实验目标

本次实验共100分钟，零基础可入门，完成后你将完整了解：

  1. RStudio编程方式与11条好的编码习惯
  2. R原生核心语法、数据类型、数据结构
  3. 向量运算、序列生成、随机数、统计分布（先初步了解，后面会更深入用到）
  4. 运算符、流程控制、自定义函数原生写法
  5. 完整数据分析流程：数据读取→清洗→分析→可视化→导出（先初步了解。后面会更多地学习）
  6. 体验原生R写法与现代tidyverse优雅写法，建立标准R编程思维

R语言新手应该养成的好习惯

现在铺的路，都是老师当年踩过的坑啊

  1. 用RStudio，尽量不使用原生RGui

RStudio 是 R 的标准集成开发环境，一站式完成写代码、看数据、出图、查报错、管理文件，是学术界、企业界唯一主流工具。

  1. 所有代码写在.R脚本中，绝不直接写控制台

控制台代码无法保存、无法回溯、无法复用。脚本可以分段运行、随时修改、永久留存，是作业、实验、数据分析的标准方式。

  1. 写地道R向量化代码，拒绝C/Java循环风格

R是向量化语言，优先向量运算、列运算、批量运算。尽量少写for循环、多层if嵌套，代码更短、速度更快、更贴合R原生逻辑。（当然，你后面熟悉了，也会有不得已使用循环的时候。但在R里，尽量少用循环，除非不得已。）

  1. 善用R扩展包生态，不重复造轮子

R的核心优势是开源包生态，统计、绘图、清洗、建模全部有成熟工具。熟练掌握 install.packages() 安装包、library() 加载包。

  1. 代码必写注释，变量命名规范整洁

所有关键代码必须用 # 添加注释，注释解释目的而非解释过程；变量使用下划线命名法，整洁易懂。

  1. 先探查数据，再分析建模

导入数据后，固定执行三步探查：head()、str()、summary()。新手90%报错，都是“不看数据直接写代码”导致。

  1. 分清大小写，全程使用英文半角符号

R语言对大写小写敏感，XinYu和xinyu，在R中是两个对象。中文逗号、中文括号、中文引号会100%报错。所有代码符号必须是半角英文。

  1. 善用官方帮助文档，拒绝死记硬背

不确定函数直接运行 ?函数名，官方文档包含解释、参数、案例，是最高效的学习工具。

  1. 保护原始数据，绝不原地修改源文件

原始CSV、Excel、TXT文件永久只读不修改。所有数据清洗、衍生变量、筛选操作全部新建对象保存，防止数据不可逆损坏。

  1. 读懂报错信息，不畏惧红色提示

R报错精准定位问题：对象不存在、类型不匹配、长度不一致、参数缺失。读懂报错是进步最快的方式。

  1. 使用RStudio Project管理所有项目

建立 .Rproj 项目文件，自动绑定工作目录，文件结构整洁、换电脑不报错。(我们涉及到项目的时候再说)

RStudio基础

1. RStudio四大面板功能说明

打开RStudio默认四分区界面：

  • 左上【脚本区 Source】：写代码、保存代码、分段运行（核心工作区）
  • 左下【控制台 Console】：展示运行结果、报错信息、输出内容
  • 右上【环境 Environment】：查看所有变量、向量、数据框，可点击预览表格
  • 右下【Files/Plots/Packages/Help】：管理文件、展示图片、加载包、查询帮助

