[1] 0.346

在控制了收入、文盲率和高中毕业率的影响时，人口和murder之间的相关系数为0.346

相关性检查，psych包中提供的corr.test()函数

library(psych)

corr.test(states,use="complete")

得到相关系数矩阵。use取值可为"pairwise"或“complete"(分别表示对缺失值执行成对删除或行删除），method=的取值为”pearson“（默认值）、spearman或kendall。

ggm包中的pcor.test()用来检验在控制一个或多个额外变量时，两个变量之间的条件独立性。使用格式为pcor.test(r,q,n),其中r是由pcor()函数计算得到的偏相关系数，q为要控制的变量数（以数值表示位置），n为样本大小。

17、中级绘图

在散点图上lines(lowess(a,b),col=,lwd=,lty=)，添加一条平滑曲线，该平滑曲线拟合是一种基于局部加权多项式回归的非参数方法。另外还有loess()是基于lowess()表达式版本的更新和更强大的拟合函数，但两个函数的默认值不同。

car包中的scatterplot()增强了散点图功能，scatterplot(y~x1|x2,data=)，可以按x2的水平分别绘制y与x1的关系图。

散点图矩阵，pairs(~a+b+c+d,data=),如果加上upper.panel=NULL,则只生成下三角的图形。car包中的scatterplotMatrix()函数功能更强大。smoothScatter()函数可利用核密度估计生成用颜色密度来表示点分布的散点图。

scatterplot3d包中的scatterplot3d(x,y,z)函数可以绘制三维散点图，x水平轴，y竖直轴，z透视轴，增加参数type="h",增强纵深感，添加连接点与水平面的垂直线。

rgl包中的plot3d()函数可以创建可交互的三维散点图，通过鼠标可以旋转坐标轴。

气泡图：symbols(x,y,circle=radius)，如果想用面积而不是半径，改为symbols(x,y,circle=sqrt(z/pi))

相关图：corrgram包中的corrgram()函数。下面代码实现下三角区域使用平滑拟合曲线和置信椭圆，上三角区域使用散点图

library(corrgram)

corrgram(df,order=TRUE,lower.panel=panel.ellipe,upper.panel=panel.pts,text.panel=panel.txt,diag.panel=panel.minmax,main="title")