7个实验：R语言环境安装、R语言包的安装、创建和使用R语言数据集、数据的导入导出、R语言数据的清洗、高级数据管理、基本统计分析和函数与包实验（若有蒙混过关之处望指正，觉得有帮助的请点赞????）内容较长！

本实验是在我同学做的云平台上运行的，所以背景色为黑色，仅外表看起来有些不同而已！

实验一  R语言环境安装

【实验题目】

  实验一   R语言环境安装

【实验目的】

1. 掌握R GUI和RStudio的下载安装。
2. 熟悉R GUI和RStudio主界面的组成及作用。
3. 查看工作空间，更改工作空间。

【实验内容与实现】

1. R的安装

2. RStudio的安装

3. 查看工作空间，更改工作空间。

【实验心得】

       通过本次实验我熟练地掌握了R GUI和RStudio的下载安装，熟悉了R GUI和RStudio主界面的组成及作用，并学会查看工作空间，更改工作空间，受益良多。

实验二  R语言包的安装

【实验目的】

1. 熟练掌握R语言包的安装
2. 查看安装的包
3. 学会查看包的信息
4. 载入已安装的包

【实验内容与实现】

实验三  创建和使用R语言数据集

【实验目的】

1. 了解R语言中的数据结构。
2. 熟练掌握他们的创建方法，和函数中一些参数的使用。
3. 对创建的数据结构进行，排序、查找、删除等简单的操作。

【实验内容与实现】

1. 向量的创建及因子的创建和查看

有一份来自澳大利亚所有州和行政区的20个税务会计师的信息样本1 以 及他们各自所在地的州名。州名为：tas, sa, qld, nsw, nsw, nt, wa, wa, qld, vic, nsw, vic, qld, qld, sa, tas, sa, nt, wa, vic。

（1）将这些州名以字符串的形式保存在state当中。

（2）创建一个为这个向量创建一个因子statef。

（3）使用levels函数查看因子的水平。

2. 矩阵与数组。

（1）创建一个4*5的数组如图，创建一个索引矩阵如图，用这个索引矩阵访问数组，观察结果。

3. 将之前的state，数组，矩阵合在一起创建一个长度为3的列表。

4. 创建一个数据框如图。

5. 将这个数据框按照mpg列进行排序。

6. 访问数据框中drat列值为3.90的数据。

实验四  数据的导入导出

【实验目的】

1. 熟练掌握从一些包中读取数据。
2. 熟练掌握csv文件的导入。
3. 创建一个数据框，并导出为csv格式。

【实验内容与实现】

1. 创建一个csv文件（内容自定），并用readtable函数导入该文件。

2. 查看R语言自带的数据集airquality（纽约1973年5-9月每日空气质量）。

3. 列出airquality的前十列，并将这前十列保存到air中。

4. 任选三个列，查看airquality中列的对象类型。

5. 使用names查看airquality数据集中各列的名称

6. 将air这个数据框导出为csv格式文件。（write.table (x, file ="", sep ="", row.names =TRUE, col.names =TRUE, quote =TRUE)）

实验五  R语言数据的清洗

【实验目的】

     1.查看数据集的缺失值，并学会对缺失值进行处理。

     2.对异常变量重新赋值。

     3.将某一列的字符型转化为日期型。

     4. 利用 subset（）获取子集。

【实验内容与实现】

1. 有一个数据框代码如下，使用 summary 函数查看，那一列含有缺失值有几个。并查看 wind 列的最大值。

     Ozone <- c(41, 36, 12, 18, NA, 28)

     Solar.R <- c(190, 118, 149, 313, NA, NA)

     wind <- c(7.4, 8.0, 12.6, 11.5, 14.3, 14.9)

     Temp <- c(67, 82, 74, 62, 86, 66)

     date <- c("1997/05/01","1997/05/02","1997/05/03","1997/05/04", "1997/05/05","1997/05/06")

     air <- data.frame(date,Ozone,Solar.R,wind,Temp, stringsAsFacto rs = FALSE)

