4  R 语言基础

5 R 语言基础

本章介绍 R 语言的基本数据类型、数据读取和基础统计操作。如果你之前没有编程经验，不用担心——R 的语法直观易懂，我们会从最基础的概念开始。

5.1 认识 RStudio

RStudio 界面分为四个区域：

  • 左上：脚本编辑器（Source），编写和保存代码
  • 左下：控制台（Console），直接运行代码
  • 右上：环境（Environment），查看当前变量
  • 右下：文件/图表/帮助（Files/Plots/Help）
Tip快捷键
  • Ctrl + Enter：运行当前行代码
  • Ctrl + Shift + Enter：运行整个脚本
  • Ctrl + S：保存文件
  • Tab：代码自动补全

5.2 基本数据类型

R 中有几种基本的数据类型：

5.2.1 数值型（numeric）

x <- 3.14        # 赋值
y <- 42L          # 整数（加 L 后缀）
class(x)          # 查看类型
class(y)

5.2.2 字符型（character）

name <- "广西大学"
species <- '马尾松'    # 单引号和双引号都可以
class(name)
nchar(name)            # 字符数

5.2.3 逻辑型（logical）

is_tree <- TRUE
is_herb <- FALSE
3 > 2              # 比较运算返回逻辑值

5.3 向量（vector）

向量是 R 中最基本的数据结构，用 c() 函数创建：

# 数值向量
heights <- c(12.5, 8.3, 15.7, 10.2, 9.8)

# 字符向量
species <- c("马尾松", "杉木", "桉树", "樟树", "楠木")

# 逻辑向量
is_native <- c(TRUE, TRUE, FALSE, TRUE, TRUE)

5.3.1 向量运算

R 的向量运算是自动逐元素进行的：

heights <- c(12.5, 8.3, 15.7, 10.2, 9.8)

# 基本运算
heights * 100          # 每个元素乘以 100（cm 转换）
heights + 1            # 每个元素加 1

# 统计函数
mean(heights)          # 平均值
sd(heights)            # 标准差
max(heights)           # 最大值
min(heights)           # 最小值
length(heights)        # 长度

5.3.2 向量索引

heights <- c(12.5, 8.3, 15.7, 10.2, 9.8)

heights[1]             # 第 1 个元素（R 从 1 开始计数！）
heights[c(1, 3)]       # 第 1 和第 3 个
heights[heights > 10]  # 筛选大于 10 的元素

5.4 因子（factor）

因子用于表示分类变量，在生态学数据中非常常见：

# 创建因子
habitat <- factor(c("森林", "草地", "湿地", "森林", "草地", "森林"))
habitat

# 查看水平
levels(habitat)

# 频次统计
table(habitat)
Note为什么需要因子？

在统计分析和绘图中，R 需要知道哪些变量是分类变量。因子告诉 R：“这个变量有固定的几个类别”，而不是随意的文本。

5.4.1 有序因子（ordered factor）

有些分类变量有自然的顺序关系，比如”低 < 中 < 高”。使用有序因子可以让 R 正确处理这种顺序：

# 创建有序因子
soil_depth <- factor(
  c("0-10cm", "10-20cm", "20-30cm", "0-10cm", "10-20cm"),
  levels = c("0-10cm", "10-20cm", "20-30cm"),
  ordered = TRUE
)
soil_depth

# 有序因子支持比较运算
soil_depth[1] < soil_depth[3]  # TRUE：0-10cm < 20-30cm

5.5 数据框（data.frame）

数据框是 R 中最常用的数据结构，类似于 Excel 表格：

# 创建数据框
tree_data <- data.frame(
  species = c("马尾松", "杉木", "桉树", "樟树", "楠木"),
  height = c(12.5, 8.3, 15.7, 10.2, 9.8),
  dbh = c(25.3, 15.8, 32.1, 20.5, 18.7),    # 胸径 (cm)
  native = c(TRUE, TRUE, FALSE, TRUE, TRUE)
)

