1．3 包
包（package）是R函数、数据、预编译代码以一种定义完善的格式组成的集合。
包可从http：／／cran．r－project．org／ web／packages下载。
计算机上存储包的目录称为库（library）。
函数．libPaths（）能够显示库所在的位置，
函数library（）则可以显示库中有哪些包，
命令search（）可以知道哪些包已加载并可使用。
例：包gclus中提供了创建增强型散点图的函数。
install．packages（＂gclus＂） ＃安装包update．packages（＂gclus＂） ＃更新包library（gclus） ＃载入包help（package＝＂gclus＂） ＃输出包的描述和其中的函数名称和数据集名称的列表
R语言编程中的常见错误
使用了错误的大小写。help（）、Help（）和HELP（）是三个不同的函数（只有第一个是正确的）。
忘记使用必要的引号。install．packages（＂gclus＂）能够正常执行，然而 install．packages（gclus）将会报错。
在函数调用时忘记使用括号。例如，要使用help（）而非help。即使函数无需参数，仍需加上（）。
在Windows上，路径名中使用了。R将反斜杠视为一个转义字符。
使用了一个尚未载入包中的函数。函数order．clusters（）包含在包gclus中。如果还没有载入这个包就使用它，将会报错。
1．4 批处理
通常，我们会交互式地使用R：在提示符后输入命令，接着等待该命令的输出结果。
如果要以一种重复的、标准化的、无人值守的方式执行某个R程序，可以在R中编写程序，在批处理模式下执行它。
如何以批处理模式运行R与使用的操作系统有关。
在Linux或Mac OS X系统下，可以在终端窗口中使用如下命令： R CMD BATCH options infile outfile
其中infile是包含了要执行的R代码所在文件的文件名
outfile是接收输出文件的文件名
options部分则列出了控制执行细节的选项
对于Windows，则需使用：
＂C：Program FilesRR－3．1．0inR．exe＂CMD BATCH?－－vanilla－－slave＂c：my projectsmyscript．R＂
将路径调整为R．exe所在的相应位置和脚本文件所在位置。
1．5 将输出用为输入：结果的重用
R中分析的输出结果可轻松保存，并作为进一步分析的输入使用。
例：汽车数据mtcars
＃执行一次简单线性回归，通过车身重量（wt）预测每加仑行驶的英里数（mpg）lm（mpg～wt， data＝mtcars）＃此时结果将显示在屏幕上，不会保存任何信息。lmfit ＜‐ lm（mpg～wt， data＝mtcars）＃执行回归，区别是在新建的列表对象lmfit中保存结果
summary（lmfit） ＃分析lmfit的结果的统计概要Call： lm（formula ＝ mpg ～ wt， data ＝ mtcars） Residuals： Min 1Q Median 3Q Max －4．5432 －2．3647 －0．1252 1．4096 6．8727 Coefficients： Estimate Std． Error t value Pr（＞｜t｜） （Intercept） 37．2851 1．8776 19．858 ＜ 2e－16 ＊＊＊ wt －5．3445 0．5591 －9．559 1．29e－10 ＊＊＊ －－－ Signif． codes： 0 ‘＊＊＊’ 0．001 ‘＊＊’ 0．01 ‘＊’ 0．05 ‘．’ 0．1 ‘ ’ 1 Residual standard error： 3．046 on 30 degrees of freedom Multiple R－squared： 0．7528， Adjusted R－squared： 0．7446 F－statistic： 91．38 on 1 and 30 DF， p－value： 1．294e－10
plot（lmfit） ＃生成回归诊断图形，见图1－2
cook＜－cooks．distance（lmfit） ＃计算和保存lmfit的影响度量统计量，保存在cook中plot（cook） ＃对其绘图，见图1－3
predict（lmfit，mynewdata） ＃在新的车身重量数据上对每加仑行驶的英里数进行预测Error in predict．lm（lmfit， mynewdata） ： 找不到对象＇mynewdata＇ ＃此处报错是因为没有创建新的车身重量数据mynewdata
图1－2 回归诊断图形
???
图1－3 影响度量统计量
1．6 处理大数据
R可以处理GB级到TB级的数据分析问题，需要考虑数据集的大小和要应用的统计方法，用R处理大数据需要专门的手段。
具体可在原书附录F中学习讨论。
1．7 示例实践
例：使用一个新的包，vcd包（一个用于可视化类别数据的包）
help．start（） ＃打开帮助文档首页install．packages（＂vcd＂） ＃安装vcd包help（package＝＂vcd＂） ＃了解vcd包的内容，列出此包中可用的函数和数据集library（vcd） ＃载入这个包help（Arthritis） ＃阅读数据集Arthritis的描述Arthritis ＃显示数据集Arthritis的内容example（Arthritis） ＃运行数据集Arthritis自带的示例，将输出一幅展示关节炎治疗情况和治 疗结果之间关系的图，见图1－4
图1－4 关节炎治疗情况和治疗结果之间关系
1．8 小结
本章简要介绍了如何获取和安装R，通过简单的示例熟悉R的用户界面，运行R程序，学习了如何从在线免费下载扩展（称为用户贡献包）来增强基本安装的功能。下一章我们将一起学习R中的各种数据类型，以及如何从文本文件、其他程序和数据库管理系统中导入数据。
