分类： R语言

---
title: "R 语言中plot()函数和ecdf()函数的使用示例"
author: "cnliutz"
date: "2025-05-18"
output:
  html_document:
    df_print: paged
---
以下是 R 语言中plot()函数和ecdf()函数的使用示例，包含基础用法和可视化展示：
#  1. plot()函数基础用法示例
```{r}
# 示例1: 绘制散点图
x <- 1:10
y <- x^2
plot(x, y, main="散点图示例", xlab="X轴", ylab="Y轴", pch=16, col="blue")

# 示例2: 绘制折线图
x <- seq(0, 2*pi, length.out=100)
y <- sin(x)
plot(x, y, type="l", main="正弦曲线", xlab="角度(弧度)", ylab="正弦值", col="red")

# 示例3: 添加点和线到现有图表
points(x[1:20], y[1:20], pch=19, col="green")  # 添加绿色点
lines(x[21:40], y[21:40], lwd=2, col="purple")  # 添加紫色线

# 示例4: 绘制箱线图
data <- list(组A=rnorm(50, 5, 1), 组B=rnorm(50, 7, 1.5))
boxplot(data, main="箱线图比较", ylab="数值")
```
## 2. ecdf()累积分布函数示例

```{r}
# 生成随机数据
set.seed(123)  # 设置随机种子确保结果可重现
data <- rnorm(1000, mean=0, sd=1)  # 生成1000个正态分布随机数

# 计算经验累积分布函数(ECDF)
empirical_cdf <- ecdf(data)

# 查看特定值的累积概率
print(paste("x <= 0的概率:", empirical_cdf(0)))  # 约为0.5
print(paste("x <= 1.96的概率:", empirical_cdf(1.96)))  # 约为0.975

# 绘制ECDF图
plot(empirical_cdf,
     main="正态分布的经验累积分布函数",
     xlab="x值",
     ylab="累积概率",
     col="blue",
     lwd=2)

# 添加理论CDF曲线作为对比
curve(pnorm(x, mean=0, sd=1),
      add=TRUE,
      col="red",
      lwd=2,
      lty=2)  # 添加标准正态分布的理论CDF曲线

# 添加图例
legend("topleft",
       legend=c("经验CDF", "理论CDF"),
       col=c("blue", "red"),
       lwd=2,
       lty=c(1, 2))
```
## 3. 自定义 ECDF 图示例
```{r}
# 使用ggplot2绘制更美观的ECDF图
library(ggplot2)

# 生成两组数据进行比较
group1 <- rnorm(100, mean=5, sd=1)
group2 <- rnorm(100, mean=7, sd=1.5)

# 创建数据框
df <- data.frame(
  value = c(group1, group2),
  group = rep(c("组A", "组B"), each = 100)
)

# 使用ggplot2绘制ECDF图
ggplot(df, aes(x = value, color = group)) +
  stat_ecdf(size = 1) +
  labs(
    title = "两组数据的累积分布函数比较",
    x = "数值",
    y = "累积概率",
    color = "组别"
  ) +
  theme_minimal() +
  theme(
    plot.title = element_text(hjust = 0.5, size = 16, face = "bold"),
    axis.title = element_text(size = 12),
    legend.position = "bottom"
  ) +
  scale_color_manual(values = c("组A" = "#3366CC", "组B" = "#CC6677"))
```

R note book 文档--输出html格式文档，plotly不能生成PDF文件
---
title: "R语言数据可视化"
output: html_notebook
---
在R语言中进行数据可视化是数据分析和呈现的重要环节，R提供了多种强大的绘图系统和工具。以下是常见的数据可视化方法和示例，从基础到高级逐步介绍：

