序

授课教师： 浙江中医药大学-郑卫军
微信公众号： 郑老师统计课程、医学论文与统计分析

安装R包：install.package("R包名")
加载R包：library(R包名)

R程序

有多行代码组成，是由命令和结果名组成
【例： Lg<-log(10) # 计算10的自然对数值】
（1）Lg为结果名，log(10)为命令
（2）代码区分大小写，Lg与lg不同
（3）命令主要为函数形式，即函数名(参数)
（4）结果名主要是数据或统计分析结果集合的标签
（5）<-是赋值符号，将后面命令产生的结果打包给前面的结果名，如果结果无需打包，则可不输入赋值符号和结果名，如：log(10)
（6）#后方是对程序的注释或解释
（7）# 节名 ####可将程序分节

1、分析结果与运行
（1）分析结果：
结果名
【例：Lg】
（2）运行：
选中要运行的命令，点击右上角的"RUN"

2、函数
函数名(参数)
（1）计算标准差： sd()
（2）产生连续数据：seq(首位,尾位,间隔数)
【seq函数实际有5个参数，不过后三个均可缺省】

3、运算符
（1）加减乘除：+ - * /
（2）平方根：sqrt()
（3）对数：log2() log10()
（4）余数：%%
（5）整除：%/%
（6）幂指数：^
（7）等于、不等于、大于、大于等于、小于、小于等于：== !== ＞ ＞= ＜ ＜=
【运行后返回逻辑型结果，即TURE或False】

R数据

1、语法
（1）直接产生数据集：
数据集名 <- c(数1,数2,数3....)
数据集名 <- c("字符串1","字符串2","字符串3"....)
（2）连续等距数据：
数据集名 <- 首位整数 : 末位尾数
【seq(首位整数,末位尾数)也可以】
（3）因子列表展示/因子的汇总：
table(数据集名) summary(数据集名)
（4）查看某一数据集类型：
class(数据集名)
（5）查看某一数据集因子的分组水平：
levels(数据集名)
（6）数值型分类变量转换为因子：
factor(数据集名) as.factor(数据集名)
2、R数据的类型
（1）根据变量值特性进行分类：
数字（num）；整数（int）；虚数（cplx）；逻辑（logi）；字符（chr）
【可用class(数据集名)鉴定数据类型】
（2）根据变量属性进行分类：
数值变量数据（包含整数型和数值型）；分类变量数据（factor，又称因子，包含整数型、字符型和逻辑型）
【1,2这种整数也可能是分类变量，因为分类变量常用整数变量表示，即“男”“女”用1和2表示，便于统计展开】
（3）对于字符串型分类数据，R语言直接认定为因子；但对于整数型分类数据，R语言很多情况下认定为数值变量，此时需要用factor(数据集名)或as.factor(数据集名)将其转型为因子
【可通过factor(数据集名) , levels=c(因子1,因子2,因子3....)对因子顺序重新排列】
【例：f1 <- factor(c(1,2,1,3,2,4)) , levels=c(2,1,3,4)】

R语言分析对象

R语言主要分析的对象是数据集，R语言的数据集主要包括向量、矩阵、数据框、列表、数组等
1、向量Vector（一维数据）
（1）向量是最基本的数据对象类型，可以是数值型、字符型、逻辑值型、复数型
（2）在医学数据分析中，向量相当于一个变量，向量名为变量名，向量值为变量值
（3）通过函数c()实现向量创建：
向量集名 <- c(向量1 , 向量2 , 向量3 .... )
（4）向量索引（子集提取）：
一般用中括号[ ]，根据元素所在位置或名称提取。
向量子集的提取常见包括：位置的提取、根据值大小提取、名称的提取、采用subset()函数提取
①、下标索引（直接位置提取法）：

