R語言的環境建置與基礎

1 + 1
## [1] 2
#1 + 1
((( 1 + 1 ) + 1) + 1)
((2 + 1) + 1)
(3 + 1)
4
3 ^ 2 * 2 + 10 %% 3
y <- x + 1
x <- 1
###
y <- x + 1
y <- 1 + 1
y <- 2
x <- 10
(1 + 2 * x)
(1 + 2 * 10)
x <- 1
.x <- 1
_x <- 1
x_1 <- 1
. <- 1
.1 <- 1
中文 <- 1
1 + 1
## [1] 2
"1 + 1"
## [1] "1 + 1"
"1" + '1' # 文字不可相加
## Error in "1" + "1": 二元運算子中有非數值引數
a <- 1
plot.new()
title(main = "a")
plot.new()
title(main = a) # 變數會有「代換」的動作
plot.new()
title(main = "a")
install.packages("caTools")  # install external package
library(caTools)             # external package providing write.gif function
jet.colors <- colorRampPalette(c("red", "blue", "#007FFF", "cyan", "#7FFF7F",
                                 "yellow", "#FF7F00", "red", "#7F0000"))
dx <- 1500                    # define width
dy <- 1400                    # define height
C  <- complex(real = rep(seq(-2.2, 1.0, length.out = dx), each = dy),
              imag = rep(seq(-1.2, 1.2, length.out = dy), dx))
C <- matrix(C, dy, dx)       # reshape as square matrix of complex numbers
Z <- 0                       # initialize Z to zero
X <- array(0, c(dy, dx, 20)) # initialize output 3D array
for (k in 1:20) {            # loop with 20 iterations
  Z <- Z^2 + C               # the central difference equation
  X[, , k] <- exp(-abs(Z))   # capture results
}
write.gif(X, "Mandelbrot.gif", col = jet.colors, delay = 100)
install.packages("caTools")  # install external package
C  <- complex(real = rep(seq(-2.2, 1.0, length.out = dx), each = dy),
              imag = rep(seq(-1.2, 1.2, length.out = dy), dx))
?seq
## Default S3 method:
seq(from = 1, to = 1, by = ((to - from)/(length.out - 1)),
    length.out = NULL, along.with = NULL, ...)
plot.new()
plot.new(main = "a") # Error
## Error in plot.new(main = "a"): unused argument (main = "a")
seq()
## [1] 1
seq(lalalalove = 1) # No error
## Warning: In seq.default(lalalalove = 1) :
##  extra argument 'lalalalove' will be disregarded
## [1] 1
mean()
## Error in mean.default(): 缺少引數 "x"，也沒有預設值
debug(seq)
seq(-2.2, 1.0, length.out = dx)
dx <- 1500                    # define width
dy <- 1400                    # define height
C  <- complex(real = rep(seq(-2.2, 1.0, length.out = dx), each = dy),
              imag = rep(seq(-1.2, 1.2, length.out = dy), dx))
?install.packages
library(caTools)
install.packages("caTools")  # install external package
library(caTools)             # external package providing write.gif function
jet.colors <- colorRampPalette(c("red", "blue", "#007FFF", "cyan", "#7FFF7F",
                                 "yellow", "#FF7F00", "red", "#7F0000"))
dx <- 1500                    # define width
dy <- 1400                    # define height
C  <- complex(real = rep(seq(-2.2, 1.0, length.out = dx), each = dy),
              imag = rep(seq(-1.2, 1.2, length.out = dy), dx))
C <- matrix(C, dy, dx)       # reshape as square matrix of complex numbers
Z <- 0                       # initialize Z to zero
X <- array(0, c(dy, dx, 20)) # initialize output 3D array
for (k in 1:20) {            # loop with 20 iterations
  Z <- Z^2 + C               # the central difference equation
  X[, , k] <- exp(-abs(Z))   # capture results
}