### **1. 基础绘图系统（Base R Graphics）**
R内置的基础绘图函数，适合快速生成简单图表。

#### **散点图**
```{r}
# 示例数据
x <- 1:10
y <- x^2

# 绘制散点图
plot(x, y,
     main = "散点图示例",  # 标题
     xlab = "X轴", ylab = "Y轴",  # 坐标轴标签
     pch = 16,  # 点的形状
     col = "blue",  # 点的颜色
     cex = 1.5)  # 点的大小
```

#### **折线图**
```{r}
# 生成数据
time <- seq(1, 10, by = 0.5)
values <- sin(time)

# 绘制折线图
plot(time, values, type = "l",  # type="l"表示折线图
     main = "正弦曲线",
     xlab = "时间", ylab = "值",
     col = "red", lwd = 2)  # 线宽为2
```

#### **箱线图**
```{r}
# 使用内置数据集mtcars
data(mtcars)

# 按气缸数(cyl)分组绘制mpg的箱线图
boxplot(mpg ~ cyl, data = mtcars,
        main = "不同气缸数车辆的MPG分布",
        xlab = "气缸数", ylab = "每加仑英里数(MPG)",
        col = c("lightblue", "lightgreen", "lightpink"))
```


### **2. ggplot2包（推荐）**
基于图形语法的高级绘图系统，适合创建复杂、精美的图表。

#### **安装与加载**
```{r}
#install.packages("ggplot2")  # 首次使用需安装
library(ggplot2)
```

#### **散点图**
```{r}
# 使用内置数据集iris
ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, color = Species)) +
  geom_point(size = 3) +  # 散点图层
  labs(title = "鸢尾花萼片长度与宽度关系",
       x = "萼片长度(cm)", y = "萼片宽度(cm)") +
  theme_minimal()  # 使用简洁主题
```

#### **柱状图**
```{r}
# 统计不同Species的数量
ggplot(iris, aes(x = Species)) +
  geom_bar(fill = "skyblue", color = "black") +  # 柱状图层
  labs(title = "鸢尾花种类分布", x = "种类", y = "数量") +
  theme_classic()  # 使用经典主题
```

#### **箱线图与小提琴图**
```{r}
ggplot(iris, aes(x = Species, y = Petal.Length, fill = Species)) +
  geom_boxplot(alpha = 0.7) +  # 箱线图层
  geom_violin(alpha = 0.3) +   # 小提琴图层（显示密度分布）
  labs(title = "不同种类鸢尾花花瓣长度分布",
       x = "种类", y = "花瓣长度(cm)")
```


### **3. 高级可视化**

#### **热图（Heatmap）**
```{r}
# 使用内置数据集mtcars
cor_matrix <- cor(mtcars)  # 计算相关系数矩阵

# 绘制热图
heatmap(cor_matrix,
        main = "汽车特征相关性热图",
        col = cm.colors(256),  # 颜色渐变
        scale = "column")  # 按列标准化
```

#### **直方图与密度图**
```{r}
# 使用ggplot2绘制直方图与密度图
ggplot(iris, aes(x = Sepal.Length)) +
  geom_histogram(aes(y = ..density..),  # 直方图（显示密度）
                 bins = 15,
                 fill = "lightblue",
                 color = "black") +
  geom_density(alpha = 0.2, fill = "blue") +  # 密度曲线
  facet_wrap(~ Species) +  # 按种类分面
  labs(title = "鸢尾花萼片长度分布", x = "萼片长度(cm)", y = "密度")
```

#### **气泡图（散点图+大小/颜色映射）**
```{r}
# 使用ggplot2绘制气泡图
ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) +
  geom_point(aes(size = Petal.Length, color = Species),
             alpha = 0.7) +  # alpha设置透明度
  scale_size_continuous(range = c(2, 10)) +  # 控制点大小范围
  labs(title = "鸢尾花特征气泡图",
       x = "萼片长度(cm)", y = "萼片宽度(cm)",
       size = "花瓣长度", color = "种类") +
  theme_bw()  # 使用黑白主题
```


