R语言笔记

R语言笔记

学习R语言对我来说有好几个地方需要注意的，我觉得这样的经验也适用于学习其他的新的语言。

语言的目标

我理解语言的目标就是这个语言是用来做什么的，为什么样的任务服务的，也就是设计这个语言的动机。比如C++是为系统编程服务的，java是为企业级应用服务的。R语言是用于统计分析，这样在R的系统中有大量的库（或者是package）用来实现特定的统计方法。

基本的数据类型

学习各个语言的第一步是了解这个语言的最基本的数据类型，这决定如何使用变量进行计算。

基本数据类型是直接由语言本身所定义的变量类型。基本数据类型类比于建筑工地上的沙子，你可以建高楼大厦，可以建别墅，但是你没法建沙子啊！！！或者类似于原子，完全不可再分的东西。R语言的基本数据类型包括：

1. character：字符串类型。
2. numeric：浮点数，应该是双精度浮点数。
3. integer：整数
4. logical value：TURE/FALSE两种
5. fucntion：函数也是R语言中的基本类型

有NA和NaN两个特别的数据类型，用来表述数据无法获得和不存在这两种情况的。这个也是R语言的特色，一般语言中只存在一种表示非法的数据。

这些数据类型和C语言中的数据类型没有本质的差别。对于“character”，其实是字符串，因此在R语言中没有单个字符和字符串的区别。在基本的数据类型上各个语言可能不会有什么差别（有些语言比如MATLAB，矩阵也是基本数据类型）。

常用的数据类型

学习完基本的数据类型后，下一步应该了解的是这个语言最常用的数据类型。R语言中最常用的数据类型包括：

1. vector：n个相同数据类型的变量，可以使用vector或者c创建。
2. list：vector的增强版本，这n个对象可以是不同的数据类型。使用list函数创建。
3. matrix：矩阵，nxn个相同数据类型的变量在一起，使用matrix创建。
4. data.frame：类似于矩阵，但是每一列的数据类型可以不同。一般使用data.frame函数创建。
5. factor：这种数据类型类似于enumeration，但是可以存在顺序，一般统计中用于数据的分类或者排序等等。
6. Datetime：处理日期时间相关的数据。

对于vector和list来说，相比于C语言，R语言也使用整数下标做索引，但是从1开始，也同样使用"[]"。

对于list，有另外的特别的索引方法：[[]]。这种特别的索引方法正好可以给出R语言作为统计用途的语言与C的差异。R语言可以使用“名字”来对变量进行引用。可以使用名字的原因是统计表格中的每一列一般是有标题的。这样就可以直接使用标题来引用对应的数据。这样的方法对于matrix和data.frame都有效。

对于matrix和data frame来说，索引特定元素的方法是a[i,j]，这种方法和c语言也不相同。另外R语言中的各种类型的函数可以使用as函数进行转换。

执行流控制语句

这个也是每个语言的必须的要素，包括判断，循环和跳转语句，这在各个语言中是不一样的，每个语言都有自己的特色，但是基本和C语言相同。

R语言的判断

	if(expression){
		expression A
	} else {
		expression B
	}

其中else部分可以省略。R语言中可以产生逻辑结果的操作符有==, !=, >, <, %in%等。

R语言提供了多种类型的循环语句

	for(index in sequence){
		expression
	}

	while(expression){
		expression
	}

	repeat {
		expression
	}

其中需要到repeat就是一个死循环，需要使用break才能从结束循环。

类似于MATLAB，在R语言中循环语句是相当的耗费时间的，如果有可能，应当尽量使用*apply函数。

函数

R语言的函数也是基本数据类型的一种，因此被称为first-class citizen。这意味着函数和其他的变量没有什么本质的不同，这一点不同于C语言。另外R语言中的函数允许嵌套定义，而且允许函数中存在函数体内部和全局环境都不可解析的变量，这对于C语言是完全不可接受的，这些在函数体内部和全局环境都不可解析的变量，称之为“free variable”。对于R语言的函数，最重要的知识点就是scoping rule：

a <- 20
f <- function(b){
	g <- function() { a + b}
	g()
}

h <- function(){
	a <- 200
	b <- 100
	f(3)
}

从函数f的定义中我们可以看出\(a\)是free variable，然后在函数h中，我们调用f，同时h内部也出现了变量a。在这个时候，lexical scoping法则规定，这些free variable的取值由函数定义所在的“环境"决定。R语言中的环境定义为一个data frame，里面存储的是一对对的”符号“和”对象“。一个环境可以有父环境，最终的根节点是一个空的环境。因此在任何R的函数对象中必然存在指向环境对象的指针，以用来解析函数中存在的free variable。因此任意符号的解析必然由环境决定的。在上图的调用中，最终的结果是23。

惯用法

相比于前面介绍的基本数据类型，常用数据类型，函数定义（或者是对象定义），这些在每个语言中可能采用不同的规则，但是基本大同小异。如何区分一个初学者和熟练使用的差别，就在于是否会恰当的使用惯用法。各个语言由于特性的不同，对于同一个事情的处理，会有完全不同的处理方法，尽管可以使用一种非常统一的方法在各个语言中实现，但这样的行为注定是要受到鄙视的。

R语言中的惯用法就是*apply函数，这些函数使用的熟练程序，对一个程序的美观可以有很大的影响。主要包括：

1. lapply/sapply
2. tapply
3. mapply
4. apply

这些函数的用法非常类似于map这种语言，对不同的对象施加同一个操作。

其他

其他的信息包括一些统计时间，获取帮助str，确定程序的热点Rprof。R语言的另一大特色是大量随机事件相关的函数。

总结

在学习新的编程语言时，一般得注意到基本数据类型，常用数据类型，函数定义，变量解析和惯用法。这样基本可以快速的使用一个语言，但是熟练使用仍然需要很长的一段时间。