> For the complete documentation index, see [llms.txt](https://book.bsdcn.org/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://book.bsdcn.org/di-38-zhang-you-xi-ke-xue-ji-suan-he-zhuan-ye-gong-ju/di-38.5-jie-r-yu-yan.md). # 38.5 R 语言 R 是一款面向统计计算与图形可视化的编程语言与自由软件环境，由奥克兰大学统计系的 Ross Ihaka 与 Robert Gentleman 于 1993 年发布，现由 R 核心团队（R Core Team）维护。 其名称既是两位作者名字首字母的组合，也是对贝尔实验室 S 语言（S programming language）的继承：R 语言来自 S 语言，是 S 语言的开源（GPL）衍生，绝大多数为 S 编写的代码不经修改即可在 R 中运行。 R 在统计学、数据科学、生物信息学、计量经济学与社会科学等领域被广泛使用，其生态系统中包含数以万计的扩展包（packages），这些包通过综合 R 存档网络（Comprehensive R Archive Network，CRAN）发布。 FreeBSD 的 Ports 与 pkg 均提供 R 的安装方式。在 Ports 中，R 语言包位于 `math/R` 分类下。 ## 安装 R 语言 使用 pkg 安装： ```sh # pkg install R ``` 或者使用 Ports 安装： ```sh # cd /usr/ports/math/R/ # make install clean ``` 安装完成后，可通过以下命令验证版本： ```sh $ R --version R version 4.6.0 (2026-04-24) -- "Because it was There" Copyright (C) 2026 The R Foundation for Statistical Computing Platform: amd64-portbld-freebsd16.0 R is free software and comes with ABSOLUTELY NO WARRANTY. You are welcome to redistribute it under the terms of the GNU General Public License versions 2 or 3. For more information about these matters see https://www.gnu.org/licenses/. ``` 进入交互式会话： ```r $ R R version 4.6.0 (2026-04-24) -- "Because it was There" Copyright (C) 2026 The R Foundation for Statistical Computing Platform: amd64-portbld-freebsd16.0 R是自由软件，不附带任何担保。 在某些条件下你可以将其自由分发。 用'license()'或'licence()'来看分发的详细条件。 R是个合作计划，有许多人为之做出了贡献. 用'contributors()'来看合著者的详细情况 用'citation()'会告诉你如何在出版物中正确地引用R或R程序包。 用'demo()'来看一些示例程序，用'help()'来阅读在线帮助文件，或 用'help.start()'通过HTML浏览器来看帮助文件。 输入'q()'退出R. > q() Save workspace image? [y/n/c]: n # 是否保存工作空间镜像 ``` 在交互式会话中，使用 `q()` 退出。 ## CRAN 镜像与包管理 CRAN 是 R 扩展包的官方发行网络，全球设有数十个镜像站点。首次使用 `install.packages()` 时，R 会提示用户选择镜像。可通过以下方式在 R 会话中显式指定镜像（以清华大学 TUNA 镜像为例）： ```r options(repos = c(CRAN = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) install.packages("ggplot2") ``` > **技巧** > > 由于构建 R 包并不轻松（类似于 Python），因此 FreeBSD Port 开发者维护了大量 R 包，并且他们大多命名为 `R-cran-*`。以 `ggplot2` 为例，在 Ports 中为 **graphics/R-cran-ggplot2**。 也可以在用户主目录下创建 `~/.Rprofile` 配置文件，使镜像设置在每次启动 R 时自动生效： ```r options(repos = c(CRAN = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) ``` 常用的包管理命令包括： ```r install.packages("软件包") # 安装扩展包 update.packages() # 更新已安装的扩展包 library(软件包) # 载入扩展包 installed.packages() # 列出所有已安装的扩展包 remove.packages("软件包") # 移除扩展包 ``` ## 基本使用示例 以下示例演示 R 的基本算术运算、向量操作与简单绘图功能。启动 R 并依次执行。请读者先行安装 Port **graphics/R-cran-ggplot2**。 