参考：R 速查、ggplot2 图层、与 Python 对照、易错点
基于进阶语言 · 核于 2026-08
速查
- 定位：专为统计计算与数据分析而生，开源免费（GPL），统计建模与可视化的事实标准。
- 核心特征：统计函数原生内置（t.test/lm/aov）、数据框 data.frame、ggplot2 图形语法、
<-赋值、CRAN 包生态。 - 赋值：
<-（箭头，推荐）或=（合法但不推荐）；c()合并向量。 - 索引：
df$col（取列）、df[i,j]（行列）、df[df$col > v, ]（逻辑筛选）；从 1 开始（与 Python 不同）。 - 管道
%>%：x %>% f()等价f(x)，dplyr 数据变换的串联符。 - ggplot2：
ggplot(data, aes()) + geom_*()声明式图层叠加。 - 公式
y ~ x：统计模型表示法（lm/glm/aov 用）。 - 分布函数：
r/d/p/q+ 分布名（rnorm/dnorm/pnorm/qnorm）。
一、统计函数速查
| 类别 | 函数 | 用途 |
|---|---|---|
| 描述统计 | mean/median/sd/var | 均值/中位数/标准差/方差 |
| 分布 | summary/quantile | 五数概括/分位数 |
| t 检验 | t.test(x, y) | 两样本均值差异 |
| t 检验 | t.test(x, mu=5) | 单样本均值等于 5 |
| t 检验 | t.test(pre, post, paired=TRUE) | 配对检验 |
| 非参数 | wilcox.test(x, y) | Wilcoxon 秩和 |
| 卡方 | chisq.test(table) | 独立性检验 |
| 方差齐 | var.test(x, y) | F 检验 |
| 相关 | cor(x, y)/cor.test | 相关系数/显著性 |
| 方差分析 | aov(y ~ group) | 单因素 ANOVA |
| 事后比较 | TukeyHSD(aov(...)) | 两两比较 |
| 线性回归 | lm(y ~ x, data) | 线性模型 |
| 广义线性 | glm(y ~ x, family) | 逻辑/泊松回归 |
| 预测 | predict(fit, newdata) | 用模型预测 |
| 生成随机 | rnorm(100, mean, sd) | 正态随机数 |
| 密度 | dnorm(x) | 概率密度 |
| 累积 | pnorm(x) | P(X <= x) |
| 分位 | qnorm(p) | p 分位点 |
二、数据框与 dplyr 速查
| 操作 | R（base） | R（dplyr） | Python (Pandas) |
|---|---|---|---|
| 取列 | df$col / df[, "col"] | pull(df, col) | df["col"] / df.col |
| 筛选行 | df[df$age>18,] | filter(df, age>18) | df[df.age>18] |
| 新增列 | df$new <- df$a+df$b | mutate(df, new=a+b) | df["new"]=df.a+df.b |
| 选列 | df[, c("a","b")] | select(df, a, b) | df[["a","b"]] |
| 分组聚合 | aggregate(y~g, df, mean) | group_by(g) %>% summarise(mean(y)) | df.groupby("g").mean() |
| 排序 | df[order(df$age),] | arrange(df, age) | df.sort_values("age") |
| 管道 | %>% | %>% | .pipe() |
| 行数/列数 | nrow/ncol | nrow/ncol | len(df) / df.shape |
三、ggplot2 图层速查
r
# 基础模式
ggplot(data, aes(x=, y=, color=, size=, shape=)) +
geom_*() + # 几何对象
scale_*() + # 刻度
coord_*() + # 坐标
facet_*() + # 分面
labs(title, x, y) + # 标注
theme_*() # 主题| 几何对象 | 用途 | 示例 |
|---|---|---|
geom_point | 散点 | geom_point(aes(color=g)) |
geom_line | 折线 | geom_line(aes(group=id)) |
geom_bar | 柱状（计数） | geom_bar() |
geom_col | 柱状（指定值） | geom_col(aes(x, y)) |