向量集名[下标] 
#返回该向量集中第下标的元素

向量集名[-下标] 
#返回该向量集中除第下标外的所有元素

向量集名[c(下标1:下标2)] 
#返回该向量集中第下标1至第下标2个元素

向量集名[-c(下标1:下标2)] 
#返回该向量集中除第下标1至第下标2个外的所有元素

②、which元素位置法（先取位置，再索引）：
先通过函数which()返回逻辑为TURE的位置，在用位置提取元素：

which.max(向量集名) 
#返回向量集中最大值所在位置

which.min(向量集名) 
#返回向量集中最小值所在位置

向量集名[which.max(向量集名)] 
#返回向量集中最大的元素

向量集名[which(向量集名＞1&向量集名＜3)] 
#返回向量集中满足逻辑（即大于1且小于3）的子集

③、逻辑判断提取法（根据值大小提取）：

向量集名[向量集名＞1&向量集名＜3] 
#返回向量集中满足逻辑（即大于1且小于3）的子集

向量集名[向量集名==1] 
#返回向量集中满足逻辑（即等于1）的元素

④、根据名称索引：
先给向量中各元素命名，再通过名称访问对应的元素

names(向量集名) <- c("名称1","名称2","名称3"....)
向量集名[c("名称1","名称2")] 
#返回向量中名称1、2对应的元素

⑤、subset生成子集（检索向量中满足条件的元素）：

subset(向量,向量＞1&向量＜2) 
#提取向量中满足逻辑（即大于1小于2）的子集

（5）向量编辑：
对已创建向量进行增加或删除元素
①、增加元素：

新向量集名 <- c(旧向量集名,c(向量1,向量2....)) 
#在旧向量集后面加向量1,2，并构成新向量集

②、删除元素：

新向量集名 <- 旧向量集名[-c(向量1,向量2....]) 
#从旧向量集后面删去向量1,2，并构成新向量集

（6）向量排序：

sort(向量集名,decreasing=T/F,na.last=T/F)

【默认decreasing为F，即升序排序；decreasing为T则降序排序；na.last默认为F，若为T则将向量集的NA值放到序列末尾】
（7）向量基本运算：
①、求长度：length(向量集名)
②、计算均数：mean(向量集名)
③、计算标准差：sd(向量集名)
④、计算总计：sum(向量集名)
⑤、计算中位数：median(向量集名)
2、矩阵Matrix（二维数据）
（1）矩阵是二维数组，可以描述二维数据，要求矩阵内各元素有相同的类型，都是数值型、字符串型。
【在医学数据分析中，很多时候数据集不太会是矩阵，矩阵一般作为数据分析的结果】
（2）创建矩阵：

矩阵名 <- matrix(向量集名,nrow=...,ncol=...,byrow=T/F,dimnames=list(c("行名1","行名2"....),c("列名1","列名2"...)))

【由向量集填充入该矩阵，nrow为行数；ncol为列数；byrow设置是否按行填充，默认为F，即按列填充；dimnames用字符型向量表示矩阵的行名和列名】
【向量集名那里可以是c()，也可以直接是首位：末尾，如：1:8】
【只写行/列也可以，会把向量集中的所有数据按行/列导入矩阵】
【nrow，ncol这些都不写，括号里只写行、列数即可】
（3）矩阵索引（子集提取）：
利用[ , ]分别提取行和列，主要的提取方式包括位置提取、名称提取和值大小的提取
①、位置提取：

矩阵名[1,2] #返回矩阵中第1行、第2列的元素
矩阵名[1,] #返回矩阵中第1行所有元素
矩阵名[,2] #返回矩阵中第2列所有元素
矩阵名[c(1:2),] #返回矩阵第1至2行所有元素
矩阵名[,c(1:2)] #返回矩阵第1至2列所有元素

②、按名称索引：

矩阵名["行名","列名"] #返回矩阵中对应行、列的元素

（4）矩阵的编辑：
①、数据库合并：

rbind(矩阵1,矩阵2) #将矩阵1、2的行合并
rbind(矩阵,1) #给矩阵增加1行
cbind(矩阵,矩阵2) #将矩阵1、2的列合并
cbind(矩阵,1) #给矩阵增加1列

【rbind合并行，要求列数相同；cbind合并列，要求行数相同】
②、数据的删减：

矩阵[-1,] #删除矩阵第一行
矩阵[-c(1:3),] #删除矩阵第1至3行
矩阵[,-1] #删除矩阵第一列
矩阵[,-c(1:3)] #删除矩阵第1至3列

