R语言入门学习教程，从入门到精通，集成开发环境RStudio(2）

集成开发环境RStudio

2.1 RStudio概述

知识点

RStudio是R语言的集成开发环境（IDE），由Posit公司（原RStudio公司）开发
R与RStudio的关系：R是计算引擎，RStudio是上层开发工具
核心功能：代码编辑、调试、可视化、项目管理、版本控制
支持跨平台：Windows、macOS、Linux

语法/概念要点

RStudio本身不包含R，需要先安装R再安装RStudio
免费开源，同时提供商业版本
支持R Markdown、Shiny应用开发

案例：验证R与RStudio的连接

r 复制代码

# 这是验证RStudio是否正确连接R环境的代码
# 在RStudio的控制台(Console)或脚本编辑器中运行

# 1. 检查R版本信息
# R.version.string 返回完整的R版本字符串
print(R.version.string)

# 2. 检查当前运行环境是否为RStudio
# Sys.getenv() 获取系统环境变量
# "RSTUDIO"环境变量在RStudio中会被设置为"1"
is_rstudio <- Sys.getenv("RSTUDIO") == "1"
if(is_rstudio) {
  print("✅ 当前运行在RStudio环境中")
} else {
  print("⚠️ 当前不在RStudio环境中")
}

# 3. 查看RStudio相关环境变量
# grep() 搜索匹配的环境变量名
rstudio_vars <- grep("RSTUDIO", names(Sys.getenv()), value = TRUE)
print("RStudio相关环境变量:")
print(rstudio_vars)

2.2 下载与安装RStudio

2.3 下载RStudio

知识点

官方下载地址：https://posit.co/downloads/
版本选择：
- RStudio Desktop（个人电脑使用，免费开源版）
- RStudio Desktop Pro（商业版，付费）
- RStudio Server（服务器版，团队协作）

语法/概念要点

根据操作系统选择对应版本（Windows .exe、macOS .dmg、Linux .deb/.rpm）
注意系统位数要求（64位系统推荐）

案例：使用R代码检查系统兼容性

r 复制代码

# 在安装RStudio前，用R代码检查系统信息以确保兼容性

# 1. 查看操作系统类型和版本
# Sys.info() 返回系统信息列表
sys_info <- Sys.info()
print(paste("系统名称:", sys_info["sysname"]))    # Windows, Darwin, Linux等
print(paste("系统版本:", sys_info["release"]))
print(paste("机器类型:", sys_info["machine"]))    # x86_64表示64位

# 2. 检查R的位数
# .Machine$sizeof.pointer 指针大小，8表示64位，4表示32位
pointer_size <- .Machine$sizeof.pointer
if(pointer_size == 8) {
  print("✅ R运行在64位模式下，推荐安装64位RStudio")
} else {
  print("⚠️ R运行在32位模式下，请安装32位RStudio")
}

# 3. 查看R的安装路径
# R.home() 返回R的主目录路径
print(paste("R安装路径:", R.home()))

# 4. 查看用户主目录（RStudio默认项目保存位置）
print(paste("用户主目录:", path.expand("~")))

2.4 安装RStudio

知识点

Windows安装步骤：
1. 双击下载的.exe安装文件
2. 选择安装路径（建议默认）
3. 勾选创建快捷方式选项
macOS安装：拖拽.dmg中的RStudio到Applications文件夹
Linux安装：使用包管理器（sudo dpkg -i rstudio-xxx.deb）

语法/概念要点

安装顺序：必须先安装R，再安装RStudio
安装完成后首次启动会自动检测R
可通过Tools -> Global Options更改R版本路径

案例：安装后的配置验证

r 复制代码

# RStudio安装完成后，运行此代码验证配置是否正确

# 1. 检查RStudio版本信息
# RStudio.Version() 仅在RStudio环境中可用
if(exists("RStudio.Version")) {
  rstudio_ver <- RStudio.Version()
  print(paste("RStudio版本:", rstudio_ver$version))
  print(paste("RStudio发行版:", rstudio_ver$edition))
} else {
  print("不在RStudio环境中运行")
}

# 2. 配置RStudio默认选项
# 设置代码保存时自动加上换行符
options(trailing_newline = TRUE)

# 设置默认的CRAN镜像（国内用户建议设置）
# 这将影响通过RStudio包管理界面安装包时的默认镜像
options(repos = c(CRAN = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))

# 3. 查看当前的RStudio配置
# 配置文件位置
rstudio_config <- file.path(path.expand("~"), ".config", "rstudio")
if(dir.exists(rstudio_config)) {
  print(paste("RStudio配置文件目录:", rstudio_config))
} else {
  print("RStudio配置文件尚未创建（首次运行后会自动生成）")
}

2.5 使用RStudio编写R程序

知识点

创建新脚本：File -> New File -> R Script 或快捷键 Ctrl+Shift+N
运行代码：
- 运行当前行：Ctrl+Enter
- 运行整个脚本：Ctrl+Shift+Enter
保存脚本：Ctrl+S
文件扩展名：.R

语法/概念要点

脚本编辑器（Source Editor）是编写代码的主要区域
控制台（Console）显示代码执行结果
代码注释使用#，可选中多行后按Ctrl+Shift+C批量注释/取消注释

案例：第一个RStudio脚本程序

r 复制代码

# ====================================================
# 文件名: first_script.R
# 功能: 演示RStudio中编写和运行R脚本的基本操作
# 作者: 示例
# 创建日期: 使用Sys.Date()自动获取当前日期
# ====================================================

