以下是一些常见的 R 语言实例，展示了不同的数据操作、统计分析、绘图等功能。希望这些实例能帮助你更好地理解和应用 R 语言。

🎯 一、基础操作与数据类型

1. 向量操作

# 创建一个向量
v <- c(1, 2, 3, 4, 5)
print(v)

# 向量的元素加法
v2 <- v + 2
print(v2)

# 计算向量的均值
mean_v <- mean(v)
print(mean_v)

2. 数据框操作

# 创建一个数据框
data <- data.frame(
  Name = c("Alice", "Bob", "Charlie"),
  Age = c(25, 30, 35),
  Score = c(90, 85, 88)
)

# 查看数据框
print(data)

# 访问数据框的列
print(data$Name)

# 筛选数据
subset_data <- subset(data, Age > 25)
print(subset_data)

🎯 二、统计分析实例

1. 线性回归分析

# 创建数据
x <- c(1, 2, 3, 4, 5)
y <- c(2, 4, 6, 8, 10)

# 进行线性回归
model <- lm(y ~ x)

# 查看回归结果
summary(model)

# 绘制回归线
plot(x, y, main = "线性回归示例", xlab = "X", ylab = "Y", pch = 19)
abline(model, col = "red")

2. t 检验（独立样本）

# 创建两组数据
group1 <- c(10, 12, 13, 15, 14)
group2 <- c(22, 24, 25, 28, 26)

# 进行 t 检验
t_test_result <- t.test(group1, group2)

# 输出 t 检验结果
print(t_test_result)

🎯 三、绘图实例

1. 基本散点图

# 创建数据
x <- c(1, 2, 3, 4, 5)
y <- c(2, 4, 6, 8, 10)

# 绘制散点图
plot(x, y, main = "散点图示例", xlab = "X 值", ylab = "Y 值", col = "blue", pch = 16)

2. 饼图

# 创建数据
sizes <- c(20, 30, 50)
labels <- c("A", "B", "C")

# 绘制饼图
pie(sizes, labels = labels, main = "饼图示例", col = c("red", "green", "blue"))

3. 条形图

# 创建数据
categories <- c("A", "B", "C", "D")
values <- c(10, 15, 8, 20)

# 绘制条形图
barplot(values, names.arg = categories, main = "条形图示例", col = "skyblue")

🎯 四、文件操作实例

1. 读取和写入 CSV 文件

# 写入 CSV 文件
data <- data.frame(Name = c("Alice", "Bob", "Charlie"), Age = c(25, 30, 35))
write.csv(data, "data.csv", row.names = FALSE)

# 读取 CSV 文件
read_data <- read.csv("data.csv")
print(read_data)

2. 读取和写入 Excel 文件

# 安装并加载 readxl 和 writexl 包
install.packages("readxl")
install.packages("writexl")
library(readxl)
library(writexl)

# 写入 Excel 文件
write_xlsx(data, "data.xlsx")

# 读取 Excel 文件
read_data_excel <- read_xlsx("data.xlsx")
print(read_data_excel)

🎯 五、更多数据操作实例

1. 数据重塑：宽格式转换为长格式

# 安装和加载 tidyr 包
install.packages("tidyr")
library(tidyr)

# 创建数据框
data_wide <- data.frame(
  ID = 1:3,
  Math = c(90, 85, 88),
  English = c(80, 85, 92)
)

# 数据从宽格式转长格式
data_long <- gather(data_wide, key = "Subject", value = "Score", -ID)
print(data_long)

2. 使用因子进行分类

# 创建因子
category <- factor(c("A", "B", "A", "C", "B"))

# 查看因子的水平
levels(category)

# 统计因子每个水平的频数
table(category)

🎯 六、常见的数学函数

1. 正态分布和随机数生成

# 生成正态分布的随机数
random_values <- rnorm(100, mean = 0, sd = 1)

# 绘制正态分布的直方图
hist(random_values, main = "正态分布直方图", xlab = "值", col = "lightblue")

2. 矩阵操作

# 创建矩阵
matrix_data <- matrix(1:9, nrow = 3, byrow = TRUE)

# 查看矩阵
print(matrix_data)

# 计算矩阵的转置
matrix_transpose <- t(matrix_data)
print(matrix_transpose)

这些 R 语言实例涵盖了从基础操作到高级数据分析的多个方面，希望能为你提供一些参考。如果有任何问题，随时告诉我！😊