（5）矩阵的运算（要求维数相同）：
①、矩阵转置：t(矩阵名)
②、各行求和：rowSums(矩阵名)
③、各行求均值：rowMeans(矩阵名)
④、各列求和：colSums(矩阵名)
⑤、各列求均值：colMeans(矩阵名)
3、数据框Data.frame（二维数据）
（1）数据框是医学研究最重要、最主要的格式，常见的医学数据导入到R语言形成的就是数据框
（2）数据框和矩阵一样都是二维数据，数据框每一列代表一个变量属性的所有取值，每一行代表一条样本数据
（3）数据框和矩阵明显不同在于：
①、数据框数据每一列都有一个名称（变量名）
②、数据框不同列，允许数据类型不同；但同一列数据类型相同
（4）创建数据库：
①、在向量基础上产生（组合多个向量）：

data.frame(变量名1,变量名2,变量名3....)
数据框名 <- data.frame(向量集名1,向量集名2,向量集名3....)

#当然可以写在一起，如下：
数据框名 <- data.frame(变量名1=c(向量1,向量2....),变量名2=(向量...),变量名3=(向量....)....)

②、由矩阵产生数据框：

data.frame(矩阵名)

【转换为数据框后保留行列名，但若原矩阵列名为命名，则会默认赋一个变量名】
③、外部数据库导入
（5）数据库索引（子集提取）：
①、通过行列位置提取行列：

数据框名[,1] #返回数据框的第1列
数据框名[1,] #返回数据框的第1行
数据框名[1:3,] #返回数据框的第1至3行

②、通过列名提取列：

数据框名["向量名"] 
#提取数据框中向量名列，产生数据框

③、通过$提取列（最重要）：

数据框名$变量名 
#提取数据框中向量名列，产生向量

【通过$提取相比通过列名提取：前者形成向量，且代码简单】
④、根据变量值的大小提取行：

数据框名[数据框名$变量名1＞1|数据框名$变量名2＜3 , ] 
#提取变量名1大于1 或 变量名2小于3的所有行

数据框名[数据框名$变量名1＞1&数据框名$变量名2＜3 , ] 
#提取变量名1大于1 且 变量名2小于3的所有行

数据框名[数据框名$变量名==1]
#提取变量名等于1的行

【一定要在末尾写个逗号】
⑤、通过位置提取元素：

数据框名[1,1] 
#返回数据框第1行（样本）第1列（变量）数据

数据框名[1]["变量名"]
#返回数据框第1行（样本）中第变量名列的数据

数据框名$变量名[1] 
#返回数据框第变量名列的第1行（样本）数据

⑥、用函数subset()按条件索引：

subset(数据框名,变量名＜5)
#返回数据框变量名列小于5的数据

（6）数据框的编辑：
①、增加样本数据（行）：

新数据框名<-rbind(旧数据框名,list(该行在变量名1列的向量,....))

②、增加属性变量（列）：

新数据框名<-cbind(旧数据框名,新变量名=c(该变量名下第1行的向量,....))

③、通过已有数据转换产生新变量（列）（重要）：

数据框名$新变量名<-数据框名$变量1-数据框名$变量2
#产生新列变量，且该变量为每个样本（行）对应变量1与变量2的差值

④、删除数据：

数据框名[-1,] #删除第一行
数据框名[,-1] #删除第一列

⑤、编辑列名：

names(数据框名) #查看数据框列名

names(数据框名)[1]="新变量名"
#修改数据框内第1列列名

（7）数据框的基本运算：
①、向量长度：length(数据框名$变量名)
②、向量均数：mean(数据框名$变量名)
③、向量标准差：sd(数据框名$变量名)
④、向量总计：sum(数据框名$变量名)
⑤、向量中位数：median(数据框名$变量名)
4、列表List
（1）列表是一些对象或成分的有序集合（组合方式更自由）。列表允许整合若干对象到单个对象名下，某个列表可能是若干向量、矩阵、数据框，甚至其他列表的组合
（2）列表提供了一种简单的方式来组织和重新调用不相干的信息，同时许多R函数运行结果都是用列表形式返回的
（3）创建列表：

list(对象1,对象2,对象3....)