# 查看数据
tree_data
str(tree_data)     # 查看结构
summary(tree_data) # 描述性统计

5.5.1 访问数据框

tree_data <- data.frame(
  species = c("马尾松", "杉木", "桉树", "樟树", "楠木"),
  height = c(12.5, 8.3, 15.7, 10.2, 9.8),
  dbh = c(25.3, 15.8, 32.1, 20.5, 18.7),
  native = c(TRUE, TRUE, FALSE, TRUE, TRUE)
)

tree_data$height       # 用 $ 访问列
tree_data[1, ]         # 第 1 行
tree_data[, 2]         # 第 2 列
tree_data[1, 2]        # 第 1 行第 2 列

5.6 读取数据文件

实际研究中，数据通常存储在文件中。R 提供了多种读取方式。

Tip安装所需包

读取数据前，需要先安装相应的 R 包。只需安装一次，之后每次使用 library() 加载即可：

# 安装 tidyverse（包含 readr 等常用包）
install.packages("tidyverse")

# 安装 readxl（读取 Excel 文件）
install.packages("readxl")

5.6.1 读取 CSV 文件

# 基础 R
data <- read.csv("data/species_survey.csv")

# tidyverse（推荐，更快更智能）
library(readr)
data <- read_csv("data/species_survey.csv")

5.6.2 读取 Excel 文件

library(readxl)
data <- read_excel("data/soil_data.xlsx", sheet = 1)

5.6.3 读取其他格式

# Tab 分隔文件
data <- read_tsv("data/results.txt")

# R 原生格式（推荐用于保存中间结果）
saveRDS(data, "data/processed.rds")
data <- readRDS("data/processed.rds")
Tip文件路径
  • 使用 / 而不是 \ 作为路径分隔符
  • 使用相对路径而不是绝对路径，这样别人也能运行你的代码
  • 把数据文件放在项目的 data/ 文件夹中

5.7 基本统计函数

# 生成示例数据
set.seed(42)  # 设置随机种子，确保可重复
soil_ph <- rnorm(50, mean = 6.5, sd = 0.8)  # 50 个土壤 pH 值

# 描述性统计
mean(soil_ph)          # 平均值
median(soil_ph)        # 中位数
sd(soil_ph)            # 标准差
var(soil_ph)           # 方差
range(soil_ph)         # 范围
quantile(soil_ph)      # 四分位数

# 综合统计
summary(soil_ph)

5.8 基本绘图

R 内置了基本绘图功能，后续课程会详细讲解 ggplot2：

set.seed(42)
soil_ph <- rnorm(50, mean = 6.5, sd = 0.8)

# 直方图
hist(soil_ph, main = "土壤 pH 分布", xlab = "pH", col = "lightblue")

# 箱线图
boxplot(soil_ph, main = "土壤 pH", ylab = "pH")

5.8.1 获取帮助

?mean              # 查看函数帮助
help(read.csv)     # 同上
??regression       # 搜索关键词

5.9 实践：生态学数据集探索

让我们用一个真实的生态学数据集来练习。R 内置了 iris（鸢尾花）数据集：

# 加载数据
data(iris)

# 查看前 6 行
head(iris)

# 数据结构
str(iris)

# 描述性统计
summary(iris)

# 按物种分组统计花瓣长度
tapply(iris$Petal.Length, iris$Species, mean)

# 简单散点图
plot(iris$Sepal.Length, iris$Petal.Length,
     col = as.numeric(iris$Species),
     pch = 16,
     xlab = "花萼长度 (cm)",
     ylab = "花瓣长度 (cm)",
     main = "鸢尾花花萼与花瓣长度关系")
legend("topleft", levels(iris$Species),
       col = 1:3, pch = 16, cex = 0.8)

5.10 课后练习

  1. 创建一个包含 5 种植物的数据框，包含物种名、株高、叶面积、是否为乔木四列
  2. 计算株高的平均值、标准差和变异系数（CV = sd/mean × 100%）
  3. 筛选出株高大于平均值的植物
  4. 用 hist() 绑制 iris 数据集中 Sepal.Width 的分布直方图
  5. 将你的代码保存为 .R 文件，提交到 GitHub 仓库