### **4. 交互式可视化（plotly）**
创建可交互的图表，适合网页展示或数据分析。

#### **安装与基本用法**
```{r}
#install.packages("plotly")
library(plotly)

# 将ggplot2图表转为交互式
p <- ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, color = Species)) +
  geom_point(size = 3)

ggplotly(p)  # 转为交互式图表
```

#### **3D散点图**
```{r}
# 创建3D散点图
plot_ly(iris, x = ~Sepal.Length, y = ~Sepal.Width, z = ~Petal.Length,
        color = ~Species, type = "scatter3d", mode = "markers") %>%
  layout(title = "鸢尾花3D特征散点图")
```


### **5. 数据可视化注意事项**
1. **选择合适的图表类型**：根据数据类型和分析目的选择（如比较用柱状图，分布用箱线图，关系用散点图）。
2. **保持简洁**：避免过多装饰元素，确保数据是焦点。
3. **使用适当的颜色**：避免使用过于鲜艳或难以区分的颜色，考虑色盲用户。
4. **添加必要标签**：确保图表标题、坐标轴标签、图例清晰。
5. **优化布局**：合理安排图表大小、比例和间距。


### **6. 资源推荐**
- **ggplot2官方文档**：https://ggplot2.tidyverse.org/
- **R Graphics Cookbook**：https://r-graphics.org/
- **Plotly for R**：https://plotly.com/r/

通过以上方法，你可以在R中创建从简单到复杂的各种数据可视化图表，满足不同的分析和展示需求。

代码完成的功能：

• 创建数据集（数据框），
• 写入到文件中，
• 显示数据，
• 分组计算平均年龄，

在Rstudio中，创建R markdown或R notebook文件运行。以下是添加了注释的完整R代码，解释了每个步骤的功能和目的：

# R Notebook文档设置
title: "R Notebook"
output: html_notebook

# 创建示例数据集
age = c(22,25,45,33,55)       # 创建年龄向量
name = c("Ken","Jhon","Daliu","Lisa","Jack")  # 创建姓名向量
gender = c("M","F","F","M","F")  # 创建性别向量(M=男,F=女)
area = c("City","Rural","City","Rural","Rural")  # 创建区域向量
df <- data.frame(area,name,gender,age)  # 组合向量为数据框

# 将数据保存为CSV文件
write.table(df,file = "~/python/name_age.csv",  # 指定保存路径
            row.names = FALSE,     # 不保存行名
            col.names = TRUE,      # 保存列名
            quote = FALSE)         # 不使用引号包裹文本

# 显示数据框内容并绘制年龄趋势图
df  # 打印数据框内容
plot(df[["age"]],ylab = "age",type = "l")  # 绘制年龄折线图
print("file -name_age.csv- saved")  # 提示文件已保存

# 读取CSV文件并查看数据结构
library(readr)  # 加载readr包用于高效读取数据
name_age <- read_csv("~/python/name_age.csv")  # 读取CSV文件
View(name_age)  # 在RStudio中查看数据
typeof(name_age)  # 查看数据类型

# 生成性别与区域的交叉表
table(area,gender)  # 统计不同区域和性别的人数分布

# 方法1: 使用基础函数tapply计算不同性别平均年龄
avg_age_by_gender <- tapply(df$age, df$gender, mean)
print(avg_age_by_gender)

# 方法2: 使用dplyr包计算不同性别平均年龄
library(dplyr)  # 加载dplyr包
avg_age_by_gender <- df %>%
  group_by(gender) %>%  # 按性别分组
  summarise(mean_age = mean(age, na.rm = TRUE))  # 计算平均年龄并处理缺失值
print(avg_age_by_gender)

# 方法3: 使用data.table包计算不同性别平均年龄(适合大数据集)
library(data.table)  # 加载data.table包
dt <- as.data.table(df)  # 将数据框转换为data.table格式
avg_age_by_gender <- dt[, .(mean_age = mean(age, na.rm = TRUE)), by = gender]  # 分组计算
print(avg_age_by_gender)