列表名 <- list(
               整数向量集名=c(1,2,3,4),
               字符向量集名=c("男","女"),
               逻辑向量集名=c(TURE,FALSE) )
#创建一个含不同数据类型向量的列表

向量集名 <-c(1,2,3,4)
矩阵名<-matrix(向量集名,行数)
列表名<-list(子列表名1=向量集名,矩阵名)
#创建一个含多种结构的列表

【子列表名即列表内每个向量集或矩阵等展示后顶头的标题，如$ages=向量集名，不写则默认填充[数字]】
（4）列表索引（子集提取）：

列表名[[1]]
#通过默认的[数字]，索引列表的第1子列表【子列表未命名情况】

列表名[["子列表名"]]
#通过名称，索引列表的子列表【子列表已命名情况】

列表名$子列表名
#通过名称，索引列表的子列表【子列表已命名情况】

列表名[["子列表名"]][1]
#索引该子列表的第1个元素【向量集】

列表名[["子列表名"]][1,2]
#索引该子列表的第1行、第2列元素【矩阵】

列表名[["子列表名"]][1,"变量名"]
#索引该子列表的第1行样本的第变量名列的元素【数据框】

列表名[["子列表名"]]$变量名[1]
#索引该子列表的第变量名列第1个样本行的元素【数据框】

【与数据框索引操作类似，但注意用双重方括号】
（5）列表的编辑：

新列表名<-c(旧列表名,list(向量集=c(1,2,3....)))
#与向量的编辑类型，使用函数c()进行合并

【不同于其他数据结构，将列表转化为向量需要用到函数unlist()】
5、四类对象的总结：
（1）向量（vector）：
一维数据集，往往具有一个向量名和一串数据，数据为同类型
（2）矩阵（matrix）：
二维数据集，往往具有一个矩阵名和矩阵数据，数据为同个类型，但有行和列的属性
（3）数据框（data.frame）：
二维数据集，具有行和列的属性，列由多个同等向量长度的向量集组成，每个向量称之为变量，不同变量允许不同的数据类型
（4）列表（list）：
是多个对象的组合（向量、矩阵、数据框、列表），结构复杂，一般体现在统计分析结果
6、四类对象的联系：
（1）向量可以通过matrix(向量集名,行,列...)形成矩阵
（2）矩阵可以通过as.vector()转为向量
（3）多个向量可通过data.frame(向量集名1,向量集名2....)形成数据框
（4）矩阵可以通过data.frame(矩阵名)或as.data.frame(矩阵名)转变为数据框
（5）列表可以通过unlist()转变为向量

is 和 as 系列函数

1、is和as系列涉及不同类型数据和对象的鉴定和转换
2、is系列：
（1）is系列是判断某一个数据中的观察值是何种类型，或者数据属于何种对象与结构
（2）语法：
①、判断是否字符型：is.character()
②、判断是否数值型：is.numeric()
③、判断是否向量：is.vector()
④、判断是否矩阵：is.matrix()
⑤、判断是否数组：is.array()
⑥、判断是否数据框：is.data.frame()
⑦、判断是否因子：is.factor()
⑧、判断是否列表：is.list()
3、as系列：
（1）as系列是对数据的类型、对象进行转换
（2）语法：
①、转换为数值型：as.numeric()
②、转换为逻辑型：as.logical()
③、转换为字符串：as.charactor()
④、转换为矩阵：as.matrix()
⑤、转换为数据框：as.data.frame()
⑥、转换为因子：as.factor()

数据集的导入导出及描述

1、建立工作空间：
（1）工作空间：所有R的程序文件、数据集、其他相关资料都保存在某一个文件夹下；R语言程序结束后，下次启动自动加载历史代码
（2）语法：
①、设置工作空间：

setwd("磁盘名:/文件夹名")

②、查看工作空间：

getwd()

