《R语言入门与实践》学习笔记一
第一天：
1.在windows环境下下载和安装R和RStudio。
2.简单了解R包与R命令。
3.学会利用命令进行文件操纵。
4.学会简单的调试代码。
………………………………………………………………………………………
---------------------安装-----------------------
R包的维护工作由一个国际化可开发者团队负责，下载页面叫做The ComprehensiveR Archive Network，即CRAN（https://cran.r-project.org）。页面顶部有三个下载链接，分别对应：Windows，Mac和Linux。下载步骤为Download R for Windowsbase，然后打开新页面中单击顶端的第一个链接（类似于Download R for 3.0.3 for Windows），下载后安装程序即可。
RStudio是类似于word的R语言编写帮助工具，可以从网址http://www.rstudio.com/ide（需要翻墙）免费下载RStudio，只要单击Download RStudio即可。RStudio安装上之后需要选择已安装的R包。
----------------------R包与R命令-----------------------
R包的概念类似于C/C++中的库（library），一个R包就是一些有用的函数，帮助文档和数据集的集合。最常见的R包就是R基础包（BaseR），就是每次打开R之后，R默认加载的所有函数。这些函数构成了R的基石，是不需要加载任何R包就可以使用的。
要想使用其他的每个R包，必须先在计算机上安装R包，然后在当前R会话中加载它。安装R包最简单的方法是利用install.packages函数。打开R，在命令行键入一下命令进行下载和安装：
install.packages(“包名称”)#安装单个包
install.package(c(“ggplot2”,”reshape2”,”dplyr”))#安装多个包
然后输入以下命令加载R包：
library(包名称)
library的作用是在当前的R会话被关闭之前，该包中所有的函数，数据集和帮助文档都可以被拿来使用，在下一个会话中，虽然不必再安装该包，但是需要重新加载。想要查看当前R库中存储了那些R包，可以运行以下命令：
library()
更新R包：
updata.packages(“包名称”)
R自带了很多数据集，被储存在R基础包的datasets包中，输入以下指令查看每个数据集以及数据集简介：
help(ackage=“datasets”)
---------------------------文件操纵----------------------------
了解计算机上R的工作目录及位置：
getwd()
将某个文件夹设置位工作目录：
getwd(“绝对地址或相对地址”)
查看当前工作目录下所有文件：
list.files()
如果想要打开一个纯文本文件，可以使用read.table函数,其中第一个参数应该为代取文件名称（文件在工作目录中）或者代取文件的路径，第二个参数sep告诉read.table需要使用什么分隔符，如果未设置sep，则read.table函数会默认空格为分隔符，第三个参数header告诉函数是否将第一行作为变量名称而不是值如果是变量名称，则header=TRUE,第四个参数代表使用什么表示缺失信息：
poker<-read.table(“poker.csv”,sep=”,”,header=TRUE,na.strings=”.”)