# 【知识点1】单行注释使用井号(#)
# 以下代码演示变量的创建和基本运算

# 创建数值向量
# c()函数用于组合元素
student_scores <- c(85, 92, 78, 88, 96)

# 计算统计量并存储结果
mean_score <- mean(student_scores)      # 计算平均值
max_score <- max(student_scores)        # 找出最大值
min_score <- min(student_scores)        # 找出最小值
total_score <- sum(student_scores)      # 计算总分

# 【知识点2】使用print()输出结果
print("========== 成绩统计报告 ==========")
print(paste("学生人数:", length(student_scores)))
print(paste("平均分:", round(mean_score, 2)))
print(paste("最高分:", max_score))
print(paste("最低分:", min_score))
print(paste("总分:", total_score))

# 【知识点3】使用cat()格式化输出
# cat()可以拼接多种类型，注意需要手动添加换行符\n
cat("\n---------- 详细成绩列表 ----------\n")
for(i in 1:length(student_scores)) {
  cat("学生", i, ": ", student_scores[i], "分\n", sep = "")
}

# 【知识点4】条件判断：成绩评级
# 使用if-else结构进行判断
cat("\n---------- 成绩评级 ----------\n")
for(score in student_scores) {
  if(score >= 90) {
    grade <- "优秀"
  } else if(score >= 80) {
    grade <- "良好"
  } else if(score >= 70) {
    grade <- "中等"
  } else if(score >= 60) {
    grade <- "及格"
  } else {
    grade <- "不及格"
  }
  cat(score, "分 -> 等级:", grade, "\n")
}

# 【知识点5】脚本执行提示
cat("\n✅ 脚本执行完成！\n")
cat("💡 提示: 按 Ctrl+Enter 运行当前行，Ctrl+Shift+Enter 运行整个脚本\n")

2.6 详解RStudio集成开发环境

知识点

RStudio界面分为四个主要面板：

面板位置	名称	功能
左上角	Source Editor（源编辑器）	编写R脚本、R Markdown文档
左下角	Console（控制台）	执行R代码、查看输出结果
右上角	Environment/History（环境/历史）	查看变量、命令历史
右下角	Files/Plots/Packages/Help（文件/绘图/包/帮助）	文件管理、图形显示、包管理、帮助文档

语法/概念要点

Environment面板：显示当前所有变量，可点击变量名查看数据
History面板：记录所有执行过的命令，可选中后发送到控制台或源编辑器
Files面板：内置文件浏览器，可设置工作目录
Plots面板：显示绘制的图形，支持缩放和导出
Packages面板：管理已安装的包，可勾选加载/卸载
Help面板 ：查看函数帮助文档，也可通过?函数名打开

案例1：使用Environment面板查看和管理变量

r 复制代码

# 本案例演示如何创建变量并在Environment面板中查看

# 1. 创建不同类型的变量
# 数值型向量
numbers <- c(10, 20, 30, 40, 50)

# 字符型向量
fruits <- c("苹果", "香蕉", "橙子")

# 逻辑型向量
flags <- c(TRUE, FALSE, TRUE)

# 创建数据框（类似Excel表格）
# data.frame() 创建数据框结构
students <- data.frame(
  姓名 = c("张三", "李四", "王五"),
  年龄 = c(20, 21, 19),
  成绩 = c(85, 92, 78)
)

# 2. 查看当前环境中的所有变量
# ls() 列出当前环境中的所有对象名称
cat("当前环境中的变量:\n")
print(ls())

# 3. 查看变量的详细信息
# str() 显示对象的结构
cat("\n变量 'students' 的结构:\n")
str(students)

# 4. 查看变量的内存占用
# object.size() 返回对象的内存大小
cat("\n变量内存占用:\n")
print(paste("numbers:", format(object.size(numbers), units = "KB")))
print(paste("students:", format(object.size(students), units = "KB")))

# 5. 删除不需要的变量
# rm() 删除指定变量
rm(fruits, flags)  # 删除fruits和flags
cat("\n删除fruits和flags后，剩余变量:\n")
print(ls())

# 6. 清空所有变量（谨慎使用）
# 取消下面一行的注释可以清空所有变量
# rm(list = ls())

案例2：使用History面板和命令历史

r 复制代码

# 本案例演示如何利用命令历史功能

# 执行以下一系列命令，它们会被记录到History面板中

# 命令1: 创建简单向量
x <- c(1, 2, 3, 4, 5)

# 命令2: 计算平方
x_squared <- x^2

# 命令3: 创建矩阵
my_matrix <- matrix(x_squared, nrow = 1)

# 命令4: 输出结果
print(my_matrix)

# 命令5: 计算总和
sum(x_squared)

# 命令6: 绘制简单图形（将在Plots面板显示）
plot(x, x_squared, type = "o", main = "x vs x^2")

# 命令7: 查看之前执行过的命令历史
# 注意：history() 显示的是当前会话的命令历史
# 在RStudio中，History面板会显示所有命令
history()

# 常用历史命令快捷键:
# Ctrl + ↑ (向上箭头) - 在控制台中调出上一条命令
# Ctrl + ↓ (向下箭头) - 在控制台中调出下一条命令

cat("\n💡 提示: 按Ctrl+↑可在控制台调出历史命令\n")

案例3：使用Files面板管理文件和目录

r 复制代码

# 本案例演示如何在R代码中管理文件系统

# 1. 查看当前工作目录
# getwd() 获取当前工作目录
current_dir <- getwd()
print(paste("当前工作目录:", current_dir))

# 2. 列出当前目录下的所有文件
# list.files() 返回目录中的文件名向量
files <- list.files()
cat("\n当前目录下的文件:\n")
print(files)

# 3. 查看带详细信息的文件列表
# file.info() 返回文件的详细信息（大小、修改时间等）
file_details <- file.info(files)
cat("\n文件详细信息:\n")
print(file_details)

