R 语言数据科学（2022 版）

「R 语言数据科学」 系列课程将带领大家学习如何使用 R 语言进行数据处理、统计建模和图表绘制。该课程使用 Hadley Wickham 的 R for Data Science 作为参考资料并结合我们工作学习中的实际案例展开讲解，是入门 R 语言的不二之选。

与基础 R 语言不同，现代 R 语言的使用，特别是数据处理与可视化，主要是使用 tidyverse 系列的 R 包。tidyverse 系列的 R 包是指下面这些包：

tidyverse::tidyverse_packages()
#>  [1] "broom"      "cli"        "crayon"     "dbplyr"
#>  [5] "dplyr"      "forcats"    "ggplot2"    "haven"
#>  [9] "hms"        "httr"       "jsonlite"   "lubridate"
#> [13] "magrittr"   "modelr"     "pillar"     "purrr"
#> [17] "readr"      "readxl"     "reprex"     "rlang"
#> [21] "rstudioapi" "rvest"      "stringr"    "tibble"
#> [25] "tidyr"      "xml2"       "tidyverse"

这些包使用起来更加便捷，语法更加规范。例如你可以使用 readr 包读取数据、使用 tidyr 清理数据，使用 dplyr 操作数据，然后再使用 ggplot2 进行图表创作。下面这些示例可以让你一瞥 tidyverse 的美：

tibble

整洁的 tibble 数据框可以让你更好的审视你的数据：

as_tibble(iris)
#> # A tibble: 150 x 5
#>    Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#>           <dbl>       <dbl>        <dbl>       <dbl> <fct>
#>  1          5.1         3.5          1.4         0.2 setosa
#>  2          4.9         3            1.4         0.2 setosa
#>  3          4.7         3.2          1.3         0.2 setosa
#>  4          4.6         3.1          1.5         0.2 setosa
#>  5          5           3.6          1.4         0.2 setosa
#>  6          5.4         3.9          1.7         0.4 setosa
#>  7          4.6         3.4          1.4         0.3 setosa
#>  8          5           3.4          1.5         0.2 setosa
#>  9          4.4         2.9          1.4         0.2 setosa
#> 10          4.9         3.1          1.5         0.1 setosa
#> # … with 140 more rows

ggplot2

使用 ggplot2 及其拓展包，你可以创建精美的统计图表：

# 加载 R 包
library(tidyverse)
library(ggridges)
library(scales)
library(hrbrthemes)
library(paletteer)

# 读取数据
read_csv('probly.csv') %>%
  mutate(variable = factor(variable,
                           c("机会渺茫", "很不可能",
                             "毫无机会", "机会不大",
                             "不太确定", "不可能",
                             "不太可能", "值得怀疑",
                             "一半一半", "有点可能",
                             "可能", "值得确定", "很可能",
                             "大概率的可能", "非常有机会",
                             "极有可能", "几乎确定"))) -> probly

# 使用 ggplot2 绘图
ggplot(probly, aes(y = variable, x = value)) +
  geom_density_ridges(scale = 4, aes(fill = variable), alpha = 3/4) +
  scale_x_continuous(breaks = seq(0, 1, 0.1),
                     labels = percent_format(accuracy = 1)) +
  guides(fill = F, color = F) +
  labs(title = "定性概率描述的定量分布", x = "概率值分配", y  = "") +
  theme(plot.title = element_text(hjust = 0.5, size = 30)) +
  scale_fill_paletteer_d("awtools::bpalette") +
  theme_ipsum()

dplyr

使用 dplyr 你可以快捷的整理各种数据，例如：

有一个小伙伴提了个问题：他有 Q2 到 Q8 共 7 个变量。每个变量取值 1, 2, 3, 4。现在想把所有变量的 1 转成 100, 2 转成 80, 3 转成 60, 4 转成 0。显然这个问题可以使用 mutate_all 解决。

# 为了应用 dplyr 包的 mutate_all 函数，我们先定义一个替换函数：
replace_fun <- function(x){
  case_when(
    x == 1 ~ 100,
    x == 2 ~ 80,
    x == 3 ~ 60,
    T ~ 0
  )
}

# 然后我们造个类似的数据框然后应用 mutate_all 和上面定义的函数：

tibble(
  Q2 = sample(1:4, 4),
  Q3 = sample(1:4, 4),
  Q4 = sample(1:4, 4),
  Q5 = sample(1:4, 4),
  Q6 = sample(1:4, 4),
  Q7 = sample(1:4, 4),
  Q8 = sample(1:4, 4)
) %>%
  mutate_all(replace_fun)

#> # A tibble: 4 x 7
#>      Q2    Q3    Q4    Q5    Q6    Q7    Q8
#>   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1    60   100    60    60   100     0   100
#> 2     0     0     0     0     0    60    80
#> 3    80    60   100    80    80   100    60
#> 4   100    80    80   100    60    80     0

# 或者使用 mutate 和 across 函数的组合：
tibble(
  Q2 = sample(1:4, 4),
  Q3 = sample(1:4, 4),
  Q4 = sample(1:4, 4),
  Q5 = sample(1:4, 4),
  Q6 = sample(1:4, 4),
  Q7 = sample(1:4, 4),
  Q8 = sample(1:4, 4)
) %>%
  mutate(across(everything(), ~replace_fun(.x)))

是不是觉得这些代码整洁又漂亮！篇幅有限就不再列举更多的示例了，快加入该系列课程学习吧！

点击这里跳转到 RStata 短书平台获取附件：R 语言数据科学（2022 版）