R軟體閒話家常-教學、資料、統計、分析、運算

最近在學會(http://www.r-software.org/)的台灣 R 軟體使用者論壇上有人提起 attach 指令，讓我想起前一陣子看到的 with 指令。過去我們常用 attach 指令，將資料框物件附加到搜尋路徑(search path)上，使得資料框中的變數對於 R 的直譯器(interpreter)而言是可見的(visible)，省去須敲擊資料框全名方能引用變數的麻煩！以 car 套件中的資料框 Duncan 為例，

> library(car)

瞎忙了一陣子，驚覺許久未動筆撰寫閒話家常了，雖然每天都會操作或閱讀一些 R 相關文件，但總覺不能脫稿太久。回想起常在課堂上對學生或學員們說：「 R 海無涯，為勤是岸。」不但是鼓勵學員，也算是一種自我惕勵。但這樣說來，好像學 R 是件令人可懼的事，其實讀者們不用太擔心！因為 R 玩家中有許多強大的巨人會引領我們向前航行。比如說今天的主角
plyr 套 件 ，就 是由多 產的 美國 Rice 大學統 計系助理 教授，紐西蘭裔的 Hadley Wickham(http://had.co.nz/)所開發的，他是資料視覺化(data visualization)的專家，也是知名的資料整理(data manipulation)套件 reshape 與繪圖套件 ggplot2 的主要開發者。

機率與統計的教科書都會有機率密度函數(probability density function, pdf) 與累積分配函數(cumulative distribution function, cdf)的圖形，以說明累積機率值與分位點(quantile)的對應關係。在R 中，讀者可以pnorm 函數求出某一分位點的累積幾率值。例如：標準常態分位點z = 1.5 的累積機率值如下。

 > pnorm(1.5, 0, 1)

當我們對單一資料蒐集對象測量多個變數值時，寬資料是指同一對象的所有測量值都排在同一列；長資料則是各個測量值單獨成一列，並標明其是哪個變數的測量值。某些統計分析須使用寬資料，例如相關分析；也有些分析偏好長資料，例如變異數分析。

首先，我們以data.frame 函數建一個五個蒐集對象、三個變數的寬資料：

許多人認為學會過了程式設計，就能夠駕馭R 語言！殊不知R 語法有其特殊性，更遑論背後的統計模型與繪圖專業了。舉例來說，下面就是標準的不良R 程式(canonical bad Rprogram)，用來計算a 與b 兩向量的內積:

> (a <- 1:5)

進行資料分析前，資料正規化經常是一個必要的步驟。此時若能留意R 的行導向特性，當可
事半功倍。例如：欲對下列三行變數做最大-最小正規化

資料分析經常需要運用for 迴圈反覆執行某項工作，然而R 程式中卻不可用太多的迴圈，否則會大大降低程式執行的效率！以紐約市空氣品質資料為例，其為包含六個變數的154 筆資料，以apply 函數可以輕易地計算出各行變數的平均值。

R是一個很好的模擬工具，有許多內建函數可資運用。使用者有時希望獲得相同的模擬
結果，則可將隨機種子(random seed)儲存起來重複利用。例如：

R 是以行來排列資料的語言，舉例來說：先建一 3X4 的二維矩陣。

>x <- matrix(1:12,3,4); x

OpenOffice.org(OO.o)為一開放源碼的桌上生產力套裝軟體，它可以安裝在所有的作業平台上。OO.o 可讀取大多數的文件格式（.odt,.rtf,.txt,.html,.xml 等），當然也包括.doc 與.docx 檔。OO.o 的標準附加檔名為.odt，是開放文件文本（Opendocumenttext）的英文縮寫。