# 4. 创建新目录（文件夹）
# 设置新目录名称
new_folder <- "my_R_project"
if(!dir.exists(new_folder)) {  # dir.exists() 检查目录是否存在
  dir.create(new_folder)       # dir.create() 创建新目录
  print(paste("✅ 已创建目录:", new_folder))
} else {
  print(paste("⚠️ 目录已存在:", new_folder))
}

# 5. 在R脚本中保存数据到文件
# write.csv() 将数据框保存为CSV文件
sample_data <- data.frame(
  ID = 1:5,
  Value = rnorm(5)  # rnorm() 生成5个正态分布随机数
)
write.csv(sample_data, file = file.path(new_folder, "sample_data.csv"), 
          row.names = FALSE)
print(paste("✅ 已保存数据到:", file.path(new_folder, "sample_data.csv")))

# 6. 设置工作目录（谨慎使用相对路径）
# setwd() 更改工作目录
# 取消注释以下代码可切换工作目录
# setwd(new_folder)
# print(paste("工作目录已切换到:", getwd()))

# 7. 返回原工作目录（如果需要）
# setwd(current_dir)

案例4：使用Plots面板绘制和导出图形

r 复制代码

# 本案例演示在RStudio中绘制图形并导出

# 1. 准备演示数据
# 生成一组x值：从0到10，间隔0.1
x <- seq(0, 10, by = 0.1)

# 计算正弦值和余弦值
y_sin <- sin(x)
y_cos <- cos(x)

# 2. 绘制基本图形
# plot() 创建基础图形
plot(x, y_sin, 
     type = "l",          # "l" 表示线图
     col = "blue",        # 线条颜色
     lwd = 2,             # 线条粗细（2为中等）
     main = "正弦和余弦函数",  # 主标题
     xlab = "x 值",       # x轴标签
     ylab = "y 值")       # y轴标签

# 添加余弦曲线
# lines() 在现有图形上添加线条
lines(x, y_cos, col = "red", lwd = 2)

# 添加网格线
grid(col = "gray", lty = 2)  # lty=2 表示虚线

# 添加图例
legend("topright",                    # 位置：右上角
       legend = c("sin(x)", "cos(x)"), # 图例文字
       col = c("blue", "red"),        # 对应颜色
       lwd = 2,                       # 对应线宽
       lty = 1)                       # 线型

# 3. 创建多个图形（分屏显示）
# par() 设置图形参数，mfrow 表示多图布局（2行1列）
par(mfrow = c(2, 1))

# 第一个子图：正弦函数
plot(x, y_sin, type = "l", col = "blue", 
     main = "正弦函数", xlab = "x", ylab = "sin(x)")

# 第二个子图：余弦函数
plot(x, y_cos, type = "l", col = "red",
     main = "余弦函数", xlab = "x", ylab = "cos(x)")

# 恢复默认图形布局
par(mfrow = c(1, 1))

# 4. 导出图形（通过代码）
# 保存为PNG文件
png("my_plot.png", width = 800, height = 600, res = 100)
plot(x, y_sin, type = "l", col = "blue", main = "正弦函数")
dev.off()  # 关闭图形设备，完成保存
print("✅ 图形已保存为 my_plot.png")

# 保存为PDF（适合打印和论文）
pdf("my_plot.pdf", width = 8, height = 6)
plot(x, y_sin, type = "l", col = "blue", main = "正弦函数")
dev.off()
print("✅ 图形已保存为 my_plot.pdf")

# 提示：在RStudio的Plots面板中，也可以点击"Export"按钮手动导出

案例5：使用Packages面板管理R包

r 复制代码

# 本案例演示在R代码中管理包（Packages面板的等效操作）

# 1. 查看已安装的包
# installed.packages() 返回所有已安装包的信息
installed <- installed.packages()
cat(paste("已安装的包数量:", nrow(installed), "\n"))

# 查看前10个包名称
cat("\n已安装的包（前10个）:\n")
print(head(rownames(installed), 10))

# 2. 检查特定包是否已安装
check_package <- function(pkg_name) {
  # 函数功能：检查包是否已安装
  if(pkg_name %in% rownames(installed)) {
    # 获取包的版本信息
    version <- installed[pkg_name, "Version"]
    return(paste("✅", pkg_name, "已安装，版本:", version))
  } else {
    return(paste("❌", pkg_name, "未安装"))
  }
}

# 检查常用包
cat("\n常用包检查结果:\n")
print(check_package("ggplot2"))   # 可视化包
print(check_package("dplyr"))     # 数据处理包
print(check_package("tidyr"))     # 数据整理包

# 3. 安装包（需要联网）
# 以下代码取消注释后可执行安装
# 设置国内镜像加速下载
# options(repos = c(CRAN = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
# install.packages("ggplot2")
# install.packages(c("dplyr", "tidyr"))  # 同时安装多个包

# 4. 加载包到当前会话
# library() 加载包，如果包不存在会报错
# require() 加载包，如果包不存在只给出警告
if(require(ggplot2, quietly = TRUE)) {
  print("✅ ggplot2 已成功加载")
} else {
  print("⚠️ ggplot2 未安装或加载失败")
}

# 5. 查看已加载的包
# search() 返回当前搜索路径中的包
cat("\n当前已加载的包:\n")
loaded_pkgs <- search()
# 筛选出包相关的条目（以"package:"开头）
r_packages <- grep("package:", loaded_pkgs, value = TRUE)
print(r_packages)