2、数据集导入：
（1）在Rstudio可以导入后缀是txt，csv，xls，sav等后缀名格式的文件，但不同格式所用的包不同
（2）语法：

数据集名<-read.table(file="文件名.txt",header=TRUE)
#读取文本文件，header为第一行是否读取为标题，默认为TRUE

数据集名<-read.csv(file="文件名.csv",header=TRUE,rowname=1)
#读取csv文件，rowname为是否设置横标目，默认不设置

install.packages("foreign")
library(foreign)
#导入SPSS数据集，需要先加载"haven"或"foreign"包
数据集名<-read.spss(file="文件名.spss",to.data.frame=T)
#读取SPSS文件

install.packages("readxl")
library(readxl)
#导入EXCEL数据集，需要先加载"readxl"包
数据集名<-read_excel(file="文件名.xlsx")
#读取EXCEL文件

3、数据集基本描述：

str(数据集名)
#显示变量内容结果，包括变量名、类型、值等

head(数据集名,行数)
#显示数据集对应的前几行，不填默认为前6行

class(数据集名)
#鉴别数据集是数据框、列表、矩阵？
class(数据集名$变量名)
#鉴别数据集中该变量的类型

names(数据集名)
#显示数据集的各个变量名
colnames(数据集名)  
#显示所有列名（即变量名）

ncow(数据集名)   ncol(数据集名)  
#显示行数        #显示列数

dim(数据集名)  
#显示数据集有几行几列

length(数据集名$变量名)
#显示该变量有多少个记录

summary(数据集名)  
#用于数值型变量，计算每一列均数、中位数、百分位数、最大值、最小值、字符串列出计数

table(数据集名$变量名)
#对分类变量分组汇总计数，table对一列进行分组
table(数据集名$变量名1,数据集名$变量名2)
#根据变量1和变量2形成交叉表

colSums(数据集名[,c(1,2)])
#多列计算时用col，计算1、2列观察值总计

colMeans(数据集名[,c("变量名1","变量名2")])  
#计算变量1、变量2的平均值

4、数据集导出：
（1）语法：

write.csv(数据框名,file="",na="NA",row.names=F,col.names=T)
#file指保存的文件名
#na指缺失值导出方式（输入什么记录为什么）
#row.name和col.name分别指是否导出行名或列名，默认导出

数据集整理

1、数据提取及删除：
（1）提取行：

#方法一：直接提取
数据集名[数据集名$变量==条件,]

#方法二：利用which提取
数据集名[which(数据集名$变量==条件),]

#方法三：利用subset提取
subset(数据集名,变量==条件)

#提取变量列满足条件的行（条件判断还可加入且&、或|）

（2）提取变量（列）：

#方法一：直接提取
数据集名["变量名"]
数据集名[c("变量名1","变量名2")]

#方法二：通过列数提取
数据集名[c(8,9)]

2、变量（列）剔除：

names(数据集名)
#查看各变量所在列数

数据集名[,-2]
#删除第二列

数据集名[,-c(2,3)]
#删除第2、3列

3、数据集合并：

rbind(数据集1,数据集2)
#合并行

cbind(数据集1,数据集2))
#合并列

merge(数据集1,数据集2,by="变量名",all=T/F)
#合并两个数据集，all为F时，只合并两个数据集中该有变量名记录的行；all为T时，任意数据集有该变量的行都合并

4、变量更改：

names(数据集名)[1]<-"新变量名"
#将第一列变量名改为新变量名

数据集名$变量名 <- as.向量类型(数据集名$变量名)
#更改数据集变量名的类型

5、新增变量：

数据集名$新变量名 <- 数据集名$已有变量名
#将已有变量复制成新变量

数据集名$新变量名 <- 数据集名$已有变量名==1
#对已有变量逻辑判断，用T/F填充新变量

数据集名$新变量名 <- as.factor(数据集名$已有变量名)
#通过转化已有变量属性新增变量

数据集名$新变量名 <- 数据集名$已有变量名1*2
#通过对已有变量计算新增新变量

数据集名<-transform(数据集名,新变量名1=数据集名$已有变量名*2,新变量名2=数据集名$已有变量名*3)
#通过transform函数同时生成多个新变量

attach(数据集名) 
detach(数据集名)
#通过attach和detach函数绑定或解绑数据集

6、变量转化：

数据集名$新变量名<-ifelse(数据集名$已有变量名>=5,2,1)
table(数据集名$新变量名)
#利用ifelse函数，若＞5赋值为2，否则赋值为1

attach(数据集名) 
数据集名$新变量名[已有变量名<=5]<-1
数据集名$新变量名[已有变量名>5]<-2
数据集名$新变量名[已有变量名>100]<-NA
levels(数据集名$新变量名)
table(数据集名$新变量名)
detach(数据集名)
#将已有变量拆成1,2,NA三个水平

