最近在學(xué)習(xí)R，主要在看《R語(yǔ)言入門(mén)與實(shí)踐》這本書(shū)（Garrett Grolemund著，馮凌秉譯，人民郵電出版社），做了一些筆記，分享給大家

目錄

這篇筆記的PDF版本：https://pan.baidu.com/s/1PB874TCKAWOP65TM6euFPg
提取碼：08kx

第一部分

第一章 R基礎(chǔ)

1.1 下載、安裝R和RStudio

• R下載地址：https://cran.r-project.org/mirrors.html
• 選擇對(duì)應(yīng)操作系統(tǒng)的版本，下載并安裝即可
• 安裝成功后的運(yùn)行效果：

• RStudio下載地址：https://rstudio.com/products/rstudio/download/#download
• 安裝成功后，運(yùn)行的效果：

1.2 將R當(dāng)成一個(gè)計(jì)算器

• 可以在R中進(jìn)行各種數(shù)學(xué)運(yùn)算，例如：

> 5*(7^2+1)-3
[1] 247

• 優(yōu)先級(jí)：冪運(yùn)算 > 乘除運(yùn)算 > 加減運(yùn)算
• 括號(hào)內(nèi)的運(yùn)算將優(yōu)先進(jìn)行，存在多個(gè)括號(hào)時(shí)，優(yōu)先計(jì)算最內(nèi)層的括號(hào)

1.3 對(duì)象

• 我們可以使用賦值符號(hào)<-（=也可以，不過(guò)更推薦<-）將數(shù)值儲(chǔ)存在一個(gè)對(duì)象中，例如：

> a <- 5*(7^2+1)-3
> a
[1] 247

• 對(duì)象名不能以數(shù)字或一些特殊字符開(kāi)頭
• 對(duì)象名區(qū)分大小寫(xiě)，例如name和Name是不同的對(duì)象
• 如果把新的內(nèi)容賦值給一個(gè)已存在的變量，則將會(huì)覆蓋掉變量的原始值
• 使用ls()查看已經(jīng)命名的對(duì)象，使用rm(對(duì)象名)來(lái)刪除某個(gè)對(duì)象
• 【注意】?jī)H輸入rm()會(huì)刪除所有對(duì)象，慎用！

1.4 函數(shù)

• R中存在各種各樣功能強(qiáng)大的函數(shù)，即執(zhí)行某種任務(wù)的語(yǔ)句。例如，mean函數(shù)的作用是計(jì)算算術(shù)平均值，round函數(shù)的作用是四舍五入，sample函數(shù)的作用是從一個(gè)向量中抽取size個(gè)元素并返回，如下：

> mean(1:6)
[1] 3.5
> round(mean(1:6))
[1] 4
> sample(1:6,size=2)
[1] 5 3

• 正如上述例子中的round(mean(1:6))所展示的，函數(shù)可以嵌套
• 通過(guò)args函數(shù)查看函數(shù)的參數(shù)，例如：

> args(sample)
function (x, size, replace = FALSE, prob = NULL) 
NULL

• 我們可以根據(jù)需要，自己編寫(xiě)自定義函數(shù)，例如下面是一個(gè)計(jì)算t檢驗(yàn)效應(yīng)量的函數(shù)

> #自定義函數(shù)：計(jì)算t檢驗(yàn)的效應(yīng)量
> conhens_d <- function(m1, m2, s) {
+   d <- (m1-m2)/s
+   return(d)
+ }

> #調(diào)用自定義函數(shù)
> conhens_d(23,21,2.5)
[1] 0.8

• 一些相關(guān)的信息：
  • conhens_d是函數(shù)名
  • m1、m2、s是函數(shù)中的參數(shù)，只在函數(shù)內(nèi)部有效，如果想設(shè)置默認(rèn)值，則可以在參數(shù)后面添加等號(hào)和數(shù)值，例如m1=23
  • 花括號(hào)中的代碼是函數(shù)的主體
  • 通過(guò)return()返回值
  • #是注釋符，以#開(kāi)頭的代碼不會(huì)運(yùn)行
  • 如果指令太長(zhǎng)，對(duì)于一條明顯未完整的指令，敲一下回車(chē)鍵，就可以換行（會(huì)顯示一個(gè)“+”，提示用戶繼續(xù)輸入）

1.5 腳本

• 將代碼寫(xiě)在腳本文件中，隨后我們可以保存該文件，以便將來(lái)使用，在RStudio中的腳本窗口存在兩個(gè)運(yùn)行腳本的按鈕：
  • Source：運(yùn)行腳本中的全部代碼，對(duì)應(yīng)的語(yǔ)句是source('腳本名.R')（另一種方法是Ctrl+A然后Ctrl+Enter）
  • Run：運(yùn)行腳本中的某一行（快捷鍵Crtl+Enter）

第二章 R包與幫助系統(tǒng)

2.1 R包

• 許多大學(xué)教授、程序員和統(tǒng)計(jì)學(xué)家使用R設(shè)計(jì)了數(shù)據(jù)分析的工具，并將這些工具無(wú)償提供給他人使用，這些工具就屬于R包。
• R包類(lèi)似于C、C++和JavaScript中的庫(kù)（library），或者Python中的包（package）
• 例如，ggplot2是一個(gè)很受歡迎的可視化包，為了使用這個(gè)包，我們首先需要確保計(jì)算機(jī)已經(jīng)連接互聯(lián)網(wǎng)，并在RStudio中的命令行輸入install.packages()命令來(lái)安裝包

install.packages('ggplot2')

• 但該步驟只是將ggplot2安裝到我們的計(jì)算機(jī)中，想要使用這個(gè)包的函數(shù)，首先需要加載這個(gè)包

library('ggplot2')

• 現(xiàn)在，試著輸入qplot，這是ggplot2包中的一個(gè)函數(shù)，輸入后將會(huì)顯示該函數(shù)的源代碼

> qplot
function (x, y, ..., data, facets = NULL, margins = FALSE, geom = "auto", 
    xlim = c(NA, NA), ylim = c(NA, NA), log = "", main = NULL, 
    xlab = NULL, ylab = NULL, asp = NA, stat = NULL, position = NULL) 
{
    ...
}

• 如果未使用library函數(shù)導(dǎo)入ggplot2包便直接輸入qplot，結(jié)果會(huì)顯示錯(cuò)誤: 找不到對(duì)象'gplot'，這是因?yàn)楸仨氁d入一個(gè)包才能使用其中的函數(shù)

• 現(xiàn)在試著輸入如下的代碼，體驗(yàn)一下qplot的功能吧

> x <- c(-1,-.8,-.6,-.4,-.2,0,.2,.4,.6,.8,1)
> y <- x^3
> qplot(x,y)

• qplot的含義是“quick plot”，其作用是依據(jù)兩個(gè)相同長(zhǎng)度的向量來(lái)繪制散點(diǎn)圖，對(duì)于上述的例子，結(jié)果如下