# 6. 查看包的详细信息
# 使用帮助系统查看包文档
# packageDescription("utils")  # 查看包描述
# help(package = "utils")       # 查看包帮助页面

# 7. 更新已安装的包（谨慎执行，会耗时）
# update.packages(ask = FALSE, checkBuilt = TRUE)
# 这会更新所有已安装的包

案例6：使用Help面板查询帮助

r 复制代码

# 本案例演示RStudio中的帮助系统使用方法

# ====================================================
# 方法1：使用问号运算符 ? 
# ====================================================

# 查询mean()函数的帮助
# ?mean  # 在RStudio中运行会在Help面板显示帮助文档
# 等价写法: help("mean")

cat("运行 ?mean 可在Help面板查看mean函数的详细说明\n")

# ====================================================
# 方法2：使用两个问号进行模糊搜索
# ====================================================

# 搜索包含"regression"（回归）的帮助主题
# ??regression  # 会搜索所有包含该关键词的文档

# ====================================================
# 方法3：使用help.search()函数
# ====================================================

# 搜索与"聚类"相关的函数
# help.search("cluster")

# ====================================================
# 方法4：查看函数的示例代码
# ====================================================

# 查看mean函数的示例
# example(mean)  # 运行mean函数的示例代码

# ====================================================
# 方法5：查看包的帮助文档
# ====================================================

# 查看base包的帮助
# help(package = "base")

# ====================================================
# 方法6：查找函数的源代码
# ====================================================

# 查看mean函数的源代码（对于非原生函数尤为有用）
# 注意：有些原生函数用该方法只显示".Primitive"
# methods("mean")  # 查看mean函数的S3方法列表
# getAnywhere("mean.default")  # 获取具体的函数代码

# ====================================================
# 方法7：使用R内置的示例数据集
# ====================================================

# 查看R内置的数据集列表
# data()  # 列出所有内置数据集

# 加载并查看iris数据集
data(iris)  # 加载iris鸢尾花数据集
cat("\niris数据集前6行:\n")
print(head(iris))  # head() 显示前6行

# 查看数据集的帮助
# ?iris  # 查看iris数据集的说明文档

# ====================================================
# 快速帮助参考表
# ====================================================
cat("\n")
cat("========== RStudio帮助系统快速参考 ==========\n")
cat("命令                | 功能说明\n")
cat("-------------------|-------------------------\n")
cat("?函数名            | 查看函数帮助\n")
cat("help(\"函数名\")     | 同上\n")
cat("??关键词           | 模糊搜索\n")
cat("example(函数名)    | 运行函数示例\n")
cat("help(package=\"包名\") | 查看包帮助\n")
cat("vignette(\"主题\")   | 查看教程文档\n")
cat("=============================================\n")

# 查看vignette（教程文档）
# vignette()  # 列出所有vignette
# vignette("dplyr")  # 查看特定vignette（需安装对应包）

2.7 菜单栏介绍

知识点

RStudio顶部菜单栏主要功能：

菜单	主要功能
File	文件操作：新建、打开、保存、关闭、项目管理
Edit	编辑操作：撤销、剪切、复制、查找、替换
Code	代码操作：运行、插入代码块、代码折叠、注释
View	视图控制：面板显示/隐藏、缩放、全屏模式
Plots	图形操作：绘图控制、图形导出
Session	会话管理：重启、清空、设置工作目录
Build	构建工具：包开发、R Markdown编译
Debug	调试工具：断点设置、变量监控
Tools	工具设置：全局选项、包安装、键盘快捷键
Help	帮助文档：R帮助、RStudio帮助、快捷键参考

语法/概念要点

全局选项（Tools -> Global Options）：可设置代码外观、面板布局、快捷键等
项目（File -> New Project）：创建独立工作空间，隔离不同分析项目

案例：通过代码模拟常见菜单功能

r 复制代码

# 本案例演示如何通过代码实现RStudio菜单栏的部分功能

# ====================================================
# 1. File菜单相关功能
# ====================================================

# 保存工作空间（相当于File -> Save Workspace）
# save.image() 保存当前环境中的所有变量
save.image("my_workspace.RData")
print("✅ 工作空间已保存为 my_workspace.RData")

# 加载之前保存的工作空间
# load() 加载.RData文件
# load("my_workspace.RData")

# 设置工作目录（相当于Session -> Set Working Directory）
# 查看当前目录
print(paste("当前工作目录:", getwd()))

# 设置为脚本所在目录（在RStudio中）
# 可以使用rstudioapi包获取当前脚本路径
if(require(rstudioapi, quietly = TRUE)) {
  script_dir <- dirname(rstudioapi::getActiveDocumentContext()$path)
  print(paste("当前脚本所在目录:", script_dir))
}

# ====================================================
# 2. Edit菜单相关功能
# ====================================================

# 查找和替换示例代码
# 使用grep()函数在文本中查找
text_lines <- c("苹果 10元", "香蕉 8元", "橙子 12元", "苹果 15元")
cat("原始文本:\n")
print(text_lines)

# 查找包含"苹果"的行
apple_lines <- grep("苹果", text_lines, value = TRUE)
cat("\n包含'苹果'的行:\n")
print(apple_lines)

# 替换操作（将"元"替换为" RMB"）
replaced_text <- gsub("元", " RMB", text_lines)
cat("\n替换后的文本:\n")
print(replaced_text)

# ====================================================
# 3. Session菜单相关功能
# ====================================================