write.gif(X, "Mandelbrot.gif", col = jet.colors, delay = 100)
x <- 1:3 # x 是一個R物件，是一個向量（不只一個值）
x[1] # 第一個值
## [1] 1
x[2] # 第二個值
## [1] 2
length(x) # 長度
## [1] 3
g <- lm(dist ~ speed, cars)
str(g)
## List of 12
##  $ coefficients : Named num [1:2] -17.58 3.93
##   ..- attr(*, "names")= chr [1:2] "(Intercept)" "speed"
##  $ residuals    : Named num [1:50] 3.85 11.85 -5.95 12.05 2.12 ...
##   ..- attr(*, "names")= chr [1:50] "1" "2" "3" "4" ...
##  $ effects      : Named num [1:50] -303.914 145.552 -8.115 9.885 0.194 ...
##   ..- attr(*, "names")= chr [1:50] "(Intercept)" "speed" "" "" ...
##  $ rank         : int 2
##  $ fitted.values: Named num [1:50] -1.85 -1.85 9.95 9.95 13.88 ...
##   ..- attr(*, "names")= chr [1:50] "1" "2" "3" "4" ...
##  $ assign       : int [1:2] 0 1
##  $ qr           :List of 5
##   ..$ qr   : num [1:50, 1:2] -7.071 0.141 0.141 0.141 0.141 ...
##   .. ..- attr(*, "dimnames")=List of 2
##   .. .. ..$ : chr [1:50] "1" "2" "3" "4" ...
##   .. .. ..$ : chr [1:2] "(Intercept)" "speed"
##   .. ..- attr(*, "assign")= int [1:2] 0 1
##   ..$ qraux: num [1:2] 1.14 1.27
##   ..$ pivot: int [1:2] 1 2
##   ..$ tol  : num 1e-07
##   ..$ rank : int 2
##   ..- attr(*, "class")= chr "qr"
##  $ df.residual  : int 48
##  $ xlevels      : Named list()
##  $ call         : language lm(formula = dist ~ speed, data = cars)
##  $ terms        :Classes 'terms', 'formula'  language dist ~ speed
##   .. ..- attr(*, "variables")= language list(dist, speed)
##   .. ..- attr(*, "factors")= int [1:2, 1] 0 1
##   .. .. ..- attr(*, "dimnames")=List of 2
##   .. .. .. ..$ : chr [1:2] "dist" "speed"
##   .. .. .. ..$ : chr "speed"
##   .. ..- attr(*, "term.labels")= chr "speed"
##   .. ..- attr(*, "order")= int 1
##   .. ..- attr(*, "intercept")= int 1
##   .. ..- attr(*, "response")= int 1
##   .. ..- attr(*, ".Environment")=<environment: R_GlobalEnv> 
##   .. ..- attr(*, "predvars")= language list(dist, speed)
##   .. ..- attr(*, "dataClasses")= Named chr [1:2] "numeric" "numeric"
##   .. .. ..- attr(*, "names")= chr [1:2] "dist" "speed"
##  $ model        :'data.frame':   50 obs. of  2 variables:
##   ..$ dist : num [1:50] 2 10 4 22 16 10 18 26 34 17 ...
##   ..$ speed: num [1:50] 4 4 7 7 8 9 10 10 10 11 ...
##   ..- attr(*, "terms")=Classes 'terms', 'formula'  language dist ~ speed
##   .. .. ..- attr(*, "variables")= language list(dist, speed)
##   .. .. ..- attr(*, "factors")= int [1:2, 1] 0 1
##   .. .. .. ..- attr(*, "dimnames")=List of 2
##   .. .. .. .. ..$ : chr [1:2] "dist" "speed"
##   .. .. .. .. ..$ : chr "speed"
##   .. .. ..- attr(*, "term.labels")= chr "speed"
##   .. .. ..- attr(*, "order")= int 1
##   .. .. ..- attr(*, "intercept")= int 1
##   .. .. ..- attr(*, "response")= int 1
##   .. .. ..- attr(*, ".Environment")=<environment: R_GlobalEnv> 
##   .. .. ..- attr(*, "predvars")= language list(dist, speed)
##   .. .. ..- attr(*, "dataClasses")= Named chr [1:2] "numeric" "numeric"
##   .. .. .. ..- attr(*, "names")= chr [1:2] "dist" "speed"
##  - attr(*, "class")= chr "lm"
x <- 1:3 # `:` 可以快速產生序列，`1:3` 代表從1至3間隔為1的數列
y <- 2:4
x + y
## [1] 3 5 7
p <- 257
. <- 2:(p-1) # 2 和 p-1之間的所有整數
