7个实验：R语言环境安装、R语言包的安装、创建和使用R语言数据集、数据的导入导出、R语言数据的清洗、高级数据管理、基本统计分析和函数与包实验（若有蒙混过关之处望指正，觉得有帮助的请点赞????）内容较长！
本实验是在我同学做的云平台上运行的，所以背景色为黑色，仅外表看起来有些不同而已！
实验一 R语言环境安装
【实验题目】
实验一 R语言环境安装
【实验目的】
- 掌握R GUI和RStudio的下载安装。
- 熟悉R GUI和RStudio主界面的组成及作用。
- 查看工作空间，更改工作空间。
【实验内容与实现】
1. R的安装
2. RStudio的安装
3. 查看工作空间，更改工作空间。
【实验心得】
通过本次实验我熟练地掌握了R GUI和RStudio的下载安装，熟悉了R GUI和RStudio主界面的组成及作用，并学会查看工作空间，更改工作空间，受益良多。
实验二 R语言包的安装
【实验目的】
- 熟练掌握R语言包的安装
- 查看安装的包
- 学会查看包的信息
- 载入已安装的包
【实验内容与实现】
实验三 创建和使用R语言数据集
【实验目的】
- 了解R语言中的数据结构。
- 熟练掌握他们的创建方法，和函数中一些参数的使用。
- 对创建的数据结构进行，排序、查找、删除等简单的操作。
【实验内容与实现】
1. 向量的创建及因子的创建和查看
有一份来自澳大利亚所有州和行政区的20个税务会计师的信息样本1 以 及他们各自所在地的州名。州名为：tas, sa, qld, nsw, nsw, nt, wa, wa, qld, vic, nsw, vic, qld, qld, sa, tas, sa, nt, wa, vic。
（1）将这些州名以字符串的形式保存在state当中。
（2）创建一个为这个向量创建一个因子statef。
（3）使用levels函数查看因子的水平。
2. 矩阵与数组。
（1）创建一个4*5的数组如图，创建一个索引矩阵如图，用这个索引矩阵访问数组，观察结果。
3. 将之前的state，数组，矩阵合在一起创建一个长度为3的列表。
4. 创建一个数据框如图。
5. 将这个数据框按照mpg列进行排序。
6. 访问数据框中drat列值为3.90的数据。
实验四 数据的导入导出
【实验目的】
- 熟练掌握从一些包中读取数据。
- 熟练掌握csv文件的导入。
- 创建一个数据框，并导出为csv格式。
【实验内容与实现】
1. 创建一个csv文件（内容自定），并用readtable函数导入该文件。
2. 查看R语言自带的数据集airquality（纽约1973年5-9月每日空气质量）。
3. 列出airquality的前十列，并将这前十列保存到air中。
4. 任选三个列，查看airquality中列的对象类型。
5. 使用names查看airquality数据集中各列的名称
6. 将air这个数据框导出为csv格式文件。（write.table (x, file ="", sep ="", row.names =TRUE, col.names =TRUE, quote =TRUE)）
实验五 R语言数据的清洗
【实验目的】
1.查看数据集的缺失值，并学会对缺失值进行处理。
2.对异常变量重新赋值。
3.将某一列的字符型转化为日期型。
4. 利用 subset（）获取子集。
【实验内容与实现】
1. 有一个数据框代码如下，使用 summary 函数查看，那一列含有缺失值有几个。并查看 wind 列的最大值。
Ozone <- c(41, 36, 12, 18, NA, 28)
Solar.R <- c(190, 118, 149, 313, NA, NA)
wind <- c(7.4, 8.0, 12.6, 11.5, 14.3, 14.9)
Temp <- c(67, 82, 74, 62, 86, 66)
date <- c("1997/05/01","1997/05/02","1997/05/03","1997/05/04", "1997/05/05","1997/05/06")
air <- data.frame(date,Ozone,Solar.R,wind,Temp, stringsAsFacto rs = FALSE)
2. 使用 class（）函数查看 date 的类型，并将其转化为 date 型，格式为 年/月/日。
3. 使用 subset（）根据 Temp 列获取 air 中 Temp 大于 60 小于 70 的数据。
4. 将 air 中含有缺失值的列去掉。
5. 找出 Temp 中大于 85 的值将其设置为缺失值。
6. 创建一个数据框 air1 包含两个列 q1，q2。用 cbind 函数添加到 air 中。
7. 使用 names 函数查看 air 的列名，并根据列自己创建一个数据框。使用 rbind 函数添加到 air 中