geom_histogram | 直方图 | geom_histogram(bins=20) |
geom_boxplot | 箱线图 | geom_boxplot(aes(x=g, y=v)) |
geom_density | 密度图 | geom_density(aes(fill=g)) |
geom_smooth | 拟合线 | geom_smooth(method="lm") |
geom_abline | 参考线 | geom_hline(yintercept=0) |
| 修饰 | 用途 |
|---|---|
facet_wrap(~var) | 按变量分面 |
facet_grid(row~col) | 两变量网格分面 |
coord_flip() | 翻转坐标 |
scale_color_manual() | 自定义颜色 |
theme_minimal()/theme_bw() | 主题 |
labs(title, x, y) | 标注 |
四、与 Python/MATLAB 对照
| 概念 | R | Python | MATLAB |
|---|---|---|---|
| 赋值 | <- | = | = |
| 注释 | # | # | % |
| 合并向量 | c(1,2,3) | [1,2,3]/np.array | [1 2 3] |
| 索引起点 | 1 | 0 | 1 |
| 数据框 | data.frame | Pandas DataFrame | table（弱） |
| 统计检验 | 原生 t.test | scipy.stats.ttest_ind | 无原生 |
| 回归 | lm(y~x) | statsmodels/sklearn | \ 左除 |
| 可视化 | ggplot2 | matplotlib/seaborn | plot |
| 管道 | %>% | .pipe() | 无 |
| 价格 | 开源 | 开源 | 商业付费 |
五、易错点清单
- 「赋值用
=就行」：能用但 R 社区强烈推荐<-。=在函数参数列表里易与==混淆，<-明确表示赋值。这是 R 最显眼的惯例。 - 「R 索引从 0 开始」：错。R 索引从 1 开始（与 Python 不同）。
df[1,]是第 1 行，不是第 0 行。 - 「
==比较 NA 也行」：错。NA == NA结果是NA（不是 TRUE），判断 NA 要用is.na(x)。NA 在 R 是特殊的缺失值，任何与 NA 的运算都返回 NA。 - 「因子（factor）就是字符串」：错。factor 是分类变量（存为整数+水平标签），不是字符串。
data.frame在 R 4.0 前默认把字符串转因子（常引发 bug），4.0+ 默认不转。 - 「for 循环和向量化一样快」：错。R 的 for 循环慢（解释执行），向量化（apply 家族或向量化运算）快。处理大数据用
*apply或向量化。 - 「
c()是 concatenate（拼接）」：不完全是。c()是 combine（合并），把元素合并成向量，是 R 最基础的函数。 - 「管道
%>%是 R 自带的」：原生 R（4.1+）的|>才是自带；%>%来自 magrittr/dplyr 包（需 library）。多数 R 代码仍用%>%。 - 「ggplot2 用
+是因为它是数学加法」：不是。+在 ggplot2 是图层叠加运算符（重载），把新图层加到现有图上，与数学加法无关。 - 「
summary()只是看前几行」：错。对数据框summary()输出每列的分布统计（min/median/mean/max）；对 lm 对象输出回归结果（系数/p 值/R²）。head()才是看前几行。 - 「R 能高效处理超大数据」：相对弱。R 默认数据全载入内存，处理超 GB 级数据要特殊工具（data.table 高效、或连数据库）。Spark 有 R 接口（sparklyr）。
- 「R 适合做深度学习」：弱。虽有 torch/keras 包，但远不如 Python 的 PyTorch/TensorFlow 主流和丰富。深度学习选 Python。
六、R 在数据科学领域的定位
| 领域 | R 角色 | 替代可能 |
|---|---|---|
| 统计建模 | 主流（原生 lm/glm/aov） | Python（statsmodels） |
| 生物医学/基因组学 | 主流（Bioconductor） | Python（部分） |
| 学术出版可视化 | 主流（ggplot2） | Python（plotnine/seaborn） |
| 生存分析/贝叶斯 | 主流（survival/rstan） | Python（部分） |
| 机器学习/AI | 弱 | Python 主流（scikit-learn/PyTorch） |
| 大数据工程 | 弱 | Python（Spark/Dask） |
| Web 部署/生产 | 弱（shiny 交互应用） | Python 主流 |