RStudio 标准项目管理（整门课程统一项目规范）

在正式新建脚本写代码之前，我们先学会 R 项目管理。数据分析、科研、作业、课程练习，不要裸跑代码！（从开始就养成好习惯）所有课程练习、所有作业、所有数据分析，全部统一放在一个 .Rproj 项目中。

a. 什么是 R 项目（.Rproj）

RStudio 项目（Project）是一个独立、干净、自带工作目录的工作文件夹。

一个项目 = 一个课题 = 一个文件夹 = 一套独立代码环境

b. 本课课程统一项目

我们把整门R语言课程当成一个完整数据分析项目：

项目名称：R_Learning_你的昵称（其实你喜欢起什么项目名都行）

项目内部固定结构（构建完项目以后打开目录看看）

  • code/ 存放每节课的所有 .R 脚本
  • data/ 存放原始数据（csv、excel、txt，永远不修改）
  • output/ 存放导出结果、图片、表格
  • R_Learning_Project.Rproj 项目主文件

c. 手把手新建标准项目

  1. RStudio 右上角 → File → New Project
  2. 选择 New Directory
  3. 选择 New Project
  4. 项目名填写：R_Learning_你的昵称
  5. 选择保存位置（英文路径、无中文）
  6. 点击 Create Project

成功后：

  • 自动生成 .Rproj 项目文件
  • 自动锁定工作目录
  • 以后所有代码默认在项目路径下运行

d. 项目模式的优势

用写 setwd() 手动设置路径 入数据直接写 read.csv("data/xxx.csv") 换电脑、交作业、打包发送 零路径报错 代码、数据、结果完全分离，符合科研规范 每节课新增脚本，全部放进 code 文件夹，永不混乱

当开始用Rstudio的项目管理时，你已经看起来很专业啦！

2. 新建R脚本（标准操作）

  • 手动路径：File -> New File -> R Script
  • 快捷键：Ctrl+Shift+N

3. 保存脚本

  • 快捷键：Ctrl+S
  • 脚本后缀统一为 .R，建议英文命名、无中文、无空格。

4. 运行代码（两种标准方式）

  1. 单行/选中运行（最常用）：光标置于代码行，Ctrl+Enter或者run
  2. 整页运行：点击右上角 Source

5. 新手第一行代码

# 我的第一段标准R代码
print("Hello RStudio！上帝无谓男女，编程不分文理！")
## [1] "Hello RStudio！上帝无谓男女，编程不分文理！"
# 我的第一副图
x<-seq(-4,4,0.1)
y<-dnorm(x)
plot(x,y,xlab="随机变量值",ylab="概率密度",main="传说中的标准正态分布",col="red",typ="l",lwd=3)

6. 查看结果位置

  • 文字/数值结果：左下角控制台
  • 变量/数据集：右上角环境面板
  • 图片绘图：右下角Plots面板
  • 代码报错：左下角红色提示

关卡1：R核心语法与基础数据类型

R中所有数据都有对应的类型，只有理解数据类型，才会明白为什么有些运算会报错。基础四大类型是后续向量、数据框的底层基石。

1.1 变量赋值与基础运算

R标准赋值符号：<-（快捷键 Alt+-），= 不要混用赋值风格，全程统一 <-

a <- 100
b <- 30
# 基础算术运算
a + b
## [1] 130
a - b
## [1] 70
a * b
## [1] 3000
a / b
## [1] 3.333333
a ^ 2    # 平方
## [1] 10000
a %% b   # 取余
## [1] 10
a %/% b  # 整除
## [1] 3

1.2 四大基础数据类型

R原生核心数据类型，所有数据都基于以下四类：

类型 作用 示例
数值型 numeric 小数、整数、连续数据 3.14 60
字符型 character 文本、标签、分类文本 "男" "张三"
逻辑型 logical 判断真假，仅两值 TRUE FALSE
缺失值 NA 空数据、未观测数据 NA 
# 四类数据类型演示
num_var <- 66.5
char_var <- "R语言学习"
log_var <- TRUE
na_var <- NA
# 查看数据类型
class(num_var)
## [1] "numeric"
class(char_var)
## [1] "character"
class(log_var)
## [1] "logical"

1.3 缺失值处理（统计学必备）

NA代表缺失观测，任何运算只要包含NA，默认结果就会是NA。在统计分析的时候，我们常常需要手动设置参数忽略缺失值才能正常计算。

score <- c(88,76,NA,92,65)
mean(score)           # 默认含NA，结果NA
## [1] NA
mean(score, na.rm=TRUE) # 忽略缺失值计算
## [1] 80.25