# 查看当前会话信息
cat("\n========== 会话信息 ==========\n")
sessionInfo()  # 显示R版本、平台、加载的包等信息

# 重启R会话（清空环境，相当于Session -> Restart R）
# 注意：以下代码会清空所有变量，取消注释后谨慎执行
# cat("正在重启R会话...\n")
# .rs.restartR()  # RStudio专用重启命令

# ====================================================
# 4. Tools菜单相关功能
# ====================================================

# 查看和修改RStudio全局选项
# 以下代码可以查看部分选项的当前值

# 查看CRAN镜像设置
cran_repo <- getOption("repos")
print(paste("CRAN镜像:", cran_repo["CRAN"]))

# 查看默认的包安装路径
lib_paths <- .libPaths()
print(paste("默认包安装路径:", lib_paths[1]))

# 查看R启动时加载的包
startup_pkgs <- getOption("defaultPackages")
print(paste("默认加载的包:", paste(startup_pkgs, collapse = ", ")))

# ====================================================
# 5. Help菜单相关功能
# ====================================================

# 查看RStudio版本信息
if(exists("RStudio.Version")) {
  cat("\n========== RStudio信息 ==========\n")
  rs_ver <- RStudio.Version()
  cat("RStudio版本:", rs_ver$version, "\n")
  cat("RStudio发行版:", rs_ver$edition, "\n")
}

# 查看键盘快捷键参考
# 在RStudio中按 Alt+Shift+K 可打开快捷键参考窗口
cat("\n💡 按 Alt+Shift+K 可查看完整的键盘快捷键参考\n")

2.8 RStudio特色功能

知识点

R Markdown：结合代码和文本的动态文档格式，可生成HTML/PDF/Word报告
Shiny：创建交互式Web应用的框架
R Notebook：交互式笔记本，可逐块执行代码
Git集成：内置版本控制，支持GitHub协作
代码片段（Snippets）：快速插入常用代码模板
项目（Project）：独立工作空间管理

语法/概念要点

R Markdown文件扩展名为.Rmd，通过knitr引擎执行
项目文件扩展名为.Rproj，双击可打开整个项目
代码片段触发：输入关键词后按Tab或Shift+Tab

案例1：创建R Markdown文档（代码方式）

r 复制代码

# 本案例演示如何通过代码创建R Markdown文档的基本结构
# 注意：需要在RStudio中手动使用File -> New File -> R Markdown创建

# R Markdown文档的基本模板内容（以字符串形式展示）
rmd_template <- '
---
title: "我的分析报告"
author: "RStudio学习者"
date: "`r Sys.Date()`"
output: html_document
---

# 第一章：数据加载

这是R Markdown文档的示例。代码块如下：

```{r 加载数据, echo=TRUE}
# 加载必要的包
library(ggplot2)

# 查看内置数据集
data(iris)
head(iris)

第二章：数据可视化

{r 复制代码

# 绘制散点图
ggplot(iris, aes(x = Sepal.Length, y = Petal.Length, color = Species)) +
  geom_point(size = 3) +
  labs(title = "鸢尾花花瓣与花萼长度关系",
       x = "花萼长度",
       y = "花瓣长度")

结论

报告生成时间：r Sys.time()

将模板保存为.Rmd文件

取消注释以下代码可实际创建文件

writeLines(rmd_template, "my_report.Rmd")

cat("✅ 已创建 R Markdown 文件: my_report.Rmd\n")

cat("💡 在RStudio中打开该文件，点击 Knit 按钮生成报告\n")

cat("📝 R Markdown 的基本语法:\n")

cat("- 文本区域: 直接编写说明文字\n")

cat("- 代码块: {r} 包裹R代码\n")

cat("- 内联代码: r 代码 在文本中插入结果\n")

cat("- 标题: # 一级标题, ## 二级标题\n")

cat("- 加粗: 文本 , 斜体: 文本\n")

复制代码

#### 案例2：Shiny应用示例
```r
# 本案例演示一个简单的Shiny Web应用
# 运行前需要安装shiny包: install.packages("shiny")

# 加载shiny包
if(require(shiny, quietly = TRUE)) {
  
  # 定义用户界面（UI）
  ui <- fluidPage(
    # 应用标题
    titlePanel("简单的Shiny应用示例"),
    
    # 侧边栏布局
    sidebarLayout(
      # 侧边栏面板（输入控件）
      sidebarPanel(
        sliderInput("obs",          # 输入ID
                    "观测数量:",    # 标签文字
                    min = 1,        # 最小值
                    max = 100,      # 最大值
                    value = 50),    # 默认值
        
        numericInput("mean",        # 输入ID
                     "均值:",       # 标签文字
                     value = 0),    # 默认值
        
        numericInput("sd",          # 输入ID
                     "标准差:",     # 标签文字
                     value = 1,     # 默认值
                     min = 0.1)     # 最小值
      ),
      
      # 主面板（输出显示）
      mainPanel(
        plotOutput("distPlot")      # 图形输出区域
      )
    )
  )
  
  # 定义服务器逻辑（server）
  server <- function(input, output) {
    # 生成图形的反应式表达式
    output$distPlot <- renderPlot({
      # 根据用户输入生成随机数
      data <- rnorm(input$obs, mean = input$mean, sd = input$sd)
      
      # 绘制直方图
      hist(data,
           main = paste("正态分布直方图 (n =", input$obs, ")"),
           xlab = "数值",
           col = "lightblue",
           border = "white",
           probability = TRUE)
      
      # 添加理论密度曲线
      curve(dnorm(x, mean = input$mean, sd = input$sd),
            add = TRUE, col = "red", lwd = 2)
    })
  }
  