数据集名$新变量名<-数据集名$已有变量名
数据集名<-within(数据集名,{
    新变量名[已有变量名<=5]<-1
    新变量名[已有变量名>5]<-2
    新变量名[已有变量名>100]<-NA }
数据集名$新变量名<-as.factor(数据集名$新变量名)
levels(数据集名$新变量名)
table(数据集名$新变量名)
#利用within函数将已有变量拆成1,2,NA三个水平

7、数据集排序：

sort(数据集名$变量名,decreasing=T,na.last=T)
#默认将该变量列由低到高排序，decreasing为F时从高到低排序，na.last为T将缺失值放到最后

dplyr包

1、用于数据清洗和整理，提高数据处理速度
2、安装与加载：

install.package("dplyr")
library(dplyr)

3、功能：
（1）数据库合并 —— join函数：

left_join(数据集名1,数据集名2)
#依据数据集名1的样本，将两数据集所有变量合并

right_join(数据集名1,数据集名2)
#依据数据集名2的样本，将两数据集所变量合并

inner_join(t1,t2,by=c("变量名"))
#依据变量名，将两数据集共有样本取出

full_join(t1,t2, by = c("first", "last"))
#依据变量名1、2，将两数据集所有样本合并

（2）筛选 —— filter函数：

filter(数据集名,变量名1＞1,变量名2＜2)
filter(数据集名,变量名1＞1&变量名2＜2)
#筛选数据集中变量名1大于1且变量名2小于2的所有样本

filter(数据集名,变量名1＞1|变量名2＜2)
#筛选数据集中变量名1大于1或变量名2小于2的所有样本

filter(数据集名,分类变量名==1)
#筛选数据集中分类变量为1的所有样本

（3）排列 —— arrange函数：

arrange(数据集名,变量名)
#将数据集中所有样本，按变量名从小到大排序

arrange(数据集名,desc(变量名))
#将数据集中所有样本，按变量名从大到小排序

arrange(数据集名,变量名1,变量名2)
#将数据集中所有样本，先按变量名1从小到大排序，变量名1相同再按变量名2从小到大排序

arrange(数据集名,desc(变量名1),变量2)
#将数据集中所有样本，先按变量名1从大到小排序，变量名1相同再按变量名2从小到大排序

（4）选择 —— select函数：

select(数据集名,start_with('A'))
#将A打头的变量名筛选出来

select(数据集名,contains('A'))
#将包含A的变量名筛选出来

select(数据集名,-变量名1,-变量名2)
#剔除变量名1、变量名2后，剩下的筛选出来

select(数据集名,变量名,everything())
#将变量名放在数据集第一变量列

（5）变形 —— mutate函数：

mutate(数据集名,新变量名=旧变量名*2)
#根据旧变量计算并添加新变量

mutate(数据集名,新变量名1=旧变量名*1,新变量名2=旧变量名*2)
#根据旧变量同时计算并添加多个新变量

①、recode转换分组（多分类→2分类/3分类…）：

数据集名$旧变量名<-factor(数据集名$旧变量名)
#旧变量因子化，才可用record

数据集名<-mutate(数据集名,新变量名=recode(旧变量名, "1"=1, "2"=1, "3"=2,"4"=2,"5"=2,"6"=3, "7"=3, "8"=3))
#将旧变量（8分类）转换为新变量（3分类）

数据集名$新变量名<-as.factor(数据集名$新变量名)
#将新变量因子化

②、recode更多转换：

数据集名<-mutate(数据集名,新变量名=recode(旧变量名,"1"=1,"2"=0))
#将旧变量中赋值1的重赋值为1，赋值2的重赋值为0，赋值其他的重赋值为NA（不存在）

