Pages Menu
Categories Menu

Posted by on May 1, 2013 in R Spatial, Resources | 16 comments

A Crash Course in R

This code has been kindly contributed by Robin Edwards (from UCL CASA).

There are many useful introductory guides out there to R, but below is the kind of thing I now wish I’d been given when I first started using it – something with simple logically-progressive examples and minimal explanatory text. Copy the text below into a new script in R and run line-by-line to give a quick intro to many of R’s most basic principles and functionality. You can also download a text file with it here. It is by no means comprehensive, even at the most basic level, but still I hope someone finds it useful. You may want to look at RStudio as it is more user-friendly.

## Robin Edwards (, March 2013
## In RStudio run through line-by-line using Ctrl + Enter

# basic R environmental functions
x=3.14159; y=’hello world'; z=TRUE # create some objects. In RStudio they’ll appear in ‘Workspace’
ls() # list the objects in the Workspace
print(y) # print information to R ‘Console’
rm(y) # remove an object
rm(list=ls()) # remove all
getwd() # find current working directory
setwd(“/Users/robinedwards/Documents”) # set working directory as preferred
print ( “R ignores the ‘white-space’ in command syntax” )

# use ‘?’ for help on any R function (if its library is loaded in the session)
??csv # search for a text string in R documentation library
library(help=utils) # get help on a particular package (list its functions)

# ‘str’ is a powerful tool for investigating the underlying structure of any R object


# assigning values to variables
n = 5 # is possible but
n 5 -> n

# R objects can be of various data types, but probably most common are ‘numeric’ and ‘character’
( num ( char <- ‘any text string’ )

# create a VECTOR (array) using the ‘c()’ concatenate function
( vec

# a vector series
( vec

# R vectors can be accessed in various ways using [ ] brackets
vec[ c(1,3,8) ]
vec[vec > 15]

# check a vector contains a value
5 %in% vec
12 %in% vec

# finding first index position of a matching value/sting
( x = c(‘one’, ‘five’, ‘two’, 3, ‘two’) )
match(‘two’, x)
match(c(‘two’,’five’), x)

# a MATRIX is a 2D vector (essentially a vector of vectors) of matching data type
( matrx = matrix(1:15, 3, 5) )
( matrx dim(matrx) print(matrx)
t(matrx) # a matrix can be easily transposed

# an ARRAY is a generic vector but with more flexibiity. A 1D array is the same as a normal vector,
# and a 2D array is like a matrix. But arrays can store data with ‘n’ dimensions:
( arry

# Using square brackets on arrays
arry[12] # a single criterion (argument) selects the array’s n’th record
arry[3,1,2] # or use multiple arguments that reflect the array’s dimensionality

# a DATA.FRAME is like a matrix, but accomodates fields (columns) with different data types

# They can be viewed easily

# examine their internal stucture

# data interrogation with square brackets

# data.frame and matrix objects can have field (column) and record (row) names
names(df) # not for matrix objects

# interrogate data.frames by field name using the ‘$’ operator. the result is a simple vector

# names can be reassigned
names(df) row.names(df) print(df)

# check dimensions of vector/matrix/array/data.frame objects

# R has various inbuilt data.frame datasets used to illustrate how functions operate e.g.
InsectSprays # this guide makes use of these datasets

# examine contents
head(InsectSprays) # list the top records of a vector / matrix / d.f.
tail(InsectSprays, n=3) # bottom the 3
summary(InsectSprays) # summarise a data vector

# aggregate() is a powerful function for summarising categorical data
aggregate(InsectSprays$count, by=list(InsectSprays$spray), FUN=mean)
sumInsects names(sumInsects) print(sumInsects)

# subset/apply filter to a data.frame
warpbreaks[warpbreaks$wool==’A’,] # by 1 condition
warpbreaks[warpbreaks$tension %in% c(‘L’,’M’),] # multiple conditions

# adding entries is possible (if a bit tricky)
(newrow (warpbreaks

# but LISTS are better at this
lst = list()

# ways to assign/add items
lst[1] = “one”
lst[[2]] <- “two”
lst[length(lst)+1] <- “three”

# data retrieval
lst[[1]] # double brackets means the object returned is of the data class of the list item
lst[2:3] # selecting a more than 1 list item is possible with single brackets..
lst[c(1,3)] # but the object returned (from single bracket interrogation) is a list