• 如果想更新R包，則可以使用update.packages()命令，如果想同時(shí)更新多個(gè)R包，只需要把R包名稱(chēng)放入到一個(gè)向量中（第二章會(huì)介紹什么是向量），例如：

update.packages(c('ggplot2','reshape2','dplyr'))

• 如果想同時(shí)安裝多個(gè)R包，也可以使用這樣的方法

2.2 從幫助頁(yè)面獲取幫助

• R的函數(shù)非常多，想要記住和學(xué)會(huì)所有函數(shù)幾乎是不可能的，所幸每個(gè)R函數(shù)都有自己的幫助頁(yè)面，在RStudio中輸入?函數(shù)名即可打開(kāi)相應(yīng)的頁(yè)面

• 例如：

?qplot

• 此時(shí)將打開(kāi)該函數(shù)的幫助頁(yè)面（點(diǎn)擊下圖所示的按鈕可以打開(kāi)單獨(dú)的頁(yè)面）

• 一般來(lái)說(shuō)，幫助頁(yè)面包含了以下信息

• 此外，如果我們不小心忘記了某個(gè)函數(shù)的確切名稱(chēng)，可以使用??函數(shù)名的關(guān)鍵詞來(lái)查找相關(guān)的函數(shù)，例如可以輸入以下代碼，查看與“plot”相關(guān)的函數(shù)

??plot

2.3 獲取更多的幫助

• Stack Overflow（https://stackoverflow.com/）是一個(gè)非常流行的技術(shù)問(wèn)答網(wǎng)站，可以在這里搜索和上傳你遇到的問(wèn)題

第二部分

第三章 R對(duì)象

3.1 原子型向量

• 原子型向量是R中最基本的數(shù)據(jù)類(lèi)型，是一系列數(shù)值的集合
• 使用c()將數(shù)值或字符串合并為一個(gè)原子型向量，（c的意思是concatenate，也可以理解為collect、combine）

> x <- c(3,-2,4,7,5,-1,0)
> x
[1]  3 -2  4  7  5 -1  0

• 使用is.vector()查看某個(gè)對(duì)象是否是向量
• 使用length()獲取向量的長(zhǎng)度

> is.vector(x)
[1] TRUE
> length(x)
[1] 7

• 向量也支持計(jì)算：

  1. 當(dāng)對(duì)象y的值為4時(shí)，x+y意味著x中每個(gè)元素加4
  2. 當(dāng)y也是向量時(shí)，x+y意味著對(duì)應(yīng)索引的元素相加

• 原子型向量的6種基本類(lèi)型：

• 可以使用typeof()命令查看向量的類(lèi)型
• 向量的常見(jiàn)屬性有name（名稱(chēng)）、dim（維度）和class（類(lèi)）。例如，對(duì)于上述例子中的向量x，我們可以通過(guò)names()添加名稱(chēng)：

> x <- c(3,-2,4,7,5,-1,0)
> names(x) <- c('one','two','three','four','five','six','seven')
> x
  one   two three  four  five   six seven 
    3    -2     4     7     5    -1     0 

• 使用:來(lái)快速定義向量

> x <- 1:6
> x
[1] 1 2 3 4 5 6

• 可以在這個(gè)方法的基礎(chǔ)上靈活變通，例如，如果想要小數(shù)的話：

> x <- (1:6)*0.3
> x
[1] 0.3 0.6 0.9 1.2 1.5 1.8

3.2 矩陣

• 矩陣將數(shù)值儲(chǔ)存在一個(gè)二維數(shù)組中，我們可以使用matrix函數(shù)將向量放置在矩陣中，并通過(guò)參數(shù)nrow、ncol來(lái)設(shè)置矩陣的行、列的數(shù)量，例如：

> a <- c(1,2,3,4,5,6)
> m <- matrix(a,nrow=2,ncol=3)
> m
     [,1] [,2] [,3]
[1,]    1    3    5
[2,]    2    4    6

3.3 數(shù)組

• 使用array函數(shù)來(lái)生成一個(gè)n維的數(shù)組，通過(guò)dim參數(shù)來(lái)設(shè)置維度大小

> a <- array(c(1:24), dim=c(2,3,4))
> a
, , 1

     [,1] [,2] [,3]
[1,]    1    3    5
[2,]    2    4    6

, , 2

     [,1] [,2] [,3]
[1,]    7    9   11
[2,]    8   10   12

, , 3

     [,1] [,2] [,3]
[1,]   13   15   17
[2,]   14   16   18

, , 4

     [,1] [,2] [,3]
[1,]   19   21   23
[2,]   20   22   24

3.4 類(lèi)

• 使用class函數(shù)來(lái)查看對(duì)象的類(lèi)，即class屬性（class和type不是一個(gè)東西），例如，對(duì)于上述的數(shù)組a：

> class(a)
[1] "array"

• R使用了一個(gè)特殊的類(lèi)來(lái)表述時(shí)間和日期數(shù)據(jù)

> now <- Sys.time()
> now
[1] "2020-11-03 20:35:47 CST"
> typeof(now)
[1] "double"
> class(now)
[1] "POSIXct" "POSIXt" 

• 因子（factor）這個(gè)類(lèi)儲(chǔ)存的是分類(lèi)數(shù)據(jù)，例如：

> gender <- factor(c('male','female','female'))
> attributes(gender)
$levels
[1] "female" "male"  

$class
[1] "factor"

• factor函數(shù)使得在統(tǒng)計(jì)分析中加入分類(lèi)變量變得簡(jiǎn)單，R時(shí)常會(huì)嘗試將character向量轉(zhuǎn)換成factor，除非有這樣的需要，否則一般應(yīng)該避免這種強(qiáng)制轉(zhuǎn)換（使用as.character()函數(shù)）

3.5 強(qiáng)制轉(zhuǎn)換

• 如果把不同類(lèi)型的數(shù)據(jù)放入同一個(gè)對(duì)象中，R會(huì)將其強(qiáng)制轉(zhuǎn)換為同一類(lèi)型的數(shù)據(jù)（例如，將字符串和數(shù)字放入一個(gè)向量中，數(shù)字會(huì)被轉(zhuǎn)變?yōu)樽址?，將?shù)字和邏輯型放入一個(gè)向量中，TRUE會(huì)被轉(zhuǎn)換為1，F(xiàn)ALSE會(huì)被轉(zhuǎn)換為0）
• 可以使用as函數(shù)家族進(jìn)行強(qiáng)制轉(zhuǎn)換，例如：

> as.character(1)
[1] "1"
> as.logical(1)
[1] TRUE
> as.double(TRUE)
[1] 1

3.6 列表

• 列表（list）儲(chǔ)存的是對(duì)象而非數(shù)值，通過(guò)列表，我們可以將不同類(lèi)型的數(shù)據(jù)（數(shù)字啦、字符串啦、邏輯型啦）放置在一個(gè)集合里

