本书本节节选自华章计算机所著《R语言数据挖掘：实用项目分析》一书第1章第1.2节，作者【印度】 （），黄云译，更多内容章节可访问云栖社区“华章电脑”公众号查看。

1.2 R语言简介

本节将开始使用基本的 R 编程知识进行数据管理和数据处理，并且还将讨论一些编程技巧。 R 可以从下载。 用户可以根据自己的操作系统下载并安装 R 二进制文件。 R编程语言作为S语言的扩展，是一个统计计算平台。 它提供先进的预测建模、机器学习算法实现和更好的图表可视化。 R还提供了其他平台的插件，例如R.Net、rJava和R.Net，提高了其在大数据场景下的可用性。 用户可以将 R 脚本移植到其他编程环境。 关于R的详细信息，建议读者参考：

1.2.1 快速入门

启动R时的信息如下所示。 输入到 R 控制台的所有内容都是一个对象。 在单个 R 会话中创建的对象具有不同的属性，附加到对象的公共属性称为其类。 在R中执行面向对象编程有两种相对常见的方式，即S3类和S4类。 S3和S4的主要区别在于前者更加灵活，后者是更加结构化的面向对象编程语言。 S3 和 S4 方法都将符号、字符和数字视为 R 会话中的对象，并提供使该对象可用于进一步计算的函数。

1.2.2 数据类型、向量、数组和矩阵

数据集可分为两种主要类型：原子向量和复合向量。 在R语言中，原子向量可以分为5种类型，即数值或数字类型、字符或字符串类型、因子类型、逻辑类型和复数类型； 复合向量分为4种类型，即数据框、列表和数组。 和矩阵。 R中最基本的数据对象是向量，即使你将一位数字分配给字母，它也会被视为单元素向量。 所有数据对象都包含模式和长度属性，其中模式定义了对象中存储的数据类型，长度定义了对象中包含的元素数量。 R语言中的c()函数用于将多个元素连接成一个向量。

让我们看一下 R 中不同数据类型的一些示例：

在上面的代码中，向量 x1 是一个具有 5 个元素的数值向量。 class() 和 mode() 返回相同的结果，因此两者都确定向量的类型：

在上面的代码中，向量x2是一个由5个元素组成的逻辑向量。 逻辑向量的元素或值可以写成T/F或TRUE/FALSE。

上面的代码中，向量x3代表一个长度为25的字符向量。这个向量中的所有元素都可以用双引号（" "）或单引号（' '）来调用。

因子是另一种数据格式，因子向量中列出了多个类别（也称为“级别”）。 在上面的代码中，向量a是一个特征向量，其两个级别/类别以一定的频率重复。 as.() 命令用于将字符向量转换为因子数据类型。 使用该命令后，我们可以看到它有 5 个级别： 、 、 、 和 。 table()命令可用于显示因子变频表的计算结果：

数据帧是 R 中另一种常见的数据格式，可以包含所有不同的数据类型。 数据帧是包含多个等长向量和不同类型数据的列表。 如果您只是从电子表格导入数据集，则数据类型将默认为数据框。 之后，可以更改每个变量的数据类型。 因此，数据框可以定义为由包含不同类型变量的列组成的矩阵。 在前面的代码中，数据框x包含三种数据类型：数字、逻辑和字符。 大多数现实世界的数据集包含不同的数据类型。 例如，零售商店数据库中存储的客户信息包括客户 ID、购买日期、购买数量、是否参加会员计划等。

关于向量的重要一点：向量中的所有元素必须属于同一类型。 如果不是，R将执行强制转换。 例如，在数值向量中，如果一个元素是字符类型，则向量的类型将从数值转换为字符。 代码如下所示：

R 区分大小写，例如“cat”和“Cat”是不同的。 因此，用户在为向量指定对象名称时必须特别注意。

有时记住所有对象名称并不总是那么容易，示例包括：

如果你想知道当前R会话中的所有活动对象，可以使用ls()命令。 list 命令还打印当前 R 会话中的所有活动对象。 我们来看看什么是列表，如何从列表中提取元素，以及如何使用列表函数。

1.2.3 列表管理、因素和顺序

列表是可以包含抽象对象的有序对象集合。 列表中的元素可以通过双方括号获取。 所包含的对象不要求是同一类型，示例如下：

在上面的示例中，客户 ID 和电话号码是数值变量，而客户姓名和电子邮件地址是字符变量。 上面的列表一共有4个元素。 如果要从列表中提取元素，可以使用双方括号； 如果只想从中提取子列表，可以使用方括号，如下所示：

关于列表，下一步是如何合并多个列表。 多个列表可以通过cbind()函数进行合并，也就是列合并函数。 示例如下：

因素可以定义为分类或名义变量中以一定频率出现的水平。 换句话说，在分类变量中重复出现的水平称为因子。 在下面给出的示例脚本中，字符向量“”包含多个级别，并且可以使用该命令估计每个级别的频率。

序列是可以形成序列数据集的重复次数的迭代，无论是数值的、分类的还是名义的。 可以使用冒号运算符生成数字序列。 如果要使用因子变量生成序列，可以使用 gl() 函数。 该函数在计算分位数和绘制函数时特别有用。 gl()函数还可以应用于其他一些场景，示例如下：

第一行代码生成升序序列，第二行生成降序序列，最后一行生成因子数据类型序列。

1.2.4 数据导入导出

如果设置了目录路径，则将文件导入R系统时，不需要输入文件的完整路径。 如果目录路径设置为系统上的另一个路径并且您仍然想读取该文件，则需要给出该文件所在的完整路径：

无需指定详细路径即可读取文档中的所有文件。 因此，建议读者将目录设置为文件所在目录。

文件格式有很多种，其中CSV或TXT格式最适合R语言平台。 示例如下。 不过，我们也可以导入其他格式的文件。

如果使用read.csv命令，则不需要将()设置为True，也不需要将()设置为逗号(comma)。 但如果你使用的是read.table命令，你必须这样设置，否则R会从表头开始读取数据。

输入解压文件路径时，可以使用“/”或“\”。 在实际项目中，典型的数据以Excel格式存储。 而如何从Excel表格中读取数据是一个挑战。 以 CSV 格式保存数据然后将其导入 R 并不总是很方便。下面的脚本将展示如何在 R 中导入 Excel 文件。我们需要调用两个外部库来导入关系数据库管理系统 (RDBMS) 文件，例如优秀。 脚本中会提到这两个库，脚本中还提供了一些示例数据：

导入SPSS文件的方法如下。 传统企业级软件系统生成的数据要么是SPSS格式，要么是SAS格式。 导入 SPSS 和 SAS 文件的语法需要额外的包或库。 导入SPSS文件需要使用Hmisc包，导入SAS文件需要使用库：

要将数据集从R导出到任意外部地址，可以将读取命令更改为写入命令，然后将目录路径更改为导出文件的路径。