数据集名<-mutate(数据集名,新变量名=recode(旧变量名,"1"=1,"2"=0,.default =3) )
#将旧变量中赋值1的重赋值为1，赋值2的重赋值为0，赋值为NA（不存在）的重赋值为3

（6）汇总 —— summarise函数：
summarise()函数以及衍生函数，包括summarise_all, summarise_at，summarise_if主要进行数据的统计描述

一般情况下，它们需要同时调动其它函数来共同完成：
返回最小值：min()
返回最大值：max()
返回均值:mean()
返回总和:sum()
返回标准差:sd()
返回中位数:median()
返回四分位极差:IQR()
返回观测个数:n()
返回不同的观测个数:n_distinct()
返回第一个观测:first()
返回最后一个观测:last()
返回n个观测:nth()

summarise(数据集名,新变量名1=mean(旧变量名),新变量名2= median(旧变量名))
#求旧变量的均数和中位数

summarise_at(数据集名, vars(变量名1,变量名2), funs(n(), mean, median))
#求变量1和变量2的总个数、均数和标准差

summarise_if(数据集名, is.numeric, funs(n(),mean,median))
#求类型为numeric的所有变量的均数和标准差，需要调用summarise_if 函数，var()函数，funs() 函数

summarise_if(数据集名, is.numeric, funs(n(),mean(., na.rm = TRUE), median(., na.rm = TRUE)))
#与上一个类似，只不过加入.,na.rm=TURE代表忽略缺失值

（7）拆分 —— group_by函数：

新数据集名1 <- group_by(旧数据集名,变量名)    
#根据变量名进行数据库拆分。

summarise(新数据集名1,count=n())
#count = n()用来计算次数

新数据集名2<-summarise_at(新数据集名1, vars(变量名1, 变量名2), funs(n(), mean(., na.rm = TRUE)))
#根据新数据集1的分组，分别计算两组的变量1和变量2的样本数、均值（忽略缺失值）

假设检验（差异性分析）

1、正态性检验：
（1）小样本正态性检验shapiro：

shapiro.test(数据集名$变量名)
 #正态性检验，适用于小样的资料

（2）大样本正态性检验Kolmogorov-Smirnov：

ks.test(数据集名$变量名,"pnorm") 
#采用K-S法进行正态性检验，适用于大样本资料

（3）Lilliefor检验：

library(nortest)
lillie.test(数据集名$变量名) 
#是Kolmogorov-Smirnov正态性检验修正，使用nortest包中的函数

2、方差齐性检验：
（1）两组或多组定量资料进行比较时，除了要考虑正态性外，还要考虑方差齐性，在R中可以利用var.test或car包中的bartlett.test函数完成
（2）语法：

var.test(数据集名$结局变量~数据集名$分组变量,na.rm=T) 
#针对不同组的某一结局变量开展方差齐性检验

library(car)  
bartlett.test(结局变量~分组变量,data=数据集名)
#方差齐性检验

3、t检验：
（1）语法：
t.test(x,y=NULL,alternative=,mu=0,paired=FALSE,var.equal=FALSE, conf.level=0.95, ...)
①、x：比较的变量,两组比较变量在前，因子在后，例：weight~sex
②、y：变量，当x为距阵时，y无效，多用于配对检验的时候应用
③、alternative：单双侧：定义 “two.sided”, “greater” or “less”
④、mu：与某个值比较，无差别假设
⑤、var.equal方差是否齐
⑥、conf.level可信区间
（2）单样本t检验：

t.test(数据集名$变量名,mu=值,alternative="less")  
#单样本t检验，判断t值是否比值小
#alternative不填默认双侧

（3）成组两样本独立t检验：

t.test(结局变量~分组变量,data=数据集名,mu=0,var.equal=F)

（3）配对两样本t检验：

t.test(数据集名$变量1,数据集名$变量2,paired=TRUE)

4、方差分析：
（1）语法：
aov(formula，data= NULL, ...)
①、formula：比较变量，和t检验的参数一致：
两因素方差分析：比较变量~因子1+因子2；
交互效应分析：比较变量~因子1*因子2
（2）单因素方差分析：