> my_list <- list(1:10, 'text', TRUE)
> my_list
[[1]]
 [1]  1  2  3  4  5  6  7  8  9 10

[[2]]
[1] "text"

[[3]]
[1] TRUE

3.7 數(shù)據(jù)框

• 數(shù)據(jù)框（data frame）是列表的二維版本。在數(shù)據(jù)框中，每一列是一個(gè)向量（和Excel表格比較相似），并且各個(gè)向量的長(zhǎng)度要相等，例如：

> students <- data.frame(name=c('harry','ron','hermione'), gender=c('male','male','female'),age=c(17,17,17))
> students
      name gender age
1    harry   male  17
2      ron   male  17
3 hermione female  17

• 數(shù)據(jù)框其實(shí)是一個(gè)class為data.frame的列表
• 上述的name和gender實(shí)際上將被存儲(chǔ)為factor，如果不想被強(qiáng)制轉(zhuǎn)換，可以在data.frame()中添加一個(gè)參數(shù)stringsAsFactors=FALSE
• 數(shù)據(jù)框的索引方法：數(shù)據(jù)框名稱(chēng)+美元符號(hào)+列的名稱(chēng)，例如students$gender可以返回students這個(gè)數(shù)據(jù)框中名為gender的一列（非常方便?。?/li>

> students$gender
[1] "male"   "male"   "female"

• 2021/3/29更新：我發(fā)現(xiàn)data.table比data.frame更好用，推薦大家嘗試（需要先安裝“data.table”包）

3.8 加載和保存數(shù)據(jù)

3.8.1 R基礎(chǔ)包中的數(shù)據(jù)集

• R中的基礎(chǔ)包datasets自帶了很多數(shù)據(jù)集，這些數(shù)據(jù)集沒(méi)有太多的分析價(jià)值，主要的作用是方便我們測(cè)試代碼。可以使用以下命令來(lái)查看這些數(shù)據(jù)集的簡(jiǎn)介：

help(packages='datasets')

• 若想使用某個(gè)數(shù)據(jù)集，，只需要輸入其名稱(chēng)即可（見(jiàn)第十章的筆記）

3.8.2 工作目錄

• 當(dāng)嘗試加載或保存數(shù)據(jù)時(shí)，在沒(méi)有額外指定文件地址的情況下，R都會(huì)在一個(gè)默認(rèn)的文件目錄中進(jìn)行操作，這就是R的工作目錄

• 可以使用如下代碼查看R的工作目錄：

> getwd()
[1] "C:\Users\韋子謙\Documents"

• 對(duì)于不同的計(jì)算機(jī)，默認(rèn)的工作目錄可能是不同的。以及，R無(wú)法讀取中文路徑的文件（至少在我自己的電腦上是這樣的），最好將工作目錄設(shè)置為其他的位置。改變工作目錄的方法之一是setwd函數(shù)

> setwd('D:/R_project')

• 但我自己嘗試的結(jié)果是，每次啟動(dòng)RStudio，之前用setwd()函數(shù)設(shè)置的工作目錄就會(huì)失效，解決的方法是直接在RStudio的菜單欄里修改工作目錄：“Tools”——“Globe Options”——“Gneral”——“Basic”——“R Sessions”——“Default working directory (when not in a project)”

3.8.3 讀取和寫(xiě)入純文本文件

• 純文本文件是存儲(chǔ)數(shù)據(jù)的常見(jiàn)格式之一，其將數(shù)據(jù)表存儲(chǔ)在了文本文件中，表中每一行都對(duì)應(yīng)文本中的一行，每一行的不同元素都用一些簡(jiǎn)單的符號(hào)隔開(kāi)，即分隔符

• 常用的分隔符有空格、逗號(hào)，等等。每個(gè)文件只會(huì)使用其中一種分隔符

• 所有的純文本文件都可以存儲(chǔ)為擴(kuò)展名為txt的文件，但有時(shí)候也可以使用特殊的擴(kuò)展名以告訴用戶該文件使用的分隔符。例如，csv（Comma-Separated Values）格式的文件使用逗號(hào)作為分隔符

• 要加載一個(gè)純文本文件，可以使用read函數(shù)，舉個(gè)例子：

data1 <- read.table('data.csv',sep=',',header=TRUE,na.strings='.',skip=3,nrow=5,stringsAsFactors=FALSE)

• 在這里，我們從R的工作目錄加載了一個(gè)名為“data.csv”的數(shù)據(jù)集，并將其內(nèi)容放置在名為data1的對(duì)象中，涉及到的參數(shù)如下：

  • sep：該參數(shù)告訴read.table()我們的文件使用了何種分隔符
  • header：是否將第一行的數(shù)據(jù)視為變量名。如果第一行是變量名，則設(shè)置為T(mén)RUE
  • na.strings：有時(shí)候，數(shù)據(jù)文件中會(huì)使用一些符號(hào)來(lái)表示缺失值（NA），該參數(shù)會(huì)告訴read.table()缺失值的位置，read.table()則會(huì)將這些值讀取為NA（在上面這個(gè)例子中，數(shù)據(jù)文件中用于表示缺失值的符號(hào)為“.”）
  • skip：有時(shí)也我們需要忽略數(shù)據(jù)文件開(kāi)頭的幾行，此時(shí)可以用skip來(lái)指定從第幾行開(kāi)始讀取數(shù)據(jù)
  • nrow：告訴read.table()在讀取了一定數(shù)量的數(shù)據(jù)行后就不再讀?。ㄖ付ǖ男袛?shù)不包括表頭）
  • stringsAsFactors：有時(shí)候R會(huì)將字符串類(lèi)型轉(zhuǎn)換為因子型，如果不想讓R這么做，則可以將stringsAsFactors設(shè)置為FALSE

• 當(dāng)需要加載多個(gè)數(shù)據(jù)時(shí)，還可以通過(guò)更改全局設(shè)置來(lái)統(tǒng)一設(shè)定一些參數(shù)，例如：

options(stringsAsFactors=FALSE)

• read函數(shù)家族

• 在RStudio中，通過(guò)點(diǎn)擊Environment面板的“import Dataset”，也可以將外部文檔的數(shù)據(jù)導(dǎo)入至數(shù)據(jù)框中（該功能相當(dāng)于read.table()命令的圖形用戶界面）

• 使用write函數(shù)保存數(shù)據(jù)，如下：

• 需要注意的是，write函數(shù)無(wú)法在計(jì)算機(jī)上創(chuàng)建新的文件夾，因此在保存文件時(shí)，請(qǐng)確保寫(xiě)入路徑的文件夾都已創(chuàng)建好
• 此外，還可以使用bzfile（bzip2類(lèi)型）、gzfile（gzip類(lèi)型）或xzfile函數(shù)（xz類(lèi)型）來(lái)壓縮文件，用法如下：

write.csv(data1, file=bzfile("data1.csv.bz2"), row.names=FALSE)