# 檢查他們是不是p的因數（餘數為0）
. <- p %% . # 計算餘數
. <- . == 0 # 拿餘數與0比較
any(.) # 有沒有任何的因數，有因數的話p就不是值數
## [1] FALSE
# which(.) # 看看那一個是因數
x <- 1:3
y <- 1:6
x + y # R會重複比較短的向量，補到一樣長之後再做運算
## [1] 2 4 6 5 7 9
x <- 1:3
x[1]
## [1] 1
x[1:2]
## [1] 1 2
x[-2]
## [1] 1 3
set.seed(1)
x <- rnorm(10) # 10000個標準常態分佈的隨機亂數
x[x > 1] # 超過1的元素
## [1] 1.595281
x[x > -1 & x < 1] # 1 與 -1 之間的元素
## [1] -0.6264538  0.1836433 -0.8356286  0.3295078 -0.8204684  0.4874291
## [7]  0.7383247  0.5757814 -0.3053884
y <- rnorm(10)
x[y > 1] # 那些y超過1的對應位置的x
## [1] -0.6264538  0.3295078
x <- 1:26
names(x) <- letters
x["n"]
##  n 
## 14
x[c("n", "w", "w", "a")]
##  n  w  w  a 
## 14 23 23  1
source("http://homepage.ntu.edu.tw/~wush978/R/init-swirl.R")
g <- lm(dist ~ speed, cars)
g[[1]]
## (Intercept)       speed 
##  -17.579095    3.932409
g$coefficients
## (Intercept)       speed 
##  -17.579095    3.932409
g[1]
## $coefficients
## (Intercept)       speed 
##  -17.579095    3.932409
list(g[[1]])
## [[1]]
## (Intercept)       speed 
##  -17.579095    3.932409
g[[1]]
## (Intercept)       speed 
##  -17.579095    3.932409
. <- g[[1]]
attributes(.)
## $names
## [1] "(Intercept)" "speed"
str(.)
##  Named num [1:2] -17.58 3.93
##  - attr(*, "names")= chr [1:2] "(Intercept)" "speed"
str(g[1])
## List of 1
##  $ coefficients: Named num [1:2] -17.58 3.93
##   ..- attr(*, "names")= chr [1:2] "(Intercept)" "speed"
list(2, 3, 4, 5)
x <- list("2" = list(5, 6, 7), "3" = list(8, 9, 10), "4" = list(11, 12, 13))
{
   "name" : "Peter",
   "age" : 35
   "children" : [{"name" : "George", "age" : 5}, {"name" : "Mary", "age" : 3}]
}
x[1] 
## $`2`
## $`2`[[1]]
## [1] 5
## 
## $`2`[[2]]
## [1] 6
## 
## $`2`[[3]]
## [1] 7
x[[1]] # x$`2`
## [[1]]
## [1] 5
## 
## [[2]]
## [1] 6
## 
## [[3]]
## [1] 7
x <- iris$Species # 內建的結構化資料集
str(x)
##  Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...
attributes(x)
## $levels
## [1] "setosa"     "versicolor" "virginica" 
## 
## $class
## [1] "factor"
attributes(x) <- NULL
str(x)
##  int [1:150] 1 1 1 1 1 1 1 1 1 1 ...
f <- function() {
  print(1) # 正常執行
  stop("test error") # `stop` 拋出 condition 物件，中斷`f`的運作
  print(2) # `f`被中斷了，不會被執行
}
f()
## [1] 1
## Error in f(): test error
g <- function() {
  f()
  print(3) # 不會被執行
}
g()
## [1] 1
## Error in f(): test error
g <- function() {
  try(f(), silent = TRUE) # 處理錯誤後，會繼續執行`g`
  print(3) # 
}
g()
## [1] 1
## [1] 3
r <- try(f(), silent = TRUE)
## [1] 1
class(r) # 可以藉此判斷錯誤有沒有發生
## [1] "try-error"
conditionMessage(attr(r, "condition")) # 可以取得呼叫`stop`時傳入的字串
## [1] "test error"
r <- try({}, silent = TRUE)
class(r) # 不再是`try-error`
## [1] "NULL"
tryCatch({
  # 進入 try-catch block 的程式碼
  f()
}, error = function(e) {
  # `e`就是捕捉到的錯誤（condition 物件）
  print(conditionMessage(e)) # 印出錯誤訊息
}, finally = {
  # 無論有沒有錯誤都一定會執行的程式碼
})
## [1] 1
## [1] "test error"
C  <- complex(real = rep(seq(-2.2, 1.0, length.out = dx), each = dy),
              imag = rep(seq(-1.2, 1.2, length.out = dy), dx))
. <- seq(-2.2, 1.0, length.out = dx)
.real <- rep(., each = dy)
. <- seq(-1.2, 1.2, length.out = dy)
.imag <- rep(., dx)
C  <- complex(real = .real, imag = .imag)
f <- function(a, ...) {
  browser()
}
f(1, b = 2, 3)