关卡2：向量操作与向量化运算

向量是R中最基础的数据容器，R的设计理念就是面向向量批量运算，这也是R和C、Python最大区别之一。向量里面所有元素必须是同一个数据类型。

2.1 向量创建

向量是R的最小运算单元，所有批量运算基于向量

# c() 拼接创建向量
income <- c(3200,5600,4800,7100,2900)

2.2 向量索引（R从1开始计数）

R的索引从1开始，不是0！可以通过方括号提取向量中部分元素；还可以用逻辑条件筛选元素。

income[1]         # 取第1个
## [1] 3200
income[2:4]       # 连续取值
## [1] 5600 4800 7100
income[-1]        # 删除第1个
## [1] 5600 4800 7100 2900
income[income>4000]# 逻辑筛选
## [1] 5600 4800 7100
#如何把score这个向量的NA值，替换成100呢？

2.3 向量化批量运算（R核心优势）

不需要写循环，直接对整个向量做运算，R会自动对每一个元素批量计算，简洁高效。

income + 500
## [1] 3700 6100 5300 7600 3400
income * 1.2
## [1] 3840 6720 5760 8520 3480
income / 1000
## [1] 3.2 5.6 4.8 7.1 2.9

2.4 向量常用统计函数

length(income)
## [1] 5
sum(income)
## [1] 23600
mean(income)
## [1] 4720
max(income)
## [1] 7100
min(income)
## [1] 2900
sort(income)
## [1] 2900 3200 4800 5600 7100

关卡3：序列生成、随机数与统计分布

在模拟实验、抽样、生成自变量时，我们经常需要生成有序序列或者随机数。

3.1 规则序列生成

# 1.简单连续序列
1:15
##  [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15
# 2.自定义步长序列
seq(from=2, to=30, by=4)
## [1]  2  6 10 14 18 22 26 30
# 3.固定数量等分序列
seq(1,10,length.out=6)
## [1]  1.0  2.8  4.6  6.4  8.2 10.0
# 4.重复序列
rep(c(1,2,3), times=2)
## [1] 1 2 3 1 2 3
rep(c("A","B"), each=3)
## [1] "A" "A" "A" "B" "B" "B"

3.2 随机数与随机种子

计算机生成的是伪随机数。设置set.seed()，可以固定随机结果，保证你的实验代码别人运行，得到一模一样的结果，满足科研可复现要求。

set.seed(123) # 固定随机种子
rnorm(n=8, mean=50, sd=10) # 正态随机数
## [1] 44.39524 47.69823 65.58708 50.70508 51.29288 67.15065 54.60916 37.34939
runif(n=8, min=0, max=100) # 均匀随机数
## [1] 24.608773  4.205953 32.792072 95.450365 88.953932 69.280341 64.050681
## [8] 99.426978

3.3 R四大统计分布函数 d/p/q/r （理论咱们后面学，这里先了解一下）

  • d：密度函数
  • p：累积概率
  • q：分位数
  • r：随机抽样
dnorm(0)
## [1] 0.3989423
pnorm(1.96)
## [1] 0.9750021
qnorm(0.975)
## [1] 1.959964
rnorm(10)
##  [1]  0.4007715  0.1106827 -0.5558411  1.7869131  0.4978505 -1.9666172
##  [7]  0.7013559 -0.4727914 -1.0678237 -0.2179749

关卡4：四类运算符体系

运算符用来做计算、比较、条件判断，是筛选数据、构建逻辑条件的基础。

4.1 算术运算符

+ - * / ^ %% %/% 用于数值计算

# 算术运算示例（同1.1 再练一下也好）
x <- 10
y <- 3
x + y   # 加法
## [1] 13
x - y   # 减法
## [1] 7
x * y   # 乘法
## [1] 30
x / y   # 除法
## [1] 3.333333
x ^ 2   # 平方
## [1] 100
x %% y  # 取余数
## [1] 1
x %/% y # 整数除法
## [1] 3

