上手R語言

1. 安裝R 與Rstudio
2. Rstudio 功能簡介
3. 上手R 程式撰寫

• Windows 使用者請確定自己的使用者名稱不包含中文
  • 否則請開一個純英文的使用者名稱

• CRAN
• 台大的CRAN Mirror
• 依據作業系統做選擇:
  • Windows --> base --> Download R 3.3.2 for Windows --> 打開下載後的檔案並安裝
  • Mac OS X --> R-3.3.2.pkg --> 打開下載後的檔案並安裝
  • Linux 請參考不同distribution的安裝說明，有問題課後找助教

• 影片中的範例是 3.0.2 的版本，請使用者記得安裝 3.1 以上的版本喔！

• 此影片由中華R軟體學會的李明昌老師提供

sudo sh -c 'echo "deb http://cran.csie.ntu.edu.tw/bin/linux/ubuntu trusty/" >> /etc/apt/sources.list'
sudo apt-key adv --keyserver keyserver.ubuntu.com --recv-keys E084DAB9
sudo apt-get update && apt-get install -y r-base libcurl4-openssl-dev libxml2-dev espeak

• Rstudio
  • Desktop --> Open Source Edition --> 根據作業系統選擇

• Rstudio 的官方網頁一直在改版... 所以請在Google搜尋最近一個月關於「how to install rstudio」的影片
• 可能失效的範例：

• 主要撰寫程式碼的區域
• 具備多種功能協助我們使用程式碼

• 了解什麼是expression(敘述)
• 了解變數(名字、值)
  • 了解assignment
• 了解函數、參數
• 學習簡易套件安裝

• R 的程式是由一個又一個的expression所構成
• Console 會回應每一個「完整」的expression
• Console上的>代表「R 正準備接受下一個expression」
• Enter代表一個expression的結束

• 先乘除後加減，括號更優先
• Console上的+代表「R 認為expression沒有結束」
• 完成expression後R 才會處理
• ESC可以中斷expression

• 輸入到console的程式碼，都會被當成expression處理
• #之後的程式碼不會被處理，稱為「註解」
• 投影片之後會用以下格式Demo程式碼的執行結果:

[1] 2

• 買電腦的時候，上面會寫：這台筆記型電腦有4GB的記憶體(RAM)
• 在電腦中資料的單位：
  • 1個0或1是一個位元(bit)
  • 8個0或1是一個位元組(Bytes)
  • 1024個位元組是1KB
  • 1024KB是1MB
  • 1024MB是1GB
• 請問: 1MB是多少位元?
• 一個整數需要4個位元組大小的記憶體，請問50000個整數需要多少記憶體? 請用MB為單位

• 全台灣人的身份證字號與性別的表格
• 2300萬人
• 身份證字號共10碼，每碼佔用1Bytes
• 性別以整數紀錄，0 : 女性、1：男性
• 請問需要多大的記憶體(MB)儲存上述資料？

或是看課堂老師的說明

• 變數的概念很接近數學的「未知數」
• 範例:

y = x + 1
x 代入 1 則 y 為 2
x 代入 2 則 y 為 3

• 前後利用"所夾住的文字，在程式碼中會視為字串(character)

[1] 2

[1] "1 + 1"

• 字串不是程式碼、字串不是變數
• 字串就是文字
• 字串與變數的不同：R 處理變數的名字時，會先找到該名字所對應的值，用值把名字替換掉之後再執行

• 儲存2300萬人的身份證字號與性別需要多大的記憶體(MB)?

[1] 307.0831

• 儲存x萬人的身份證字號與性別需要多大的記憶體(MB)?

• 儲存台北市270萬人的身份證字號與性別需要多大的記憶體(MB)?

[1] 36.04889

• 儲存新北市400萬人的身份證字號與性別需要多大的記憶體(MB)?

[1] 53.40576

• 描述從名字到值的關係

  • 每個變數都有一個「名字」與對應的「值」 r x = 270

• x是名字、值則是270

• x = 270這類型的程式碼被稱為assignment(賦值)

  • assignment是不是一種expression?