• 讀取壓縮文件的方法如下：

read.csv("data1.csv.bz2")

3.8.4 讀取和寫(xiě)入R文件

• RDS文件可以存儲(chǔ)單個(gè)R對(duì)象，而RData文件可以存儲(chǔ)多個(gè)R對(duì)象

• 使用readRDS函數(shù)來(lái)打開(kāi)RDS文件，例如：

data1 <- readRDS("data1.RDS")

• 打開(kāi)RData的方法則更簡(jiǎn)單，只需運(yùn)行l(wèi)oad函數(shù)即可，其中的R對(duì)象會(huì)以其原本的名稱(chēng)加載到工作區(qū)中：

load("data1.RData")

• 【tips】RData不會(huì)告訴你讀取了多少個(gè)R對(duì)象，也不會(huì)告訴你各個(gè)對(duì)象的具體名稱(chēng)，解決的方法之一是在命令行兩側(cè)加上括號(hào)，例如(load("data1.RData"))，這會(huì)強(qiáng)制R在讀取文件時(shí)顯示其中所有對(duì)象的名稱(chēng)

• 將對(duì)象保存RDS文件的方法是saveRDS函數(shù)，第一個(gè)參數(shù)是R對(duì)象的名稱(chēng)，第二個(gè)參數(shù)是目標(biāo)路徑和文件名。保存為RData的方法是save函數(shù)，例如可以通過(guò)以下代碼來(lái)保存a、b、c三個(gè)對(duì)象：

save(a,b,c,file="data1.RData")

• RData的缺點(diǎn)在于，我們可能自己都忘了里面保存了啥東西，而且如果當(dāng)前的工作區(qū)存在同名對(duì)象的話，讀取RData會(huì)導(dǎo)致同名對(duì)象被覆蓋，因此保存為RDS文件會(huì)更好一些
• 相比存儲(chǔ)為純文本文件，存儲(chǔ)為R文件的好處在于，因子、日期、時(shí)間或類(lèi)屬性等信息將得到保留，缺點(diǎn)則是，許多軟件程序都無(wú)法讀取R文件，因此其不利于數(shù)據(jù)分享，而且萬(wàn)一哪天你的電腦上沒(méi)有了R，那么可能連打開(kāi)R文件都會(huì)變得困難（我的理解是，如果你的數(shù)據(jù)還沒(méi)分析完，那么可以保存為R文件以便下次繼續(xù)分析，但如果數(shù)據(jù)已經(jīng)處理好了，那么最終導(dǎo)出的結(jié)果最好是純文本文件）

3.8.5 讀取Excel

• 書(shū)中介紹的方法是XLConnect包，不過(guò)我發(fā)現(xiàn)目前RStudio默認(rèn)使用的是readxl包（感覺(jué)通過(guò)選項(xiàng)菜單來(lái)導(dǎo)入文件比寫(xiě)代碼要方便多了……）

3.8.6 從其它程序加載文件

• 有些時(shí)候，我們會(huì)拿到某個(gè)類(lèi)型的數(shù)據(jù)，但卻沒(méi)有對(duì)應(yīng)的原始程序，此時(shí)可以嘗試使用以下R包中的函數(shù)來(lái)讀取數(shù)據(jù)

3.8.7 從數(shù)據(jù)庫(kù)中讀取數(shù)據(jù)

• DBI包可以通過(guò)驅(qū)動(dòng)程序連接至數(shù)據(jù)庫(kù)，要從某個(gè)數(shù)據(jù)庫(kù)中讀取數(shù)據(jù)，首先需要下載其與DBI包相關(guān)聯(lián)的R包，這些包為特定的數(shù)據(jù)庫(kù)程序的原始驅(qū)動(dòng)程序提供了API。例如，對(duì)于MySQL數(shù)據(jù)庫(kù)需要使用RMySQL包，對(duì)于SQLite數(shù)據(jù)庫(kù)需要使用RSQLite包，等等

第四章 R的記號(hào)體系

• R的記號(hào)體系可以幫助我們從R對(duì)象中提取值，一般的形式是先寫(xiě)出對(duì)象名，然后是一個(gè)中括號(hào)，例如x[ , ]，在R中有六種索引方式，分別為正整數(shù)、負(fù)整數(shù)、零、空格、邏輯值、名稱(chēng)

4.1 正整數(shù)

• 如下，students[1,1]返回的值是第一行第一列的元素

> students <- data.frame(name=c('harry','ron','hermione'), gender=c('male','male','female'),age=c(17,17,17))
> students
      name gender age
1    harry   male  17
2      ron   male  17
3 hermione female  17
> students[1,1]
[1] harry

• 如果想取多個(gè)數(shù)值，可以用向量代替數(shù)值作為索引的參數(shù)，例如students[c(1,2),1]或students[1:2,1]返回的是第一、第二行，第一列的兩個(gè)元素

> students[1:2,1]
[1] harry ron 

• 如果想提取一整行或一整列：

> students[1,]  # 提取第一行
   name gender age
1 harry   male  17
> students[,1]  # 提取第一列
[1] harry    ron      hermione

• 注意：如果從數(shù)據(jù)框中提取兩行或兩列以上的數(shù)據(jù)，將返回一個(gè)新的數(shù)據(jù)框，如果只提取一列，則只會(huì)返回一個(gè)向量

4.2 負(fù)整數(shù)

• 和正整數(shù)索引相反，負(fù)整數(shù)索引將返回負(fù)整數(shù)索引對(duì)應(yīng)的元素之外的部分，例如，students[-1,1]將返回students中第一行之外的所有元素，即第二、第三行

> students[-1,]
      name gender age
2      ron   male  17
3 hermione female  17

4.3 零索引

• 如果索引時(shí)使用0，那么返回的是一個(gè)空對(duì)象（沒(méi)啥用處……）

> students[0,0]
data frame with 0 columns and 0 rows

4.4 空格索引

• 其實(shí)就是上文所說(shuō)的提取一整行或一整列的方法，students[1,]和students[1, ]的效果是一樣的

4.5 邏輯值索引

• 這種方法將提取TRUE對(duì)應(yīng)的元素，FALSE對(duì)應(yīng)的元素則不會(huì)提取，例如：

> students[c(TRUE, FALSE,TRUE),2]
[1] male   female

4.6 名稱(chēng)索引

• 這是從數(shù)據(jù)框中提取列的常用方法

> students[1:3, 'name']
[1] harry    ron      hermione

4.7 美元符號(hào)和雙中括號(hào)