4.2 关系运算符

> < >= <= == != 比较大小、判断相等，返回 TRUE / FALSE

# 关系运算示例
a <- c(12, 25, 30, 47)
a > 20
## [1] FALSE  TRUE  TRUE  TRUE
a == 30
## [1] FALSE FALSE  TRUE FALSE
a != 25
## [1]  TRUE FALSE  TRUE  TRUE
a <= 40
## [1]  TRUE  TRUE  TRUE FALSE

4.3 逻辑运算符

& | ! （向量多条件筛选，逐元素判断）

&& || （if条件判断，只看第一个元素）

# 逻辑运算示例
v <- c(15, 28, 33, 46)
v > 20 & v < 40  # 向量，同时满足两个条件
## [1] FALSE  TRUE  TRUE FALSE
v < 20 | v > 40  # 向量，满足任一条件
## [1]  TRUE FALSE FALSE  TRUE
!(v > 30)        # ! 取反，不大于30
## [1]  TRUE  TRUE FALSE FALSE
# && 和 || 只判断一个元素
(v > 20)[1] && (v < 40)[1]
## [1] FALSE

4.4 多条件筛选

vec <- c(20,35,41,55,68)
# 筛选大于30并且小于60的元素
vec[vec > 30 & vec < 60]
## [1] 35 41 55

关卡5：数据结构进阶：因子、数据框、列表

向量是单类型一维结构；因子专门处理分类变量；数据框就是R里的表格（最常用）；列表是最灵活的复合型容器。

5.1 因子（分类变量专用）

因子（factor）专门用来存储分类数据，例如性别、组别、品种。R会记录类别水平，在回归、方差分析、绘图时会自动识别为分类变量，而不是普通文本。

gender <- c("男","女","男","女")
gender_fac <- factor(gender)
str(gender_fac)
##  Factor w/ 2 levels "男","女": 1 2 1 2

5.2 数据框（R数据分析核心）

数据框就是R中的数据表，类似Excel表格：每一列可以是不同类型，但每一列长度必须相同。社会科学、统计分析绝大多数原始数据都是数据框格式。

df <- data.frame(
  name = c("张三","李四","王五"),
  score = c(88,92,79),
  pass = c(T,T,F)
)
df$score
## [1] 88 92 79
df[df$score>80,]
##   name score pass
## 1 张三    88 TRUE
## 2 李四    92 TRUE

5.3 列表（复合型存储）

列表是R里最灵活的数据容器，可以把不同类型、不同长度的数据放在同一个对象里。向量要求所有元素类型一致；数据框要求每一列长度相同；但列表不受限制，可以同时存放数值向量、文本、数据框，甚至其他列表。

# 构建一个复合型列表：同时包含向量、数据框、单个字符串
mylist <- list(
  num_vec = c(1, 2, 3),
  student_df = df,
  note = "这是一个复合型列表，可以存放多种不同类型数据"
)

# 查看整个列表
mylist
## $num_vec
## [1] 1 2 3
## 
## $student_df
##   name score  pass
## 1 张三    88  TRUE
## 2 李四    92  TRUE
## 3 王五    79 FALSE
## 
## $note
## [1] "这是一个复合型列表，可以存放多种不同类型数据"
# 提取列表第1个元素：数值向量
mylist[[1]]
## [1] 1 2 3
# 提取列表第2个元素：数据框
mylist[[2]]
##   name score  pass
## 1 张三    88  TRUE
## 2 李四    92  TRUE
## 3 王五    79 FALSE
# 按名字提取列表里的数据框
mylist$student_df
##   name score  pass
## 1 张三    88  TRUE
## 2 李四    92  TRUE
## 3 王五    79 FALSE

