R数据分析.ppt

数据分析与R语言 数据挖掘 数据挖掘是以查找隐藏在数据中的信息为目的的技术，是应用算法从大型数据库中提取知识的过程，这些算法确定信息项之间的隐性关系，并且向用户显示这些关联。 数据挖掘思想来源：假设检验，模式识别，人工智能，机器学习。 常见数据挖掘任务：关联分析，聚类分析，孤立点分析等等 例：啤酒与尿布的故事。 例：《Science》的文章《科学家摸索出大型数据集内的趋势》 展现层：报表与图形 老土的报表 展现层 常见的报表 展现层 一些有趣的图表 展现层 某条微博的扩散路径 展现层 Mr Android 根据信息图显示，Android先生的头发有47%的可能是黑色的，戴眼镜的几率为37%，有36%的可能是北美人，30%的可能脸上长雀斑，71%的时间会穿T恤，62%的人喜欢穿牛仔裤，工作只占了38%，玩游戏却占了62%，平均每个月会用掉582MB的数据流量。 展现层 Mr Android 展现层 网站点击“热力图” R R的起源 R是S语言的一种实现。S语言是由ATT贝尔实验室开发的一种用来进行数据探索、统计分析、作图的解释型语言。最初S语言的实现版本主要是S-PLUS。S-PLUS是一个商业软件，它基于S语言，并由MathSoft公司的统计科学部进一步完善。后来Auckland大学的RobertGentleman和Ross Ihaka及其他志愿人员开发了一个R系统。R的使用与S-PLUS有很多类似之处，两个软件有一定的兼容性。 R R的特点 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。它包括条件语句、循环语句、用户自定义的递归函数以及输入输出接口。 R语言是彻底面向对象的统计编程语言。 R语言和其他编程语言、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。 R 商业版本的R Revolution R (官网：/) 很多大型厂商也在开始推出自己的R或兼容R的产品，例如Oracle、IBM、Sybase 创建向量和矩阵 函数c( ), length( ), mode( ), rbind( ), cbind( ) x1=c(2,4,6,8,0) x2=c(1,3,5,7,9) length(x1) mode(x1) x1 x1[3] al=c(1:100) length(al) rbind(x1,x2) cbind(x1,x2) m1=rbind(x1,x2) m1 语句： 结果： 求平均值，和，连乘，最值，方差，标准差 函数mean( ), sum( ), min( ), max( ), var( ), sd( ), prod( ) x=c(1:100) mean(x) sum(x) max(x) min(x) var(X) var(x) prod(x) sd(x) 语句： 结果： 注：R语言是区分大小写的。 寻求帮助 函数help( ) help(prod) 产生向量 1:10 1:10-1 1:10*2 2:60*2-1 a=2:60*2+1 a a[5] a[-5] 语句： 结果： 产生向量 a[1:5] a[-(1:5)] a[1,2,3] a[c(1,2,3)] a[3:8] a[a20] a[a30 a50] a[a(3)] 语句： 结果： 生成矩阵 a1=c(1:12) matrix(a1,nrow=3,ncol=4) matrix(a1,nrow=4,ncol=3) matrix(a1,nrow=3,ncol=4,byrow=T) 语句： 结果： 函数matrix( ) 数据的R语言表示-数据框 x1=c(10,13,45,26,23,12,24,78,23,43,31,56) x2=c(20,65,32,32,27,87,60,13,42,51,77,35) x=data.frame(x1,x2) x 语句： 结果： 矩阵形式，但列可以不同数据类型 每列是一个变量，每行是一个观测值 散点点图 plot(x) 语句： 结果： 函数plot( ) 综合性例子 模拟产生统计专业同学的名单（学号区分），记录数学分析，线性代数，概率统计三科成绩，然后进行一些统计分析 语句： 结果： num=seq10378100) num 模拟成绩 用runif和rnorm 语句： 结果： x1=round(runif(100,min=80,max=100)) x2=round(rnorm(100,mean=80,sd=7)) 注：round是四舍五入函数。Runif是均