R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。

R是统计领域广泛使用的诞生于1980年左右的S语言的一个分支。可以认为R是S语言的一种实现。而S语言是由AT&T贝尔实验室开发的一种用来进行数据探索、统计分析和作图的解释型语言。最初S语言的实现版本主要是S-PLUS。S-PLUS是一个商业软件，它基于S语言，并由MathSoft公司的统计科学部进一步完善。后来新西兰奥克兰大学的Robert Gentleman和Ross Ihaka及其他志愿人员开发了一个R系统。由“R开发核心团队”负责开发。R可以看作贝尔实验室（AT&T BellLaboratories）的Rick Becker、John Chambers和Allan Wilks开发的S语言的一种实现。当然，S语言也是S-Plus的基础。所以，两者在程序语法上可以说是几乎一样的，可能只是在函数方面有细微差别，程序十分容易地就能移植到一程序中，而很多一的程序只要稍加修改也能运用于R。

 The Comprehensive R Archive Networkhttps://cran.r-project.org/

官方镜像站列表：CRAN - Mirrors

R语言的特点

R作为一种统计分析软件，是集统计分析与图形显示于一体的。它可以运行于UNIX、Windows和Macintosh的操作系统上，而且嵌入了一个非常方便实用的帮助系统，相比于其他统计分析软件，R还有以下特点：

1.R是自由软件。这意味着它是完全免费，开放源代码的。可以在它的网站及其镜像中下载任何有关的安装程序、源代码、程序包及其源代码、文档资料。标准的安装文件自身就带有许多模块和内嵌统计函数，安装好后可以直接实现许多常用的统计功能。

2.R是一种可编程的语言。作为一个开放的统计编程环境，语法通俗易懂，很容易学会和掌握语言的语法。而且学会之后，我们可以编制自己的函数来扩展现有的语言。这也就是为什么它的更新速度比一般统计软件，如SPSS、SAS等快得多。大多数最新的统计方法和技术都可以在R中直接得到。

3. 所有R的函数和数据集是保存在程序包里面的。只有当一个包被载入时，它的内容才可以被访问。一些常用、基本的程序包已经被收入了标准安装文件中，随着新的统计分析方法的出现，标准安装文件中所包含的程序包也随着版本的更新而不断变化。在另外版安装文件中，已经包含的程序包有：base—R的基础模块、mle—极大似然估计模块、ts—时间序列分析模块、mva—多元统计分析模块、survival—生存分析模块等等。

4.R具有很强的互动性。除了图形输出是在另外的窗口处，它的输入输出窗口都是在同一个窗口进行的，输入语法中如果出现错误会马上在窗口中得到提示，对以前输入过的命令有记忆功能，可以随时再现、编辑修改以满足用户的需要。输出的图形可以直接保存为JPG、BMP、PNG等图片格式，还可以直接保存为PDF文件。另外，和其他编程语言和数据库之间有很好的接口。

5.如果加入R的帮助邮件列表一，每天都可能会收到几十份关于R的邮件资讯。可以和全球一流的统计计算方面的专家讨论各种问题，可以说是全世界最大、最前沿的统计学家思维的聚集地。

R是基于S语言的一个GNU项目，所以也可以当作S语言的一种实现，通常用S语言编写的代码都可以不作修改的在R环境下运行。R的语法是来自Scheme。R的使用与S-PLUS有很多类似之处，这两种语言有一定的兼容性。S-PLUS的使用手册，只要稍加修改就可作为R的使用手册。所以有人说：R，是S-PLUS的一个“克隆”。

但是请不要忘了：R是免费的（R is free）。R语言源代码托管在github，具体地址可以看参考资料。 。

R语言的下载可以通过CRAN的镜像来查找。

R语言有域名为.cn的下载地址，有六个，其中两个由Datagurn，由中国科学技术大学提供的。R语言Windows版，其中由两个下载地点是Datagurn和USTC提供的。

myString <- "Hello, World!"

print ( myString )