代码功能说明

1. 数据创建与保存

• 创建了包含姓名、年龄、性别和区域的示例数据集
• 将数据保存为CSV文件到指定路径
• 绘制了年龄趋势折线图

1. 数据读取与分析

• 使用readr包读取CSV文件
• 查看了数据的结构和类型
• 生成了性别与区域的交叉表

1. 分组统计

• tapply方法：使用R基础函数进行分组计算
• dplyr方法：使用管道操作符进行流式数据处理
• data.table方法：针对大数据集的高效处理方案

所有统计方法都考虑了缺失值处理（通过na.rm=TRUE参数），可以根据数据规模和个人偏好选择合适的方法。

该代码使用 R markdown  语法
---
title: "ANOVA and Plot"
output:
  html_document:
    df_print: paged
---

## anova oneway单因素方差分析
```{r}
# 加载dplyr包
library(dplyr)
# 加载cholesterol数据集
data(cholesterol, package="multcomp")
# 计算各治疗组的样本量、均值、标准差和95%置信区间
plotdata <- cholesterol %>%
  group_by(trt) %>%
  summarize(n = n(),
            mean = mean(response),
            sd = sd(response),
            ci = qt(0.975, df = n - 1) * sd / sqrt(n))
# 显示计算结果
plotdata
# 进行单因素方差分析
fit <- aov(response ~ trt, data=cholesterol)
# 查看方差分析结果
summary(fit)
# 加载ggplot2包
library(ggplot2)
# 绘制治疗组均值和置信区间的图形
ggplot(plotdata, aes(x = trt, y = mean, group = 1)) +
  geom_point(size = 3, color="red") +
  geom_line(linetype="dashed", color="darkgrey") +
  geom_errorbar(aes(ymin = mean - ci, ymax = mean + ci), width=.1) +
  theme_bw() +
  labs(x="Treatment", y="Response", title="Mean Plot with 95% Confidence Interval")
```
## one way and two way ANOVA
```{r}
# 加载必要的包
library(dplyr)
library(ggplot2)
library(car)
library(multcomp)

# 单因素方差分析绘图示例 - 使用cholesterol数据集
data(cholesterol, package = "multcomp")

# 1. 绘制均值图和置信区间
plotdata <- cholesterol %>%
  group_by(trt) %>%
  summarize(
    n = n(),
    mean = mean(response),
    sd = sd(response),
    se = sd / sqrt(n),
    ci = qt(0.975, df = n - 1) * se
  )

# 基础均值图
p1 <- ggplot(plotdata, aes(x = trt, y = mean, group = 1)) +
  geom_point(size = 3, color = "red") +
  geom_line(linetype = "dashed", color = "darkgrey") +
  geom_errorbar(aes(ymin = mean - ci, ymax = mean + ci), width = 0.1) +
  theme_bw() +
  labs(
    x = "Treatment",
    y = "Response",
    title = "Mean Plot with 95% Confidence Intervals"
  )

# 2. 绘制箱线图展示组间分布
p2 <- ggplot(cholesterol, aes(x = trt, y = response)) +
  geom_boxplot(fill = "lightblue", color = "black") +
  theme_bw() +
  labs(
    x = "Treatment",
    y = "Response",
    title = "Boxplot of Treatment Groups"
  )

# 3. 绘制散点图加抖动以显示原始数据点
p3 <- ggplot(cholesterol, aes(x = trt, y = response)) +
  geom_jitter(width = 0.2, alpha = 0.5, color = "blue") +
  theme_bw() +
  labs(
    x = "Treatment",
    y = "Response",
    title = "Scatter Plot with Jitter"
  )

# 4. 两因素方差分析交互效应图示例（修正版）
set.seed(123)  # 设置随机种子以确保结果可重现

# 创建因子组合（6组）
mydata <- expand.grid(
  A = factor(c("Low", "High")),
  B = factor(c("Control", "Treatment1", "Treatment2"))
)

# 为每组定义均值（设置A和B的主效应以及交互效应）
group_means <- matrix(
  c(20, 25, 30,  # A=Low时B各水平的均值
    35, 45, 50), # A=High时B各水平的均值（注意Treatment1的均值增加更多，显示交互效应）
  nrow = 2, byrow = TRUE,
  dimnames = list(c("Low", "High"), c("Control", "Treatment1", "Treatment2"))
)

# 将矩阵转换为长格式的均值向量
mydata$mean <- as.vector(group_means)

# 为每个组生成10个观测值（共60个）
mydata <- mydata[rep(1:nrow(mydata), each = 10), ]  # 复制行形成60行
mydata$y <- mydata$mean + rnorm(nrow(mydata), mean = 0, sd = 3)  # 添加随机噪声

# 拟合两因素方差分析模型
model <- aov(y ~ A * B, data = mydata)

# 使用effect包计算预测值
if (!require(effects)) install.packages("effects")
library(effects)

# 计算A和B的交互效应
effect_data <- as.data.frame(effect("A:B", model))

# 绘制交互效应图
p4 <- ggplot(effect_data, aes(x = B, y = fit, group = A, color = A)) +
  geom_line(size = 1.2) +
  geom_point(size = 3) +
  geom_errorbar(aes(ymin = lower, ymax = upper), width = 0.1, size = 0.8) +
  theme_bw() +
  labs(
    x = "Factor B",
    y = "Predicted Values",
    title = "Interaction Plot: A x B",
    color = "Factor A"
  ) +
  scale_color_manual(values = c("Low" = "blue", "High" = "red"))

# 5. 残差诊断图 - 检查方差分析假设
fit <- aov(response ~ trt, data = cholesterol)
par(mfrow = c(2, 2))
plot(fit)
par(mfrow = c(1, 1))

# 显示所有图形
gridExtra::grid.arrange(p1, p2, p3, p4, ncol = 2)
```

