免费试用
banner

学习R语言,一篇文章让你从懵圈到入门

作者: afenxi来源: afenxi时间:2017-05-07 16:35:060

摘要:在实际工作中,每个数据科学项目各不相同,但基本都遵循一定的通用流程。

在实际工作中,每个数据科学项目各不相同,但基本都遵循一定的通用流程。具体如下:

学习R语言,一篇文章让你从懵圈到入门-数据分析网 数据科学工作流程 数据导入 数据整理 反复理解数据 数据可视化 数据转换 统计建模 作出推断(比如预测) 沟通交流 自动化分析 程序开发

下面列出每个步骤最有用的一些R包:

数据导入

以下R包主要用于数据导入和保存数据

feather:一种快速,轻量级的文件格式。在R和python上都可使用 readr:实现表格数据的快速导入。中文介绍可参考这里 readxl:读取Microsoft Excel电子表格数据 openxlsx:读取Microsoft Excel电子表格数据 googlesheets:读取google电子表格数据 haven:读取SAS,SPSS和Stata统计软件格式的数据 httr:从网站开放的API中读取数据 rvest:网页数据抓取包 xml2:读取HTML和XML格式数据 webreadr:读取常见的Web日志格式数据 DBI:数据库管理系统通用接口包 RMySQL:用于连接MySQL数据库的R包 RPostgres:用于连接PostgreSQL数据库的R包 bigrquery用于连接Google BigQuery的R包 PivotalR:用于读取Pivitol(Greenplum)和HAWQ数据库中的数据 dplyr:提供了一个访问常见数据库的接口 data.table:data.table包的fread()函数可以快速读取大数据集 git2r:用于访问git仓库 数据整理

以下R包主要用于数据整理,以便于你后续建模分析:

tidyr:用于整理表格数据的布局 dplyr:用于将多个数据表连接成一个整齐的数据集 purrr:函数式编程工具,在做数据整理时非常有用。 broom:用于将统计模型的结果整理成数据框形式 zoo:定义了一个名zoo的S3类型对象,用于描述规则的和不规则的有序的时间序列数据。 数据可视化

以下R包用于数据可视化:

ggplot2及其扩展:ggplot2包提供了一个强大的绘图系统,并实现了以下扩展 ggthemes:提供扩展的图形风格主题 ggmap:提供Google Maps,Open Street Maps等流行的在线地图服务模块 ggiraph:绘制交互式的ggplot图形 ggstance:实现常见图形的横向版本 GGally:绘制散点图矩阵 ggalt:添加额外的坐标轴,geoms等 ggforce:添加额外geoms等 ggrepel:用于避免图形标签重叠 ggraph:用于绘制网络状、树状等特定形状的图形 ggpmisc:光生物学相关扩展 geomnet:绘制网络状图形 ggExtra:绘制图形的边界直方图 gganimate:绘制动画图 plotROC:绘制交互式ROC曲线图 ggspectra:绘制光谱图 ggnetwork:网络状图形的geoms ggradar:绘制雷达图 ggTimeSeries:时间序列数据可视化 ggtree:树图可视化 ggseas:季节调整工具 lattice:生成栅栏图 rgl:交互式3D绘图 ggvis:交互式图表多功能系统 htmlwidgets:一个专为R语言打造的可视化JS库 leaflet:绘制交互式地图 dygraphs:绘制交互式时间序列图 plotly:交互式绘图包,中文介绍详见这里 rbokeh:用于创建交互式图表和地图,中文介绍 Highcharter:绘制交互式Highcharts图 visNetwork:绘制交互式网状图 networkD3:绘制交互式网状图 d3heatmap:绘制交互式热力图,中文介绍 DT:用于创建交互式表格 threejs:绘制交互式3d图形和地球仪 -rglwidget:绘制交互式3d图形 DiagrammeR:绘制交互式图表 MetricsGraphics:绘制交互式MetricsGraphics图 rCharts:提供了对多个javascript数据可视化库(highcharts/nvd3/polychart)的R封装。 coefplot:可视化统计模型结果 quantmod:可视化金融图表 colorspace:基于HSL的调色板 viridis:Matplotlib viridis调色板 munsell:Munsell调色板 RColorBrewer:图形调色板 igraph:用于网络分析和可视化 latticeExtra:lattice绘图系统扩展包 sp:空间数据工具 数据转换

以下R包用于将数据转换为新的数据类型

dplyr:一个用于高效数据清理的R包。视频学习课程 magrittr:一个高效的管道操作工具包。 tibble:高效的显示表格数据的结构 stringr:一个字符串处理工具集 lubridate:用于处理日期时间数据 xts:xts是对时间序列数据(zoo)的一种扩展实现,提供了时间序列的操作接口。 data.table:用于快速处理大数据集 vtreat:一个对预测模型进行变量预处理的工具 stringi:一个快速字符串处理工具 Matrix:著名的稀疏矩阵包 统计建模与推断