语言环境

R语言之父：Ross Ihaka

R是一套由数据操作、计算和图形展示功能整合而成的套件。包括：有效的数据存储和处理功能，一套完整的数组（特别是矩阵）计算操作符，拥有完整体系的数据分析工具，为数据分析和显示提供的强大图形功能，一套（源自S语言）完善、简单、有效的编程语言（包括条件、循环、自定义函数、输入输出功能）。

在这里使用“环境”（environment）是为了说明R的定位是一个完善、统一的系统，而非其他数据分析软件那样作为一个专门、不灵活的附属工具。

功能

R是一套完整的数据处理、计算和制图软件系统。其功能包括：数据存储和处理系统；数组运算工具（其向量、矩阵运算方面功能尤其强大）；完整连贯的统计分析工具；优秀的统计制图功能；简便而强大的编程语言：可操纵数据的输入和输出，可实现分支、循环，用户可自定义功能。

与其说R是一种统计软件，还不如说R是一种数学计算的环境，因为R并不是仅仅提供若干统计程序、使用者只需指定数据库和若干参数便可进行一个统计分析。R的思想是：它可以提供一些集成的统计工具，但更大量的是它提供各种数学计算、统计计算的函数，从而使使用者能灵活机动的进行数据分析，甚至创造出符合需要的新的统计计算方法。

该语言的语法表面上类似C，但在语义上是函数设计语言（functional programming language）的变种并且和Lisp以及APL有很强的兼容性。特别的是，它允许在“语言上计算”（computing on the language）。这使得它可以把表达式作为函数的输入参数，而这种做法对统计模拟和绘图非常有用。

R是一个免费的自由软件，它有UNIX、LINUX、MacOS和WINDOWS版本，都是可以免费下载和使用的。在那儿可以下载到R的安装程序、各种外挂程序和文档。在R的安装程序中只包含了8个基础模块，其他外在模块可以通过CRAN获得。

R的源代码可自由下载使用，亦有已编译的执行档版本可以下载，可在多种平台下运行，包括UNIX（也包括FreeBSD和Linux）、Windows和MacOS。 R主要是以命令行操作，同时有人开发了几种图形用户界面。

R内建多种统计学及数字分析功能。因为S的血缘，R比其他统计学或数学专用的编程语言有更强的物件导向（面向对象程序设计）功能。

R的另一强项是绘图功能，制图具有印刷的素质，也可加入数学符号。

虽然R主要用于统计分析或者开发统计相关的软体，但也有人用作矩阵计算。其分析速度可媲美GNU Octave甚至商业软件MATLAB。

R的功能能够通过由用户撰写的套件增强。增加的功能有特殊的统计技术、绘图功能，以及编程界面和数据输出/输入功能。这些软件包是由R语言、LaTeX、Java及最常用C语言和Fortran撰写。下载的执行档版本会连同一批核心功能的软件包，而根据CRAN纪录有过千种不同的软件包。其中有几款较为常用，例如用于经济计量、财经分析、人文科学研究以及人工智能。 [3] 

R语言环境

R是一套由数据操作、计算和图形展示功能整合而成的套件。包括：有效的数据存储和处理功能，一套完整的数组（特别是矩阵）计算操作符，拥有完整体系的数据分析工具，为数据分析和显示提供的强大图形功能，一套（源自S语言）完善、简单、有效的编程语言（包括条件、循环、自定义函数、输入输出功能）。

在这里使用“环境”（environment）是为了说明R的定位是一个完善、统一的系统，而非其他数据分析软件那样作为一个专门、不灵活的附属工具。

R很适合被用于发展中的新方法所进行的交互式数据分析。由于R是一个动态的环境，所以新发布的版本并不总是与之前发布的版本完全兼容。某些用户欢迎这些变化因为新技术和新方法的所带来的好处；有些则会担心旧的代码不再可用。尽管R试图成为一种真正的编程语言，但是不要认为一个由R编写的程序可以长命百岁。

R与统计

在我们对R语言环境的介绍中并没有提到统计，不过很多人都把R作为一个统计系统来使用。我们倾向于把它当作环境，使得经典和现代统计技术在其中得到应用。一部分已经被内建在基本的R语言环境中，但是更多的是以包的形式提供的。由8个包是随着R一同提供的（称作标准包），其它的可以通过CRAN的成员网站获得。

