學(xué)習(xí)R語言，一篇文章讓你從懵圈到入門

在實際工作中，每個數(shù)據(jù)科學(xué)項目各不相同，但基本都遵循一定的通用流程。具體如下：

數(shù)據(jù)科學(xué)工作流程
    數(shù)據(jù)導(dǎo)入
    數(shù)據(jù)整理
    反復(fù)理解數(shù)據(jù)
        數(shù)據(jù)可視化
        數(shù)據(jù)轉(zhuǎn)換
        統(tǒng)計建模
    作出推斷（比如預(yù)測）
    溝通交流
    自動化分析
    程序開發(fā)

下面列出每個步驟最有用的一些R包：

數(shù)據(jù)導(dǎo)入

以下R包主要用于數(shù)據(jù)導(dǎo)入和保存數(shù)據(jù)
    feather：一種快速，輕量級的文件格式。在R和python上都可使用
    readr：實現(xiàn)表格數(shù)據(jù)的快速導(dǎo)入。中文介紹可參考這里
    readxl：讀取Microsoft Excel電子表格數(shù)據(jù)
    openxlsx：讀取Microsoft Excel電子表格數(shù)據(jù)
    googlesheets：讀取google電子表格數(shù)據(jù)
    haven：讀取SAS，SPSS和Stata統(tǒng)計軟件格式的數(shù)據(jù)
    httr：從網(wǎng)站開放的API中讀取數(shù)據(jù)
    rvest：網(wǎng)頁數(shù)據(jù)抓取包
    xml2：讀取HTML和XML格式數(shù)據(jù)
    webreadr：讀取常見的Web日志格式數(shù)據(jù)
    DBI：數(shù)據(jù)庫管理系統(tǒng)通用接口包
        RMySQL：用于連接MySQL數(shù)據(jù)庫的R包
        RPostgres：用于連接PostgreSQL數(shù)據(jù)庫的R包
        bigrquery用于連接Google BigQuery的R包
    PivotalR：用于讀取Pivitol（Greenplum）和HAWQ數(shù)據(jù)庫中的數(shù)據(jù)
    dplyr：提供了一個訪問常見數(shù)據(jù)庫的接口
    data.table：data.table包的fread()函數(shù)可以快速讀取大數(shù)據(jù)集
    git2r：用于訪問git倉庫