关卡6：流程控制与自定义函数

流程控制用来做条件判断、循环；自定义函数允许我们封装重复代码，提升代码复用性。记住R优先向量化，循环尽量少用。

6.1 ifelse 向量化判断

ifelse() 是R推荐的向量化条件判断函数，一次性对向量全部元素判断，不要写循环逐个判断。

s <- c(55,66,88,45)
ifelse(s>=60,"及格","不及格")
## [1] "不及格" "及格"   "及格"   "不及格"

6.2 for循环（少用、了解即可）

for循环可以遍历元素，但在R中速度慢，优先用向量运算替代。只需要看懂，日常尽量不写。

for(i in 1:3){
  print(i)
}
## [1] 1
## [1] 2
## [1] 3

6.3 自定义函数

把重复使用的代码打包成函数，输入参数，返回结果，减少重复代码。

bmi_calc <- function(h,w){
  return(w/(h/100)^2)
}
bmi_calc(175,70)
## [1] 22.85714

关卡7：原生环境数据处理与可视化

拿到数据集之后，第一步永远是探查数据；然后筛选、新增变量，最后可视化。这是一套标准数据分析工作流。

7.1 数据探查标准三件套

data(iris)
head(iris)
##   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1          5.1         3.5          1.4         0.2  setosa
## 2          4.9         3.0          1.4         0.2  setosa
## 3          4.7         3.2          1.3         0.2  setosa
## 4          4.6         3.1          1.5         0.2  setosa
## 5          5.0         3.6          1.4         0.2  setosa
## 6          5.4         3.9          1.7         0.4  setosa
str(iris)
## 'data.frame':    150 obs. of  5 variables:
##  $ Sepal.Length: num  5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
##  $ Sepal.Width : num  3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
##  $ Petal.Length: num  1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
##  $ Petal.Width : num  0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
##  $ Species     : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...
summary(iris)
##   Sepal.Length    Sepal.Width     Petal.Length    Petal.Width   
##  Min.   :4.300   Min.   :2.000   Min.   :1.000   Min.   :0.100  
##  1st Qu.:5.100   1st Qu.:2.800   1st Qu.:1.600   1st Qu.:0.300  
##  Median :5.800   Median :3.000   Median :4.350   Median :1.300  
##  Mean   :5.843   Mean   :3.057   Mean   :3.758   Mean   :1.199  
##  3rd Qu.:6.400   3rd Qu.:3.300   3rd Qu.:5.100   3rd Qu.:1.800  
##  Max.   :7.900   Max.   :4.400   Max.   :6.900   Max.   :2.500  
##        Species  
##  setosa    :50  
##  versicolor:50  
##  virginica :50  
##                 
##                 
##

数据集介绍：鸢尾花（iris）数据集，由统计学家R.A.Fisher整理，包含3个鸢尾花品种，每个品种50个样本，共150条观测。记录4个指标：花萼长度、花萼宽度、花瓣长度、花瓣宽度。是统计学经典数据集。

7.2 数据筛选与新增变量

sub <- iris[iris$Species=="setosa" & iris$Petal.Length>1.4,]
sub$area <- sub$Petal.Length * sub$Petal.Width

7.3 原生绘图

hist(iris$Petal.Length,col="lightblue")

boxplot(Petal.Length~Species,data=iris)

plot(iris$Petal.Length,iris$Petal.Width)

关卡8：R包（Package）介绍：安装与加载包

什么是R包（Package）

R的基础安装只自带基础核心函数（mean()、plot()、data.frame()等），能完成最基础的计算和绘图。

R包（Package）就是别人写好、打包分享的代码集合，里面封装了大量现成函数、数据集、模板，不用我们从零手写代码。

全世界科研人员、统计开发者贡献了上万个开源R包，是R语言最强大的优势。

本节课后面要使用的 dplyr（数据清洗）、ggplot2（绘图），就是两个最经典、学术界广泛使用的R包。

R包两个核心操作

安装 install.packages() 和加载 library()

安装包：install.packages()