通过R可以使用绝大多数的经典或者最新的统计方法，不过用户需要花一些功夫来找出这种方法。

S（和R）与其他主流的统计系统在本质上有一个很重要的不同。在S中，统计分析通常由一系列的步骤完成，同时将交互的结果存储在对象中。所以，尽管SAS和SPSS在一个回归或者判别分析中会给出丰富的输出结果，R只是给出一个最小的输出，而将结果保存在一个适当的对象中由R函数进行后续查询。

R与视窗系统

使用R最便捷的方式是在一个运行视窗系统的图形工作站上。这份指南就是为拥有这项便利的用户准备的。尽管我们绝大部分的内容都是来讲R环境的一般应用，我们还是会时不时的提到R在Xwindow系统下的应用。

与操作系统的直接互动对多数用户来说都是必要的。在这份指南中我们主要讨论在UNIX系统下的互动，所以Windows下的R用户需要做出一些小的调整。

对工作站的定制是一项直接而有效但又单调乏味的过程，在这里我们并不会作更深入的讨论。如果您在这方面遇到了困难可以向你身边的专家寻求帮助。

R包及其使用

R包介绍

R语言的使用，很大程度上是借助各种各样的R包的辅助，从某种程度上讲，R包就是针对于R的插件，不同的插件满足不同的需求，截至2013年3月6日，CRAN已经收录了各类包4338个。例如用于经济计量、财经分析、人文科学研究以及人工智能。

安装包

1、通过选择菜单：

程序包->安装程序包->在弹出的对话框中，选择你要安装的包，然后确定。

2、使用命令

install.packages("package_name","dir")

package_name:是指定要安装的包名，请注意大小写。

dir:包安装的路径。默认情况下是安装在..\library 文件夹中的。可以通过本参数来进行修改，来选择安装的文件夹。

3、本地来安装

如果你已经下载的相应的包的压缩文件，则可以在本地来进行安装。请注意在windows、unix、macOS操作系统下安装文件的后缀名是不一样的：

1）linux环境编译运行：tar.gz文件

2）windows 环境编译运行 ：.zip文件

3）MacOS环境编译运行:.tgz文件

加载包

包安装后，如果要使用包的功能。必须先把包加载到内存中（默认情况下，R启动后默认加载基本包），加载包命令：

Library(“包名”)

Require(“包名”)

查看包的相关信息

1、查看包帮忙

library(help="package_name")

主要内容包括：例如：包名、作者、版本、更新时间、功能描述、开源协议、存储位置、主要的函数

help(package = "package_name")

主要内容包括：包的内置所有函数，是更为详细的帮助文档

2、查看当前环境哪些包加载

find.package() 或者 .path.package()

3、移除包出内存

detach()

4、把其它包的数据加载到内存中

data(dsname, package="package_name")

5、查看这个包里的包有数据

data( package="package_name")

6、列出所有安装的包

library()

 

CRAN

CRAN为Comprehensive R Archive Network（R综合典藏网）的简称。它除了收藏了R的执行档下载版、源代码和说明文件，也收录了各种用户撰写的软件包。现时，全球有超过一百个CRAN镜像站。

以下简述R FOR WINDOWS的安装和使用：

贝尔实验室美国总部下可以找到R的各个版本的安装程序和源代码。点击进入：Windows (95 and later)，再点击：base，下载SetupR.exe，约18兆，此便是R FOR WINDOWS的安装程序。双击SetupR.exe，按照提示一步步安装即可。

安装完成后，程序会创建R程序组并在桌面上创建R主程序的快捷方式（也可以在安装过程中选择不要创建）。通过快捷方式运行R，便可调出R的主窗口。

类似于许多以编程方式为主要工作方式的软件，R的界面简单而朴素，只有不多的几个菜单和快捷按钮。快捷按钮下面的窗口便是命令输入窗口，它也是部分运算结果的输出窗口，有些运算结果则会输出在新建的窗口中。