使用skip告诉R在读取数据时忽略开头的一些行，nrow告诉R在读多少个数据行之后不再读取。
read.table(“poker.csv”,sep=”,”,header=TRUE,na.strings=”.”,skip=3,nrow=5)
只要将参数stringAsFactors设置为FALSE即可确保R在保存字符串数据时，不会强制将其转换为因子型，而是保留它的字符串类型。
更改全局设置来改变R将字符串转换为因子型的行为：
options（stringAsFactors=FALSE）#关闭
options（stringAsFactors=TRUE）#打开
读取CSV文件：
poker<-read.csv(“poker.csv”)
有一种特殊的文件，它的每一行都占用文件的一行，而每一列都开始于固定位置，这种类型的文件被称为固定宽度文件（fixed_width file）,.fwf在R中读取fwf文件比普通文件多出一个widths参数,用来表示得是第i个元素表示第i个列的宽度：
poker<-read.fwf(“poker.fwf”,widths=c(10,7,6),header=TRUE)
打开网络文件：
poker<-read.csv(“http://.../../poker.csv”)
保存纯文本文件，第一个参数为要储存的R对象，第二个参数代表文件名或者绝对路径，row.names防止R在存储纯文本文档时将行名称存储为一列，即防止为每行加上行号(write函数无法创建新的文件夹)：
write.csv(poker,”data/poker.csv”,row.names=FALSE)
压缩文件：
write.csv(poker,file=bzfile(“data/poker.csv.bz2”),row.names=FALSE)
R自带的三个用来压缩文件的辅助函数：
函数名 压缩文件类型
bzfile bzip2
gzfile gnu zip(zip)
xzfile xz压缩
R的read函数可打开任何一种压缩文本文件。
R本身提供了两种文件格式，分别是.RDS和.RData，RDS可以存储单个R对象，而RData文件可以存储多个R对象,但是.RDS的可再现性好：
打开.RDS文件：
saveRDS(a,file=”stuff.RDS”)
打开.RData文件：
load(“file.RData”)
保存RData文件：
save(a,b,c,file=”文件名或路径”)
保存.RDS文件
saveRDS(a,file=”stuff.RDS”)
将剪贴板中的数据读入R中：
read.table(“clipboard”)
-------------------------调试--------------------------
RStudio中完善了对错误代码的调试，其中主要包括traceback（追溯），browser（浏览），debug（调试），debugonce，trace（追踪），recover（恢复）。
E1 traceback
在命令行键入traceback（），traceback会反回一个调用栈，也就是被调用函数的有序列表，最顶层就是出错的函数，而且traceback显示了函数调用的整个调用顺序，揭示了无限循环错误。
E2 browser
利用browser函数可以使得R在运行时暂停，使你键入新的命令。要使用browser函数，只要将browser（）添加到函数体的对应位置，然后保存改函数即可。此时控制台出现三个按钮：NEXT（执行下一行代码）Continue（继续执行直到结束） Stop（立即停止运行）。
E3 断点
断点就是可视化的添加browser函数，打开R脚本，找到想要添加browser的行，右键鼠标就会出现一个空心红点，断点添加成功。
E4 debug
debug函数的第一步就是在调试函数的第一行加入browser（），它的使用方法是debug（函数名），解除方法是undebug（函数名），利用isdebugged（函数名）判断函数是否处于调试状态。
E5 trace
trace函数将一个函数插入其他函数的任意位置，第一个参数表示带插入函数的名称，是一个字符串。第二个参数代表要插入函数的R表达式。第三个参数at=代表将表达式插入函数第几行。
trace(“sample”,browser,at=4)
在对某个函数完成trace调试之后，可以使用untrace将函数恢复原来状态：
untrace(sample)
E6 recover
recover提供的代码调试方式可以进入调用栈的任意层级，从而进入某函数运行时环境进行调试，输入对应栈编码进入函数环境，输入0推出调试：
fifth<-function()recover()
运行全局选项，R会在每次报错时进入recover()命令：
options(error=recover)
直到关闭当前R会话或者执行以下命令前都有效：
options(error=NULL)
-----------------------------注-------------------------------
1.本学习记录来自Garrett Grolemund先生所著《Hands-On Programming with R》（中文名R语言入门与实践）一书。
2.R包为R语言环境，需要第一个安装。
3.R包既有32位也有64位版本，两个版本都使用32位整数，它们计算时具有相同的精度，二者的区别在于内存管理方面分别使用了64位指针和32位指针，这代表这64位有更大的使用和搜索的内存空间。从经验上看32位要更快。
4.R包可以选择中文版本,但是RStudio输入中文会出现乱码。
5.许多R包并没有在CRAN上托管，如果想要安装这些R包，可以借助devtools这样一个R包。这个包提供了install_github，install_gitorious，install_bitbucket和install_url等函数来从其他安装源安装R包。
6.常用网址：
R包邮件列表：
https://stat.ethz.ch/mailman/listinfo/r-packages
R-bloggers博客：
RStudio下的实用R包列表：
CRAN归类R包：