課程大綱

安裝R 與Rstudio

事前注意事項

安裝 R

安裝Rstudio

Rstudio 功能簡介

界面介紹

程式碼編輯區(1)

語法錯誤提示

自動完成與說明文件

對稱的括號提示

Console(2)

環境資訊(3)

檔案系統、說明文件與圖片(4)

檔案系統、說明文件與圖片(4)

檔案系統、說明文件與圖片(4)

Expression、變數與字串

學習目標

expression

運算的expression

運算的expression

運算的expression

註解與expression

運算順序 與 子expression

範例：請問以下的expression會用怎樣的順序做運算？

變數

變數與計算

變數與計算

變數名稱的規範

變數名稱的規範

字串

變數 vs 字串

函數

寫R 會運用大量的函數

函數的名稱與參數

呼叫函數

函數的定義

函數的定義

不定參數

沒有不定參數的函數，不能接受額外的參數

有不定參數的函數，接受額外的參數

呼叫函數時，參數的比對

進入函數

呼叫函數的順序

套件的使用

套件的目的

安裝套件的install.packages函數

載入套件的library函數

探索R 的世界

範例：學習 Mandelbrot set

如何探索套件

R 語言的基礎物件與型態

R 物件

向量

型態

範例

向量化的運算

範例：如何快速判斷p是不是質數

向量化的對齊

[的操作

[ + 數值向量

[ + 布林向量

[ + 字串向量

關於[

安裝R 語言翻轉教室

一行指令安裝做作業的系統

這周請同學完成：

list

學習如何從console的輸出充判斷一般的向量與list

屬性

利用str了解R 物件的結構

list 與樹狀結構

樹狀結構

list 與樹狀結構

list 與樹狀結構

list 與樹狀結構

list 與樹狀結構

樹狀結構常見於半結構化的資料

原因

[ 與 [[

`expression`

運算的`expression`

運算的`expression`

運算的`expression`

註解與`expression`

運算順序與子`expression`

範例：請問以下的`expression`會用怎樣的順序做運算？

安裝套件的`install.packages`函數

載入套件的`library`函數

範例：如何快速判斷`p`是不是質數

`[`的操作

`[` + 數值向量

`[` + 布林向量

`[` + 字串向量

關於`[`

`list`

學習如何從console的輸出充判斷一般的向量與`list`

利用`str`了解R 物件的結構

`list` 與樹狀結構

`list` 與樹狀結構

`list` 與樹狀結構

`list` 與樹狀結構

`list` 與樹狀結構

`[` 與 `[[`

`[` 與 `[[`

R 語言的錯誤處理： `try`

R 語言的錯誤處理： `try`

R 語言的錯誤處理： `tryCatch`