附錄 3：R 語言入門（給完全沒寫過程式的人）

Tip

已經會寫 R 的人可以跳過這章。 這是給「這輩子沒打過一行 code」的醫師、研究助理的 30 分鐘暖身。 讀完你不會變成工程師，但看得懂本書每一段 參考程式碼 在做什麼、知道要改哪個參數——這就夠了。

想要「一頁速查」而不是教學？看 附錄 1 的 §F「ELI5：R / 程式」。

這堂工作坊的核心心法是：你不需要「會寫」R，只需要「看懂 + 改參數」。 真正的 code 教材都幫你準備好了（每個任務的「參考程式碼」），你的工作是讀懂它、必要時改個檔名或欄位名。這章就是讓你具備「讀懂」的最低門檻。

---

1. RStudio 長什麼樣：四個區塊

打開 RStudio（或 Posit.Cloud），畫面通常切成四塊：

區塊	位置	做什麼
Source（編輯器）	左上	寫、存 .R / .qmd 檔的地方（像 Word 的內文）
Console（主控台）	左下	打一行、按 Enter、馬上看到結果（像計算機）
Environment	右上	列出你現在手上有哪些「變數 / 資料」
Files / Plots / Help	右下	檔案總管、畫出來的圖、說明文件

Note

最重要的觀念：你在 Console 打的東西「按 Enter 就執行」；在 Source 編輯器裡的 code 要選起來按 Ctrl/Cmd + Enter 才會送到 Console 執行。本書「參考程式碼」就是讓你複製到 Console（或 chunk）跑。

---

2. 第一行 code：Console 當計算機 + 用 <- 把結果存起來

在 Console 打 1 + 1 按 Enter：

1 + 1

[1] 2

3 * (4 + 5)

[1] 27

左邊那個 [1] 不用管它，是「這是第 1 個結果」的意思。

要把一個結果「存起來等下用」，用 <-（指派符號，唸 gets）。把它想成「把右邊的東西，裝進左邊的盒子」：

n <- 1329          # 把數字 1329 裝進名叫 n 的盒子
n                  # 打盒子的名字 → 看裡面裝什麼

[1] 1329

drug <- "faricimab"   # 文字要用引號 " " 包起來
drug

[1] "faricimab"

Tip

<- 在 RStudio 有快速鍵：Alt/Option + -（自動補空白）。用 = 也行，但 R 社群習慣 <-。

---

3. 資料的四種基本長相

型別	長什麼樣	例子
數字 numeric	就是數字	62、3.14、-5
文字 character	一定要 " " 包住	"faricimab"、"PT-001"
邏輯 logical	只有兩種	TRUE / FALSE
缺失值 NA	「這格沒資料」	NA

NA 很重要：真實病人資料一定有缺漏（病人沒回診、沒做 OCT）。R 用 NA 表示，而且對 NA 很敏感：

mean(c(60, 62, NA))               # 只要有一個 NA，結果就是 NA

[1] NA

mean(c(60, 62, NA), na.rm = TRUE) # 加 na.rm = TRUE：先把 NA 拿掉再算

[1] 61

---

4. 一串資料：vector 與 c()

c() 是「把好幾個東西串成一串」（c = combine）。臨床上你天天遇到「一串數字」（某病人的多次視力）：

bcva <- c(60, 64, 68, 70)   # 一位病人第 0/4/8/12 週的視力
length(bcva)                # 幾個數字？

[1] 4

mean(bcva)                  # 平均

[1] 65.5

max(bcva) - bcva[1]         # 最大值 減 第 1 個值（bcva[1] = 取第 1 個）

[1] 10

bcva[1] 的中括號是「取第幾個」。bcva[1] 是第一個（60）。

---

5. 函數（function）與引數（argument）

函數 = 一台機器：吃材料、吐結果。 寫法是 機器名稱(材料)：

round(3.14159)               # 四捨五入

[1] 3

round(3.14159, digits = 2)   # digits = 2 是「具名引數」：要幾位小數

[1] 3.14

• 括號裡餵進去的東西叫 引數（argument）。
• digits = 2 這種「名字 = 值」是 具名引數——你不用背順序，寫名字最清楚。
• 不確定一個函數有哪些引數？打 ?round 按 Enter，右下角 Help 會跳出說明。