下述R包是统计建模最常用的几个R包,其中的一些R包适用于多个主题。

car:提供了大量的增强版的拟合和评价回归模型的函数。 Hmisc:提供各种用于数据分析的函数 multcomp:参数模型中的常见线性假设的同时检验和置信区间计算,包括线性、广义线性、线性混合效应和生存模型。 pbkrtest用于线性混合效应模型的参数Bootstrap检验 MatrixModels:用于稠密矩阵和稀疏矩阵建模 mvtnorm:用于计算多元正态分布和t分布的概率,分位数,随机偏差等 SparseM:用于稀疏矩阵的基本线性代数运算 lme4:利用C++矩阵库 Eigen进行线性混合效应模型的计算。 broom:将统计模型结果整理成数据框形式 caret:一个用于解决分类和回归问题的数据训练综合工具包 glmnet:通过极大惩罚似然来拟合广义线性模型 gbm:用于实现随机梯度提升算法 xgboost:全称是eXtreme Gradient Boosting。是Gradient Boosting Machine的一个c++实现。目前已制作了xgboost工具的R语言接口。详见统计之都的一篇介绍 randomForest:提供了用随机森林做回归和分类的函数 ranger:用于随机森林算法的快速实现 h2o:H2O是0xdata的旗舰产品,是一款核心数据分析平台。它的一部分是由R语言编写的,另一部分是由Java和Python语言编写的。用户可以部署H2O的R程序安装包,之后就可以在R语言环境下运行了。 ROCR:通过绘图来可视化分类器的综合性能。 pROC:用于可视化,平滑和对比ROC曲线 沟通交流

以下R包用于实现数据科学结果的自动化报告,以便于你跟人们进行沟通交流。

rmarkdown :用于创建可重复性报告和动态文档 knitr:用于在PDF和HTML文档中嵌入R代码块 flexdashboard:基于rmarkdown,可以轻松的创建仪表盘 bookdown:以R Markdown为基础,用于创作书籍和长篇文档 rticles:提供了一套R Markdown模板 tufte:用于实现Tufte讲义风格的R Markdown模板 DT:用于创建交互式的数据表 pixiedust:用于自定义数据表的输出 xtable:用于自定义数据表的输出 highr:用于实现R代码的LaTeX或HTML格式输出 formatR:通过tidy_source函数格式化R代码的输出 yaml:用于实现R数据与YAML格式数据之间的通信。 自动化分析

以下R包用于创建自动化分析结果的数据科学产品:

shiny:一个使用R语言开发交互式web应用程序的工具。中文教程 shinydashboard:用于创建交互式仪表盘 shinythemes:给出了Shiny应用程序的常用风格主题 shinyAce:为Shiny应用程序开发者提供Ace代码编辑器。 shinyjs:用于在Shiny应用程序中执行常见的JavaScript操作 miniUI:提供了一个UI小部件,用于在R命令行中集成交互式应用程序 shinyapps.io:为创建的Shiny应用程序提供托管服务 Shiny Server Open Source:为Shiny应用程序提供开源免费的服务器 Shiny Server Pro:为企业级用户提供一个Shiny应用程序服务器 rsconnect:用于将Shiny应用程序部署到shinyapps.io plumber:用于将R代码转化为一个web API rmarkdown:用于创建可重复性报告和动态文档 rstudioapi:用于安全地访问RStudio IDE的API 程序开发

以下这些包主要用于开发自定义的R包:

RStudio Desktop IDE:R的IDE。大家都懂,不用解释。 RStudio Server Open Source:开源免费的RStudio服务器 RStudio Server Professional:商业版RStudio服务器 devtools:一个让开发R包变得简单的工具集 packrat:创建项目的特定库,用于处理包的版本问题,增强代码重现能力。 drat:一个用于创建和使用备选R包库的工具 testthat:单元测试,让R包稳定、健壮,减少升级的痛苦。 roxygen2:通过注释的方式,生成文档,远离Latex的烦恼。 purrr:一个用于 提供函数式编程方法的工具 profvis:用于可视化R代码的性能分析数据 Rcpp:用于实现R与C++的无缝整合。详见统计之都文章 R6:R6是R语言的一个面向对象的R包,可以更加高效的构建面向对象系统。 htmltools:用于生成HTML格式输出 nloptr:提供了一个NLopt非线性优化库的接口 minqa:一个二次近似的优化算法包 rngtools:一个用于处理随机数生成器的实用工具 NMF:提供了一个执行非负矩阵分解的算法和框架 crayon:用于在输出终端添加颜色 RJSONIO:rjson是一个R语言与json进行转的包,是一个非常简单的包,支持用 C类库转型和R语言本身转型两种方式。 jsonlite:用于实现R语言与json数据格式之间的转化 RcppArmadillo:提供了一个Armadillo C++ Library(一种C++的线性代数库)的接口 实验数据

以下R包给出了案例实战过程中可用的训练数据集:

babynames:包含由美国社会保障局提供的三个数据集 neiss:2009-2014年期间提供给美国急诊室的所有事故报告样本数据 yrbss:美国疾病控制中心2009-2013年期间青年危险行为监测系统数据 hflights: USAboundaries:2011年全年休斯顿机场的所有航班数据 rworldmap:国家边界数据 usdanutrients:美国农业部营养数据库 fueleconomy:美国环保署1984-2015年期间的燃油经济数据 nasaweather:包含了一个覆盖中美洲的非常粗糙的24*24格地理位置和大气测量数据。 mexico-mortality:墨西哥死亡人数数据 data-movies和ggplotmovies:来自互联网电影数据库imdb.com的数据 pop-flows:2008年全美人口流动数据 data-housing-crisis:经过清洗后的2008美国房地产危机数据 gun-sales:纽约时报提供的有关枪支购买的每月背景调查统计分析数据 stationaRy:从成千上万个全球站点收集到的每小时气象数据 gapminder:摘自Gapminder的数据 janeaustenr:简·奥斯丁小说全集数据

更多R包介绍查看CRAN任务视图

参考文章

RStartHere http://blog.fens.me/

本文由雪晴数据网负责翻译整理,原文请参考RStartHere。

本文链接:http://www.xueqing.tv/cms/article/198

banner
看过还想看
可能还想看
热点推荐
Yonghong的价值观:以卓越的数据技术为客户创造价值,实现客户成功。
免费试用