  # 运行Shiny应用
  cat("🚀 正在启动Shiny应用...\n")
  cat("💡 应用将在浏览器中打开，可以调整参数实时查看图形变化\n")
  cat("💡 关闭应用：在控制台按 Esc 键\n")
  
  # shinyApp(ui = ui, server = server)
  
} else {
  cat("⚠️ shiny包未安装，请运行 install.packages('shiny') 安装\n")
}

cat("\n📝 Shiny应用的核心组件:\n")
cat("- ui: 定义用户界面（输入控件、输出位置）\n")
cat("- server: 定义服务器逻辑（如何响应输入、生成输出）\n")
cat("- shinyApp(): 将ui和server组合成可运行的应用\n")

案例3：RStudio项目管理

r 复制代码

# 本案例演示RStudio项目的创建和使用（通过代码模拟）

# ====================================================
# 项目结构的最佳实践
# ====================================================

# 标准的R项目目录结构
project_structure <- list(
  "my_project/" = c(
    "README.md",           # 项目说明文档
    "my_project.Rproj",    # RStudio项目文件
    "data/" = c(           # 数据目录
      "raw/",              # 原始数据
      "processed/"         # 处理后的数据
    ),
    "R/" = c(              # R脚本目录
      "01_load_data.R",
      "02_clean_data.R",
      "03_analysis.R",
      "functions.R"
    ),
    "output/" = c(         # 输出目录
      "figures/",          # 图形文件
      "tables/"            # 表格文件
    ),
    "reports/" = c(        # 报告目录
      "report.Rmd"
    )
  )
)

cat("推荐的R项目目录结构:\n")
cat("my_project/\n")
cat("├── README.md           # 项目说明\n")
cat("├── my_project.Rproj    # 项目文件\n")
cat("├── data/\n")
cat("│   ├── raw/            # 原始数据（只读）\n")
cat("│   └── processed/      # 处理后数据\n")
cat("├── R/                  # R脚本\n")
cat("│   ├── 01_load_data.R\n")
cat("│   ├── 02_clean.R\n")
cat("│   └── functions.R\n")
cat("├── output/\n")
cat("│   ├── figures/        # 图形输出\n")
cat("│   └── tables/         # 表格输出\n")
cat("└── reports/            # 分析报告\n")

# ====================================================
# 项目内路径管理的最佳实践
# ====================================================

# 在R项目中，强烈建议使用相对路径而非绝对路径

# 获取项目根目录（在R项目中，getwd()就是项目根目录）
project_root <- getwd()
cat("\n项目根目录:", project_root)

# 使用file.path()构建跨平台路径
data_raw_path <- file.path("data", "raw")
data_processed_path <- file.path("data", "processed")
output_figures_path <- file.path("output", "figures")

cat("\n推荐的路径构建方式:\n")
cat("- 原始数据路径:", data_raw_path, "\n")
cat("- 处理后数据路径:", data_processed_path, "\n")
cat("- 图形输出路径:", output_figures_path, "\n")

# 检查并创建必要的目录结构
create_project_dirs <- function() {
  # 函数：创建标准项目目录结构
  
  dirs <- c("data/raw", 
            "data/processed",
            "R",
            "output/figures",
            "output/tables",
            "reports")
  
  for(dir in dirs) {
    if(!dir.exists(dir)) {
      dir.create(dir, recursive = TRUE)
      cat("✅ 已创建目录:", dir, "\n")
    }
  }
}

# 移除注释可执行目录创建
# create_project_dirs()

案例4：代码片段（Snippets）

r 复制代码

# 本案例演示RStudio代码片段功能
# 使用方法：输入片段名称后按 Tab 键

# ====================================================
# RStudio内置的常用代码片段
# ====================================================

cat("===== 常用内置代码片段 =====\n")
cat("lib    -> library(package) 加载包\n")
cat("req    -> require(package) 带警告的加载\n")
cat("df     -> data.frame() 创建数据框\n")
cat("mat    -> matrix() 创建矩阵\n")
cat("fun    -> 创建函数的完整结构\n")
cat("if     -> if条件语句\n")
cat("el     -> else语句\n")
cat("ei     -> else if语句\n")
cat("for    -> for循环\n")
cat("while  -> while循环\n")
cat("apply  -> apply函数\n")
cat("lapply -> lapply函数\n")
cat("sapply -> sapply函数\n")
cat("==========\n")

# ====================================================
# 示例：手动创建函数的完整结构
# 在RStudio中输入"fun"然后按Tab，会自动生成：
# ====================================================

# 函数模板示例
create_summary_function <- function(data, na.rm = TRUE) {
  # 函数功能：计算数据的统计摘要
  # 参数:
  #   data: 数值向量或数据框
  #   na.rm: 是否移除缺失值
  # 返回值:
  #   包含统计量的列表
  
  # 计算各项统计量
  result <- list(
    mean = mean(data, na.rm = na.rm),
    sd = sd(data, na.rm = na.rm),
    min = min(data, na.rm = na.rm),
    max = max(data, na.rm = na.rm),
    n = sum(!is.na(data))
  )
  
  return(result)
}

# 测试函数
test_data <- c(10, 20, 30, NA, 40, 50)
summary_result <- create_summary_function(test_data)
print(summary_result)

# ====================================================
# 自定义代码片段
# ====================================================

cat("\n💡 如何自定义代码片段:\n")
cat("1. 菜单: Tools -> Global Options -> Code -> Edit Snippets\n")
cat("2. 选择语言(R)\n")
cat("3. 添加自定义片段，格式如下:\n\n")
cat("snippet mysnippet\n")
cat("    ${1:第一个占位符}\n")
cat("    ${2:第二个占位符}\n")
cat("    ${0:最后位置}\n")

