上一篇博文我们介绍了R的环境安装，现在我来正式了解R!!
第一部分：了解R语言的一些基础知识
1.什么是R语言呢？他可以做什么？
统计，可视化，数据挖掘，数据预处理等都可以使用R语言来做
-
产生：2位学者，初心数值统计，可视化
3.演进：开源（为成千上万互联网人提供了便利）
R语言发展非常快，重要应用：数据挖掘，数据预处理，大数据生态，R语言在语言使用排行榜排12
4.. R语言特点
4.1.R语言使用简单，支持基础使用（变量，数据类型，流程控制，函数）
函数：C语言
函数：Java jdk7版本之前基本没有函数概念，
jdk1.8 函数式编程 ，流式处理4.2.R语言IO ,从本地磁盘或者mysql读文件和写文件
4.3.R语言内部支持矢量化运算（python：numpy,pandas）
arr[1,2,3,4,5]求和的话
1
迭代式写法：
for(){
arr[i]+1
}
矢量化运算：arr + 1
经过性能测试：迭代式计算要比矢量化运算方式时间长
5.R语言支持sql-
R语言 VS 大数据
大数据生态系统1.0 （2014广泛使用）
面临问题：计算满，存储不稳定 ，国内引入了HADOOP
问题来了：如果想做分布式的数据分析的话，需要写很多MR程序
对程序员要求比较高，维护很难
解决方案：Hive，写hql分析分布式存储的数据
hive输入：hdfs原始数据
hive输出：分析时候的数据（规整：符合我们2维表格的结构）
问题是：大数据分析好的结果如何做可视化呀
如果想做可视化的话，hive分析好的数据迁移到关系型数据库（mysql）
解决方案： sqoop数据迁移（关系型数据库<->数据仓库）大数据2.0 : spark
最优化的时候执行时间和hadoop mapreuce对比 快10倍左右 ！
R语言_VS_大数据.png
-
公司开发流程
领导分配任务（总监）（产品经理）
---老大(任务拆分)
---我 用户画像（用户人群划分【消费情况】）
我：任务是什么 ，不知道应该划分多少人群（群体）数据调研（HIVE）: 开发代码想做对，产品有意义的话，前提数据调研做的很充分
mapreduce（慢）
hive hql （写法简单，慢）
spark core （快）（结果：文本数据csv，数据库|数据仓库的二维表）
spark sql （快） （结果：文本数据csv，数据库|数据仓库的二维表）
spark r （还可以） 【这个】 （数据分析之外，数据可视化）【1】
spark python （还可以）【这个】（数据分析之外，数据可视化）【3】产品经理开会：
老大 ：
我 ： 主开发 - 给产品经理做一个报告
我要划分几个人群，调研图表
测试 ：
产品经理： 可以了，排期(1个月做完)
1.开发（scala[1] ,java[3]）
2.自测
3.文档（开发文档，自测文档【代码测试，压力测试，资源性能测试】）
4.提测（测试人员：开发文档，自测文档）测试
5.测试提bug
6.解决bug
直到程序没有bug为止上线 ： 预发环境（集群）【内部人员使用，一般一周】
发布到线上，所有用户都可以用了
100%
30%【*****】 数据调研 【模糊：在思考】
20%【*****】 开发【知道你要做什么】
10-20%【】 文档
提交测试：修改bug，准备上线【比较轻松】
8为什么要学习R语言 （开源的）
8.1.大数据数据调研能够用的到8.2.学术界里面很多学者有很多新的发现（有一个学者新的数据挖掘算法pkq
r语言不支持，但是这个算法确实很好用，学者可以把算法弄成一个包，把这个
包开源出去，成千上万的互联网人都可以使用了），R语言有丰富的包，并且使用很简答8.3.编译器（支持很多好用的功能）不算什么理由
-
第二部分 环境的设置
- 安装
R-3.5.0-win.exe 系统环境中R语言版本
不需要界面的：界面功能比较简单
RStudio-1.1.447.exe 编译器
2.RStudio-1.1.447.exe 编译器 四大模块简介
第一个模块 ： 交互式控制台
交互式命令（左下角）
第二个模块 ： 脚本（左上角）
第三个模块 ： 环境面板
环境存在的变量，历史代码
第四个模块 ： 环境面板
Files:工作空间
Plots:代码执行绘图之后，显示图像的区域
packages:包管理的区域
使用已存在的包，禁用已存在的包：打勾启用，勾选去掉禁用
下载功能
help：很好的使用文档说明
第三部分 基本语法
引言：我们学任何一门语言一般都是先写一个最简单的程序：
编程语言：helloworld
大数据计算框架：wordcount
命令行：
变量 <- value
v <- 123
输出：
image.png
右上角模块：
image.png
输出的三种方式：
image.png
> v <- 123
> v
[1] 123
> cat(v)
123
> print(v)
[1] 123
脚本编译区 ：
python（解释性编程语言的身影）
特点：可以选中多行进行执行，并且执行单行语句
image.png
在运行的时候，由于命令行里面不可以一次运行多行代码，所以我们一般在左上角的编辑区域来编写代码，当运行的时候，选中你所要运行的代码，单击run按钮即可。
注释 ：
R语言编译器解释执行的，遇到注释的时候，会被程序忽略
1.单行注释
#体验R语言
str1 <- 'hello wrold'
str1
2. 不支持多行注释，3.5版本，我们想用多行注释
怎么办呢 ？
if(FALSE){
"这是一个多行注释
这个语言不支持多行注释
......"