# delete list items
lst[[3]] lst[1:2] lst

# entries can be any object type (like python), including other lists (double bracketting)
lst[[1]] lst[[2]] <- ‘item2′

# Data in lists can also be stored and recalled by key word/number (like Python’s dictionary class)
dict dict[‘wed’] print(dict)

# reorder a vector with ‘sort’
vec sort(vec)

# or a dataframe with ‘order’

# LOGICAL objects (booleans) are binary true/false objects that facilitate conditional data processing
(bool (bool

# query an object’s data/structure type with ‘class()’
class(num) # numeric is the default data type for number objects
class(as.integer(num)) # integer class exists but is not default
class(char) # character class
class(‘237′ ) # numbers aren’t always numeric type
as.numeric(‘237′) # but can be converted
as.character(237) # and vice verse

# Child-objects are often of different class to parents

# FACTOR objects are vectors of items that have been categorised by unique values
factr str(factr)

# you may encounter problems converting a factor of numeric data to numeric type

# instead do this

# editing factors can be tricky
df$person[1] <- ‘Matthew’

# instead convert to character or numeric etc
df$person df$person[1] <- ‘Matthew’
df$person levels(df$person)

2 + 2 == 4 # ‘==’ denotes value equality
3 <= 2 # less than or equal to
3 >= 2 # greater than or equal to
‘string’ == “string”
‘b’ >= ‘a’ # strings can be ranked
3 != 3 # NOT operator
c(4,2,6) == c(4,2,8) # vector comparisons return locical vectors
TRUE == T # ‘T’ and ‘F’ default as boolean shortcuts (until overwritten)
TRUE & TRUE # AND operator
TRUE | FALSE # OR operator
F | F

# IF/ELSE statement (used in most logical procedures)
x if(x < 5){
print(‘x is less than 5′)
} else{
print(‘x is not less than 5′)

if(T|F) print(‘single liners can dispense with curly brackets’)
if(T&F) print(”) else print(“but then ‘else’ only works on the same line”)

# LOOPING FUNCTIONS – very useful for handling repetitive operations

# ‘FOR’ loop
for(i in 1:10){
print(paste(‘number ‘,i))

# WHILE loop (be careful to include safeguards to prevent infinite loops)
i = 30
while(i > 0){
print(paste(‘number ‘,i))
i = i – 3

# creating a function
multiply tot return(tot)

# note ‘tot’ wasn’t remembered outside the function – functions are contained environments
# if required use ‘<<-‘ for global assignment but be careful not to overwrite R’s internal objects
# its generally better to do this:

# handling ‘NA’ values
(x = 1:5)
x[8] = 8
x[3] = NA
print(x) # sometimes functions will fail because of NA values
na.omit(x) # iterates full list but ignores NAs
x[na.omit(x)] # alternatively

# useful basic math functions
seq(-2, 2, by=.2) # sequence of equal difference
seq(length=10, from=-5, by=.2) # with range defined by vector length
rnorm(20, mean = 0, sd = 1) # random normal distribution
runif(20, min=0, max=100) # array of random numbers
sample(0:100, 20, replace=TRUE) # array of random integers
table(warpbreaks[,2:3]) # array summary stats (powerful summary tool)
abs(-5) # magnitude
sd(rnorm(10)) # standard deviation
4^2 # square
sqrt(16) # square root
5%%3 # modulo (remainder after subtraction of any multiple)
for(i in 1:100) if(i%%20==0) print(i) # useful for running an operation every n’th cycle

# Importing and exporting data using comma-separated file
write.csv(df, ‘example.csv’) # save to csv file


# some basic functionality
plot(sort(rnorm(100)), pch=16, cex=0.5) # specifying point and size respectively
plot(x=1:25, y=25:1, pch=1:25) # x & y inputs, and showing the available point symbols
plot(sin, -pi, 2*pi)
hist(rnorm(1000), breaks=50)
barplot(sumInsects$sum, names.arg = sumInsects$group)
pie(sumInsects$sum, labels = sumInsects$group)