基本算术运算： ```r > x <- c(1, 2, 3, 4, 5) > mean(x) # 算术平均值 > sd(x) # 样本标准差 > sum(x) # 求和 [1] 3 [1] 1.581139 [1] 15 ``` 向量运算： ```r > y <- x^2 + rnorm(5, mean = 0, sd = 1) # 加入正态分布噪声 > y [1] 3.015682 2.941824 8.242497 16.696599 24.355322 ``` 简单的线性回归 ```r > fit <- lm(y ~ x) > summary(fit) Call: lm(formula = y ~ x) Residuals: 1 2 3 4 5 3.252108 -2.465155 -2.807887 0.002809 2.018126 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) -5.8798 3.2389 -1.815 0.1671 x 5.6434 0.9766 5.779 0.0103 * --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 3.088 on 3 degrees of freedom Multiple R-squared: 0.9176, Adjusted R-squared: 0.8901 F-statistic: 33.4 on 1 and 3 DF, p-value: 0.0103 ``` 绘制散点图与回归线 ```r > plot(x, y, main = "散点图与回归线", xlab = "x", ylab = "y") > abline(fit, col = "red") ``` 将输出下图： ![散点图与回归线](/files/FBNGLyEo9fkgGfVzwK39) ## RStudio IDE RStudio 是最流行的 R 集成开发环境（IDE）之一。它提供语法高亮、代码补全、绘图查看器、数据浏览器以及版本控制等功能。 使用 pkg 安装 RStudio 客户端（服务器为 **RStudio-server**）： ```sh # pkg install RStudio ``` 或者使用 Ports 安装： ```sh # cd /usr/ports/devel/RStudio/ # make install clean ``` 安装完成后，在桌面环境中通过应用程序菜单启动 RStudio，或在终端中运行： ```sh $ rstudio ``` ## 数据导入与导出 R 支持多种数据格式的读写。常见示例如下： ```r # 读取 CSV 文件 dat <- read.csv("data.csv") # 写入 CSV 文件 write.csv(dat, "output.csv", row.names = FALSE) # 读取 Excel 文件（需安装 readxl 包） library(readxl) dat <- read_excel("data.xlsx", sheet = 1) # 读取 SAS、SPSS、Stata 文件（需安装 haven 包） library(haven) dat_sas <- read_sas("data.sas7bdat") dat_spss <- read_sav("data.sav") dat_stata <- read_dta("data.dta") ``` ## 统计建模与图形可视化 以下示例演示线性模型与 ggplot2 绘图的常见用法： ```r > library(ggplot2) # 使用内置数据集 mtcars > data(mtcars) > head(mtcars) mpg cyl disp hp drat wt qsec vs am gear carb Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4 Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4 Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1 Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1 Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2 Valiant 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1 # 以马力（hp）预测英里每加仑（mpg） > fit2 <- lm(mpg ~ hp, data = mtcars) > summary(fit2) Call: lm(formula = mpg ~ hp, data = mtcars) Residuals: Min 1Q Median 3Q Max -5.7121 -2.1122 -0.8854 1.5819 8.2360 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 30.09886 1.63392 18.421 < 2e-16 *** hp -0.06823 0.01012 -6.742 1.79e-07 *** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 3.863 on 30 degrees of freedom Multiple R-squared: 0.6024, Adjusted R-squared: 0.5892 F-statistic: 45.46 on 1 and 30 DF, p-value: 1.788e-07 # 绘制散点图与拟合曲线 > ggplot(mtcars, aes(x = hp, y = mpg)) + > geom_point(color = "steelblue", size = 2) + > geom_smooth(method = "lm", se = TRUE, color = "red") + > labs( > title = "mpg 与 hp 的关系", > x = "马力（hp）", > y = "英里每加仑（mpg）" > ) + > theme_bw() ``` 将输出下图： ![散点图与拟合曲线](/files/17DZ0LVXjI2KjEvrwXai) ## 常用包推荐 | 分类 | 包名/Port | 用途 | | ----- | -------------------------------------------------------------------------------------------------------- | ------------- | | 数据处理 | dplyr（**databases/R-cran-dtplyr**）、tidyr（**devel/R-cran-tidyr**）、data.table（**devel/R-cran-data.table**） | 数据清洗、筛选、变形与汇总 | | 图形可视化 | ggplot2（**graphics/R-cran-ggplot2**） | 静态与交互式绘图 | | 时间序列 | tseries（**finance/R-cran-tseries**） | 时间序列建模与预测 | | 机器学习 | caret（**devel/R-cran-caret**） | 分类与回归模型训练 | | 并行计算 | future（**devel/R-cran-future**）、doParallel（**devel/R-cran-doParallel**） | 多核与分布式计算 | ## 与其他语言的互操作 R 可以与多种编程语言互操作。