R in Action, Third Edition由Robert I. Kabacoff所著，是一本关于R语言数据处理、分析和可视化的实用指南。本书围绕R语言在数据分析和图形绘制方面的应用展开，旨在帮助读者掌握R语言，解决实际数据问题。

核心内容
R语言基础：介绍R语言的特点和优势，如免费开源、功能全面、拥有强大的绘图能力等。详细讲解了R和RStudio的安装方法，以及R语言的基本语法、数据类型（向量、矩阵、数据框、列表等）和数据结构。同时，介绍了如何获取帮助、管理工作空间和项目，以及安装和使用包来扩展R的功能。

数据处理与管理：涵盖数据的导入、清理和整理。讲解了从多种数据源（如文本文件、Excel表格、数据库等）导入数据的方法，以及数据结构的转换和操作。介绍了基本的数据管理任务，包括变量的创建、重编码、重命名，缺失值和日期值的处理，数据的排序、合并和子集选择。还介绍了使用dplyr和SQL语句进行数据操作的方法。

数据可视化：重点介绍ggplot2包进行数据可视化的方法。通过逐步添加元素，如映射变量、选择几何对象、设置分组和分面、调整坐标轴和颜色等，创建复杂而美观的图形。涵盖了多种图形类型，如散点图、柱状图、箱线图、直方图、密度图等，以及如何保存图形。

统计分析方法

基础统计：介绍描述性统计、频率和列联表、相关性和协方差、t检验和非参数统计等基础统计方法，以及如何使用R函数进行计算和检验。

回归分析：深入讲解普通最小二乘法（OLS）回归，包括简单线性回归、多项式回归和多元线性回归。介绍回归模型的拟合、解释、诊断和改进方法，以及变量选择和模型评估的技巧。

方差分析：介绍方差分析（ANOVA）的基本概念和术语，以及如何使用R语言进行单因素、多因素、重复测量和协方差分析。讲解了模型的拟合、解释和假设检验，以及如何处理不平衡数据和交互效应。