数据集名$变量名<-as.factor(数据集名$变量名) #将设置成因子
新数据集名<-aov(结局变量~分类变量,data=数据集名)  
#单因素方差分析

summary(新数据集名)
TukeyHSD(新数据集名)  
# 两两比较的方法

（3）双因素方差分析：

新数据集名<-aov(结局变量~变量名1+变量名2,data=数据集名)
# 两因素方差分析

summary(新数据集名) 

5、卡方检验：
（1）语法：
chisq.test(x, y = NULL, correct = TRUE，…)
①、x：分析变量
②、y：变量，和t检验一致
③、correct：是否较正，默认较正
（2）行列表卡方检验：

新数据集名 <- table(数据集名$分类变量名1,数据集名$分类变量名2)  
#列联表两组分类变量

新数据集名2<-chisq.test(新数据集名)  
#卡方检验

chisq.test(新数据集名,correct = F) 
#连续较正

chisq.test(新数据集名)$expected  
#提取理论频数，判断采用哪种方法

fisher.test(新数据集名)  
#fisher 精确法

（3）配对卡方检验：

新数据集名<- table(数据集名$分类变量名1,数据集名$分类变量名2)  
#2*2列表

mcnemar.test(新变量名)  
#配对卡方检验，行列需要是2*2

6、秩和检验：
（1）语法：
wilcox.test(x, y = NULL,alternative=c("two.sided", "less", "greater"),mu = 0, paired = FALSE, exact = NULL, correct = TRUE, ...)
①、x,y：是观察数据构成的数据向量，与t检验相同
②、alternative是备择假设，有单侧检验和双侧检验
③、mu待检参数
④、paired：是否配对
⑤、exact是逻辑变量，说明是否精确计算P值
⑥、correct是逻辑变量，说明是否对P值的计算采用连续性修正，相同秩次较多时，统计量要校正
⑦、conf.int是逻辑变量，说明是否给出相应的置信区间
（2）单样本符号秩和检验：

wilcox.test(数据集名$结局变量名,mu=值,alternative="less")  
#单样本t检验，是否比65小。

（3）两独立样本秩和检验：

wilcox.test(结局变量名~分组变量名,data=数据集名,mu=0)
#alternative不填默认双侧

（4）配对样本秩和检验：

wilcox.test(数据集名$变量名1,数据集名$变量名2,paired=TRUE)  
#配对t检验

（5）多样本秩和检验：

kruskal.test(变量名1~变量名2,data=数据集名)   
#alternative不填默认双侧

线性回归

1、准备工作：

#导入数据
elder1<-read.csv("elder1.csv")
elder2<-read.csv("elder2.csv")

#可以查看数据
str(elder1)
str(elder2)

#启动重要的R包dplyr
library(dplyr)

#现在通过dplyr的join函数把两个数据库进行合并
tt<-inner_join(elder1,elder2,by="ID")
str(tt)

#合并产生的数据库我们把它保存起来，这样下次我们可以再利用。
write.csv(tt,file ="tt.csv")

2、简单线性回归分析：
（1）线性回归分析从只有一个自变量的简单线性回归分析开始，简单回归分析：利用lm( )函数构建
（2）语法：

#绘制两者的散点图
age<-8:19    
height<-c(76.1,77,78.1,78.2,78.8,79.7,79.9,81.1,81.2,81.8,82.8,83.5)
plot(age,height,main = "身高与年龄散点图")

#lm() 函数中 应变量height，自变量为age，它们用~连接起来。
#lm()建立回归方程
lm.reg <- lm(height~age)

#lm.reg 就是线性回归分析的一系列结果的结果名，里面东西很多。
#我们可以利用更多的函数来对lm.reg的结果进行阅读
abline(lm.reg)    #画出拟合的线性回归线
anova(lm.reg)    #模型方差分析
summary(lm.reg)  #最重要的一张表格

3、多因素线性回归分析：
（1）多因素线性回归同样利用自带函数lm( )函数构建
（2）分析自评健康health的影响因素