數(shù)據(jù)整理

以下R包主要用于數(shù)據(jù)整理，以便于你后續(xù)建模分析：
    tidyr：用于整理表格數(shù)據(jù)的布局
    dplyr：用于將多個數(shù)據(jù)表連接成一個整齊的數(shù)據(jù)集
    purrr：函數(shù)式編程工具，在做數(shù)據(jù)整理時非常有用。
    broom：用于將統(tǒng)計模型的結(jié)果整理成數(shù)據(jù)框形式
    zoo：定義了一個名zoo的S3類型對象，用于描述規(guī)則的和不規(guī)則的有序的時間序列數(shù)據(jù)。
數(shù)據(jù)可視化
以下R包用于數(shù)據(jù)可視化：
    ggplot2及其擴展：ggplot2包提供了一個強大的繪圖系統(tǒng)，并實現(xiàn)了以下擴展
        ggthemes：提供擴展的圖形風(fēng)格主題
        ggmap：提供Google Maps，Open Street Maps等流行的在線地圖服務(wù)模塊
        ggiraph：繪制交互式的ggplot圖形
        ggstance：實現(xiàn)常見圖形的橫向版本
        GGally：繪制散點圖矩陣
        ggalt：添加額外的坐標(biāo)軸，geoms等
        ggforce：添加額外geoms等
        ggrepel：用于避免圖形標(biāo)簽重疊
        ggraph：用于繪制網(wǎng)絡(luò)狀、樹狀等特定形狀的圖形
        ggpmisc：光生物學(xué)相關(guān)擴展
        geomnet：繪制網(wǎng)絡(luò)狀圖形
        ggExtra：繪制圖形的邊界直方圖
        gganimate：繪制動畫圖
        plotROC：繪制交互式ROC曲線圖
        ggspectra：繪制光譜圖
        ggnetwork：網(wǎng)絡(luò)狀圖形的geoms
        ggradar：繪制雷達(dá)圖
        ggTimeSeries：時間序列數(shù)據(jù)可視化
        ggtree：樹圖可視化
        ggseas：季節(jié)調(diào)整工具
    lattice：生成柵欄圖
    rgl：交互式3D繪圖
    ggvis：交互式圖表多功能系統(tǒng)
    htmlwidgets：一個專為R語言打造的可視化JS庫
        leaflet：繪制交互式地圖
        dygraphs：繪制交互式時間序列圖
        plotly：交互式繪圖包，中文介紹詳見這里
        rbokeh：用于創(chuàng)建交互式圖表和地圖，中文介紹
        Highcharter：繪制交互式Highcharts圖
        visNetwork：繪制交互式網(wǎng)狀圖
        networkD3：繪制交互式網(wǎng)狀圖
        d3heatmap：繪制交互式熱力圖，中文介紹
        DT：用于創(chuàng)建交互式表格
        threejs：繪制交互式3d圖形和地球儀 –rglwidget：繪制交互式3d圖形
        DiagrammeR：繪制交互式圖表
        MetricsGraphics：繪制交互式MetricsGraphics圖
    rCharts：提供了對多個javascript數(shù)據(jù)可視化庫（highcharts/nvd3/polychart）的R封裝。
    coefplot：可視化統(tǒng)計模型結(jié)果
    quantmod：可視化金融圖表
    colorspace：基于HSL的調(diào)色板
    viridis：Matplotlib viridis調(diào)色板
    munsell：Munsell調(diào)色板
    RColorBrewer：圖形調(diào)色板
    igraph：用于網(wǎng)絡(luò)分析和可視化
    latticeExtra：lattice繪圖系統(tǒng)擴展包
    sp：空間數(shù)據(jù)工具
數(shù)據(jù)轉(zhuǎn)換
以下R包用于將數(shù)據(jù)轉(zhuǎn)換為新的數(shù)據(jù)類型
    dplyr：一個用于高效數(shù)據(jù)清理的R包。視頻學(xué)習(xí)課程
    magrittr：一個高效的管道操作工具包。
    tibble：高效的顯示表格數(shù)據(jù)的結(jié)構(gòu)
    stringr：一個字符串處理工具集
    lubridate：用于處理日期時間數(shù)據(jù)
    xts：xts是對時間序列數(shù)據(jù)(zoo)的一種擴展實現(xiàn)，提供了時間序列的操作接口。
    data.table：用于快速處理大數(shù)據(jù)集
    vtreat：一個對預(yù)測模型進(jìn)行變量預(yù)處理的工具
    stringi：一個快速字符串處理工具
    Matrix：著名的稀疏矩陣包
統(tǒng)計建模與推斷
下述R包是統(tǒng)計建模最常用的幾個R包，其中的一些R包適用于多個主題。
    car：提供了大量的增強版的擬合和評價回歸模型的函數(shù)。
    Hmisc：提供各種用于數(shù)據(jù)分析的函數(shù)
    multcomp：參數(shù)模型中的常見線性假設(shè)的同時檢驗和置信區(qū)間計算，包括線性、廣義線性、線性混合效應(yīng)和生存模型。
    pbkrtest用于線性混合效應(yīng)模型的參數(shù)Bootstrap檢驗
    MatrixModels：用于稠密矩陣和稀疏矩陣建模
    mvtnorm：用于計算多元正態(tài)分布和t分布的概率，分位數(shù)，隨機偏差等
    SparseM：用于稀疏矩陣的基本線性代數(shù)運算
    lme4：利用C++矩陣庫 Eigen進(jìn)行線性混合效應(yīng)模型的計算。
    broom：將統(tǒng)計模型結(jié)果整理成數(shù)據(jù)框形式
    caret：一個用于解決分類和回歸問題的數(shù)據(jù)訓(xùn)練綜合工具包
    glmnet：通過極大懲罰似然來擬合廣義線性模型
    gbm：用于實現(xiàn)隨機梯度提升算法
    xgboost：全稱是eXtreme Gradient Boosting。是Gradient Boosting Machine的一個c++實現(xiàn)。目前已制作了xgboost工具的R語言接口。詳見統(tǒng)計之都的一篇介紹
    randomForest：提供了用隨機森林做回歸和分類的函數(shù)
    ranger：用于隨機森林算法的快速實現(xiàn)
    h2o：H2O是0xdata的旗艦產(chǎn)品，是一款核心數(shù)據(jù)分析平臺。它的一部分是由R語言編寫的，另一部分是由Java和Python語言編寫的。用戶可以部署H2O的R程序安裝包，之后就可以在R語言環(huán)境下運行了。