高级方法与拓展：介绍了主成分分析、因子分析、时间序列分析、聚类分析、分类等高级数据分析方法，以及处理缺失数据的先进方法。还涵盖了高级编程技术、创建动态报告和R包的方法，以及如何利用R语言进行高效的数据处理和分析。

总结
本书内容丰富全面，从R语言的基础入门到高级应用，逐步引导读者掌握R语言在数据分析和图形绘制方面的技能。通过大量实际案例和代码示例，帮助读者理解和应用各种方法，解决实际数据问题。无论是初学者还是有经验的R用户，都能从本书中获取有价值的知识和技巧，提升数据分析能力。

#⽣成两个⻓度为1000的时间序列

set.seed(20140623)
N <- 1000
x <- cumsum(rnorm(N))
gamma <- 0.7
#固定随机数种⼦
#定义模拟的⻓度
#模拟⼀个正态随机游⾛
#设置初始的参数值
y <- gamma * x + rnorm(N)
#模拟协整序列

plot(x, type='l')
lines(y,col="red") 

Install Rstudio
cnliutz@ubuntu:~$ sudo snap install rstudio --classic


## find version

nliutz@ubuntu:~$ lsb_release -a
No LSB modules are available.
Distributor ID:	Ubuntu
Description:	Ubuntu 24.04.2 LTS
Release:	24.04
Codename:	noble

cnliutz@ubuntu:~$ uname -a
Linux ubuntu 6.8.0-52-generic #53-Ubuntu SMP PREEMPT_DYNAMIC Sat Jan 11 00:06:25 UTC 2025 x86_64 x86_64 x86_64 GNU/Linux

cnliutz@ubuntu:~$ cat /etc/os-release
PRETTY_NAME="Ubuntu 24.04.2 LTS"
NAME="Ubuntu"
VERSION_ID="24.04"
VERSION="24.04.2 LTS (Noble Numbat)"
VERSION_CODENAME=noble
ID=ubuntu
ID_LIKE=debian
HOME_URL="https://www.ubuntu.com/"
SUPPORT_URL="https://help.ubuntu.com/"
BUG_REPORT_URL="https://bugs.launchpad.net/ubuntu/"
PRIVACY_POLICY_URL="https://www.ubuntu.com/legal/terms-and-policies/privacy-policy"
UBUNTU_CODENAME=noble
LOGO=ubuntu-logo

cnliutz@ubuntu:~$ cat /etc/issue
Ubuntu 24.04.2 LTS \n \l

cnliutz@ubuntu:~$ hostnamectl
 Static hostname: ubuntu
       Icon name: computer-vm
         Chassis: vm 🖴
      Machine ID: d5dccf907ca4483793c3149154734375
         Boot ID: ca2d21aac26647a4a6e639721efc1952
  Virtualization: vmware
Operating System: Ubuntu 24.04.2 LTS
          Kernel: Linux 6.8.0-52-generic
    Architecture: x86-64
 Hardware Vendor: VMware, Inc.
  Hardware Model: VMware Virtual Platform
Firmware Version: 6.00
   Firmware Date: Thu 2020-11-12
    Firmware Age: 4y 4month 3w 6d

To recap, you can check your Ubuntu version using any of the following methods:

1. Use the lsb_release -a command.
2. Use the /etc/lsb-release or /etc/os-release command.
3. Check the /etc/issue file.
4. Use the hostnamectl command.
5. Check the Ubuntu version in your GUI settings.