---

6. 套件（package）：別人寫好的工具箱

R 本身只有基本功能。強大的功能（畫圖、跑模型）放在套件裡。兩個動作別搞混：

install.packages("ggplot2")   # 安裝：一台電腦只要做「一次」（像下載 App）
library(ggplot2)              # 載入：每次新開 R session 都要做（像打開 App）

Note

本書要用的 20 多個套件，一行就能全裝好——在 Console 跑 source("START.R")（見 Part 1）。 裝過之後，每章開頭的 library(...) 負責「打開」它們。

「could not find function」這個錯誤，九成是忘了 library()——機器還沒打開就想用。

---

7. Data frame：R 裡的 Excel 表格

臨床資料就是表格：每列（row）一筆觀察、每欄（column）一個變項。R 把它叫 data frame（tidyverse 的加強版叫 tibble）。

我們直接讀本書的真實模擬資料（CSV 檔）來看：

library(readr)    # read_csv 在這個套件裡
library(dplyr)    # glimpse / 等下的動詞在這裡
baseline <- read_csv("data/faricimab_baseline.csv", show_col_types = FALSE)

glimpse(baseline)   # 看有哪些欄位、型別、前幾筆值

Rows: 1,329
Columns: 12
$ patient_id    <chr> "P0001", "P0002", "P0003", "P0004", "P0005", "P0006", "P…
$ arm           <chr> "faricimab", "aflibercept", "aflibercept", "faricimab", …
$ study         <chr> "LUCERNE", "LUCERNE", "TENAYA", "LUCERNE", "TENAYA", "LU…
$ region        <chr> "US-Canada", "US-Canada", "Rest-of-world", "Rest-of-worl…
$ age           <dbl> 64, 83, 56, 73, 78, 60, 68, 81, 85, 80, 77, 79, 60, 76, …
$ sex           <chr> "F", "M", "F", "F", "F", "F", "F", "F", "F", "M", "F", "…
$ bcva_baseline <dbl> 64, 79, 76, 73, 74, 46, 81, 55, 67, 45, 74, 71, 53, 69, …
$ cst_baseline  <dbl> 300, 381, 290, 382, 381, 496, 240, 539, 328, 310, 378, 4…
$ irf_baseline  <dbl> 0, 1, 0, 0, 1, 0, 1, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 1, 1,…
$ srf_baseline  <dbl> 1, 0, 0, 1, 0, 1, 0, 0, 1, 1, 0, 0, 1, 1, 0, 1, 1, 1, 1,…
$ bcva_strat    <chr> "55-73", ">=74", ">=74", "55-73", ">=74", "<=54", ">=74"…
$ lld_strat     <chr> ">=33", "<33", "<33", ">=33", "<33", "<33", "<33", "<33"…

幾個天天用的「看一眼」函數：

head(baseline, 3)        # 前 3 列

# A tibble: 3 × 12
  patient_id arm         study   region     age sex   bcva_baseline cst_baseline
  <chr>      <chr>       <chr>   <chr>    <dbl> <chr>         <dbl>        <dbl>
1 P0001      faricimab   LUCERNE US-Cana…    64 F                64          300
2 P0002      aflibercept LUCERNE US-Cana…    83 M                79          381
3 P0003      aflibercept TENAYA  Rest-of…    56 F                76          290
# ℹ 4 more variables: irf_baseline <dbl>, srf_baseline <dbl>, bcva_strat <chr>,
#   lld_strat <chr>

nrow(baseline)           # 幾列（幾個病人）

[1] 1329

names(baseline)          # 有哪些欄位名

 [1] "patient_id"    "arm"           "study"         "region"       
 [5] "age"           "sex"           "bcva_baseline" "cst_baseline" 
 [9] "irf_baseline"  "srf_baseline"  "bcva_strat"    "lld_strat"    

