R 語言入門教學

R 是什麼、可以拿來做什麼

R 是免費開源的統計運算與繪圖語言及環境。它源自貝爾實驗室開發的 S 語言，由 R Core Team 維護。R 是向量化的：大多數運算會一次作用在整個資料向量上，讓資料分析程式碼變得簡短。

統計學家、資料科學家、生物資訊學家、經濟學家與研究人員會用 R 進行資料清理、統計建模、視覺化與可重現的報告。CRAN（Comprehensive R Archive Network）與 Bioconductor 上有數千個擴充套件可用。

安裝 R 並執行 Hello, world

請從 CRAN 下載適用於 Windows、macOS 或 Linux 的 R。許多人也會安裝 RStudio 或 Positron，它們是內含編輯器、主控台、圖表檢視器與說明窗格的 IDE。你可以直接在 R 主控台輸入程式碼，也可以存成 .R 檔。

# hello.R
print("Hello, world!")
cat("Hello, world!\n")

Rscript hello.R
# [1] "Hello, world!"
# Hello, world!

print 會以主控台的方式顯示值，前面帶有 [1] 索引。cat 輸出純文字，所以換行要自己加。

變數、基本型別與向量

用 <-（慣用風格）或 = 指派。R 沒有純量：單一數字就是長度為 1 的向量。c() 把多個值組合成向量，算術運算會逐元素進行。

x <- 42                 # numeric (double)
n <- 7L                 # integer (L suffix)
name <- "Ada"           # character
ok <- TRUE              # logical
class(x); class(n); class(name)   # "numeric" "integer" "character"
v <- c(2, 4, 6, 8)
v * 10                  # [1] 20 40 60 80
v[2]                    # [1] 4   (indexing starts at 1)
v[v > 4]                # [1] 6 8
length(v); sum(v); mean(v)        # 4 20 5
1:5                     # [1] 1 2 3 4 5
seq(0, 1, by = 0.25)    # [1] 0.00 0.25 0.50 0.75 1.00

流程控制

R 有 if/else、for、while 與 repeat。處理向量時，向量化的 ifelse() 通常比迴圈更好。

temp <- 25
if (temp > 30) {
  print("hot")
} else if (temp > 15) {
  print("mild")         # [1] "mild"
} else {
  print("cold")
}
for (i in 1:3) {
  cat("step", i, "\n")  # step 1 / step 2 / step 3
}
scores <- c(45, 80, 62)
ifelse(scores >= 50, "pass", "fail")
# [1] "fail" "pass" "pass"

if 需要單一的 TRUE 或 FALSE。在 R 4.2 之後，把較長的向量傳給 if 會出錯；請改用 any()、all() 或 ifelse()。

函式

函式用 function 建立並指派給名稱。最後求值的運算式會自動回傳；只有要提前離開時才需要 return()。引數可以有預設值，也能以名稱傳入。

bmi <- function(weight_kg, height_m = 1.75) {
  weight_kg / height_m^2
}
bmi(70)                          # [1] 22.85714
bmi(height_m = 1.6, weight_kg = 60)  # [1] 23.4375
square <- function(x) x^2
square(1:4)                      # [1] 1 4 9 16 (vectorized)
sapply(c(1, 4, 9), sqrt)         # [1] 1 2 3
(\(x) x + 1)(10)                 # [1] 11 (short lambda syntax)

簡短的 Lambda 語法 \(x) 自 R 4.1 起可用，原生管線 |> 也是，它會把左邊的值當作第一個引數傳入：c(1, 4, 9) |> sqrt() |> sum() 會回傳 6。

核心資料結構：向量、list 與資料框

除了原子向量之外，R 還有 list（可以存放不同型別的值）、矩陣與資料框。資料框是一種表格，每一欄都是長度相同的向量，是資料分析的核心結構。

person <- list(name = "Ann", age = 31, langs = c("R", "SQL"))
person$name                 # [1] "Ann"
person[["langs"]][2]        # [1] "SQL"
df <- data.frame(
  name  = c("Ann", "Bo", "Cy"),
  age   = c(31, 25, 40),
  city  = c("Oslo", "Rome", "Oslo")
)
nrow(df)                    # [1] 3
df$age                      # [1] 31 25 40
df[df$age > 30, "name"]     # [1] "Ann" "Cy"
df$senior <- df$age >= 40   # add a column
aggregate(age ~ city, data = df, FUN = mean)
#   city  age
# 1 Oslo 35.5
# 2 Rome 25.0
str(df)                     # compact structure summary

df[rows, columns] 可依位置、名稱或邏輯條件選取。其中一邊留空（如 df[1, ]）代表所有列或所有欄。

統計與繪圖

內建了許多統計函式：summary、sd、quantile、cor、t.test 和 lm（線性模型）等。基本繪圖只要呼叫一次就能畫出圖表。

set.seed(1)
x <- 1:20
y <- 3 * x + rnorm(20, sd = 2)
model <- lm(y ~ x)
round(coef(model), 2)       # intercept near 0, slope near 3
summary(model)$r.squared    # close to 1
plot(x, y, main = "y vs x")
abline(model, col = "red")

公式語法 y ~ x 表示「把 y 建模為 x 的函數」，在各種建模函式中都會用到。若要進階圖表與資料整理，多數人會用 install.packages("tidyverse") 安裝 tidyverse 套件，例如 ggplot2 和 dplyr。

錯誤處理

用 stop() 拋出錯誤、用 warning() 發出警告。用 tryCatch() 捕捉它們，它可接收 error、warning 的處理函式，以及選用的 finally 區塊。

safe_log <- function(x) {
  if (!is.numeric(x)) stop("x must be numeric")
  if (any(x <= 0)) warning("non-positive values give NaN or -Inf")
  log(x)
}
result <- tryCatch(
  safe_log("ten"),
  error = function(e) {
    message("Caught: ", conditionMessage(e))
    NA
  },
  finally = message("done")
)
# Caught: x must be numeric
# done
result                      # [1] NA

完整的小程式：銷售摘要

這個腳本建立一張小型銷售表，用基本 R 計算各地區的營收，並印出表現最好的地區。

sales <- data.frame(
  region = c("North", "South", "North", "East", "South"),
  units  = c(10, 4, 6, 8, 12),
  price  = c(2.5, 3.0, 2.5, 4.0, 3.0)
)
sales$revenue <- sales$units * sales$price
by_region <- aggregate(revenue ~ region, data = sales, FUN = sum)
by_region <- by_region[order(-by_region$revenue), ]
print(by_region, row.names = FALSE)
#  region revenue
#   South      48
#   North      40
#    East      32
best <- by_region$region[1]
cat(sprintf("Best region: %s (%.2f)\n", best, max(by_region$revenue)))
# Best region: South (48.00)

接下來可以學什麼

• An Introduction to R，CRAN 上的官方手冊。
• 內建說明：在主控台輸入 ?mean 或 help("lm")。
• R for Data Science（Hadley Wickham 等人著），可免費線上閱讀，介紹 tidyverse 的做法。
• CRAN Task Views，依計量經濟學或機器學習等領域整理套件清單。