《R in Action, Third Edition》是一本全面介绍 R 语言在数据分析和可视化方面应用的书籍，涵盖了从基础操作到高级统计分析和建模的丰富内容，旨在帮助读者掌握 R 语言并运用其解决实际数据问题。

核心要点总结

1. R 语言基础与环境搭建
   • 安装与界面：可从 Comprehensive R Archive Network（CRAN）免费获取并安装 R，RStudio 是常用的集成开发环境，提供了更便捷的编程、调试、可视化和报告编写功能。例如，通过 RStudio 的界面可以方便地管理工作空间、查看数据和运行结果。
   • 数据结构：包括向量、矩阵、数据框、列表和 tibbles 等。向量是基本的数据存储单元，如c(1, 2, 3)；矩阵是二维数组，元素需具有相同模式；数据框可容纳不同模式的数据列，类似常见的数据集；列表可包含多种类型的对象；tibbles 是具有特定行为的数据框，在打印格式、变量处理等方面有优势。
   • 函数与操作：使用<-进行赋值，#添加注释。通过大量内置函数和用户可自定义函数实现数据处理和分析，如mean()计算均值，sd()计算标准差等。还可以利用循环（for、while）和条件（if-else、ifelse、switch）语句控制程序流程。
   • 包的管理：R 的强大功能依赖于众多的扩展包。可使用install.packages()安装包，如ggplot2用于绘图，dplyr用于数据处理；library()加载包；help(package="package_name")了解包的信息。
2. 数据导入与管理
   • 数据导入源：能从多种数据源导入数据，如键盘输入（edit()或read.table()）、文本文件（read.table()及readr包中的函数）、Excel 文件（readxl包）、统计软件文件（如haven包用于导入 SPSS、SAS 等文件）、数据库（通过RODBC等包）以及网络（如rvest包用于网页数据抓取）。
   • 数据清理与预处理：涉及处理缺失值（is.na()识别，na.omit()删除含缺失值的行等）、日期转换（as.Date()）、数据类型转换（如as.numeric()、as.character()）、变量创建与重编码（利用算术和逻辑运算）、数据集合并（merge()、cbind()、rbind()）、排序（order()）和子集选取（通过索引或subset()函数）等操作。例如，在处理学生成绩数据时，可将不同科目的成绩标准化后合并为综合成绩指标。
3. 数据可视化
   • ggplot2 绘图基础：基于图形语法构建图形，首先用ggplot()指定数据源和变量映射，再通过geom_*()函数添加几何对象（如geom_point()绘制散点图、geom_bar()绘制柱状图等）来创建图形。例如，绘制工人工资与经验的关系图时，先ggplot(data = CPS85, mapping = aes(x = exper, y = wage))确定数据和变量映射，再添加geom_point()展示数据点。
   • 图形定制：包括分组（将变量映射到颜色、形状等美学属性）、设置刻度（scale_*()函数）、分面（facet_wrap()或facet_grid()按变量生成多个子图）、添加标签（labs()）和应用主题（theme_*()）等操作，可使图形更具表现力和可读性。
4. 统计分析方法
   • 描述性统计：使用summary()、sapply()等函数计算均值、中位数、标准差等统计量，或借助Hmisc、pastecs、psych等包的函数获取更详细的描述性统计信息。同时，可通过table()、xtabs()等函数生成频率表和列联表来分析分类变量。
   • 相关性与回归分析：cor()和cov()函数计算变量间的相关性和协方差，可选择不同方法（如 Pearson、Spearman、Kendall）并处理缺失值。回归分析中，lm()函数用于拟合线性回归模型（包括简单线性、多项式和多元线性回归），通过summary()查看结果，利用回归诊断（如plot()、car包中的函数）评估模型假设，还可进行变量选择（逐步回归、全子集回归）和模型比较（anova()、AIC 准则）。
   • 方差分析及扩展：aov()函数拟合方差分析模型，包括单因素方差分析、协方差分析、双因素析因方差分析、重复测量方差分析和多变量方差分析等。通过 F 检验评估因素的显著性，使用多重比较方法（如TukeyHSD()、glht()）确定组间差异，并对模型假设进行检验（如正态性、方差齐性）。
5. 高级主题与应用拓展
   • 缺失值处理：除简单删除含缺失值的观测外，还可使用k-nearest neighbor和random forest等方法进行缺失值插补，提高数据质量。
   • 数据重塑与聚合：tidyr包的gather()和spread()函数实现数据的长格式与宽格式转换，dplyr包和aggregate()函数用于数据聚合，便于进行不同形式的数据分析。
   • 高级编程与报告生成：涉及编写自定义函数、使用非标准评估和可视化调试等高级编程技巧，以及利用R Markdown创建动态报告，实现可重复的数据分析流程。