实验六 高级数据管理
【实验目的】
- 学会简单的数值和字符处理函数。
- 学会自己编写一个函数。
【实验内容与实现】
1. 使用下面代码创建并查看roster数据集。
Student <- c("John Davis", "Angela Williams", "Bullwinkle Moose", "David Jones", "Janice Markhammer", "Cheryl Cushing","Reuven Ytzrhak", "Greg Knox", "Joel England", "Mary Rayburn")
Math <- c(502, 600, 412, 358, 495, 512, 410, 625, 573, 522)
Science <- c(95, 99, 80, 82, 75, 85, 80, 95, 89, 86)
English <- c(25, 22, 18, 15, 20, 28, 15, 30, 27, 18)
roster <- data.frame(Student, Math, Science, English, stringsAsFactors=FALSE)
2. 使用length函数查看Student列的长度。
3. 计算该班级数学的平均成绩，最高成绩。
4. 将成绩单按照姓和名进行排序，将学生的各科考试成绩组合为单一的成绩衡量指标、基于相对名次（前 20%，下20%，等等）给出从A到F的评分。
（1）使用scale()将Math，Science，English，中心化标准化。
（2）通过函数mean()来计算各行的均值以获得综合得分，并使用函数 cbind()将其添加到roster中
（3）使用quantile函数按20%，40%，60%，80%,求分位数。
（4）使用变量重命名的方法将grade列分为A、B、C、D、F几个等级。
（5）使用strsplit 函数将Student列的名字分割，存到name中。
（6）创建一个函数x1，功能为实现返回值为传入参数的第一个值。
（7）使用sapply 函数将name中的firstname提取出来。（“sapply（data，function）”）同理即可提取出lastname。
（8）将lastname和firstname与roster合并，同时去掉roster的第一列。
（9）将成绩单用姓和名进行排序，将roster显示。
实验七 基本统计分析实验、函数与包实验
【实验目的】
1. 学会使用 summary 函数来计算统计量。
2. 使用 table 函数生成一维、二维、多维列联表。
3. 学会用 R 实现卡方独立性检验。
4. 学会用 R 进行相关性的度量。
5. 学会用 R 进行 Pearson、Spearman 和 Kendall 相关。
6. 学会用 R 进行相关性的显著性检验。
7. 学会用 R 进行组间差异的非参数检验。
【实验内容与实现】
1. 描述性统计分析
（1）对 R 自带的数据集 rock（48 块石头的形态数据）使用summary 函数、pastecs 包中的 stats.desc 函数计算描述性统计量。
（2）分别使用 aggregate 和 doby 中的 summaryBy 对 sleep数据集的 group 列分组获取 extra 列的平均值。
2. 频数表和列联表
（1）加载vcd 包中的Arthritis 数据集使用 table 生成 Sex列的频数统计表。
（2）分别使用table、xtabs对Arthritis的Treatment（行）、Imporved（列）列生成二维列联表。并使用 addmargins为这些表格添加边际和。
（3）使用 xtabs 生成三维列联表（根据 Treatment（行） 、sex（列） 、Improved 三个因子） 。
（4） 使用 chisq.testhan()函数对二维表的行和列进行卡方独立性检验，并观察他们是否独立。
5) 使用 vcd 包中的 assocstats()函数计算二维列联表的phi 系数、列联系数和 Cramer’s V 系数。
3. 相关
（1）Pearson、Spearman 和 Kendall 相关
a） 获取 state.x77 的前 10 行储存到 states 中。
b) 对 states 数据集计算方差和协方差、Pearson 积差相关系数、Spearman 等级相关系数。
c) 使用 psych 包中的 corr.test 对 states 数据集Illiteracy、Murder 计算相关显著性检验
4. T 检验
(1) 比较南方（group 1）和非南方（group 0）各州的监禁概率（使用 MASS 包中的 t.test 独立样本的 t 检验，So为是否为南方，Prob表示监禁率，数据集为UScrime）。
