5.22R语言初步学习-2（使用包、绘图）

本文逻辑可能有些凌乱，是在数据处理的使用中学习R语言，所以用到的一些包、函数等都直接写在这了，主要就是处理数据的一个过程可能会用到的部分函数。

包的使用

R语言的使用，很大程度上是借助各种各样的R包的辅助，从某种程度上讲，R包就是针对于R的插件，不同的插件满足不同的需求。感觉和python里面的库和MATLAB的工具箱类似。

下载包：install.packages("package_name","dir")

加载包：library(package_name  )

查看包帮忙：

library(help="package_name")主要内容包括：例如：包名、作者、版本、更新时间、功能描述、开源协议、存储位置、主要的函数

help(package = "package_name")主要内容包括：包的内置所有函数，是更为详细的帮助文档

查看当前环境哪些包加载：find.package() 或者 .path.package()

移除包出内存：detach()

把其它包的数据加载到内存中：data(dsname, package="package_name")

查看这个包里的包有数据：data( package="package_name")

列出所有安装的包：library()

plyr

plyr 包是一个用于数据操作和数据分析的非常有用的工具包，它提供了一系列函数，可以简化数据操作和分析的过程。主要用途包括数据的分割、应用和组合，通常被称为"split-apply-combine"模式。

主要应用：

1. 数据的分割、应用和组合：plyr 提供了 ddply() 和 dlply() 等函数，可以按照指定的变量对数据进行分组，然后对每个分组应用函数，最后将结果合并。

2. 数据的摘要统计：plyr 提供了 summarise() 函数，可以对数据进行摘要统计，比如计算均值、中位数、标准差等。

3. 数据的变形：plyr 提供了 mutate() 函数，可以对数据进行变形，比如添加新的变量、对现有变量进行转换等。

4. 数据的排序和筛选：plyr 提供了 arrange() 和 filter() 函数，可以对数据进行排序和筛选。

5. 数据的重复处理：plyr 提供了 rbind.fill() 和 rbind.fill.matrix() 函数，可以将多个数据框按行合并，并在合并时填充缺失值。

6. 数据的多级分组分析：plyr 提供了 group_by() 函数，可以按照多个变量对数据进行多级分组，然后进行分析。

7. 更灵活的分析：plyr 提供了一系列强大的函数，可以实现更复杂和灵活的数据分析，比如 join() 函数用于数据的连接操作，rename() 函数用于变量名的重命名等。

ddply(ide2,~IDE,function(data) summary(data$Time))
结果：
      IDE Min. 1st Qu. Median   Mean 3rd Qu. Max.
1 Eclipse  232  294.75  393.5 468.15  585.50  952
2 VStudio  155  246.50  287.0 302.10  335.25  632

• ddply(ide2, ~IDE, function(data) summary(data$Time))：
  • ide2 是你要操作的数据框。
  • ~IDE 表示按照 IDE 列进行分组。
  • function(data) summary(data$Time) 是对每个分组应用的函数，这里对每个分组的 Time 列进行了摘要统计。

结果解释

IDE: 显示了分组变量 IDE 的两个水平，即 Eclipse 和 VStudio。

Min.: Time 列的最小值。

1st Qu.: Time 列的第一个四分位数。

Median: Time 列的中位数。

Mean: Time 列的均值。

3rd Qu.: Time 列的第三个四分位数。

Max.: Time 列的最大值。

 汇总操作、均值、标准差

summarise 指定你要对每个分组进行汇总操作。

Time.mean=mean(Time) 计算每个分组中 Time 列的均值，并命名为 Time.mean。

Time.sd=sd(Time) 计算每个分组中 Time 列的标准差，并命名为 Time.sd。

R语言包plyr的保姆级讲解，帮助你快速拆分应用汇总数据 - 知乎R语言是一种功能强大的数据分析和统计建模工具，拥有众多优秀的数据处理包。在数据科学领域中，数据预处理是数据分析的重要步骤之一。plyr旨在提供一组简洁而强大的工具，帮助用户进行数据的分割、转换、汇总和应…https://zhuanlan.zhihu.com/p/656843836

相信我，这是全网最详细的R包dplyr教程 - 知乎R语言包 dplyr之常用函数欢迎关注公众号：统计与数据挖掘 一、安装我的环境：win10 64位。R版本：4.0 以下所有操作均基于 jupyter lab+R语言。 install.packages("dplyr")二、加载包library("dplyr…https://zhuanlan.zhihu.com/p/358167377

car

car（Companion to Applied Regression）库提供了许多用于回归分析和统计模型诊断的工具。它特别有用的是包含了许多方差分析、回归诊断和图形化的功能。

如：

使用leveneTest进行方差齐性检验

leveneTest函数用于检验不同组别的方差是否相等（方差齐性）。这是方差分析（ANOVA）前需要满足的一个重要假设。

还有多重共线性检验、生成回归诊断图、Durbin-Watson 检验、Box-Cox 变换等

# 安装和加载必要的包
install.packages("car")
library(car)

# 示例数据
ide2 <- readcsv("test.csv")

# 拟合方差分析模型
m <- aov(Time ~ IDE, data = ide2)

# 正态性检验
shapiro.test(ide2[ide2$IDE == "VStudio",]$Time)
shapiro.test(ide2[ide2$IDE == "Eclipse",]$Time)

# 方差齐性检验
leveneTest(Time ~ IDE, data = ide2)

# 查看方差分析的结果
summary(m)

# 多重共线性检验
model <- lm(Time ~ IDE + Subject, data = ide2)
vif(model)

# 生成回归诊断图
plot(model)

# Durbin-Watson 检验
durbinWatsonTest(model)

# Box-Cox 变换
boxCox(model)

数据可视化-绘图

plot(Time ~ IDE, data=ide2)

• 箱体（Box）：显示数据的四分位数，即从第一四分位数（Q1）到第三四分位数（Q3）。
• 中位数（Median）：箱体内的一条横线表示数据的中位数。
• 须（Whiskers）：表示数据范围，通常延伸到1.5倍的四分位距（IQR）。
• 异常值（Outliers）：箱体外的点表示异常值。

 通过箱线图，可以直观地比较两种 IDE 在 Time 变量上的分布情况。例如，可以看到两种 IDE 的中位数是否不同，数据的离散程度（通过箱体和须的长度）以及是否存在异常值等。

公式接口 plot(y ~ x, data) 根据数据类型自动选择适当的绘图类型。当 x 是一个因子变量（如分类变量）而 y 是一个数值变量时，plot 函数会自动生成一个箱线图（boxplot）。这是因为箱线图是一种适用于这种数据类型的可视化方法，能够清晰地显示不同分类变量（因子）的数值分布情况。

• plot(): 用于绘制散点图、箱线图、线图等。
• hist(): 用于绘制直方图。
• boxplot(): 用于绘制箱线图。
• barplot(): 用于绘制条形图。 

# 使用 R 基础系统绘制箱线图    main是标题
boxplot(Time ~ IDE, data=ide2, main="Boxplot of Time by IDE", xlab="IDE", ylab="Time")

绘制直方图： 

hist(ide2[ide2$IDE == "VStudio",]$Time)

绘制Q-Q 图

为了评估方差分析模型（ANOVA）假设的正态性，使用qqnorm和qqline绘制 Q-Q 图。 Q-Q 图（Quantile-Quantile Plot）是一种图形方法，用于比较数据的分布与正态分布。如果数据点大致沿着一条直线分布，则数据可以被认为是正态分布的。