R语言基础

生信喵

一、R 语言简介
1.1 R 语言历史
       R 语言是一款统计软件，R 语言也是一门编程语言，R 语言也是一个数据分析平台。R 是一个免费自由且跨平台通用的统计计算与绘图软件，它有 Windows、Mac、Linux 等版本，均可免费下载使用。R 项目(The R Project for Statistical Computing)最早由新西兰奥克兰大学(Auckland University)的 Robert Gentleman(1959-)和 Ross Ihaka(1954-) 开发，故软件取两人名字的首字母命名为 R 。该项目始于 1993 年，2000 年发布了首个官方版本 R 1.0.0 ，后期维护由 R 核心团队(R Core Team)负责。截止 2019 年 4 月，已发布到 3.6 版本。凭借其开源、免费、自由等开放式理念，R 迅速获得流行，目前已成为学术研究和商业应用领域最为常用的数据分析软件之一。随着大数据行业的发展，R 语言变得越来越流行，R 语言发挥了越来越重要的作用。

1.2 为什么要学习 R 语言
       ➢ 数据计算
       ➢ 统计检验
       ➢ 统计建模
       ➢ 数据挖掘
       ➢ 数据可视化

二、R 语言的优缺点
2.1 R 语言的优点
       ➢ 开源、免费，具有完整的统计学功能，有大量的扩展包（开源不一定免费）
       ➢ 有效的数据处理和保存机制。
       ➢ 拥有一整套数组和矩阵的操作运算符。
       ➢ 一系列连贯而又完整的数据分析中间工具。
       ➢ 图形统计可以对数据直接进行分析和显示，可用于多种图形设备。
       ➢ 一种相当完善、简洁和高效的程序设计语言。
       ➢ R 语言是彻底面向对象的统计编程语言。
       ➢ R 语言和其它编程语言、数据库之间有很好的接口。
       ➢ R 语言是自由软件，可以放心大胆地使用，但其功能却不比任何其它同类软件差。
       ➢ R 语言具有丰富的网上资源。

2.2 R 语言的缺点
       ➢ 开源、免费，具有完整的统计学功能，有大量的扩展包
       ➢ 学习成本大；
       ➢ 不擅长处理非结构数据；
       ➢ 计算消耗资源较多；
       ➢ R 的扩展包太多了，比较混乱，不容易找到适合的扩展包；
       ➢ 不擅长多线程处理。

2.3 R 语言与 Excel 对比
       1、R 语言开源免费，Excel 收费；
       2、R 语言支持 Linux 版本，Excel 只支持 windows，macos，ios，Android；
       3、能够计算大数据，Excel 默认只能处理 100 万行数据；
       4、R 语言有更好扩展能力，有很多现成的包；
       5、R 语言有更好的绘图能力，例如可以很方便绘制热图，基因组圈图等复杂图形；
       6、R 语言的 Bioconductor 项目可以处理生物数据，例如基因表达数据，单细胞测序等；
       7、R 语言学习成本较大，不如 Excel 简单。
       使用SAS软件发表文章，如果单位没有购买的话，会被起诉。因为SAS软件比较贵，买的单位不多。
2.4 R 语言与 Python 对比
       1、R 语言具有更强大的统计学功能；
       2、R 语言的 Bioconductor 项目可以处理生物数据，例如基因表达数据，单细胞测序等；
       3、R 语言的绘图能力更强，尤其是 ggplot2 包；
       4、python 兼容性不好；
       5、python 具有更强大的文本处理能力；
       6、python 资源管理更好，R 不擅长多线程计算，更消耗资源；

三、结构化数据与非结构化数据
       结构化数据：信息能够用数据或统一的结构加以表示，我们称之为结构化数据，如数字、符号；
       非结构化数据：信息无法用数字或统一的结构表示，如文本、图像、声音、网页等，我们称之为非结构化数据。
       R 语言更擅长处理结构化数据，因此，在使用 R 之前，尽量确保数据是严格的表格结构。也就是二位的表格，分为行和列。在 R 语言中，行称为“观测”，列称为“变量”。

四、 数据分析的六个过程
       ➢ 数据采集
       ➢ 数据存储
       ➢ 统计分析
       ➢ 数据挖掘
       ➢ 数据可视化
       ➢ 生成报告