R語言學習:R4DS學習交流、數據匯總、數據子集獲取、Rmd學習

2021年第40周。

這一周R語言學習，記錄如下。

01 

R4DS學習交流群

我創建了R4DS學習交流群，以R4DS書籍為基礎，聚焦於R語言做數據科學的任務。

想進群的夥伴，可以添加我的微信，備註：R4DS。我誠邀你入群，與大家交流和討論，相互學習。

02 

R4DS第二章 工作流：基礎

1 內容結構

1）編碼基礎知識

R語言做為計算器工具

R語言賦值操作

2）命名的知識

3）調用函數的知識

2 目標管理

1）掌握賦值操作

2）掌握正確命名的規則

3）理解函數的調用

3 實操代碼

# R扮演計算器功能
1.01 ^ 365 # 每天進步一點點
0.99 ^ 365 # 每天退步一點點
(1.01 ^ 365) / (0.99 ^ 365) # 失之毫釐 謬以千裡

# R語言賦值操作
# 快捷鍵：Ctrl + -
my_name <- "R語言學習小王"

# 查看函數幫助文檔
?seq
# 函數調用
seq(from = 1, to = 10)

4 結果展示

03 

數據匯總操作

dplyr包的summarize函數。

# 數據匯總操作
library(dplyr)
# 使用內置的數據集iris
iris %>% glimpse()
# 觀察萼片長度的均值和標準差
iris %>% summarise(
  Sepal_Length_Mean = mean(Sepal.Length, na.rm = TRUE),
  Sepal_Length_Sd = sd(Sepal.Length, na.rm = TRUE)
)

結果輸出

04 

從數據框獲取數據子集的5種方法

1 方法指南

1）使用中括號獲取我們想要的行和列

2）使用中括號忽略我們不需要的行和列

3）使用中括號並結合which函數和 %in%操作

4）使用subset函數

5）使用dplyr包的filter函數和select函數

2 實操代碼

# 數據導入
education <- read.csv("https://vincentarelbundock.github.io/Rdatasets/csv/robustbase/education.csv", stringsAsFactors = FALSE)
colnames(education) <- c("X","State","Region","Urban.Population","Per.Capita.Income","Minor.Population","Education.Expenditures")
View(education)

# 從數據框獲取數據子集的5種操作
ed_exp1 <- education[c(10:21),c(2,6:7)]
ed_exp1 %>% View

ed_exp2 <- education[-c(1:9,22:50),-c(1,3:5)]
ed_exp2 %>% View

ed_exp3 <- education[which(education$Region == 2),names(education) %in% c("State","Minor.Population","Education.Expenditures")]
ed_exp3 %>% View

ed_exp4 <- subset(education, Region == 2, select = c("State","Minor.Population","Education.Expenditures"))
ed_exp4

library(dplyr)
ed_exp5 <- education %>% 
  filter(Region == 2) %>% 
  select(c(State,Minor.Population:Education.Expenditures))
ed_exp5 %>% View

05

 用R語言學習數據科學

這本書是為數據科學初學者準備的。

它包括R語言、畫圖、機器學習和實操項目。

內容結構

1）基礎部分

學習基礎，R語言、統計學和數學

程式語言是數據科學的一個支柱

統計學和數學可以幫助理解數據和模型

2）轉換和探索性數據分析

學習轉換和分析數據

創建視覺上讓人舒服的柱狀圖，折線圖，熱圖和散點圖。包括了許多實際例子。

數據可視化有助於分析數據和分享想法。

3）機器學習

探索一些機器學習算法

包括決策樹、隨機森林、線性回歸。

學習如何準備和評估模型，以及討論各種機器學習算法的優缺點。

關於作者

Narayana Nemani是首席數據科學家。他參與了數據科學的教學和研究。他在Quora上寫文章，還參加Kaggle比賽。

獲取書籍

給R語言公眾號發送消息202140查看書籍獲取方式。

06 

RMarkdown學習和應用

1 RMarkdown是什麼？

2 輸出格式

RMarkdown成功執行後，支持輸出多種格式，比方說HTML、PDF、Word。

推薦使用默認的HTML格式，原因有4點。

1）方便分享，只要有瀏覽器的地方，就可以查看HTML的內容。

2）靈活性強。

3）樣式齊全。

4）可定製性，使用CSS 做進一步定製。

3 創建Rmd文件

1）RStudio新建一個項目

2）在項目裡，File > New File > R Markdown

如下圖

輸入Title、Author，默認選擇輸出格式HTML。

點擊OK，創建了Rmd文件。

執行Rmd快捷鍵：Ctrl + Shift + K

4 Rmd學習方法

1）閱讀R4DS第27章的內容 R Markdown

https://r4ds.had.co.nz/r-markdown.html

2）模仿學習，從github上面找一下優質的Rmd文件進行模型學習和改造應用。這裡提供3個例子，歡迎大家補充。

2.1）BBC的Rcookbook的Rmd文件

https://github.com/bbc/rcookbook/blob/master/index.Rmd

2.2）Rgraphics的Rmd文件

https://github.com/IQSS/dss-workshops/blob/master/R/Rgraphics/Rgraphics.Rmd

2.3）探索和操作數據集的Rmd文件

https://github.com/mjfrigaard/storybench-posts/blob/master/03-how-to-explore-and-manipulate-a-dataset-from-the-fivethirtyeight-package-in-r.Rmd

07 

可重複性代碼構建指南

創建項目工程，做項目管理

項目的層級架構，參考下圖：

各個文件夾和文件的用途

請注意

1 永遠不要修改原始數據，或者說，一定要備份好原始數據

2 對於任何項目，創建一個文件，記錄你的所思和所做，便於復盤和迭代

3 腳本的命名，請知名曉意，賦予含義，具有條理性和邏輯性，重視代碼的可讀性，代碼是讓電腦來運行的，更重要的是，讓人來看的。

4 對於一個複雜的項目，編寫代碼之前，先寫偽代碼或者畫流程圖

08 

tidyverse技能增進

tidyverse是數據科學套件包，也是我常用的R包，可以完成數據導入、探索性數據分析、數據處理和整理、統計分析等數據工作。

如何提升tidyverse技能？

多學它和多用它。

我分享一本tidyverse技能的線上書籍，送給大家。

訪問網址：

https://jhudatascience.org/tidyversecourse/

本書在開篇，就談到了數據科學生命周期，一起學習下，關鍵的地方我做了標註。

大家可以掃碼添加我的微信，進入R4DS群，討論和交流tidyverse包的學習和應用。

如果你覺得文章內容有用，請關注下方公眾號~

如果你想找數據工作，請關注下方公眾號~

R語言學習專輯：

2021年第39周：R語言學習

2021年第38周：R語言學習

2021年第37周：R語言學習

2021年第36周：R語言學習

2021年第35周：R語言學習

2021年第34周：R語言學習

覺得本文不錯，就順手幫我轉發到朋友圈和微信群哦，謝謝。