# plots with more visual components are built up incrementally
x plot(x, pch=17)
lines(x, col=’#00FF00′)
points(x+5, pch=16, col=’red’)

# stacking charts
sumWB names(sumWB) sumWB
(data barplot(data, names.arg=c(‘Group A’,’Group B’),
legend.text=c(‘L’,’M’,’H’), args.legend = list(x = “right”))

barplot(data, names.arg=c(‘Group A’,’Group B’), beside=T,
legend.text=c(‘L’,’M’,’H’), args.legend = list(x = “topright”))

# ‘symbols()’ is a good way to represent a 3rd data dimension (use square root for area proportionality)
(cities lon=c(-0.1,-2.6,-2.2,-1.5), lat=c(51.5,51.4,53.5,53.8), pop=c(8,1,2.7,0.8)))
symbols(x=cities$lon, y=cities$lat, circles=sqrt(cities$pop), inches=0.3,
bg=’red’, fg=NULL, asp=T, xlab=’Longitude’, ylab=’Latitude’)
abline(h=(seq(51,53,1)), col=”lightgray”, lty=1)
abline(v=(seq(-4,1,1)), col=”lightgray”, lty=1)
text(x=cities$lon, y=cities$lat+0.2, labels=cities$city)

# But for much easier and more elegant data visualisation use GGPLOT2


Share on Facebook
Bookmark this on Google Bookmarks
Share on reddit
Bookmark this on Digg
Share on StumbleUpon
Share on LinkedIn


  1. You may want to check the text-as-it-appeared against the original — a number of brackets there and the second assignment operator won’t work.

    • Thanks- will do that.

  2. Excellent. I was just wishing aloud for a crash course in R when this popped up in my reader. Many thanks.

  3. While certainly more elegant, and powerful, ggplot2 wouldn’t be characterized as much easier, even by Hadley.

    • Fair point, ggplot does have an initial learning curve. The somewhat misleading ‘much easier’ refers to functional elegance!

  4. Thanks, but there is something wrong with the code

  5. probably copy-n-paste error. there’s something missing with the part introducing vectors:

    # R objects can be of various data types, but probably most common are ‘numeric’ and ‘character’
    ( num ( char <- ‘any text string’ )

    # create a VECTOR (array) using the ‘c()’ concatenate function
    ( vec = c(1,2,3,4,5,6) )

    # a vector series
    ( vec = list( vec, vec, vec, vec) )

  6. Hi, thanks for share it.

    I really love maps, I work with MapInfo but I want to use R (it’s amazing all the things can be done in R). I know the basic stuff to do statistical analysis with R, but nothing to do maps, any suggested bibliography (books, webs…)??? Please, please…

    Happy new year.

  7. ガガミラノスーパーコピー時計販売、はスーパーコピーガガミラノ時計販売店です . 0.167677356 Gagaコピーの別のアプローチで、この伝統を運ぶ新しい作品は、SIHH 2015 でデビューを作る: Roger デュブイ エクスカリバー自動、スケルトン トゥールビヨンとは、トゥールビヨンの屈強な価格プレミアムなしこの前衛的な美学は、この種の最初の時計 . 主な経営:ガガミラノ スーパーコピーガガミラノ時計、ガガミラノ高品質コピー.2015年人気貴族ガガミラノ コピー安心専門店、一流ガガミラノ時計コピー、ベルト信用第一、良い品質 . レプリカガガミラノ時計Blog:

  8. 経典でCalibre 13R0とCalibre 1315ムーブメントの基礎の上に、ブランパン改善技術、再び自主開発して生産した2種類の高級ムーブメント:めいカレンダーやパワーリザーブ機能のCalibre 13R5、めい月相損益表示と完備カレンダーのCalibre 66R9や、結合したはずみ車の回転機構とグリニッジ陀時間表示機能のCalibre 5025。また、Calibre 1315ムーブメントの「改訂版」、新しいムーブメントを備えCalibre 5215はGMTと5日動力貯蔵機能。スーパーコピーブランドそしてこの何項の革新ムーブメント、それぞれで時計をL-Evolutionシリーズの最終の落ち着き先。