• 美元符號(hào)可以很方便地提取出數(shù)據(jù)框中的某一列

> students$name
[1] harry    ron      hermione

• 如果一個(gè)列表中有若干個(gè)子列表，雙中括號(hào)可以直接提取子列表中的元素，而不會(huì)返回一個(gè)列表對(duì)象

> l <- list(c(1,2,3), c(TRUE, FALSE))
> l
[[1]]
[1] 1 2 3

[[2]]
[1]  TRUE FALSE

> l[1]
[[1]]
[1] 1 2 3

> l[[1]]
[1] 1 2 3

第五章 對(duì)象改值

5.1 就地改值

• 通過(guò)索引選擇想要更改的元素，然后將新的值通過(guò)<-賦給該對(duì)象，例如：

> x <- c(1,2,3,4,5)
> x[1] <- 100
> x
[1] 100   2   3   4   5

• 也可以批量改值，例如：

> x[1:3] <- c(100,200,300)
> x
[1] 100 200 300   4   5

• 亦可以添加新的元素，例如：

> x[6] <- 6
> x
[1] 100 200 300   4   5   6

• 這種添加新元素的方法還可以用于在數(shù)據(jù)框中添加新變量（即，新的一列）

> students <- data.frame(name=c('harry','ron','hermione'), gender=c('male','male','female'),age=c(17,17,17))
> students$new <- 1:3
> students
      name gender age new
1    harry   male  17   1
2      ron   male  17   2
3 hermione female  17   3

• 如果想刪除某一列，則賦值為NULL即可

> students$new <- NULL
> students
      name gender age
1    harry   male  17
2      ron   male  17
3 hermione female  17

• 這些操作都是即時(shí)進(jìn)行的，所以在對(duì)數(shù)據(jù)框進(jìn)行修改之前，最好先保留一份備份

5.2 邏輯取子集

5.2.1 邏輯測(cè)試

• R中的七種邏輯運(yùn)算符

• 對(duì)于每一個(gè)邏輯運(yùn)算符，R會(huì)將運(yùn)算符兩邊的值或向量進(jìn)行對(duì)比，并返回邏輯值，例如：

> 3 > c(1,2,3,4,5)
[1]  TRUE  TRUE FALSE FALSE FALSE

• 【tips】：%in%是唯一不進(jìn)行一一對(duì)比的運(yùn)算符，其主要是判斷左邊的值是否出現(xiàn)在右邊的對(duì)象中

• 通過(guò)邏輯運(yùn)算符，我們可以很方便地從對(duì)象中提取出我們想要的元素

> a <- c('group1','group2','group1','group2')
> b <- c(0.586, 0.762, 0.462, 0.631)
> a=='group1'
[1]  TRUE FALSE  TRUE FALSE
> b[a=='group1']
[1] 0.586 0.462

• 而且還可以使用多個(gè)運(yùn)算符

> b[a=='group1' & b>0.5]
[1] 0.586

• 邏輯值取子集非常強(qiáng)大，可以幫助我們快速定位、提取和修改對(duì)象中的元素。在使用這種方法時(shí)，我們并不需要知道元素的具體位置，只需要知道如何用邏輯測(cè)試來(lái)描述這些元素即可

5.2.2 布爾運(yùn)算符

• 以下幾個(gè)運(yùn)算符可以將多個(gè)邏輯測(cè)試的結(jié)果整合并輸出為一個(gè)邏輯值（TRUE or FALSE）

• 例如：

> any(1>2, 'yes'=='no',2*2==4)
[1] TRUE

5.2.3 缺失信息

• R中的特殊字符NA代表“not available”，可用于儲(chǔ)存缺失信息。如果運(yùn)算時(shí)存在缺少信息，那么NA將被原封不動(dòng)地保留，例如：

> 1+NA
[1] NA

• 某些情況下，NA的存在會(huì)使數(shù)據(jù)處理變得棘手，例如當(dāng)我們想計(jì)算一個(gè)向量中所有元素的均值，但向量中存在NA，將會(huì)導(dǎo)致：

> mean(c(1,2,3,NA))
[1] NA

• 此時(shí)可以添加一個(gè)可選參數(shù)na.rm（大部分R函數(shù)都會(huì)存在這個(gè)參數(shù)），意味著“NA remove”，例如：

> mean(c(1,2,3,NA),na.rm = TRUE)
[1] 2

• 另外，我們還可以通過(guò)is.na函數(shù)來(lái)判斷是否存在NA：

> is.na(NA)
[1] TRUE
> is.na(c(1,2,3,NA))
[1] FALSE FALSE FALSE  TRUE
> any(is.na(c(1,2,3,NA)))
[1] TRUE

第六章 R的環(huán)境系統(tǒng)

6.1 R的環(huán)境系統(tǒng)

• R的環(huán)境系統(tǒng)很像電腦中的系統(tǒng)目錄，是以層級(jí)結(jié)構(gòu)存儲(chǔ)的，其中，全局環(huán)境（globe environment）扮演著關(guān)鍵的作用，命令行中運(yùn)行的所有命令都是在全局環(huán)境中進(jìn)行的，在命令行中創(chuàng)建的所有對(duì)象也被存儲(chǔ)在全局環(huán)境中（見(jiàn)下圖）

• 任何時(shí)候，R的活動(dòng)環(huán)境（active environment）都只有一個(gè)，其會(huì)將所有的新對(duì)象存儲(chǔ)在當(dāng)前的活動(dòng)環(huán)境中，一般來(lái)說(shuō)，全局環(huán)境就是活動(dòng)環(huán)境
• 某些情況下，例如在運(yùn)行函數(shù)時(shí)，R的活動(dòng)環(huán)境就變成了運(yùn)行時(shí)環(huán)境（runtime environment），R會(huì)在這個(gè)新的環(huán)境中運(yùn)行該函數(shù)，并帶著函數(shù)運(yùn)行的結(jié)果回到調(diào)用該函數(shù)時(shí)的環(huán)境（也就是說(shuō)，在函數(shù)內(nèi)部修改外部環(huán)境的對(duì)象時(shí)，修改的只是該對(duì)象的副本）
• 當(dāng)調(diào)用某個(gè)對(duì)象時(shí)，R首先會(huì)在當(dāng)前環(huán)境中尋找該對(duì)象，如果沒(méi)有找到，就會(huì)進(jìn)入該環(huán)境的父環(huán)境（parent environment）中尋找，例如：

deal <- function(){
  print(x)
}

x <- 'hello'
deal()

• 上述例子中，對(duì)象x是在全局環(huán)境中定義的，當(dāng)運(yùn)行deal函數(shù)的時(shí)候，R首先會(huì)在該函數(shù)的活動(dòng)環(huán)境（也就是運(yùn)行時(shí)環(huán)境）中尋找x，但該環(huán)境中并不存在x，因此R進(jìn)入到該運(yùn)行時(shí)環(huán)境的父環(huán)境（也就是全局環(huán)境）中尋找x，這就是為什么函數(shù)內(nèi)部可以調(diào)用函數(shù)外部的對(duì)象，但卻無(wú)法在全局環(huán)境中調(diào)用函數(shù)內(nèi)部的對(duì)象

第三部分

第七章 程序

7.1 策略

• 當(dāng)我們需要將一個(gè)復(fù)雜的任務(wù)編寫(xiě)為R程序時(shí)，可以通過(guò)如下三個(gè)策略來(lái)簡(jiǎn)化這個(gè)任務(wù)