主窗口上方的一些文字是刚运行R时出现的一些说明和指引。文字下的：> 符号便是R的命令提示符，在其后可输出命令；>后的矩形是光标。R一般是采用交互方式工作的，在命令提示符后输入命令，回车后便会输出结果。

在R朴素的界面下，是丰富而复杂的运算功能。

R 语言是主要用于统计分析、绘图的语言和操作环境。 R 本来是由来自新西兰奥克兰大学的 Ross Ihaka 和 Robert Gentleman 开发。 （也因此称为 R）现在由 “R 开发核心团队” 负责开发。 R 是基于 S 语言的一个 GNU 项目，所以也可以当作 S 语言的一种实现，通常用 S 语言编写的代码都可以不作修改的在 R 环境下运行。 R 的语法是来自 Scheme。

R 的原始码可自由下载使用，亦有已编译的执行档版本可以下载，可在多种平台下运行，包括 UNIX (也包括 FreeBSD 和 Linux)、Windows 和 MacOS。 R 主要是以命令行操作，同时有人开发了几种图形用户界面。

R 内建多种统计学及数字分析功能。 R 的功能也可以透过安装套件（Packages，用户撰写的功能）增强。因为 S 的血缘，R 比其他统计学或数学专用的编程语言有更强的物件导向 (面向对象程序设计) 功能。

R 的另一强项是绘图功能，制图具有印刷的质素，也可加入数学符号。

虽然 R 主要用于统计分析或者开发统计相关的软体，但也有人用作矩阵计算。其分析速度可比美 GNU Octave 甚至商业软件 MATLAB。

R 的功能能够透过由用户撰写的套件增强。增加的功能有特殊的统计技术、绘图功能，以及编程介面和数据输出／输入功能。这些软件包是由 R 语言、 LaTeX、Java 及最常用 C 语言和 Fortran 撰写。下载的执行档版本会连同一批核心功能的软件包，而根据 CRAN 纪录有过千种不同的软件包。其中有几款较为常用，例如用于经济计量、财经分析、人文科学研究以及人工智能。

R mean() 函数用来计算样本的平均值，该函数的第二个参数可以设置去掉部分异常分数据。

mean() 函数语法格式如下：

mean(x, trim = 0, na.rm = FALSE, ...)

参数说明：

• x 输入向量

• trim 在首尾分别去除异常值，取值范围为 0 到 0.5 之间，表示在计算均值前需要去掉的异常值的比例。

• na.rm 布尔值，默认为 FALSE，设置是否删除输入的向量中的缺失值 NA，设置 TRUE 删除 NA。

实例

# 创建向量
x <- c(12,27,3,4.2,2,2,54,-21,4,-2)

# 计算平均值
result.mean <- mean(x)
print(result.mean)

执行以上代码输出结果为：

[1] 8.52

接下来我们使用 trim 参数来说去掉一些异常值，以下实例中我们设置了 trim = 0.3，就会在向量的首尾去除 20*0.3=6 个数据 ，左侧的 (1, 2, 3) 与右侧的 (18, 19, 20) 会被删除。

实例

# 创建向量
x <- c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20)
# 计算平均值
result.mean <-  mean(x,trim = 0.3)
result.mean2 <- mean(c(4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17))
print(result.mean)
print(result.mean2)

以上实例中 mean(x,trim = 0.3) 去掉首尾各 3 个元素，就是等于 mean(c(4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17))。

执行以上代码输出结果为：

[1] 10.5
[1] 10.5

mean 函数的输入向量中，如果元素没有值，则默认为 NA，我们可以通过第三个参数来设置是否删除默认的 NA 值，如果没有删除 NA 返回结果为 NA：

实例

# 创建向量
x <- c(1,2,3,4.5,6,NA)

# 计算平均值
result.mean <-  mean(x)
print(result.mean)

# 删除 NA
result.mean <-  mean(x,na.rm = TRUE)
print(result.mean)

执行以上代码输出结果为：

[1] NA
[1] 3.3

一些文章推荐:

• R语言编程数学分析重读微积分理解极限算法
• R语言编程重读微积分泰勒级数示例详解
• R语言基本运算的示例代码
• R语言编程数学分析重读微积分微分学原理运用