  9. 口径52850自動運動性能で印象的です、そして、その見える間、それはかなり大きいです、それはそれへのより多くのフィットをより簡単にします。大きな運動を好む人々は今日、しかし、大部分の失敗はある意味ではそれはブランドのために不正行為をしていることを考慮する。カルティエスーパーコピーどんな腕時計会社は、20世紀に苦労しました、より小さくて動きをつくる機械システムの小型化の程度。大型の運動における空間の合併症の多くを含む多くのことをより簡単にします。多くの方法においては、は、いくつかの小さな懐中時計の動きと同じサイズです。おそらく、これはなぜ簡単に素晴らしいが168時間パワーリザーブのを取得することです(1週間)、まだ4運動の速度で動作している。

  10. 大都市不動産市場購入できる株式指数に戻って、10年前につれて、一般的な投資ルート近くに陥れてつまらなくて局、収蔵市場でだけであった少数のプレイヤー愛顧の時計を得た意図投資最近部分を資金ヘッジ甚だしきに至っては付加価値の市民愛顧。ロレックス スーパーコピー時計は自家用体現できる個人品位のほか、その投資の価値は侮れない。でも業界関係者は注意して、投資の時計の時とは思わないでくださいは徹底的に解決する過程のために、時計ヘッジ後続定期的なメンテナンスも1筆の支出節約できない、今時計(簡単機能)の平均メンテナンスの試算30年保養投入するが約6万元。また、別の時計サービスセンターの価格、メンテナンスプロジェクトも違うが、投資家はもっと気をつけ。

  11. 時計スーパーコピー専門通販店,お客様非常に満足ブランドコピー時計 おすすめロレックス デイトナ コピー、プラダ カナパ コピー、エルメス バーキン コピー等のスーパーコピー通販専門店です。当店はロレックス デイトナスーパーコピー、ルイヴィトン 財布 コピー、ルイヴィトン 財布 スーパーコピーをはじめブランド時計、バッグ、財布偽物の外観から細部まで本物と同様です。驚きの低価格でロレックス デイトナ コピー時計、エルメス バーキン コピーを通販します。更に2年無料保証です。ルイヴィトン 財布 スーパーコピー等の新品、高い品質、激安 、送料は無料です(日本国内)!ブランドコピーならお任せ!ロレックス デイトナスーパーコピー,ロレックス デイトナ コピー,プラダ カナパ コピー,ルイヴィトン 財布 コピー,ルイヴィトン 財布 スーパーコピー,エルメス バーキン コピー,時計スーパーコピー,スーパーコピー

  12. 口径52850自動運動性能で印象的です、そして、その見える間、それはかなり大きいです、それはそれへのより多くのフィットをより簡単にします。大きな運動を好む人々は今日、しかし、大部分の失敗はある意味ではそれはブランドのために不正行為をしていることを考慮する。カルティエスーパーコピーどんな腕時計会社は、20世紀に苦労しました、より小さくて動きをつくる機械システムの小型化の程度。大型の運動における空間の合併症の多くを含む多くのことをより簡単にします。多くの方法においては、は、いくつかの小さな懐中時計の動きと同じサイズです。おそらく、これはなぜ簡単に素晴らしいが168時間パワーリザーブのを取得することです(1週間)、まだ4運動の速度で動作している。

  13. リンデの心は、彼らのムーンウォッチコレクションに加えていると、はい、あなたが尋ねる)-―がなされるだけで59へ行くことができる前に、月に2日間のサイクル数。ショパール時計コピー新しいリンデホワイトゴールドとブラックを始めたシリーズの最新の繰り返しで、ゴールド版の刻まれた18 kの形で見続けたfunkierで上昇した。スマートな方向に行って、このリンデ白く見えるパリッとしてすべてのビットとして冷静にその前任者として。


  1. Today’s Plan: May 20, 2016 – My Summer Syllabus - […] Do these R things: Intro to Handling Spatial Data with R.; A Crash Course in R. […]

Post a Reply

Your email address will not be published. Required fields are marked *

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>