大数据分析系列在线课程的学习札记之一

序：最近正在学习约翰霍普金斯大学的大数据分析在线课程（参考此处），在学习第3季：获取和清洗数据（Getting and Cleaning Data）时发现，从第一周开始的作业中就有几个细节需要特别注意。于是决定从本周开始将一些容易出问题的地方记录下来。

1）download.file()的使用

在下载Excel文件（XLSX类型）时，请注意使用二进制下载方式，即mode参数应设为“wb”。命令参考如下。

download.file(fileURL, destfile = "./data/nat_gas.xlsx", mode = "wb")

否则，下载的文件无法进行正确的读写。

2）curl包的支持

在解答XML数据导入问题的时候，题目中给出的链接是HTTPS（即带安全保护的HTTP），建议在Windows下使用RStudio的同学安装curl支持包，否则会出现报错的情况，即提示所提出的链接似乎不是XML。包的安装很简单，使用如下命令。

install.packages(curl)

3）Excel文件导入包的使用

因为Excel文件的导入包（package）要使用Java运行时支持库（JRE），所以需要下载相应的JRE环境。请注意如果Windows 使用的64位版本，务必要下载对应的版本。

官方下载的地址为：http://www.java.com/en/download/manual.jsp，下载选项参考下图。

64位版本的Windows用户请务必下载高亮的选项，否则在载入xlsx库时会出错。

此外，建议使用xlsx库之前将R更新到3.1.3版，同时将RStudio更新到最新版，否则可能会有警告信息。更新完环境之后，使用如下命令可以安装xlsx包。

install.packages(xlsx)

在安装xlsx包时请选择畅通的网络,因为依赖的库相对较多。

4）data.table包的使用

要点1：data.table包的使用很重要，虽然是放在最后，但是务必要认真学习，因为以后也会经常用。

要点2：在做练习时，请注意载入data.table包后，使用fread读取文件生成data table，不仅速度快，而且不会报错。

要点3：在安装data.table包时请选择畅通的网络。

4）swirl课程包的安装

这一季的学习中也有swril的可选内容，不过swirl默认没有安装对应的课程包，使用如下命令，已安装课程包。

install_from_swirl("Getting_and_Cleaning_Data")

大体上就是这些吧！祝各位同学好运！