新手指南，R 語言基本教學
學習過程中的一點心得整理。
前言
先自首這絕對是一個不專業的 R 語言分享，身為一個 Computer Science 人時不時就有幫人解決疑難雜症，無論是討論演算法、程式或是有人跨系修課也會拿著熱騰騰的作業來問你，秉持著一顆熱愛學習的心，筆者就這樣幫助同學邊討論邊寫了 R 的作業。
因此，決定把學習到的東西稍微記錄下來。畢竟，教學文永遠是越多越好，通常遇到程式問題時，筆者總是耐著性子一篇一篇教學文看，你永遠不知道會不會下個轉角，就遇到跟你一模一樣需求，甚至連 Code 都幫你寫好的大神。
有鑒於筆者讀的文獻英文居多，所以文章中的專有名詞就以英文呈現。
快速瀏覽
節省閱讀時間，下面羅列文章有用到的 Function。
- length() - grepl()
- read.table()
- rowMeans()
- colMeans()
- dim()
- row.names()
- names()
- hist()
- log()
- ifelse()
- cbind()
- factor()
- table()
- subset()
- rnorm()建立環境
筆者很懶，最討厭處理設定和安裝環境，以我多年當助教、或是當 Mentor 的經驗，對入門者而言最難的永遠不是程式，而是令人摸不透的環境設置，因此這邊介紹大家一個好東西，叫做 Google Colab。
Google 出的這款雲端開發環境，使用起來和 Jupyter Notebook 類似，也有支援 R 語言的撰寫，也就是說今天不需要安裝一堆東西，只有輕鬆點開下面連結，開一個 Base-on R 的 Notebook 即可。
The link to new a R Colab notebook 點開就能跑
The description of R Google Colab
熱身
我們先從裝有字串的 Vector 開始，印出它的長度來看看。
library(ggplot2) #set the librarynouns <- c("apple", "banana", "cat", "dog", "egg", "fox", "good")
length_of_nouns <- length(nouns)
print(nouns)
接著來試試看使用 Indexing 建立新的 index
#using indexing to create a new index
test_1 <- nouns[c(1:4)]
test_3 <- nouns[c(1,3:4,7)] #Get 1,3,4 and 7 vaulesprint(test_1)
print(test_3)
接下來反轉一下 Vector。
# reverse oreder indexing
test_4 <- nouns[c(7:1)]
print(test_4)
資料處理
接下來進入讀檔案處理的環節！
首先介紹資料處理第一關，在 Google Colab 讀資料，只能說非常難筆者卡了半個小時，在 Python 中要用程式與 google drive 做連結。經過好一陣子的折磨，發現超簡單時差點把自己掐死，最左邊有個很像資料夾的東西，點開就可以把檔案傳上去了。
介紹資料集
# Read file as dataframe
data <- read.table('test.txt', header = TRUE)# Columns name
names(data)
# Rows name
row.names(data)
# Dimension of the data
dim(data)
計算 Columns ＆Rows 的 Mean
# Cal row's mean
rowMeans(data["S2",1:6])# Cal col's mean with different function
colMeans(Filter(is.numeric, data)['T2'])
以 Column 的 Value 作為 Key 找出對應的 Rows
# Single groupby
GroupBy <- data[grepl("DB", data[["Group"]]) , ]# Multiple groupby
MultiGroupBy <- data[grepl("DA", data[["Group"]]) |
grepl("DC", data[["Group"]]) , ]
極簡單常態分佈篇
首先來進行一下假設，一個班級有500個學生，全校平均為 70 分，標準差是 10 分，填入公式後會得到下面的程式。
# Normal Distribution
x <- rnorm(200, mean=68, sd=10)# Curve the score by adding 11%
cur_x <- 1.11*x# Min
min(cur_x)# Max
max(cur_x)# Standard Deviation
sd(cur_x)# Mean
mean(cur_x)# Plot as histogram
hist(cur_x, probability=TRUE)
資料處理 Part 2
資料介紹
現在來另一個魚骨頭長度資料集。
If/else 使用 ＆ Column 與 dataframe merge
# 先取出 data 中 Fish 的 vector
test <- data[["Fish"]]# 用它來判斷如果裡面有 f 則設為 female, 否則為 male
sex <- ifelse(grepl("f", test), "female", "male")# 將其 Merge 回原資料並把 Column 設為 Sex
x <- cbind(data, Sex = sex)
Natural Log 使用以及 Table()
# 以 Sex 欄位建立一個 Table 統計裡面 Values 出現次數
occurences<- table(x["Sex"])# 將 Bone 欄位進行 Natural Log
after_log <- log(x[["Bone"]])
hist(after_log, probability=TRUE)
使用 Logical Indexing 和 Subset 處理資料
解釋一下 Logical Indexing，簡單來說就是建立一個與目標欄位等長且只有 True 或 False 的 Vector，並在其中進行挑選，把要留下的資料對應的位置設為 True，其餘的設為 False 。接下來在做 Logical Indexing 時，就會自動留下為 True 的資料。
# init data
data <- read.table('fish.txt', header = TRUE)# 以 vector 的方式取出 Fish
test <- data[["Fish"]]# 以 if/else 的方式判斷，與骨頭長度有沒有超過 25cm
# 用 data$Bone 類似變數的概念，可看作為 data["Bone"]
over <- c(ifelse(data$Bone > 25.0, TRUE, FALSE))
print(over)# 將產生出的 over(vector) 做 logical indexing 產生Ｔ
t <- test[over]
print(t)# 以 Sebset() 的方式處理資料。
sub <- subset(data, Bone < 25.0)
print(sub)
後記
不專業教學文在這邊告一段落，只要能夠照著上面的步驟嘗試，相信你也能掌握一些資料處理的技巧，下方筆者羅列了許多厲害大神的教學文，想再更精進的大家，不要錯過了。
關於作者
關於作者: Shane喜歡寫文章的理科男孩。
目前人在紐約攻讀 Master of Computer Science 不定期分享一些留學、工作、生活、旅遊的有趣故事們。歡迎追蹤我或是刊物【島嶼男孩】!!!↓如果喜歡我的文章，或覺得有趣請幫我分享或拍20下手↓↓↓↓
或是買杯咖啡給我，支持我持續文字創作，天佑台灣。
Reference
