R语言入门与数据分析

武汉源创会回归，4月20聊聊大模型”

R语言环境安装

安装文件下载地址：https://mirrors.tuna.tsinghua.edu.cn/CRAN/

这里可以根据你的操作系统选择合适的安装程序下载安装，我这里是mac版本。安装完成后的界面如下所示

HelloWorld

现有一个研究维生素C对于牙齿生长的数据。

	len	supp	dose
1	4.2	VC	0.5
2	11.5	VC	0.5
3	7.3	VC	0.5
4	5.8	VC	0.5
5	6.4	VC	0.5
6	10	VC	0.5
7	11.2	VC	0.5
8	11.2	VC	0.5
9	5.2	VC	0.5
10	7	VC	0.5
11	16.5	VC	1
12	16.5	VC	1
13	15.2	VC	1
14	17.3	VC	1
15	22.5	VC	1
16	17.3	VC	1
17	13.6	VC	1
18	14.5	VC	1
19	18.8	VC	1
20	15.5	VC	1
21	23.6	VC	2
22	18.5	VC	2
23	33.9	VC	2
24	25.5	VC	2
25	26.4	VC	2
26	32.5	VC	2
27	26.7	VC	2
28	21.5	VC	2
29	23.3	VC	2
30	29.5	VC	2
31	15.2	OJ	0.5
32	21.5	OJ	0.5
33	17.6	OJ	0.5
34	9.7	OJ	0.5
35	14.5	OJ	0.5
36	10	OJ	0.5
37	8.2	OJ	0.5
38	9.4	OJ	0.5
39	16.5	OJ	0.5
40	9.7	OJ	0.5
41	19.7	OJ	1
42	23.3	OJ	1
43	23.6	OJ	1
44	26.4	OJ	1
45	20	OJ	1
46	25.2	OJ	1
47	25.8	OJ	1
48	21.2	OJ	1
49	14.5	OJ	1
50	27.3	OJ	1
51	25.5	OJ	2
52	26.4	OJ	2
53	22.4	OJ	2
54	24.5	OJ	2
55	24.8	OJ	2
56	30.9	OJ	2
57	26.4	OJ	2
58	27.3	OJ	2
59	29.4	OJ	2
60	23	OJ	2

这里的第一列是牙齿的长度，第二列是维生素还是橙汁，第三列是剂量。将该数据保存到一个csv文件中。

> df <- read.table("/Users/admin/Downloads/RData/ToothGrowth.csv",sep=",",header=T)
> df

以上是读入并显示数据。

样品频数显示

> table(df$supp,df$dose)

显示结果

     0.5  1  2
  OJ  10 10 10
  VC  10 10 10

它数据中表示每种种类(OJ为橙汁，VC为VC药品)的不同剂量各有10个样品。

查看每种种类，每种剂量的牙齿生长平均值

> aggregate(df$len,by=list(df$supp,df$dose),FUN=mean)

显示结果

  Group.1 Group.2     x
1      OJ     0.5 13.23
2      VC     0.5  7.98
3      OJ     1.0 22.70
4      VC     1.0 16.77
5      OJ     2.0 26.06
6      VC     2.0 26.14

由以上数据，我们可以看出在0.5和1mg的剂量下，橙汁明显比VC药品的平均值要大很多，这说明橙汁更有利于牙齿生成。

查看每种种类，每种剂量的牙齿生长方差值

> aggregate(df$len,by=list(df$supp,df$dose),FUN=sd)

显示结果

  Group.1 Group.2        x
1      OJ     0.5 4.459709
2      VC     0.5 2.746634
3      OJ     1.0 3.910953
4      VC     1.0 2.515309
5      OJ     2.0 2.655058
6      VC     2.0 4.797731

方差用来反映每种种类，每种剂量的10个样品的差异情况，方差越小，说明样品差异越小。

检测实验结果是偶然的还是显著的，如果是偶然发生的，那么结果就不具有重复性，如果结果显著，就可以知道使用剂量和牙齿生长之间的关系。

> class(df$dose)  # 将剂量单位转化为分类因子
> df$dose <- as.factor(df$dose)
> fit <- aov(len~ supp*dose,data=df)  # 使用方差分析函数进行分析
> fit

显示结果

Call:
   aov(formula = len ~ supp * dose, data = df)

Terms:
                    supp     dose supp:dose Residuals
Sum of Squares   205.350 2426.434   108.319   712.106
Deg. of Freedom        1        2         2        54

Residual standard error: 3.631411
Estimated effects may be unbalanced

结果分析

> summary(fit)

运行结果

            Df Sum Sq Mean Sq F value   Pr(>F)    
supp         1  205.4   205.4  15.572 0.000231 ***
dose         2 2426.4  1213.2  92.000  < 2e-16 ***
supp:dose    2  108.3    54.2   4.107 0.021860 *  
Residuals   54  712.1    13.2                     
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

老乡鸡“开源”了 deepin-IDE 终于实现了自举！ 好家伙，腾讯真把 Switch 变成了「思维驰学习机」 腾讯云4月8日故障复盘及情况说明 RustDesk 远程桌面启动重构 Web 客户端 微信基于 SQLite 的开源终端数据库 WCDB 迎来重大升级 TIOBE 4 月榜单：PHP 跌至历史最低点 FFmpeg 之父 Fabrice Bellard 发布音频压缩工具 TSAC 谷歌发布代码大模型 CodeGemma 不要命啦？做的这么好还开源 - 开源图片 & 海报编辑器工具

{{o.name}}

{{m.name}}