第1章 鸢尾花测量案：R入门与环境搭建

第 1 章 · 鸢尾花测量案：R 入门与环境搭建

章节摘要：本章跟着一桩"植物分类悬案"走——三种鸢尾花混在一起，只有花朵测量数据可用，能否凭四个测量值判断归属？要破这个案，先把勘验工具（R 与 RStudio）备齐，再把证据（iris 数据集）装进工作区，最后学会用向量和数据类型给证据编目。

一条主线

1936 年，统计学家费雪留下了一份经典案卷：150 朵鸢尾花的萼片、花瓣长宽测量值，分属三个种。案子的核心问题是——凭这些数字能不能把三种花分开。我们从这个案子出发，把 R 语言的入门知识全部串起来：工具没装好，案子就立不了；数据装不进来，证据就摸不着；类型概念不清，测量值和物种名就会搅成一锅粥。

沿途站点

• 第 1 节 搭建勘验工具箱：安装 R 与 RStudio，认清控制台、编辑器、环境区各自的角色。
• 第 2 节 第一次勘验：把 iris 装进工作区，用 str、summary、head 完成首次检视。
• 第 3 节 数据类型与向量：数值、字符、逻辑、因子四类证据各自的登记方式。

拐点与结论

本章的认知拐点在 第 2 节：很多人以为"学 R 就是背语法"，其实第一课是学会向数据提问——str 告诉你证据有哪些列、什么类型；summary 告诉你数值证据的分布轮廓。结论：环境只是工作台，数据框才是主战场。

读完你应该

• 独立完成 R 与 RStudio 的安装，并在控制台执行第一条命令
• 说清控制台、编辑器、环境区、绘图区四个面板的分工
• 用 data、str、summary、head 完成对任意内置数据集的首次检视
• 区分数值型、字符型、逻辑型、因子型，并理解向量是 R 的最小证据单元
• 解释为什么物种名要登记成因子而不是普通字符

本章知识点清单

可考核的知识点，逐条对号入座：

• 能说出 R 与 RStudio 的依赖关系，并按正确顺序完成安装
• 能区分 Console 与 Source 的用途，解释"脚本可复现、控制台是草稿"
• 能解释 install.packages 与 library 的差别，并处理三类常见安装报错
• 能对任意数据框执行 dim、str、summary、head、tail、table 六连检视
• 能根据 str 输出判断每列类型，根据 summary 输出发现极值可疑的列
• 能说出向量同类型铁律，并解释混入字符后算术为何失效
• 能区分数值、字符、逻辑、因子四类，并举出各自的勘验场景
• 能解释因子的底层存储（整数 + 水平表）及其对建模、绘图的意义
• 能演示 as.numeric 转换引入 NA 的场景，并知道转换后要清点缺失
• 能演示子集化后 droplevels 的必要性

本章三大易错点地图

这三个坑覆盖了新手第一周八成的求助帖。它们共同的教训是：R 的报错大多写得清楚，先读原文再搜索，比凭感觉乱试快得多。

鸢尾花案的初步结案

本章结束时的案情进展：三种鸢尾花各 50 朵，测量值齐全无缺失；花瓣宽度小于 0.5 厘米的全部是 setosa，一条反例都没有——这是第一条可用的分类线索，但还不能定案，因为 versicolor 与 virginica 的测量范围大量重叠，需要更强的统计工具才能分开。这个"解决了三分之一"的状态是刻意保留的悬念：它正好引出后续各章——第 4 章用图形把重叠看清楚，第 5 章用假设检验判断差异是否显著，第 6 章用模型给出正式判别。

下一章的接力

鸢尾花案只做了"勘验"，还没动手整理证据。下一章接手的乘客名单案证据更脏——有缺失、有错列，正好练数据清洗的真功夫。