  1. 將復(fù)雜任務(wù)分解成一些簡(jiǎn)單的子任務(wù)
  2. 使用實(shí)例
  3. 用通俗的語(yǔ)言描述解決方案，然后將其轉(zhuǎn)換為R代碼

• 通?？梢詫程序分解為如下兩種子任務(wù)

  • 有序步驟（sequential step）：例如河內(nèi)塔問(wèn)題就可以拆解成若干個(gè)步驟：把最大的圓盤(pán)移動(dòng)到目標(biāo)柱子、把第二大的圓盤(pán)移動(dòng)到目標(biāo)柱子……把最小的圓盤(pán)移動(dòng)到目標(biāo)柱子
  • 同類(lèi)情況（parallel case）：以書(shū)中的簡(jiǎn)化版老虎機(jī)為例，當(dāng)老虎機(jī)轉(zhuǎn)出三個(gè)同樣的符號(hào)時(shí)，使用一種算法來(lái)計(jì)算獎(jiǎng)金，當(dāng)轉(zhuǎn)出的符號(hào)都是杠，則使用第二種算法，其余情況則使用第三種，等等

7.2 if和else語(yǔ)句

• 可以用if語(yǔ)句來(lái)統(tǒng)一處理某一類(lèi)的情況，格式如下：

if (this) {
  plan A
} else if (that) {
  plan B
} else {
  plan C
}

• this是某個(gè)邏輯測(cè)試或返回TRUE/FALSE的表達(dá)式，this為T(mén)RUE時(shí)運(yùn)行plan A，如果this為FALSE而that為T(mén)RUE時(shí)，運(yùn)行plan B，如果this和that都為FALSE，則屬于else的情況，此時(shí)運(yùn)行plan C

第八章 S3

• 先來(lái)看看下面這個(gè)例子，對(duì)象n的取值為1000000000，當(dāng)n的class（也就是“類(lèi)”）是“numeric”時(shí)，print出來(lái)的結(jié)果是1e+09，但當(dāng)n的class被替換為"POSIXct"和"POSIXt"后，print出來(lái)的結(jié)果就變成了一個(gè)時(shí)間

> n <- 1000000000
> class(n)
[1] "numeric"
> n
[1] 1e+09
> class(n) <- c("POSIXct", "POSIXt")
> class(n)
[1] "POSIXct" "POSIXt" 
> n
[1] "2001-09-09 09:46:40 CST"

• 在上述例子中，n的取值沒(méi)有變，但是class變了，class的變化之所以會(huì)導(dǎo)致不同的輸出結(jié)果，是因?yàn)镽對(duì)于不同的class有著不同的處理方式
• class是屬性的一種，屬性（attribute）、泛型函數(shù)（generic function）和方法（method），三者共同構(gòu)成了R的S3系統(tǒng)，這個(gè)系統(tǒng)掌管著R如何處理具有不同類(lèi)的對(duì)象

8.1 屬性

• 可以使用attributes函數(shù)來(lái)查看一個(gè)對(duì)象的屬性，例如，gender這個(gè)對(duì)象就有兩個(gè)屬性，一個(gè)是levels屬性，一個(gè)是class屬性

> gender <- factor(c('male','female','female'))
> attributes(gender)
$levels
[1] "female" "male"  

$class
[1] "factor"

• 又例如，剛剛提到的n，修改class之后，其屬性如下：

> attributes(n)
$class
[1] "POSIXct" "POSIXt" 

• 我們還可以通過(guò)attr函數(shù)來(lái)給對(duì)象添加新的屬性，例如，我們給剛剛定義的n添加一個(gè)叫Hello的屬性，該屬性的值為World

> attr(n, 'Hello') <- "World"

• 現(xiàn)在用attributes函數(shù)來(lái)看看n的屬性，可以發(fā)現(xiàn)新增了我們剛剛添加的屬性

> attributes(n)
$class
[1] "POSIXct"

$Hello
[1] "World"

8.2 泛型函數(shù)

• 在控制臺(tái)中輸入對(duì)象名n，R對(duì)此的反應(yīng)是print(n)，但正如上一節(jié)提到的，n的取值保持不變，當(dāng)n的class改變的時(shí)候，print出來(lái)的內(nèi)容是不同的，之所以print函數(shù)能根據(jù)不同情況/場(chǎng)合完成不同的任務(wù)（例如根據(jù)不同的class給出不同的結(jié)果），是因?yàn)閜rint不是一個(gè)普通的函數(shù)，而是一個(gè)泛型函數(shù)

8.3 方法

• 作為一個(gè)泛型函數(shù)，print()的原理大致是這樣的，其首先會(huì)查找一個(gè)對(duì)象的class屬性，然后根據(jù)不同的class分配合理的輸出顯示方式
• 具體而言，當(dāng)調(diào)用print()時(shí)，其會(huì)調(diào)用一個(gè)名為UseMethod的函數(shù)（見(jiàn)第十章的代碼調(diào)試部分的圖示），該函數(shù)會(huì)檢查我們提供給print函數(shù)的第一個(gè)參數(shù)的class屬性，然后將我們提供的待輸出的對(duì)象交給一個(gè)新函數(shù)來(lái)處理。例如，對(duì)于一個(gè)class為POSIXct的對(duì)象，UseMethod會(huì)交給print.POSIXct函數(shù)來(lái)處理，而對(duì)于一個(gè)class為factor的對(duì)象，會(huì)交給print.factor來(lái)處理
• 在這里，print.POSIXct和print.factor被稱(chēng)為print函數(shù)的方法（method），這兩個(gè)函數(shù)本身是普通的R函數(shù)，但特別之處在于R會(huì)調(diào)用它們?nèi)ヌ幚砭哂袑?duì)應(yīng)class屬性的對(duì)象
• 可以通過(guò)methods函數(shù)來(lái)查看一個(gè)泛型函數(shù)所支持的方法，例如print函數(shù)支持將近200種方法

> methods(print)
  [1] print.acf*                                          
  [2] print.anova*                                        
  [3] print.aov*
  ...
  [183] print.xgettext*
  [184] print.xngettext*
  [185] print.xtabs* 

8.4 小結(jié)

• 之所以稱(chēng)為S3系統(tǒng)，是由于其起源于S語(yǔ)言的第三個(gè)版本（S語(yǔ)言是R語(yǔ)言的前身），許多常見(jiàn)的R函數(shù)都是S3泛型函數(shù)，可以支持多種不同的類(lèi)方法函數(shù)，S3系統(tǒng)使得R函數(shù)能在不同的場(chǎng)合有不同的表現(xiàn)
• R還有另外兩個(gè)創(chuàng)建class屬性行為的系統(tǒng)——S4系統(tǒng)和R5系統(tǒng)，雖然使用難度較大，但也提供了S3系統(tǒng)所沒(méi)有的防護(hù)措施
• 關(guān)于S3的編程方法，可以參考Handley Wickham所著的《advanced R programming》

