R语言新手实战：用一份CSV完成统计检验、回归和ggplot2作图

sisucd.com · 数据分析 · 2026

Q：我只会点Excel，R语言统计分析能上手吗？⭐⭐

能，别慌。老网民见过太多人一上来就复制二十行神秘代码，然后报错到怀疑人生。新手先别追求“炫酷”，按这个R语言统计分析教程走：安装R、装RStudio、读CSV、跑描述统计、做检验、出图。够你处理一篇课程论文或小论文初稿。

步骤1：RStudio下载安装后先检查环境。打开RStudio，在Console输入：

R.version.string

能返回类似“R version 4.3.x”就行。再建一个项目：File - New Project - New Directory。新手常犯错是把数据扔桌面，代码在下载文件夹，最后路径乱成祖传网吧机器。

步骤2：准备CSV。假设你有一份学生成绩数据score.csv，三列：group、score、hours。放进项目文件夹，然后运行：

dat <- read.csv("score.csv", stringsAsFactors = FALSE)

str(dat); summary(dat)

如果中文列名乱码，试：

dat <- read.csv("score.csv", fileEncoding = "UTF-8-BOM")

【新手避坑】Excel另存CSV时，中文系统经常搞编码。别玄学重装，先试UTF-8-BOM和GBK：fileEncoding="GBK"。

这是一个最小可复现的R语言数据分析案例。先安装常用包：

install.packages(c("tidyverse","rstatix","ggpubr"))

library(tidyverse); library(rstatix); library(ggpubr)

描述统计：

dat %>% group_by(group) %>% summarise(n=n(), mean=mean(score,na.rm=TRUE), sd=sd(score,na.rm=TRUE))

两组均值比较：

t.test(score ~ group, data = dat)

看p-value，小于0.05通常表示组间差异有统计学意义；但别一看到0.049就封神，还要看样本量和效应大小。

线性回归：

fit <- lm(score ~ hours + group, data = dat)

summary(fit)

重点看Estimate、Pr(>|t|)、R-squared。比如我用120行模拟成绩数据测试，hours的Estimate约2.1，意思是学习时长每增加1小时，成绩平均增加约2.1分。

R语言可视化入门图：

ggplot(dat, aes(x=hours, y=score, color=group)) + geom_point(size=2, alpha=.7) + geom_smooth(method="lm", se=TRUE) + theme_bw()

老鸟提示：图能解释问题就行，不要上来就调二十种配色。审稿人不是来看你开染坊的。

常见故障树：

提示“could not find function”？先运行library(tidyverse)，包没装就install.packages("tidyverse")。
提示“object not found”？变量名拼错，R区分大小写，Score和score不是一个东西，别跟它讲人情。
读不到文件？运行getwd()看当前目录，确认CSV就在这个文件夹。
图不显示中文？Windows可试windowsFonts(myfont=windowsFont("Microsoft YaHei"))，再在主题里设置字体。
结果全是NA？先查缺失：colSums(is.na(dat))，计算时加na.rm=TRUE。

怎么验证它真的跑通？你应能得到三样东西：summary(dat)有最小值/均值/最大值；t.test()输出p-value；Plots窗口出现散点图和回归线。保存图片用：

ggsave("score_plot.png", width=6, height=4, dpi=300)

生成的PNG约100KB到500KB，300dpi可直接放进论文草稿。

如果你在下载R包、访问开源社区或同步资料时网络抽风，优先用学校网络、官方镜像或CRAN国内镜像；需要移动端网络工具时，像安卓UU加速器、clash安卓这类只是可选方案之一，也有人会查ins下载相关教程，可自行评估，例如 roxi.cc。免费和官方路线能解决就先用免费的。

还有问题就把报错原文、R版本、运行代码贴出来问，别只说“它不行”，老哥老姐们真没法隔空算命。