# 自定义代码片段示例（需在设置中添加）
snippet_example <- '
# 自定义片段: 创建带时间戳的标题
snippet header
    # ========================================
    # ${1:标题名称}
    # 创建时间: `r Sys.time()`
    # 作者: ${2:姓名}
    # ========================================
    ${0}
'

cat("\n示例：添加自定义header片段后，输入'header'按Tab即可插入模板\n")

2.9 RStudio常用的快捷键

知识点

RStudio快捷键极大提升编码效率，以下是分类整理：

代码编辑类：

快捷键 (Windows/Linux)	快捷键 (Mac)	功能
`Ctrl + Enter`	`Cmd + Enter`	运行当前行或选中的代码
`Ctrl + Shift + Enter`	`Cmd + Shift + Enter`	运行整个脚本
`Ctrl + Shift + C`	`Cmd + Shift + C`	注释/取消注释
`Ctrl + I`	`Cmd + I`	自动缩进代码
`Tab`	`Tab`	代码自动补全
`Ctrl + Shift + M`	`Cmd + Shift + M`	插入管道符 `%>%`
`Alt + -`	`Option + -`	插入赋值符 `<-`

面板切换类：

快捷键	功能
`Ctrl + 1`	切换到脚本编辑器
`Ctrl + 2`	切换到控制台
`Ctrl + 3`	切换到环境/历史面板
`Ctrl + 4`	切换到文件/目录面板
`Ctrl + 5`	切换到帮助面板
`Ctrl + Shift + 1`	单列布局
`Ctrl + Shift + 2`	双列布局
`Ctrl + Shift + 0`	恢复默认四面板布局

文件操作类：

快捷键	功能
`Ctrl + S`	保存当前文件
`Ctrl + Shift + N`	新建R脚本
`Ctrl + O`	打开文件
`Ctrl + Shift + F10`	重启R会话

调试与帮助类：

快捷键	功能
`Ctrl + Shift + K`	清空控制台
`Alt + Shift + K`	打开快捷键参考
`F1`	查看当前函数帮助
`F2`	查看函数源代码

语法/概念要点

快捷键可在Tools -> Keyboard Shortcuts Help中查看和自定义
Mac用户将Ctrl替换为Cmd

案例：快捷键练习示例代码

r 复制代码

# ====================================================
# 本代码用于练习RStudio快捷键
# 请在实际操作中尝试使用快捷键而非鼠标
# ====================================================

# 【练习1】使用 Ctrl+Enter 运行单行
# 将光标放在下面每行末尾，按 Ctrl+Enter
x <- 1:10
y <- x^2

# 【练习2】使用 Alt+- 插入赋值符
# 在空白处按 Alt+-，会自动生成 <- 
# 例如：result <- (尝试在等号位置使用快捷键)


# 【练习3】使用 Ctrl+Shift+M 插入管道符
# 管道符 %>% 用于dplyr包中的链式操作
# 例如：data %>% filter() %>% summarise()
# 尝试在下面输入 data %>% 
data <- c(1, 2, 3, 4, 5)


# 【练习4】使用 Ctrl+Shift+C 批量注释
# 选中以下多行代码，按 Ctrl+Shift+C 注释
# 再按一次取消注释
print("这行会被注释")
print("这行也会被注释")
print("这行也是")


# 【练习5】使用 Ctrl+I 自动缩进
# 选中以下缩进混乱的代码，按 Ctrl+I
if(TRUE) {
print("这段代码缩进有问题")
if(FALSE) {
print("下一行应该自动调整缩进")
}
}


# 【练习6】使用 Ctrl+2 切换到控制台
# 按 Ctrl+2 后，光标会移动到控制台
# 在控制台中可以用上下箭头浏览历史命令


# 【练习7】使用 Ctrl+L 或 Ctrl+Shift+K 清空控制台
# 当控制台信息过多时，使用此快捷键清屏

cat("\n✅ 如果以上快捷键都能熟练使用，你的RStudio效率将大幅提升！\n")
cat("💡 按 Alt+Shift+K 可随时查看完整的快捷键参考表\n")

# ====================================================
# 快捷键练习总结表
# ====================================================
cat("\n========== 本章重点快捷键速查 ==========\n")
cat("快捷键                | 功能\n")
cat("---------------------|------------------\n")
cat("Ctrl + Enter         | 运行当前行/选中\n")
cat("Ctrl + Shift + Enter | 运行整个脚本\n")
cat("Ctrl + Shift + C     | 注释/取消注释\n")
cat("Alt + -              | 插入 <- \n")
cat("Ctrl + Shift + M     | 插入 %>% \n")
cat("Ctrl + 1 / Ctrl + 2  | 切换编辑器/控制台\n")
cat("Ctrl + S             | 保存文件\n")
cat("Ctrl + Shift + N     | 新建脚本\n")
cat("Ctrl + Shift + K     | 清空控制台\n")
cat("Alt + Shift + K      | 快捷键参考\n")
cat("=========================================\n")

2.10 综合练习：RStudio环境完整演示

r 复制代码

# ====================================================
# 综合练习：完整的RStudio数据分析流程
# 本练习综合运用本章所有知识点
# ====================================================

# 练习目标：
# 1. 创建R项目（手动操作）
# 2. 编写规范的R脚本
# 3. 使用环境面板管理变量
# 4. 绘制图形并在Plots面板查看
# 5. 安装和加载包（如需要）
# 6. 使用帮助系统查询函数
# 7. 导出结果

# ====================================================
# 步骤1：设置工作目录和项目结构
# ====================================================