只需要电脑第一次使用这个包的时候运行一次。从网络 CRAN 仓库，把包下载安装到你的电脑本地。联网才能运行；重装R、换电脑之后，需要重新安装。

方式1：代码安装（推荐，写进脚本方便复现）

# 安装dplyr和ggplot2，清华镜像加速（国内推荐）
install.packages(c("dplyr", "ggplot2"), repos = "[https://mirrors.tuna.tsinghua.edu.cn/CRAN/](https://mirrors.tuna.tsinghua.edu.cn/CRAN/)")

方式2：RStudio可视化界面点击安装（图形操作，新手友好）

  1. 在RStudio右下角面板，切换到 Packages 标签页
  2. 点击左上角 Install 按钮，弹出安装窗口
  3. 在Packages输入框，填写包名：dplyr, ggplot2（多个包用英文逗号隔开）
  4. 勾选 Install dependencies（自动一并安装依赖包，建议勾选）
  5. 下方 Install from 保持默认：CRAN
  6. 点击 Install，RStudio就会自动联网下载并安装

小提示：图形界面安装本质底层还是调用install.packages()；图形操作不会写入脚本，换电脑/重装R时，操作步骤无法复用。科研和作业优先使用代码方式。

加载包：library() 每次打开RStudio、新开脚本，都要重新运行。 作用：把已经安装在电脑里的包“激活”，让R识别这个包里的函数。不需要联网；只安装不加载，函数无法使用。

注意：

  1. 包名必须加英文双引号写在install.packages()里面；library()写包名一般不加引号。
install.packages("dplyr") # 安装：需要引号
library(dplyr)            # 加载：不需要引号
  1. 安装包时如果报错，优先切换国内镜像。

关卡9：拓展：现代 tidyverse 写法

tidyverse 是R语言一套现代数据科学工具集，核心思想是整洁数据（tidy data）：每行一条观测、每列一个变量。tidyverse并不是单一R包，而是包含dplyr（数据清洗）、ggplot2（可视化）、tibble等一系列配套包的集合。

传统原生R语法诞生较早，写法灵活但风格不统一，筛选、新增变量的代码可读性较差；tidyverse设计目标是代码更贴近人类自然语言，代码阅读顺序和思考数据处理的逻辑顺序保持一致，在社科、统计、生物等领域被广泛使用。

优势：

  1. 管道符号 %>%：把上一步的结果直接传递给下一个函数，减少大量临时变量，代码由上到下顺序阅读，逻辑连贯。

  2. 语法统一：dplyr系列动词（filter筛选、mutate新增变量、select选列）命名直观，新手更容易读懂。

  3. 和ggplot2无缝联动，数据处理+绘图一套体系。

说明：原生R语法和tidyverse没有绝对好坏。原生R是基础，理解底层原理；tidyverse适合快速、清晰地完成数据清洗与可视化，也是现在学术论文数据分析非常主流的写法。（老师更希望大家能够接受tidyverse风格，这样才体现出我们的‘后发优势’，虽然原生R风格也不错）

library(dplyr)
library(ggplot2)
# 优雅数据处理：筛选花瓣长度>1.5，新增长宽比变量，查看前几行
iris %>%
  filter(Petal.Length>1.5) %>%
  mutate(ratio = Petal.Length/Petal.Width) %>%
  head()
##   Sepal.Length Sepal.Width Petal.Length Petal.Width Species    ratio
## 1          5.4         3.9          1.7         0.4  setosa 4.250000
## 2          4.8         3.4          1.6         0.2  setosa 8.000000
## 3          5.7         3.8          1.7         0.3  setosa 5.666667
## 4          5.4         3.4          1.7         0.2  setosa 8.500000
## 5          5.1         3.3          1.7         0.5  setosa 3.400000
## 6          4.8         3.4          1.9         0.2  setosa 9.500000
# 优雅绘图：不同品种鸢尾花花瓣长度箱线图
ggplot(iris,aes(x=Species,y=Petal.Length,fill=Species))+
  geom_boxplot(alpha=0.6)+
  theme_bw()

管道 %>% 的快捷键：Ctrl + Shift + M