R语言从入门到精进

R 语言全方位解析：从入门到精进

一、R 语言基础语法

R 语言的语法设计以数据分析和统计建模为核心，与通用编程语言有显著差异。

1. 变量赋值与输出

R 使用箭头符号进行赋值，这是其最鲜明的语法特征：

r

# 三种赋值方式 myString <- "Hello, World!" # 左箭头赋值（最常用） var.1 = c(0,1,2,3) # 等号赋值（新版本支持） c(TRUE, 1) -> var.3 # 右箭头赋值 # 输出 print(myString) # 输出: "Hello, World!"

2. 变量命名规则

R 变量名由字母、数字、点号.或下划线_组成，但有以下限制：

3. 核心数据结构

R 的数据结构设计紧密贴合统计分析需求：

r

# 向量（最基本的数据结构） v <- c(1, 2, 3, 4, 5) # 数值型向量 char_vec <- c("R", "Python") # 字符型向量 # 矩阵（二维数组） m <- matrix(1:9, nrow=3, ncol=3) # 数据框（类似表格，可混合数据类型） df <- data.frame( Name = c("张三", "李四"), Score = c(85, 92) ) # 列表（可包含任意类型） my_list <- list(1, "text", TRUE, matrix(1:4,2,2)) # 因子（分类变量） gender <- factor(c("男", "女", "男", "女"))

4. 向量化操作

R 的核心优势之一是向量化操作，避免显式循环：

r

x <- c(1, 2, 3, 4, 5) x^2 # 输出: 1 4 9 16 25（批量计算） # 对比非向量化与向量化 abs_loop <- function(vec) { for (i in 1:length(vec)) { if (vec[i] < 0) vec[i] <- -vec[i] } vec } abs_set <- function(vec) { negs <- vec < 0 vec[negs] <- vec[negs] * -1 vec } # 向量化版本比循环版本快约30倍[citation:6]

5. 控制流语句

r

# if-else 条件判断 if (score >= 60) { print("及格") } else { print("不及格") } # for 循环 for (i in 1:10) { print(i^2) } # while 循环 i <- 1 while (i <= 5) { print(i) i <- i + 1 }

6. 函数定义

r

# 自定义函数 square <- function(x) { return(x^2) } # 多参数函数 calculate_bmi <- function(weight_kg, height_m) { bmi <- weight_kg / (height_m^2) return(round(bmi, 2)) } # 使用 square(5) # 输出: 25 calculate_bmi(70, 1.75) # 输出: 22.86

7. 包管理

r

# 安装包 install.packages("ggplot2") install.packages(c("dplyr", "tidyr")) # 批量安装 # 加载包 library(ggplot2) # 查看已安装包 installed.packages()

二、R 语言核心特点

R 语言是统计计算与数据科学的专业工具，其特点使其在特定领域具有不可替代的地位。