以下是常见场景： ### 调用 C/C++ 代码 通过 `Rcpp` 包（Port **devel/R-cran-Rcpp**）可在 R 中直接嵌入 C++ 代码： ```r > library(Rcpp) > cppFunction(' > double my_mean(NumericVector x) { > int n = x.size(); > double total = 0; > for (int i = 0; i < n; i++) { > total += x[i]; > } > return total / n; > } > ') > my_mean(c(1, 2, 3, 4, 5)) [1] 3 ``` ### 在 R 中调用 Python 代码 通过 `reticulate` 包可在 R 会话中调用 Python： ```r > install.packages("reticulate") # 安装 R 包 > library(reticulate) > use_python("/usr/local/bin/python3") # 替换为实际路径 > py_run_string(" > import numpy as np > a = np.array([1, 2, 3, 4, 5]) > print('Python 中计算的均值：', a.mean()) > ") Python 中计算的均值： 3.0 ``` ### 在 Python 中调用 R 通过 Python 的 `rpy2`（**math/py-rpy2**）包可在 Python 中调用 R： ```python $ python3 Python 3.11.15 (main, May 12 2026, 01:16:18) [Clang 21.1.8 (https://github.com/llvm/llvm-project.git llvmorg-21.1.8-0-g2078da on freebsd16 Type "help", "copyright", "credits" or "license" for more information. >>> import rpy2.robjects as robjects >>> from rpy2.robjects.packages import importr >>> >>> stats = importr("stats") >>> r_mean = robjects.r("mean") >>> result = r_mean(robjects.FloatVector([1, 2, 3, 4, 5])) >>> print("R 中计算的均值：", result[0]) R 中计算的均值： 3.0 ``` 按 **Ctrl** + **D** 可以退出上述界面。 ## 命令行批处理模式 R 支持批处理运行脚本。新建脚本 `analysis.R`，写入以下内容： ```r x <- rnorm(100, mean = 0, sd = 1) cat("样本均值：", mean(x), "\n") cat("样本标准差：", sd(x), "\n") ``` 在终端中执行： ```sh $ Rscript analysis.R 样本均值： 0.1388172 样本标准差： 1.032565 ``` 该模式适用于将 R 整合进 Shell 脚本、定时任务或批处理工作流。 ## 故障排除 ### 扩展包编译失败 部分扩展包需要调用 C/C++/Fortran 编译器。请确保系统已安装 `devel/gmake`、`lang/gcc`（含 gfortran）以及相关依赖。可使用以下命令一次性安装常用编译工具链： ```sh # pkg install gmake gcc pkgconf ``` ### 中文显示乱码 请先按照其他章节正确设置 `LANG`、`LC_ALL` 等本地化环境变量。在 R 中可额外设置： ```r options(encoding = "UTF-8") Sys.setlocale("LC_CTYPE", "zh_CN.UTF-8") ``` ### 图形设备无法启动 在无图形界面的服务器环境中，需要将绘图输出到文件设备（png、pdf、svg 等）： ```r > png("plot.png", width = 800, height = 600, res = 150) > plot(1:10, rnorm(10)) > dev.off() > null device > getwd() # 获取输出的图片路径 [1] "/home/ykla" ``` 查看该图： ![示例图片](/files/ilVxtgBHPy11IKX5pZlQ) ## 参考资料 * R CORE TEAM. R: The R Project for Statistical Computing\[EB/OL]. \[2026-06-09]. . R 官方网站 * COMPREHENSIVE R ARCHIVE NETWORK. CRAN mirrors\[EB/OL]. \[2026-06-09]. . CRAN 镜像列表 * R CORE TEAM. An Introduction to R\[EB/OL]. \[2026-06-09]. . R 导论。 * Wickham H, Çetinkaya-Rundel M, Grolemund G. R数据科学(第2版)：R for Data Science: Import, Tidy, Transform, Visualize, and Model Data\[M]. 张敬信, 王小宁, 黄俊文, 译. 北京: 人民邮电出版社, 2025. ISBN: 978-7-115-68264-2. --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://book.bsdcn.org/di-38-zhang-you-xi-ke-xue-ji-suan-he-zhuan-ye-gong-ju/di-38.5-jie-r-yu-yan.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.