应用案例

• 医疗领域：在关节炎治疗研究中，通过导入数据、清理和转换（如处理缺失值、将字符变量转换为因子），利用列联表分析治疗方法与患者改善情况的关系，进行卡方检验评估变量独立性，并绘制柱状图直观展示结果，帮助医生了解不同治疗的效果差异。
• 商业领域：分析汽车燃油效率数据时，从 Excel 文件导入数据后，使用dplyr包进行数据处理（如创建新变量、筛选数据），通过ggplot2绘制散点图、箱线图等探索变量关系，建立回归模型预测汽车油耗，为汽车制造商改进设计或消费者购车提供参考。
• 社会科学领域：研究各州犯罪率与人口、教育水平、经济状况等因素的关系时，先整合来自不同数据源的数据，进行数据清洗和标准化，再运用回归分析和方差分析方法，识别影响犯罪率的关键因素，为政策制定提供依据。

学习建议

• 对于初学者，先熟悉 R 语言的基本语法、数据结构和常用函数，掌握数据导入和简单数据管理操作，如创建数据集、处理缺失值等。
• 逐步学习数据可视化技巧，从简单图形绘制开始，理解如何通过图形展示数据特征和关系，同时学习基本的统计分析方法，如描述性统计和相关性分析。
• 随着学习深入，掌握回归分析、方差分析等高级统计方法，学会评估模型假设和解释结果，并了解数据重塑、缺失值处理等高级数据管理技术。
• 积极实践书中的示例代码，尝试在实际项目中应用所学知识，遇到问题多查阅文档和相关资料，参与 R 语言社区交流，提升编程和数据分析能力。

一、安装swirl包
在R语言控制面板，对话框输入以下命令：
swirl 是一个非常有用的 R 包，它允许你通过交互式教程来学习 R 语言。以下是使用 swirl 包的基本步骤：

安装 swirl 包：首先，你需要在 R 中安装 swirl 包。你可以使用以下命令来安装：
install.packages("swirl")
加载 swirl 包：安装完成后，你需要加载 swirl 包：
library(swirl)
启动教程：一旦加载了 swirl 包，你就可以启动教程了。使用以下命令来开始：
swirl()
选择教程：启动 swirl 后，你会看到一系列可用的教程。你可以选择你感兴趣的教程进行学习。每个教程都会通过交互式命令行提示你进行操作，帮助你更好地理解 R 语言。
二、安装swirl 教程：
要安装 swirl 的课程包，你可以按照以下步骤进行操作：

启动 swirl 包：
首先，确保你已经安装并加载了 swirl 包：

install.packages("swirl")
library(swirl)
选择课程：
启动 swirl 后，你会进入交互式的学习环境。然后你可以选择安装课程。

列出可用课程：
使用以下命令来查看可用的课程：

install_from_swirl("课程名称")

安装具体课程：
例如，如果你想安装名为“R Programming”的课程，你可以使用：

swirl::install_course("R Programming")

开始学习：
课程安装完成后，你可以启动 swirl 并选择你安装的课程进行学习：

swirl()

选择已安装课程：
在 swirl 中，你可以选择你刚安装的课程，开始你的学习之旅。

这教程包括可以在GitHub上找到：
R编程、
统计推断、
高级统计、
数据清洗等
————————————————

                        版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

原文链接：https://blog.csdn.net/qq_43596960/article/details/144313330