📚 课程目录第1章 R语言概述与开发环境搭建

第一章：R语言概述与开发环境搭建

各位同学好，我是这门课的主讲。咱们直接开讲。

R语言，说白了就是为数据分析、统计建模、可视化而生的语言。我入行头三年用的都是SAS，后来接触R，第一感觉是——这玩意居然免费？再一用，真香。它从学术界长起来，现在工业界也大量铺开，尤其在生物统计、金融风控、推荐系统里面，R的地位基本撼不动。

1.1 为什么选R？

你可能会问：Python不也挺流行吗？没错，Python很好。但R在统计分析和数据探索上有几个很实在的优势，我在几个项目中体会特别深。

原生统计基因：R从一开始就是统计学家写的，内置了T检验、方差分析、回归、主成分分析等全套算法，不需要像Python那样到处找第三方库。
数据框操作极其顺手：dplyr、data.table这些包，做筛选、分组、聚合，一行命令搞定。我曾经处理一个千万级的电商订单表，用R的data.table只写了三行，跑完10秒不到。
可视化能力独步天下：ggplot2的图层语法，你一旦习惯，就很难再回去用Matplotlib。我有个做生物信息的同事，明明论文里要求出图，他宁可用R画完再截图粘贴到Python项目文档里。
社区丰富，包多：CRAN上有超过2万个包。你想做什么特征工程、降维、统计检验，基本都能找到现成的。

对比项	R	Python
统计原生性	极强	需额外库
数据框语法	简洁（dplyr）	较冗长（pandas）
可视化	ggplot2 图图层级	matplotlib/seaborn
内置降维方法	prcomp, ica, tsne 等	需 sklearn
行业应用	生物、金融、学术	通用、工程

总结一句话：如果是纯统计建模、特征探索、科研出图，R更适合；如果是生产部署、深度学习、系统集成，Python更适合。但咱们做特征统计与降维筛选，R是主场。

1.2 安装R与RStudio

嗯，这里要注意。R本身是一个语言和解释器。我们还需要一个IDE来写代码。我个人习惯用RStudio，不是广告，是真的好用。

安装步骤很简单：

去官网 CRAN 下载对应操作系统的R安装包。推荐最新稳定版，目前是4.3.x。
直接双击安装，一路默认。Windows用户注意选“简体中文”，这样错误信息会是中文的，好理解。
安装RStudio Desktop（免费版）即可。下载地址：Posit官网。

安装完成后，打开RStudio，你会看到四个窗格：左上脚本编辑、右上环境/历史、左下控制台、右下文件/绘图/帮助。这叫“开箱即用”。

我的一个小技巧：第一次打开RStudio，去 Tools → Global Options → Code → Saving，把默认编码改成 UTF-8。否则中文注释可能乱码，你懂的。

1.3 第一个R脚本

咱们不搞花里胡哨的“Hello World”。直接写个跟本课程相关的示例：读入一个简单的特征数据，看看基本统计量。

# 创建一个简单的数据框
set.seed(42)
data <- data.frame(
  id = 1:100,
  age = round(rnorm(100, mean = 30, sd = 5)),
  income = round(rnorm(100, mean = 8000, sd = 2000)),
  score = round(runif(100, 50, 100))
)

# 查看前6行
head(data)

# 快速统计描述
summary(data)

# 检查缺失值
sum(is.na(data))

这段代码在控制台里选中然后按 Ctrl+Enter 执行。你会发现R的向量化操作很自然，不用写循环。

我曾经遇到一个新人，写了个for循环算每列均值，把我急坏了。R里直接用 colMeans(data) 就解决了。记住：能向量化就别手动循环。

1.4 包管理与工作目录

R的强大在包。安装包有两种方式：

# 从CRAN安装
install.packages("dplyr")
install.packages("ggplot2")
install.packages("FactoMineR")  # 主成分分析相关

# 从GitHub安装（需要devtools）
# install.packages("devtools")
# devtools::install_github("用户名/包名")

每次重启RStudio后，记得用 library() 加载包：

library(dplyr)
library(ggplot2)

避坑指南：我曾经因为没设置工作目录，读文件时报错“找不到文件”，找了半小时才发现R默认目录是文档文件夹。正确做法：用 setwd() 设置，或者直接在RStudio右下角文件窗格导航到项目文件夹，点“More → Set As Working Directory”。推荐用RStudio Project，每次打开自动跳转。

平时我习惯这样组织项目文件夹：

my_project/
├── data/          # 原始数据（只读）
├── R/              # 脚本
├── output/         # 输出文件、图表
├── reports/        # 报表
└── my_project.Rproj  # RStudio项目文件

这样结构清晰，再也不用担心“这个数据放哪了”。

1.5 本章知识体系

下面是这一章的核心知识结构图，帮你快速梳理脉络。

1.6 小结

这一章我们搭建好了R的开发环境，写下了第一行代码，也学会了怎么安装包、组织项目。接下来，你就可以在这个环境里放心地跑后面的特征统计和降维筛选了。别心急，基础打牢，后面实战才顺手。

嗯，记住我说的：不用追求一次装完所有包，用到哪个装哪个。环境干净，问题少。