2. 使用 class（）函数查看 date 的类型，并将其转化为 date 型，格式为 年/月/日。

3. 使用 subset（）根据 Temp 列获取 air 中 Temp 大于 60 小于 70 的数据。

4. 将 air 中含有缺失值的列去掉。

5. 找出 Temp 中大于 85 的值将其设置为缺失值。

6. 创建一个数据框 air1 包含两个列 q1，q2。用 cbind 函数添加到 air 中。

7. 使用 names 函数查看 air 的列名，并根据列自己创建一个数据框。使用 rbind 函数添加到 air 中

实验六  高级数据管理

【实验目的】

1. 学会简单的数值和字符处理函数。
2. 学会自己编写一个函数。

【实验内容与实现】

1. 使用下面代码创建并查看roster数据集。

Student <- c("John Davis", "Angela Williams", "Bullwinkle Moose", "David Jones", "Janice Markhammer", "Cheryl Cushing","Reuven Ytzrhak", "Greg Knox", "Joel England", "Mary Rayburn")

Math <- c(502, 600, 412, 358, 495, 512, 410, 625, 573, 522)

Science <- c(95, 99, 80, 82, 75, 85, 80, 95, 89, 86)

English <- c(25, 22, 18, 15, 20, 28, 15, 30, 27, 18)

roster <- data.frame(Student, Math, Science, English, stringsAsFactors=FALSE)

2. 使用length函数查看Student列的长度。

3. 计算该班级数学的平均成绩，最高成绩。

4. 将成绩单按照姓和名进行排序，将学生的各科考试成绩组合为单一的成绩衡量指标、基于相对名次（前 20%，下20%，等等）给出从A到F的评分。

（1）使用scale()将Math，Science，English，中心化标准化。

（2）通过函数mean()来计算各行的均值以获得综合得分，并使用函数 cbind()将其添加到roster中

（3）使用quantile函数按20%，40%，60%，80%,求分位数。

（4）使用变量重命名的方法将grade列分为A、B、C、D、F几个等级。

（5）使用strsplit 函数将Student列的名字分割，存到name中。

（6）创建一个函数x1，功能为实现返回值为传入参数的第一个值。

（7）使用sapply 函数将name中的firstname提取出来。（“sapply（data，function）”）同理即可提取出lastname。

（8）将lastname和firstname与roster合并，同时去掉roster的第一列。

（9）将成绩单用姓和名进行排序，将roster显示。

实验七  基本统计分析实验、函数与包实验

【实验目的】

     1. 学会使用 summary 函数来计算统计量。

     2. 使用 table 函数生成一维、二维、多维列联表。

     3. 学会用 R 实现卡方独立性检验。

     4. 学会用 R 进行相关性的度量。

     5. 学会用 R 进行 Pearson、Spearman 和 Kendall 相关。

     6. 学会用 R 进行相关性的显著性检验。

     7. 学会用 R 进行组间差异的非参数检验。

【实验内容与实现】

1. 描述性统计分析

（1）对 R 自带的数据集 rock（48 块石头的形态数据）使用summary 函数、pastecs 包中的 stats.desc 函数计算描述性统计量。

（2）分别使用 aggregate 和 doby 中的 summaryBy 对 sleep数据集的 group 列分组获取 extra 列的平均值。

2. 频数表和列联表

（1）加载vcd 包中的Arthritis 数据集使用 table 生成 Sex列的频数统计表。

（2）分别使用table、xtabs对Arthritis的Treatment（行）、Imporved（列）列生成二维列联表。并使用 addmargins为这些表格添加边际和。

（3）使用 xtabs 生成三维列联表（根据 Treatment（行） 、sex（列） 、Improved 三个因子） 。

（4） 使用 chisq.testhan()函数对二维表的行和列进行卡方独立性检验，并观察他们是否独立。

5) 使用 vcd 包中的 assocstats()函数计算二维列联表的phi 系数、列联系数和 Cramer’s V 系数。

3. 相关

（1）Pearson、Spearman 和 Kendall 相关

         a） 获取 state.x77 的前 10 行储存到 states 中。

         b) 对 states 数据集计算方差和协方差、Pearson 积差相关系数、Spearman 等级相关系数。

         c) 使用 psych 包中的 corr.test 对 states 数据集Illiteracy、Murder 计算相关显著性检验

4. T 检验

(1) 比较南方（group 1）和非南方（group 0）各州的监禁概率（使用 MASS 包中的 t.test 独立样本的 t 检验，So为是否为南方，Prob表示监禁率，数据集为UScrime）。