注释的话就用#来注释，我使用的R版本是3.5的，目前还不支持多注释，但是不保证以后的版本不支持
思考：添加注释有什么用？？？
公司：1.程序交接，方便别人查看 [sql 1000行]
2.便于自己查看 ，便于自己后期维护代码 [sql 500行]
3.在什么地方写注释
小贴士：简洁
---文本说明（脚本）
#功能是什么：
#开发人是谁：
#时间开发的：
#版本v.1
---变量
#核心变量（关键中间变量）
---方法
#说明，当前方法作什么的
f = function(){
#里面有非常难理解代码，这个代码添加注释
#很常规的代码，不要加注释
}
第四部分（数据类型）
1.什么是数据类型呀？
1.
我们使用任何编程语言时候要对数值进行存储，变量
变量也要开辟内存空间，存储的是引用（数据类型对真实
存储数值的变量关系不大）
2.
值有影响，我们想在内存空间申请一个值，开辟内存空间，
空间开辟多大呢，取决于数据类型
有些时候需要保留数值 ： 12 ，13，14
有时候需要保留 ： “打篮球“，‘划船’
数据类型某种角度来看：可以合理规划内存，
内存在申请时候小于真实数值：丢失数据
内存在申请时候大于真实数值：浪费空间
3. 变量类型自动推断，赋值给变量的数据类型就是变量保存的类型
class（对象）
v = 1
v = TRUE
这个R语言和Java不太一样：
java数据类型 ： 基础类型
引用类型
建议学习语言时候：多和其它语言对比，会学习的更好
-
常用的数据类型都有什么呢 ？
1.矢量（原子向量，复杂向量）有些人统称 向量【】
2.列表
3.矩阵
4.数组
5.因子
6.数据框[]1.向量（矢量） ：
1.1原子向量：常用的有五种，一个值构成的向量原子向量
1.1.1逻辑型（logical）：
> log <- TRUE
> log
[1] TRUE
> class(log)
[1] "logical"
1.1.2数字型/数值型（numeric）：
> num <- 1
> num
[1] 1
> class(num)
[1] "numeric"
> num2 <- 1.1
> cat(num2)
1.1
> class(num2)
[1] "numeric"
image.png
1.1.3整数型（integer）
> int <- 1L
> int
[1] 1
> class(int)
[1] "integer
image.png
1.1.4复数型（complex）：
> com <- 2+2i
> com
[1] 2+2i
> class(com)
[1] "complex"
1.1.5字符型（character）：
> ch <- 'hello'
> ch
[1] "hello"
> class(ch)
[1] "character"
1.1.6原型(raw)不常用，编码时候使用
> v <- charToRaw("hello")
> v
[1] 68 65 6c 6c 6f
> class(v)
[1] "raw"
编码：
1.序列化
跨网络传输数据
A端：对象编码 ---网络传输--- B端 反序列话
不同序列化方法会导致网络传输数据量不一样
2.信息论
衡量系统不确定性指标
复杂向量：由多个原子向量组成的向量就是复杂向量
创建方式一 （*）
> v
[1] 1 2 3 4 5 6 7 8 9 10
> class(v)
[1] "integer"
v <- 4.6 : 12.4 #这种方式课时可以的，步长是1
创建方式二
> v <- seq(1,5,by=0.5)
> v
[1] 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0
> class(v)
[1] "numeric"
seq还一个函数，类似于python 的range，by指定步长
R语言支持默认参数 | 参数起名字，就可以根据名字传递参
从1到5生成一个向量，向量步长是0.5 (python range)
第三种方式（*）
使用c()函数
> v <- c(12)
> v
[1] 12
> v <- c(1,2,3)
> v
[1] 1 2 3
> class(v)
[1] "numeric"
向量
向量的特点
有序：类似理解java，c数组一样，拥有索引
元素的类型统一：数值型 | 字符型 | 逻辑型 | 数字型
构建向量之后，向量在内存中真实存储的数值是相同类型的
构建向量的时候，数据类型不一定要一样
小案例：
构建向量的时候,输入全部是不同的类型
内存在开辟空间的时候，每个元素空间大小一样
实际会发生类型转换
> v <- c(1,1.1,"a",1+1i,TRUE)
> v
[1] "1" "1.1" "a" "1+1i" "TRUE"
> class(v)
[1] "character"
类型转换的小实验
总结：数据类型转换顺序
character > complex > numeric > integer > logical
整数 、数值、字符、复数、逻辑
v <- c(1L,1.1,"a",1+1i,TRUE) # "character"
v <- c(1L,1.1,1+1i,TRUE)#complex
v <- c(1L,1.1,TRUE) # numeric
v <- c(1L,TRUE) # integer
v <- c(TRUE) #logical
好啦，就简单介绍到这里吧，如你正刚开始学习R,希望对你有帮助！
网友评论