R 程式設計入門
本課程全面介紹 R 語言環境，涵蓋從基本的數值向量運算、物件屬性、陣列與矩陣處理、清單與資料框管理，到統計模型建立及高品質圖形製作的核心主題。非常適合用作統計分析與資料科學的入門教材。
課程總覽
📚 內容概要
本課程是對 R 語言環境的全面介紹，涵蓋從基本數值向量操作、物件屬性、陣列/矩陣處理，到清單/資料框管理、統計建模以及高品質圖形製作等核心主題。適合作為統計分析與資料科學的入門教材。
掌握 R 語言的核心，開啟統計計算與資料視覺化的大門。
作者： R 開發核心小組
致謝： 本手冊由 R 開發核心小組維護。中文版感謝增加日本翻譯基礎的三重慎一（Shigeru MASE），以及李中平博士、李瑞博士等中文翻譯團隊的貢獻。
🎯 學習目標
- 初始化 R 會話，導航幫助系統，並應用基本語法規則（大小寫敏感性、賦值與註解）。
- 辨別並建立邏輯向量、字元向量，並妥善處理缺失值（
NA與NaN）。 - 使用四種不同的索引方法來選擇、排除或修改資料的特定子集。
- 識別並修改 R 物件的內在屬性（模式與長度）。
- 利用
class()與attr()函數來管理物件的元資料與資料結構。 - 建立與操作因子與有序因子，以表示分類資料。
- 使用維度向量及
array()函數定義與建構陣列與矩陣。 - 應用進階索引技術，包括使用索引矩陣來提取或修改特定元素。
- 執行線性代數運算，包含外積、廣義轉置與矩陣反演。
- 建構與修改清單：建立命名與非命名清單，並使用特定的 R 語法進行合併。
課程
概述： 本課介紹 R 的基礎環境，涵蓋其基本語法、指令執行方式與幫助系統。進一步探討專門的向量類型——邏輯向量、字元向量與缺失值，並提供透過索引向量選擇與修改資料子集的詳細方法。
學習成果：
- 初始化 R 會話，導航幫助系統，並應用基本語法規則（大小寫敏感性、賦值與註解）。
- 辨別並建立邏輯向量、字元向量，並妥善處理缺失值（
NA與NaN）。 - 使用四種不同的索引方法來選擇、排除或修改資料的特定子集。
概述： 本課探討 R 物件的基本特性，特別是其內在屬性如模式與長度，以及如何查詢或修改這些屬性。同時深入探討「因子」——一種專門用於處理分類變數的資料結構，並示範如何利用 tapply() 函數針對因子的不同水準執行分組統計分析。
學習成果：
- 識別並修改 R 物件的內在屬性（模式與長度）。
- 利用
class()與attr()函數來管理物件的元資料與資料結構。 - 建立與操作因子與有序因子，以表示分類資料。
概述： 本課探討 R 在處理多維資料方面的強大功能，透過陣列與矩陣實現。學生將學習如何使用維度向量定義資料結構，執行複雜索引操作，並完成關鍵的線性代數運算——如矩陣乘法、反演與分解——這些對於統計計算與資料分析至關重要。
學習成果：
- 使用維度向量與
array()函數定義與建構陣列與矩陣。 - 應用進階索引技術，包括使用索引矩陣來提取或修改特定元素。
- 執行線性代數運算，包含外積、廣義轉置與矩陣反演。
概述： 本課介紹在 R 中處理複雜資料結構與外部資料的基礎知識。重點聚焦於「清單」——可儲存不同類型元件的靈活容器——以及輸入/輸出（I/O）的實務應用，包括將外部檔案讀入清單結構、存取套件中的內建資料集，以及使用互動式編輯工具修改資料。
學習成果：
- 建構與修改清單：建立命名與非命名清單，並使用特定的 R 語法進行合併。
- 成分存取：區分並應用不同的索引方法（
[[ ]]、[ ]與$）來取得清單資料。 - 外部資料輸入：使用
scan()函數將資料從外部檔案讀取至結構化清單或矩陣。
概述： 本課提供一套完整的指南，教導如何在 R 中處理機率分配並進行統計推論。學生將學習如何運用 R 的標準前綴系統（d, p, q, r）於分配函數，產生描述性統計量，並透過經驗累積分配函數（ecdf）與 Q-Q 圖來視覺化評估資料分布。
學習成果：
- 掌握 R 分配命名規則（前綴 d, p, q, r），並應用於常見分配如常態、T 與 F。
- 建構與解讀視覺診斷工具，特別是經驗累積分配函數（ecdf）與分位數-分位數（Q-Q）圖，以評估分配契合度。
- 執行並區分參數與非參數檢定，包括 Welch t 檢定、Shapiro-Wilk 正態性檢定與柯爾莫戈洛夫-史米諾夫檢定。
概述： 本課介紹控制 R 程式執行流程的基本機制。重點在於將多個表達式群組成單一單位，並利用控制敘述——包括條件分支（if-else）與各種迴圈結構（for、repeat 與 while）——自動化資料分析任務並處理複雜邏輯。
學習成果：
- 使用大括號將多個 R 表達式合併成單一陳述。
- 實作條件邏輯，根據邏輯條件執行特定程式碼區塊。
- 建構迴圈，以自動化對向量與清單等資料結構的重複操作。
概述： 本課探討從將 R 作為互動式計算機轉變為程式語言的過程，重點在於開發自訂函數。內容涵蓋函數定義語法、參數處理、詞法作用域規則，以及透過通用函數與方法，奠定 R 的 S3 物件導向系統基礎。
學習成果：
- 建立與呼叫自訂函數：定義具有正式參數與自訂二元運算子的函數。
- 管理參數與作用域：區分位置與名稱參數匹配，並解釋詞法作用域如何管理區域與自由變數。
- 實作可變狀態與自訂環境：使用閉包與超級賦值運算子，以維持狀態並透過啟動/會話函數自訂 R 環境。
概述： 本課探討 R 中超越簡單線性回歸的完整統計模型工具。內容包括透過通用函數提取模型資訊、利用變異數分析（ANOVA）比較模型，以及為二元與計數資料擬合廣義線性模型（GLMs），並結合非線性建模技術。
學習成果：
- 使用通用 R 函數提取、總結與可視化擬合模型的資訊。
- 使用 ANOVA 表格進行模型比較，並以高效語法更新既有模型。
- 使用適當的族群與連結函數（例如：Logit、Probit、Poisson）擬合廣義線性模型（GLMs）。
概述： 本課介紹 R 的完整圖形功能，區分高階繪圖函數（創造完整圖表）與低階命令（在現有顯示上添加特定元素）。學生將學習如何操控圖形參數以精確掌握美學效果，並管理多個圖形環境。
學習成果：
- 區分並實作高階（例如
plot()、hist()）與低階（例如points()、lines()）圖形函數。 - 使用永久（
par()）與暫時（函數層級）條件來設定與管理圖形參數。 - 協調複雜的版面設計，包括多變數資料展示與多圖形環境。
概述： 本課探討 R 的結構基礎，著重於套件生態系、CRAN 的角色，以及命名空間管理函數的機制。同時提供實際路徑，說明如何透過各種介面執行 R，並透過命令列參數與鍵盤快捷鍵掌握環境設定。
學習成果：
- 理解套件、命名空間與 CRAN 倉儲系統之間的關係。
- 執行一個完整的「範例會話」，包含資料處理、統計建模與複雜數學繪圖。
- 使用命令列旗標與環境變數配置 R 啟動環境。