baseline$age             # 用 $ 取「某一欄」→ 這裡取出 age 那一整欄

   [1]  64  83  56  73  78  60  68  81  85  80  77  79  60  76  79  73  62  80
  [19]  78  72  77  82  88  89  76  79  76  71  72  65  60  76  81  69  97  67
  [37]  66  79  50  69  79  77  64  69  69  83  77  86  58  73  67  70 101  74
  [55]  74  71  69  80  68  84  54  72  69  67  81  80  80  57  75  81  66  81
  [73]  83  69  70  81  72  83  80  62  78  70  84  77  77  73  74  59  87  81
  [91]  68  60  83  75  81  81  95  76  62  84  86  72  80  72  79  61  76  70
 [109]  66  78  68  81  71  72  81  60  65  82  64  58  60  86  76  69  78  73
 [127]  70  78  74  83  75  72  80  84  83  80  89  62  78  59  53  61  82  76
 [145]  72  68  75  82  65  77  77  66  82  75  64  75  66  80  80  74  84  63
 [163]  64  86  82  71  67  58  78  76  74  87  80  87  75  77  74  72  64  93
 [181]  75  79  64  65  62  78  81  83  85  83  70  65  60  83  81  83  83  67
 [199]  63  84  69  72  74  88  85  73  75  93  70  68  92  68  75  53  80  73
 [217]  62  68  72  81  80  79  83  69  69  74  81  86  67  67  59  69  77  67
 [235]  89  72  77  75  67  69  67  74  81  56  87  75  81  74  93  73  89  90
 [253]  86  63  54  70  81  77  80  83  85  73  65  74  73  52  78  85  84  83
 [271]  74  76  71  71  76  78  85  66  73  66  63  86  82  80  81  67  84  74
 [289]  79  76  70  80  74  66  80  90  72  93  78  84  86  67  72  73  83  73
 [307]  75  86  75  75  82  61  87  71  56  76  67  56  86  83  84  68  81  77
 [325]  73  77  76  71  69  82  76  68  68  84  82  67  64  73  79  86  64  89
 [343]  81  78  80  71  67  66  70  70  75 100  68  73  94  70  71  82  75  66
 [361]  93  71  73  64  73  74  59  75  93  73  86  62  66  72  78  74  76  87
 [379]  62  84  85  78  80  81  88  71  74  79  77  62  86  69  58  78  58  82
 [397]  73  78  89  74  68  72  69  78  80  82  82  78  64  66  72  84  78  84
 [415]  91  64  71  97  81  74  79  68  86  66  70  78  73  63  84  81  78  76
 [433]  60  78  74  87  79  81  76  67  79  78  90  66  77  53  68  73  86  78
 [451]  80  87 100  63  65  62  81  76  85  72  73  78  77  77  61  75  87  73
 [469]  75  83  72  80  72  70  81  81  72  73  79  80  80  75  81  83  70  76
 [487]  81  72  68  76  89  69  74  90  73  67  92  90  83  74  66  64  77  64
 [505]  78  74  70  87  77  75  85  79  61  80  66  67  84  61  68  75  62  69
 [523]  80  84  72  94  77  73  58  72  90  80  63  73  78  94  84  77  85  76
 [541]  58  88  65  72  79  58  90  93  72  94  69  74  74  93  91  79  69  74
 [559]  74  78  75  75  62  84  77  73  71  71  73  82  72  74  71  75  76  79
 [577]  75  78  79  77  58  76  75  77  79  85  69  71  77  68  76  89  82  70
 [595]  77  95  81  78  82  88  63  70  72  76  73  85  59  81  80  87  62  79
 [613]  74  84  60  81  68  77  69  97  78  86  86  75  80  84  58  66  92  83
 [631]  98  69  75  80  89  79  73  56  78  93  89  76  82  82  67  87  98  66
 [649]  77  62  56  66  67  89  67  67  70  62  79  70  73  90  72  74  83  69
 [667]  84  68  79  83  93  99  67  57  71  64  74  75  79  84  85  70  69  82
 [685]  87  84  61  75  77  67  68  79  92  89  78  68  64  74  60  86  86  77
 [703]  60  76  65  70  89  85  85  84  90  90  66  69  69  67  65  77  76  89
 [721]  82  94  81  58  78  69  74  82  76  65  68  80  64  76  82  69  63  80
 [739]  85  85  73  71  71  76  67  70  81  78  72  71  73  67  75  52  71  73
 [757]  76  78  81  59  88  58  76  85  69  68  68  76  85  60  81  66  81  78
 [775]  71  81  63  85  80  76  68  88  73  81  81  78  79  66  70  69  72  66
 [793]  78  75  67  71  86  71  84  69  80  91  77  70  76  72  74  74  74  63
 [811]  82  51  65  69  72  82  82  83  63  80  78  87  75 100  60  78  88  78
 [829]  66  70  77  76  73  68  59  73  67  84  75  90  58  75  81  77  72  72
 [847]  74  77  83  59  73  68  78  70  73  82  70  59  79  66  79  89  87  83
 [865]  57  63  87  74  70  66  85  69  70  82  63  72  82  71  77  77  57  85
 [883]  62  83  71  70  73  78  78  76  80  75  63  60  82  69  90  72  78  82
 [901]  84  65  76  83  67  84  52  66  76  58  62  76  75  61  76  77  72  75
 [919]  86  87  79  71  73  74  72  77  87  83  71  54  63  73  84  92  85  92
 [937]  85  79  86  77  68  69  74  83  90  84  79  60  90  72  78  70  80  78
 [955]  66  85  87  78  76  81  71  80  63  85  60  69  65  59  64  71  88  71
 [973] 101  52  71  67  87  71  78  81  93  70  87  80  83  88  92  82  80  70
 [991]  74  73  91  89  72  75  87  84  62  66  86  80  83  77  64  62  80  71
[1009]  59  79  89  65  64  76  56  77  80  74  82  60  80  60  65  82  74  69
[1027]  70  70  73  75  61  73  69  82  58  74  83  79  86  76  81  69  79  83
[1045]  77  74  77  74  87  86  62  65  84  88  60  87 101  78  55  64  60  75
[1063]  93  81  59  75  74  75  91  67  85  72  70  63  80  73  69  56  85  62
[1081]  84  72  66  77  70  69  68  73  69  90  75  79  83  72  72  75  69  62
[1099]  84  88  97  76  52  69  70  81  86  57  85  69  77  87  69  85  73  65
[1117]  59  85  86  61  74  78  87  78  66  93  78  67  75  58 101  95  75  74
[1135]  78  77  79  70  91  71  64  64  69  59  77  82  89  86  75  87  70  78
[1153]  69  74  66  76  88  79  77  59  64  76  82  83  58  71  67  86  79  67
[1171]  71  67  89  82  67  73  78  72  85  68  64  75  66  68  75  72  63  67
[1189]  79  65  76  70  56  78  77  70  68  88  84  77  95  84  74  80  85  82
[1207]  69  76  79  69  67  88  64  84  58  76  64  78  77  82  71  69  68  68
[1225]  73  78  83  88  77  86  73  72  80  62  77  72  70  80  77  59  72  91
[1243]  59  78  76  83  58  84  68  72  80  81  87  66  65  91  86  80  60  88
[1261]  67  76  69  78  69  79  69  86  76  62  68  79  87  68  87  99  74  65
[1279]  80  74  75  79  82  88  61  68  74  63  74  79  75  74  65  75  86  87
[1297]  76  85  66  86  91  64  80  69  84  77  76  59  73  88  74  84  76  79
[1315]  69  83  77  73  87  76  75  65  82  73  54  69  66  97  87