第九章 循環(huán)

• 循環(huán)（loop）是R用來(lái)重復(fù)完成某個(gè)任務(wù)的方法

9.1 for循環(huán)

• 格式如下，that是一個(gè)對(duì)象集合，對(duì)于出現(xiàn)在that中的每一個(gè)值，R都會(huì)循環(huán)運(yùn)行一遍兩個(gè)大括號(hào)之間的代碼（也就是this）

for (value in that) {
  this
}

9.2 while循環(huán)

• 格式如下，當(dāng)condition為T(mén)rue時(shí)，R會(huì)反復(fù)循環(huán)兩個(gè)大括號(hào)之間的代碼，直到condition為False或用戶手動(dòng)停止程序（按下Esc鍵或RStudio控制臺(tái)面板上的停止圖標(biāo)）

while (condition) {
  code
}

9.3 repeat循環(huán)

• 格式如下，R會(huì)反復(fù)循環(huán)repeat中的代碼，直到遇到了break命令

repeat{
  code
  if (this) {
    break
  }
}

9.4 小結(jié)

• 循環(huán)并非是在R中實(shí)現(xiàn)重復(fù)性任務(wù)自動(dòng)化的唯一途徑（例如，replicate函數(shù)也可以實(shí)現(xiàn)），遺憾的是，相比其它編程語(yǔ)言，循環(huán)代碼在R中的運(yùn)行速度更慢，但是別擔(dān)心，我們可以使用向量化編程來(lái)提高代碼的運(yùn)行速度！

第十章 代碼提速

10.1 向量化代碼

• 向量化的代碼可以接受一個(gè)含有多個(gè)值的向量作為輸入，并且同時(shí)操作向量中的每個(gè)元素。其使用了R的三大法寶：邏輯測(cè)試，取子集和元素方式執(zhí)行
• 先來(lái)看一個(gè)例子，state.division這個(gè)數(shù)據(jù)集（來(lái)源于R中自帶的datasets包）記載的是美國(guó)各州所在的地區(qū)，分別為New England, Middle Atlantic, South Atlantic, East South Central, West South Central, East North Central, West North Central, Mountain, and Pacific。這50個(gè)元素與state.name中的州名相互對(duì)應(yīng)

> state.division
 [1] East South Central Pacific            Mountain          
 [4] West South Central Pacific            Mountain          
 [7] New England        South Atlantic     South Atlantic    
[10] South Atlantic     Pacific            Mountain          
[13] East North Central East North Central West North Central
[16] West North Central East South Central West South Central
[19] New England        South Atlantic     New England       
[22] East North Central West North Central East South Central
[25] West North Central Mountain           West North Central
[28] Mountain           New England        Middle Atlantic   
[31] Mountain           Middle Atlantic    South Atlantic    
[34] West North Central East North Central West South Central
[37] Pacific            Middle Atlantic    New England       
[40] South Atlantic     West North Central East South Central
[43] West South Central Mountain           New England       
[46] South Atlantic     Pacific            South Atlantic    
[49] East North Central Mountain          
9 Levels: New England Middle Atlantic ... Pacific

• 假如我們想計(jì)算“New England”這個(gè)地區(qū)的州的數(shù)量，那么非向量的方法會(huì)是這樣的（其中一種思路）：

# 非向量化的代碼
count_loop <- function(){
  count <- 0
  for (i in 1:length(state.division)) {
    if (state.division[i] == "New England") {
      count <- count + 1
    }
  }
  return(count)
}

• 在這個(gè)名為count_loop的函數(shù)中，我們定義了一個(gè)名為count的對(duì)象來(lái)記錄州的數(shù)量，然后通過(guò)for循環(huán)來(lái)遍歷state.division數(shù)據(jù)集中的每個(gè)元素，并通過(guò)條件語(yǔ)句來(lái)判斷某個(gè)元素是否為New England，如果條件為TRUE，則count加1
• 運(yùn)行結(jié)果如下，“New England”有6個(gè)州

> count_loop()
[1] 6

• 向量化的代碼則可以是這樣的（只需要一行代碼即可完成任務(wù)）：

# 向量化的代碼
count_set <- function(){
  count <- length(state.division[state.division == "New England"])
  return(count)
}

• 在這段代碼中，我們先做了一個(gè)邏輯測(cè)試，即判斷state.division數(shù)據(jù)集中有哪些元素的值為“New England”

> state.division == "New England"
 [1] FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE
[11] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE
[21]  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE
[31] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE
[41] FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE

• 然后我們基于返回的邏輯值，對(duì)state.division取子集（subsetting）

> state.division[state.division == "New England"]
[1] New England New England New England New England New England
[6] New England

• 于是，該子集的長(zhǎng)度就是“New England”地區(qū)的州的數(shù)量啦，整個(gè)過(guò)程都是以元素方式執(zhí)行的

• 邏輯測(cè)試，取子集和元素方式執(zhí)行，就是R語(yǔ)言的三大法寶，用這個(gè)方法編寫(xiě)向量化的代碼，可以讓代碼飛速運(yùn)行

• 【tips】這段代碼甚至還可以變得更簡(jiǎn)潔，如下

# 向量化的代碼
count_set <- function(){
  count <- sum(state.division == "New England")
  return(count)
}

• 當(dāng)然，這里的例子比較簡(jiǎn)單，所以?xún)煞N風(fēng)格的代碼的運(yùn)行效果相差無(wú)幾，但對(duì)于大容量的數(shù)據(jù)，向量化代碼的優(yōu)勢(shì)就很明顯了。書(shū)中給出了一個(gè)求1000萬(wàn)個(gè)數(shù)值的絕對(duì)值的例子，結(jié)果是向量化代碼的運(yùn)行速度比非向量化的代碼快30倍（我自己嘗試的結(jié)果是快3倍，或許是和電腦性能有關(guān)系）

10.2 如何編寫(xiě)向量化的代碼

• 有兩種方法：
  1. 對(duì)于程序中的有序步驟，使用向量化的函數(shù)來(lái)完成
  2. 對(duì)于同類(lèi)情況，使用邏輯值取子集的方式來(lái)處理，以便一次性處理完一類(lèi)情況中的所有元素（for循環(huán)搭配if條件語(yǔ)句的組合常常能被邏輯值取子集所取代）

10.3 如何在R中編寫(xiě)快速的for循環(huán)

• 向量化代碼并不意味著for循環(huán)就不應(yīng)該在R中使用了，當(dāng)使用for循環(huán)時(shí)，我們應(yīng)該注意改善循環(huán)的效率：1）能放在循環(huán)外的代碼就不要放在循環(huán)內(nèi)，2）確保存儲(chǔ)循環(huán)輸出結(jié)果的對(duì)象有足夠的容量