• 在R 裡面，以下都是assignment

[1] 11.84464

[1] 9.613037

[1] 9.441376

• 輸入是變數x, 輸出是x * 10000 * (10 + 4 + 4) / 1024 / 1024
• 這是一個函數

• R 也可以建立函數:

f <- function(x) x * 10000 * (10 + 4 + 4) / 1024 / 1024

[1] 11.84464

[1] 9.613037

[1] 9.441376

[1] 8.926392

• 具體提供以下功能的，都是函數
  • 讀取資料
  • 清理資料
  • 繪圖

• 函數的本質也是變數
  • 函數有名字
  • 值的本質是函數

[1] 2.5

[1] 2.5

1. mean: 函數的名字
2. (、): 括號。名字後面接括號，代表這個名字的變數是一種函數
3. a: arguments(參數)

• 函數就是「動作」
  • 範例：「計算需要的記憶體的動作」, 之前的練習所提到的函數
  • 範例：「計算x的平均數」, mean(x)
• 名字是動作的名稱
  • mean: 算平均數
  • sd: 算樣本標準差
• 參數控制動作
  • mean(x): 計算x 的平均數
  • mean(y): 計算y 的平均數
  • mean(x, na.rm = TRUE): 計算x 的平均數，不包含遺失值

• 函數就是功能
• R 之中有許許多多的函數
  • 讀取資料的函數
  • 處理資料的函數
  • 操作檔案的函數
  • 輸出資料的函數
• R 的套件，提供更多更多的函數

• 有些提供R 沒有提供的功能
  • 處理網頁的套件: XML、xml2、jsonlite
  • 爬網站的套件: httr
  • 跑進階分析(某篇paper的演算法)的套件: supc
• 有些提供類似，但是設計不同的功能
  • 整理資料: dplyr
  • 繪圖: ggplot2
• 有些提供資料
  • 棒球資料: Lahman

• 套件提供函數、函數就是功能，所以套件就是提供「一系列相關主題的功能」
• 套件本身都會提供說明文件，解釋如何使用套件
  • examples
  • demo
  • vignettes
• 如果我要找特定功能的套件，怎麼辦?
  • CRAN Task Views

install.packages("ctv")

Error in library(ctv): there is no package called 'ctv'

Error in loadNamespace(name): there is no package called 'ctv'

Error in x[[5]]: subscript out of bounds

function (pkgs, lib, repos = getOption("repos"), contriburl = contrib.url(repos, 
    type), method, available = NULL, destdir = NULL, dependencies = NA, 
    type = getOption("pkgType"), configure.args = getOption("configure.args"), 
    configure.vars = getOption("configure.vars"), clean = FALSE, 
    Ncpus = getOption("Ncpus", 1L), verbose = getOption("verbose"), 
    libs_only = FALSE, INSTALL_opts, quiet = FALSE, keep_outputs = FALSE, 
    ...) 
NULL

• install.packages 負責安裝套件

• 電腦需要知道動作的細節才能運作:

  • 要安裝什麼套件?
  • 從哪裡安裝套件?
  • 以及其他種種細節

function (pkgs, lib, repos = getOption("repos"), contriburl = contrib.url(repos, 
    type), method, available = NULL, destdir = NULL, dependencies = NA, 
    type = getOption("pkgType"), configure.args = getOption("configure.args"), 
    configure.vars = getOption("configure.vars"), clean = FALSE, 
    Ncpus = getOption("Ncpus", 1L), verbose = getOption("verbose"), 
    libs_only = FALSE, INSTALL_opts, quiet = FALSE, keep_outputs = FALSE, 
    ...) 
NULL

• 一個函數的參數可以有很多個
• 每個參數都有對應的「名字」
• install.packages的參數有: pkg、lib、repos...
  • pkg 代表「要安裝的套件的名稱」
  • repos 代表「提供套件的網站」

function (pkgs, lib, repos = getOption("repos"), contriburl = contrib.url(repos, 
    type), method, available = NULL, destdir = NULL, dependencies = NA, 
    type = getOption("pkgType"), configure.args = getOption("configure.args"), 
    configure.vars = getOption("configure.vars"), clean = FALSE, 
    Ncpus = getOption("Ncpus", 1L), verbose = getOption("verbose"), 
    libs_only = FALSE, INSTALL_opts, quiet = FALSE, keep_outputs = FALSE, 
    ...) 
NULL

install.packages("ctv")