$ 是「取某一欄」：baseline$age 就是 age 那一整串數字。

---

8. 管線 |>：把左邊餵給右邊

|>（pipe，管線）是 tidyverse 的靈魂。它把「左邊的東西，餵進右邊的函數」。 好處：code 從左讀到右、由上往下，就是動作發生的順序。

baseline$age |> mean() |> round(1)

[1] 75.2

# 讀法：拿 age 這一欄，然後算平均，然後四捨五入到 1 位

沒有 pipe 你得從裡往外讀 round(mean(baseline$age), 1)——一旦動作多就頭暈。pipe 讓它變一句話。

Tip

RStudio 快速鍵：Ctrl/Cmd + Shift + M 自動打出 |>。

---

9. dplyr 五大動詞：操作表格的瑞士刀

幾乎所有「整理資料」都是這五個動詞的組合，全部都用 |> 串起來：

動詞	做什麼	白話
filter()	留下某些列	篩病人
select()	留下某些欄	選欄位
mutate()	新增/修改一欄	算新變項
summarise()	把多列收成一個摘要	算總結
group_by()	分組（搭配上面用）	分兩臂各算各的

baseline |>
  filter(arm == "faricimab") |>          # 只留 faricimab 組（== 是「等於」的比較）
  summarise(n = n(),                      # 算這組幾人
            mean_bcva = mean(bcva_baseline))   # 算平均 baseline 視力