• 對(duì)于第二點(diǎn)，書(shū)中提到一個(gè)例子，將100萬(wàn)個(gè)數(shù)值循環(huán)放入一個(gè)名為output的對(duì)象，第一種方法是先定義一個(gè)長(zhǎng)度為100萬(wàn)的output，然后循環(huán)放入數(shù)值，第二種方法是先定義一個(gè)長(zhǎng)度為1的output，循環(huán)放入數(shù)值，每次循環(huán)都增加output的長(zhǎng)度。結(jié)果是，第一種方法的運(yùn)行時(shí)間不到兩秒鐘，第二種方法的運(yùn)行時(shí)間則長(zhǎng)達(dá)37分鐘。這是因?yàn)椋瑢?duì)于第一種方法，使用的都是同一個(gè)output，而第二種方法則需要不斷地復(fù)制、刪除舊的output，并在內(nèi)存中尋找新的地方存放output的新版本，相當(dāng)于讓R對(duì)output反復(fù)讀寫(xiě)了100萬(wàn)次

• 【tips】可以運(yùn)用sys.time()命令來(lái)測(cè)試某個(gè)函數(shù)的運(yùn)行時(shí)間

10.4 調(diào)試R代碼

• 這個(gè)是附錄里的內(nèi)容，方便起見(jiàn)就放在第十章的最后了（附錄中其他的內(nèi)容也已經(jīng)放在了各章節(jié)中合適的位置）

10.4.1 traceback

• 有時(shí)候我們需要在代碼中調(diào)用函數(shù)，調(diào)用的函數(shù)往往又會(huì)調(diào)用別的函數(shù)，當(dāng)出現(xiàn)錯(cuò)誤時(shí)，可能會(huì)難以定位究竟是哪個(gè)函數(shù)出了問(wèn)題
• 這時(shí)候就可以在命令行中輸入traceback()，該命令會(huì)顯示一個(gè)調(diào)用棧（call stack），即一個(gè)被調(diào)用函數(shù)的有序列表，其中第一行是出錯(cuò)的函數(shù)，最底層則是我們最初調(diào)用的函數(shù)
• 不過(guò)要注意，出錯(cuò)的原因不一定發(fā)生在第一行的函數(shù)中，但一般來(lái)說(shuō)，越上層的函數(shù)，嫌疑越大

10.4.2 browser

• 在某個(gè)函數(shù)內(nèi)添加一行代碼browser()后，只要調(diào)用了該函數(shù)，函數(shù)運(yùn)行到browser()所在的一行時(shí)就會(huì)暫停，此時(shí)R處于一個(gè)新的模式，即瀏覽器模式（browser mode）（見(jiàn)debug部分的圖）

• 瀏覽器模式有以下幾個(gè)特性：

  • RStudio會(huì)顯示該函數(shù)的源代碼，并突出顯示該函數(shù)暫停時(shí)所在的代碼行
  • 此時(shí)的運(yùn)行環(huán)境不再是全局環(huán)境，而是該函數(shù)的運(yùn)行時(shí)環(huán)境，RStudio的環(huán)境面板也將顯示運(yùn)行時(shí)環(huán)境的所有對(duì)象
  • 命令行窗口中的命令提示符>會(huì)被Browse[1]>所取代，我們可以在這里輸入一些命令，來(lái)檢查究竟是哪個(gè)地方出了錯(cuò)誤
  • RStudio控制臺(tái)上方將出現(xiàn)“Next”、“Continue”和“Stop”三個(gè)按鈕，作用分別是：運(yùn)行該函數(shù)的下一行代碼、運(yùn)行該函數(shù)剩余的所有代碼后退出瀏覽器模式、立刻中斷并退出瀏覽器模式。此外還可以在命令行輸入命令n、c、s來(lái)實(shí)現(xiàn)對(duì)應(yīng)按鈕的功能（如果函數(shù)中存在名稱(chēng)為n、c、s、Q的對(duì)象，那么輸入這些字母將無(wú)法查看對(duì)象，想要查看的話可以用get('n')這樣的方法）

10.4.3 斷點(diǎn)

• 打開(kāi)腳本窗口，在函數(shù)中想要暫停的一行的左邊單擊鼠標(biāo)左鍵，將顯示一個(gè)空心紅點(diǎn)，即斷點(diǎn)（break point），R會(huì)將斷點(diǎn)識(shí)別為添加browser()語(yǔ)句的信號(hào)，當(dāng)調(diào)用該函數(shù)時(shí)，運(yùn)行到斷點(diǎn)所在的地方就會(huì)暫停并進(jìn)入瀏覽器模式（此時(shí)斷點(diǎn)會(huì)變?yōu)閷?shí)心紅點(diǎn)）

10.4.4 debug

• 對(duì)于一個(gè)已經(jīng)存在的函數(shù)，可以使用debug函數(shù)來(lái)進(jìn)行調(diào)試（見(jiàn)下圖），其作用相當(dāng)于在函數(shù)第一行添加一句browser()，調(diào)試完后可以使用undebug()來(lái)將第一行的browser()移除，此外可以使用isdebugged()來(lái)查看一個(gè)函數(shù)是否處于調(diào)試（debugging）模式

• 如果嫌太麻煩，可以用debugonce()代替debug()，效果是下次運(yùn)行待調(diào)試函數(shù)時(shí)自動(dòng)進(jìn)入瀏覽器模式，并在調(diào)試結(jié)束后解除該函數(shù)的調(diào)試模式

10.4.5 trace

• 可以使用trace函數(shù)來(lái)將browser()語(yǔ)句添加至函數(shù)中的任意位置，例如以下代碼可以將browser()添加至名為“deal”的函數(shù)的第四行：

trace("deal",browser,at=4)

• 也可以用trace函數(shù)在函數(shù)中插入browser函數(shù)之外的函數(shù)，但這么做的時(shí)候務(wù)必確保有充分的理由
• 調(diào)試結(jié)束后，使用untrace("deal")來(lái)將函數(shù)恢復(fù)正常

10.4.6 recover

• 使用方法和browser()一樣，區(qū)別是可以輸入棧的編號(hào)來(lái)進(jìn)入調(diào)用棧的任意層級(jí)，從而進(jìn)入某個(gè)函數(shù)的運(yùn)行時(shí)環(huán)境進(jìn)行調(diào)試
• 通過(guò)添加全局選項(xiàng)，可以使R在每次報(bào)錯(cuò)時(shí)自動(dòng)運(yùn)行recover()命令：

options(error=recover)

• 可以通過(guò)以下代碼來(lái)取消這一全局設(shè)置：

options(error=NULL)

?

----------2020.12.06更新----------
添加了第6、7、9、10章的筆記
----------2020.12.07更新----------
添加了第8章的筆記
----------2020.12.14更新----------
添加了第2章和附錄部分的內(nèi)容，修正了諸多表述和錯(cuò)字
----------2020.12.2更新----------
添加了目錄