# 获取当前工作目录
current_dir <- getwd()
cat("当前工作目录:", current_dir, "\n")

# 建议：在RStudio中使用 File -> New Project 创建新项目
# 项目名称: rstudio_practice
# 项目路径: 选择一个方便的位置

# ====================================================
# 步骤2：创建演示数据集
# ====================================================

# 创建销售数据集
set.seed(2024)  # 设置随机种子，确保结果可重现

# 生成日期序列（2024年1月到12月）
dates <- seq(as.Date("2024-01-01"), as.Date("2024-12-31"), by = "month")
months <- format(dates, "%Y-%m")  # 格式化为年-月

# 生成销售数据（含随机波动）
set.seed(123)  # 固定随机种子
sales_amount <- rnorm(12, mean = 10000, sd = 2000)  # 正态分布
sales_amount <- round(sales_amount)  # 取整

# 创建数据框
sales_data <- data.frame(
  月份 = months,
  销售额 = sales_amount,
  增长率 = round(c(NA, diff(sales_amount) / sales_amount[-12] * 100), 2)
)

# 查看数据
cat("\n========== 销售数据 ==========\n")
print(sales_data)

# ====================================================
# 步骤3：数据分析和计算
# ====================================================

# 计算统计指标
total_sales <- sum(sales_data$销售额)
avg_sales <- mean(sales_data$销售额)
max_sales <- max(sales_data$销售额)
max_month <- sales_data$月份[which.max(sales_data$销售额)]
min_sales <- min(sales_data$销售额)
min_month <- sales_data$月份[which.min(sales_data$销售额)]

# 输出统计报告
cat("\n========== 销售统计报告 ==========\n")
cat("年度总销售额:", total_sales, "元\n")
cat("月均销售额:", round(avg_sales, 2), "元\n")
cat("最高销售额:", max_sales, "元 (", max_month, ")\n")
cat("最低销售额:", min_sales, "元 (", min_month, ")\n")

# ====================================================
# 步骤4：数据可视化
# ====================================================

# 设置图形参数
par(mfrow = c(2, 1))  # 2行1列布局

# 图形1：销售额趋势折线图
# 将月份转换为数值用于绘图
month_num <- 1:12
plot(month_num, sales_data$销售额,
     type = "o",           # 点线结合
     col = "steelblue",
     lwd = 2,
     pch = 16,
     xlab = "月份",
     ylab = "销售额（元）",
     main = "2024年销售额趋势",
     xaxt = "n")           # 不显示默认x轴标签

# 自定义x轴标签
axis(1, at = month_num, labels = sales_data$月份, las = 2)

# 添加网格
grid(col = "lightgray")

# 图形2：销售额柱状图
barplot(sales_data$销售额,
        names.arg = sales_data$月份,
        col = "lightcoral",
        main = "2024年各月销售额",
        xlab = "月份",
        ylab = "销售额（元）",
        las = 2,           # 标签垂直显示
        cex.names = 0.8)   # 标签字体大小

# 在柱状图上添加数值标签
bar_heights <- barplot(sales_data$销售额, plot = FALSE)
text(x = bar_heights, 
     y = sales_data$销售额 + 300,
     labels = sales_data$销售额,
     cex = 0.8)

# 恢复图形布局
par(mfrow = c(1, 1))

cat("\n✅ 图形已生成，请在Plots面板查看\n")
cat("💡 提示: 在Plots面板可以导出图形（PNG/PDF/JPEG等格式）\n")

# ====================================================
# 步骤5：使用帮助系统
# ====================================================

# 查看所用函数的帮助（运行下列命令会在Help面板显示）
# ?set.seed
# ?rnorm
# ?plot
# ?barplot

# 查看函数的示例代码
# example("plot")

# ====================================================
# 步骤6：保存分析结果
# ====================================================

# 保存统计数据为CSV
write.csv(sales_data, "sales_data.csv", row.names = FALSE)
cat("\n✅ 数据已保存为 sales_data.csv\n")

# 保存环境中的所有变量
save.image("rstudio_practice_workspace.RData")
cat("✅ 工作空间已保存为 rstudio_practice_workspace.RData\n")

# 保存图形（通过代码）
png("sales_analysis.png", width = 1000, height = 600, res = 100)
# 重新绘制图形到文件
par(mfrow = c(1, 2))
plot(month_num, sales_data$销售额, type = "o", col = "steelblue",
     main = "销售额趋势", xlab = "月份", ylab = "销售额")
barplot(sales_data$销售额, names.arg = sales_data$月份, col = "lightcoral",
        main = "销售额分布", las = 2)
par(mfrow = c(1, 1))
dev.off()
cat("✅ 图形已保存为 sales_analysis.png\n")

# ====================================================
# 步骤7：清理环境
# ====================================================

# 查看当前环境变量
cat("\n当前环境中的变量:\n")
print(ls())

# 删除不需要的临时变量（可选）
# rm(month_num, bar_heights)

# 提示：如需完全清空环境，运行 rm(list = ls())

# ====================================================
# 练习完成
# ====================================================
cat("\n========== 练习完成 ==========\n")
cat("🎉 恭喜！你已完成RStudio综合练习\n")
cat("\n本章回顾：\n")
cat("✓ RStudio四个面板的位置和功能\n")
cat("✓ 代码编写和运行方法\n")
cat("✓ 使用Environment面板管理变量\n")
cat("✓ 使用Plots面板查看图形\n")
cat("✓ 使用Help面板查询帮助\n")
cat("✓ 使用快捷键提高效率\n")
cat("✓ 创建项目和报告\n")
cat("==============================\n")