# A tibble: 1 × 2
      n mean_bcva
  <int>     <dbl>
1   665      58.9

分兩組各算一次，只要多一行 group_by()：

baseline |>
  group_by(arm) |>
  summarise(n = n(), mean_age = mean(age))

# A tibble: 2 × 3
  arm             n mean_age
  <chr>       <int>    <dbl>
1 aflibercept   664     75.1
2 faricimab     665     75.3

Warning

注意 ==（兩個等號）是「比較是否相等」，=（一個等號）是「設定引數」。 filter(arm == "faricimab") 用兩個等號，別寫成一個。

---

10. Factor：有限選項的「類別」變項

arm 只可能是 faricimab 或 aflibercept——這種「選項固定」的變項，R 有專門型別叫 factor。 跑統計模型時很關鍵：R 會把 factor 的第一個 level 當「比較基準（reference）」。

arm_f <- factor(baseline$arm, levels = c("aflibercept", "faricimab"))
levels(arm_f)   # 第一個（aflibercept）= reference

[1] "aflibercept" "faricimab"  

把 aflibercept 排第一，模型跑出來的數字就會是「faricimab 比 aflibercept 多/少多少」，方向最直覺。本書 Part 3 起會一直看到這個寫法。

---

11. 畫第一張圖：ggplot 三件套

ggplot2 畫圖像「疊圖層」，記住三件套就好：

library(ggplot2)

baseline |>
  ggplot(aes(x = arm, y = bcva_baseline, fill = arm)) +  # ① aes：欄位對應到位置
  geom_boxplot() +                                        # ② geom：畫什麼（這裡盒鬚圖）
  labs(title = "兩臂 baseline 視力分布", y = "BCVA (letters)")  # ③ 標題/標籤

• aes()：把資料的「哪一欄」對應到圖的「哪個位置」（x 軸、y 軸、顏色…）。
• geom_*()：要畫哪種圖層——geom_point（點）、geom_line（線）、geom_col（長條）、geom_boxplot（盒鬚）…
• 圖層之間用 + 串（注意：ggplot 用 +，不是 |>）。

---

12. 看懂錯誤訊息：紅字不是世界末日

新手最怕紅字。其實九成是這三種，學會讀就不怕：

紅字訊息	意思	解法
could not find function "xxx"	函數所在的套件沒載入	在最上面補 library(該套件)
object 'xxx' not found	你用了一個還沒建立的盒子/資料	先把前面建立它的那段跑過（本書「續前對話」就是這個道理）
unexpected ... / 少一個 )	括號、逗號、引號沒對齊	檢查標點：每個 ( 要有 )、每個 " 要成對

Tip

看不懂的紅字，整段複製去問 AI：「我跑這段 R 出現這個錯誤：[貼錯誤]，這是什麼意思、怎麼改？」——這正是本書的工作方式。

---

13. 你在這堂課的真正工作

你不用「從零寫 code」
        ↓
讀懂教材的「參考程式碼」在做什麼（這章給你的能力）
        ↓
複製去跑 → 看結果 → 對照 paper
        ↓
要換成你院內資料時：只改「檔名 / 欄位名」這種參數

看不懂某段、或想更深入概念（什麼是 MMRM、censoring、propensity score）→ 翻 附錄 1 的 §E、§F ELI5 白話版。 卡關、遇到紅字 → 翻 附錄 1 §C「三個常見坑」。

本章重點

1. <- 把東西裝進盒子；c() 串成一串；函數() 吃材料吐結果
2. library() 打開套件；忘了它就會 could not find function
3. data frame = R 的 Excel；$ 取一欄；|> 把左邊餵右邊
4. dplyr 五大動詞（filter/select/mutate/summarise/group_by）+ group_by 分組
5. factor 的第一個 level 是 reference；ggplot 用 + 疊圖層
6. 紅字九成是「沒 library / 沒先跑前面 / 標點沒對齊」