开发者学堂课程【R 语言编程基础：R 包的使用、结果的重用、如何处理大数据集】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/564/detail/7714
R 包的使用、结果的重用、如何处理大数据集
内容介绍
一、R 包的使用方法
二、结果的重用
三、R 如何处理大数据集
一、R 包的使用方法
R 的包 ( Package )
1、目前有超过7000个称为包( package)的用户贡献模块可供使用，可以从http://cran.r-project.org/web/packages下载。目前 R cran 可以获取的包已经达到7689个，也可以有选择的下载它。
2、R 自带了一系列默认包(包括 base、datasets、 graphics、 methods 等等) ，它们提供了种类繁多的默认函数和数据集。可以用这些函数对数据集进行操作，以及学习和使用R的功能。
3、包的安装和使用。当把 R 安装之后，如果想看当前环境提供哪些命令可以通过 library 命令进行查看，可以看到当前使用的包，因为电脑里面安装了两个包，所以它会显示在这个版本的里面有哪些包，在另一个版本的里面有哪些包
（1）在实际的应用过程中，如果想安装一些新的包，如何进行安装呢？
比如想看一个包，可以用 help 加上包名的方式查看包的一些基本的信息，也就是在 library 下看到的 base，输入命令 help (package= "base "），R 就会从当前机器上面的 library base下找到 base 包的主页，可以看到函数的描述等等。
（2）要想安装新的包，包名叫 car，得到以下结果，说明当前环境没有安装 car 这个包。
安装包的命令如下，注意要加双引号，如果电脑是联网的，install 加包名，R 会自动上网上的相关的迹象里面找包进行下载安装，
install. packages ( "car"）
它会给提示选哪一个 cran 迹象，选择 china（bejing 4）[https]进行安装。
安装包时需要需要一些时间，具体的时间是根据当前的网速和机器执行的速度，输入 help (package= "car"）查看包的相关信息，这时就可以查到 car 的一些信息，car 里面提供了很多函数，可以进到 car 包里面看它的一些基本信息，包括 car 是什么版本，什么时间发布的。
（3）现在已经把 car 包加入到目前的环境中，现在该如何使用包里面的函数？比如在 car 中有一个 some 函数，可以查看一下现在是否可以直接用它，它出现报错，object "some " not found，也就是 some 它没有找到，使用 library（car）把已经安装好的 car 包给导入到当前环境中，再输入 some，就会有这个函数，有它一些基本的描述，
function(x,....)
UseMethod ("some ")
<bytecode: 0x1131cfb8> ,
< environment: namespace : car>
如果 car 包有更新，可以使用手动的方式，输入 update.package（），使用这个命令将所有包进行更新。
二、结果的重用
1、将一个函数的输出作为其他函数的输入，R 非常实用的特点是分析的输出结果可以非常轻松的进行保存，并且可以作为进一步分析的输入进行使用。
2、通过 R 中已经安装好的数据集为例，这个数据集是汽车数据的数据集，叫 mtcaes，使用 head命令，head 命令是输出这个数据集，前面6条的数据集，前面是汽车的型号。
Mazda RX4
Mazda RX4 Wag
Datsun 71 0
Hornet 4 Drive
Hornet Sportabout
Valiant
有很多字段和属性，在这些属性里只关注两个属性，一个是 wt就是位置，汽车车身的重量，mpg 是每加仑行驶的英里数，一加仑的汽油可以使汽车行驶多长的距离，因为汽车使用一定量的汽油能行驶多远跟它的发动机有一定的关系，但是其中很重要的原因是车身的重量，如果车身重量，如果车越重，使一定量的汽油行驶的距离越少，所以做一个线性回归，车身重量和每加仑行驶的英里数之间的关系。
3、输入 lm 命令，每加仑行驶的英里数，对应做一个车重的线性关系，得到结果，它们直接有一个相关性，相关度是一个负的值，车身的重量和每加仑行驶的英里数，它们之间是负相关的。
lm (mpg~wt ,data-mtcars )
Call:
lm(formula = mpg ~ wt, data = mtcars )
Coefficients :
(Intercept) wt
37.285 -5.344
4、现在R里面想做的功能，是经常把它的输出进行保存，或者对结果进行重用，如何对刚才所做的线性结果做一个重用？刚才的命令操作，它只会显示在屏幕上面，不会保存，通常使用一个变量进行保存，比如输入 result lm (mpg~wt,data-mtcars )进行保存，这样就把结果保存在 result 里面，可以通过一个语句进行总结查看 summary (result )，当把线性回归操作的结果保存到 result 后，再对结果进行重用时，就可以得到更多的信息，比如踩踏值，p值，关于统计相关的数值，对于这个结果也可以用作图进行画出。输入 plot（result）可以得到画图。
这些图就是统计方面比较专业的一些图。
只需要知道这个结果就可以做进一步的汇总分析使用。
5、result 里面存储的是线性回归后得到的一些模型，如果输入一组汽车的重量值，可以使用 predict 函数，比如自己生成新的数据集 predict (result ,mynewdata)，mynewdata 包括汽车的重量，就可以根据刚才得到的线性回归预测出汽车重量，它们有可能可以行驶的英里数，这就是线性回归的功能。数据集如何去创建呢？可以使用集成的重量值，自己输入几个重量值，得出每英里汽油的使用量，比较实际的结果有多大的差距，或者预测的效果是如何的。
三、R 如何处理大数据集
1、R 所有的预测都是基于内存的，所以每做一个操作都需要把数据导入到内存中，再进行处理，对于一些很大的数据集，已经达到了 gb 级别或者 tb 级别，一般的电脑或者服务器，它都不具备这么大的内存，这样就给 R 带来很多不方便，但是R还是可以处理大数据集的。
2、专门的用于大数据的分析包，如 Im()是做线性拟合的函数，而 biglm()则能以内存高效的方式实现大型数据的线性模型拟合。因为 R 是基于内存的，如果 R 数据装不下，可以把一部分数据放在 e 盘中，通过其他的一些操作对硬盘上的数据进行高效的处理，这就是 R 处理大数据的一种方式，提供专门用于大数据的分析包，其他的分析包也可以上网上找一找。
3、R 与大数据处理平台的结合，如 RHadoop，业界用的比较多的开源的大数据处理和管理平台，相应的像 R 的一些开发者提供了 RHadoop 包，当把 RHadoop 包安装完后就可以使用 R 直接去调用 RHadoop 上面的数据进行处理，也就是海量的数据进行预处理后，可以在 RHadoop 的平台上进行处理，处理完后得到比较小的数据集后，又可以把数据集放到R 的数据集中，用功能函数对它进行挖掘和分析、 RHive 是基于 RHadoop 之上的查询语句，可以将查询语句转化成可以在 RHadoop 平台上运行的 mapreduce 语句，这就是 RHive 实现的功能、 也会提供 RHipe 接口，向RHive进行结合，实现这种大规模数据集 result 的查询语句等。
4、这些功能就是 R 可以进行处理大数据集的方法。