    ROCR：通過繪圖來可視化分類器的綜合性能。
    pROC：用于可視化，平滑和對比ROC曲線
溝通交流
以下R包用于實現(xiàn)數(shù)據(jù)科學(xué)結(jié)果的自動化報告，以便于你跟人們進(jìn)行溝通交流。
    rmarkdown ：用于創(chuàng)建可重復(fù)性報告和動態(tài)文檔
    knitr：用于在PDF和HTML文檔中嵌入R代碼塊
    flexdashboard：基于rmarkdown，可以輕松的創(chuàng)建儀表盤
    bookdown：以R Markdown為基礎(chǔ)，用于創(chuàng)作書籍和長篇文檔
    rticles：提供了一套R Markdown模板
    tufte：用于實現(xiàn)Tufte講義風(fēng)格的R Markdown模板
    DT：用于創(chuàng)建交互式的數(shù)據(jù)表
    pixiedust：用于自定義數(shù)據(jù)表的輸出
    xtable：用于自定義數(shù)據(jù)表的輸出
    highr：用于實現(xiàn)R代碼的LaTeX或HTML格式輸出
    formatR：通過tidy_source函數(shù)格式化R代碼的輸出
    yaml：用于實現(xiàn)R數(shù)據(jù)與YAML格式數(shù)據(jù)之間的通信。
自動化分析
以下R包用于創(chuàng)建自動化分析結(jié)果的數(shù)據(jù)科學(xué)產(chǎn)品：
    shiny：一個使用R語言開發(fā)交互式web應(yīng)用程序的工具。中文教程
        shinydashboard：用于創(chuàng)建交互式儀表盤
        shinythemes：給出了Shiny應(yīng)用程序的常用風(fēng)格主題
        shinyAce：為Shiny應(yīng)用程序開發(fā)者提供Ace代碼編輯器。
        shinyjs：用于在Shiny應(yīng)用程序中執(zhí)行常見的JavaScript操作
        miniUI：提供了一個UI小部件，用于在R命令行中集成交互式應(yīng)用程序
        shinyapps.io：為創(chuàng)建的Shiny應(yīng)用程序提供托管服務(wù)
        Shiny Server Open Source：為Shiny應(yīng)用程序提供開源免費的服務(wù)器
        Shiny Server Pro：為企業(yè)級用戶提供一個Shiny應(yīng)用程序服務(wù)器
    rsconnect：用于將Shiny應(yīng)用程序部署到shinyapps.io
    plumber：用于將R代碼轉(zhuǎn)化為一個web API
    rmarkdown：用于創(chuàng)建可重復(fù)性報告和動態(tài)文檔
    rstudioapi：用于安全地訪問RStudio IDE的API
程序開發(fā)
以下這些包主要用于開發(fā)自定義的R包：
    RStudio Desktop IDE：R的IDE。大家都懂，不用解釋。
    RStudio Server Open Source：開源免費的RStudio服務(wù)器
    RStudio Server Professional：商業(yè)版RStudio服務(wù)器
    devtools：一個讓開發(fā)R包變得簡單的工具集
    packrat：創(chuàng)建項目的特定庫，用于處理包的版本問題，增強代碼重現(xiàn)能力。
    drat：一個用于創(chuàng)建和使用備選R包庫的工具
    testthat：單元測試，讓R包穩(wěn)定、健壯，減少升級的痛苦。
    roxygen2：通過注釋的方式，生成文檔，遠(yuǎn)離Latex的煩惱。
    purrr：一個用于 提供函數(shù)式編程方法的工具
    profvis：用于可視化R代碼的性能分析數(shù)據(jù)
    Rcpp：用于實現(xiàn)R與C++的無縫整合。詳見統(tǒng)計之都文章
    R6：R6是R語言的一個面向?qū)ο蟮腞包，可以更加高效的構(gòu)建面向?qū)ο笙到y(tǒng)。
    htmltools：用于生成HTML格式輸出
    nloptr：提供了一個NLopt非線性優(yōu)化庫的接口
    minqa：一個二次近似的優(yōu)化算法包
    rngtools：一個用于處理隨機數(shù)生成器的實用工具
    NMF：提供了一個執(zhí)行非負(fù)矩陣分解的算法和框架
    crayon：用于在輸出終端添加顏色
    RJSONIO：rjson是一個R語言與json進(jìn)行轉(zhuǎn)的包，是一個非常簡單的包，支持用 C類庫轉(zhuǎn)型和R語言本身轉(zhuǎn)型兩種方式。
    jsonlite：用于實現(xiàn)R語言與json數(shù)據(jù)格式之間的轉(zhuǎn)化
    RcppArmadillo：提供了一個Armadillo C++ Library（一種C++的線性代數(shù)庫）的接口
實驗數(shù)據(jù)
以下R包給出了案例實戰(zhàn)過程中可用的訓(xùn)練數(shù)據(jù)集：
    babynames：包含由美國社會保障局提供的三個數(shù)據(jù)集
    neiss：2009-2014年期間提供給美國急診室的所有事故報告樣本數(shù)據(jù)
    yrbss：美國疾病控制中心2009-2013年期間青年危險行為監(jiān)測系統(tǒng)數(shù)據(jù)
    hflights：
    USAboundaries：2011年全年休斯頓機場的所有航班數(shù)據(jù)
    rworldmap：國家邊界數(shù)據(jù)
    usdanutrients：美國農(nóng)業(yè)部營養(yǎng)數(shù)據(jù)庫
    fueleconomy：美國環(huán)保署1984-2015年期間的燃油經(jīng)濟數(shù)據(jù)
    nasaweather：包含了一個覆蓋中美洲的非常粗糙的24*24格地理位置和大氣測量數(shù)據(jù)。
    mexico-mortality：墨西哥死亡人數(shù)數(shù)據(jù)
    data-movies和ggplotmovies：來自互聯(lián)網(wǎng)電影數(shù)據(jù)庫imdb.com的數(shù)據(jù)
    pop-flows：2008年全美人口流動數(shù)據(jù)
    data-housing-crisis：經(jīng)過清洗后的2008美國房地產(chǎn)危機數(shù)據(jù)
    gun-sales：紐約時報提供的有關(guān)槍支購買的每月背景調(diào)查統(tǒng)計分析數(shù)據(jù)
    stationaRy：從成千上萬個全球站點收集到的每小時氣象數(shù)據(jù)
    gapminder：摘自Gapminder的數(shù)據(jù)
    janeaustenr：簡·奧斯丁小說全集數(shù)據(jù)