• pkg : "ctv"

function (pkgs, lib, repos = getOption("repos"), contriburl = contrib.url(repos, 
    type), method, available = NULL, destdir = NULL, dependencies = NA, 
    type = getOption("pkgType"), configure.args = getOption("configure.args"), 
    configure.vars = getOption("configure.vars"), clean = FALSE, 
    Ncpus = getOption("Ncpus", 1L), verbose = getOption("verbose"), 
    libs_only = FALSE, INSTALL_opts, quiet = FALSE, keep_outputs = FALSE, 
    ...) 
NULL

install.packages("ctv", "http://cran.csie.ntu.edu.tw")

• pkg : "ctv"
• lib : "http://cran.csie.ntu.edu.tw"

function (pkgs, lib, repos = getOption("repos"), contriburl = contrib.url(repos, 
    type), method, available = NULL, destdir = NULL, dependencies = NA, 
    type = getOption("pkgType"), configure.args = getOption("configure.args"), 
    configure.vars = getOption("configure.vars"), clean = FALSE, 
    Ncpus = getOption("Ncpus", 1L), verbose = getOption("verbose"), 
    libs_only = FALSE, INSTALL_opts, quiet = FALSE, keep_outputs = FALSE, 
    ...) 
NULL

install.packages("ctv", repos = "http://cran.csie.ntu.edu.tw")

• pkg : "ctv"
• repos : "http://cran.csie.ntu.edu.tw"

function (pkgs, lib, repos = getOption("repos"), contriburl = contrib.url(repos, 
    type), method, available = NULL, destdir = NULL, dependencies = NA, 
    type = getOption("pkgType"), configure.args = getOption("configure.args"), 
    configure.vars = getOption("configure.vars"), clean = FALSE, 
    Ncpus = getOption("Ncpus", 1L), verbose = getOption("verbose"), 
    libs_only = FALSE, INSTALL_opts, quiet = FALSE, keep_outputs = FALSE, 
    ...) 
NULL

install.packages("ctv", repo = "http://cran.csie.ntu.edu.tw")

• pkg : "ctv"
• repos : "http://cran.csie.ntu.edu.tw"

function (pkgs, lib, repos = getOption("repos"), contriburl = contrib.url(repos, 
    type), method, available = NULL, destdir = NULL, dependencies = NA, 
    type = getOption("pkgType"), configure.args = getOption("configure.args"), 
    configure.vars = getOption("configure.vars"), clean = FALSE, 
    Ncpus = getOption("Ncpus", 1L), verbose = getOption("verbose"), 
    libs_only = FALSE, INSTALL_opts, quiet = FALSE, keep_outputs = FALSE, 
    ...) 
NULL

install.packages("ctv", "http://cran.csie.ntu.edu.tw", lib = "/home/wush/Project/2017-DS-Programming/.lib")

• pkg : "ctv"
• lib : "/home/wush/Project/2017-DS-Programming/.lib"
• repos : "http://cran.csie.ntu.edu.tw"

function (pkgs, lib, repos = getOption("repos"), contriburl = contrib.url(repos, 
    type), method, available = NULL, destdir = NULL, dependencies = NA, 
    type = getOption("pkgType"), configure.args = getOption("configure.args"), 
    configure.vars = getOption("configure.vars"), clean = FALSE, 
    Ncpus = getOption("Ncpus", 1L), verbose = getOption("verbose"), 
    libs_only = FALSE, INSTALL_opts, quiet = FALSE, keep_outputs = FALSE, 
    ...) 
NULL

install.packages("ctv")

• repos : getOption("repos")
• destdir : NULL

• 順序、名字
  • 有給名字，則「部份比對名字」(Best Practice: 請打全名)
  • 沒給名字，則照順序，但是會跳過已經給名字的參數
  • 剩下的參數則考慮預設值
• 建議: 超過三個以上，都用使用「全名」來指定參數

function (x, split, fixed = FALSE, perl = FALSE, useBytes = FALSE) 
NULL

[[1]]
[1] "ab" "ef"

• 請問參數x、split、fixed、perl與useBytes的值各為何?

• 初步了解如何構成一個R 的程式
  • 函數... 函數... 函數.......
  • 當然還有其他的東西
• 函數就是功能，套件提供更多的函數
• 知道如何安裝套件