Class 01 - R语言介绍及部分功能演示

教程介绍

在本章中，将学习到编程的新概念，以及如何使用R语言来做数据的分析。

我们先谈谈计算机编程吧，计算机编程是指向计算机发出指令以执行一个或一组操作。可以使用不同的编程语言来编写这些指令。也可以根据想要从事的项目或想要解决的问题选择特定的语言。在数据分析中python和R语言是最常用的语言。

R编程语言在组织、清理和分析数据方面非常有用。如果这是你第一次接触计算机编程，R是一个很好的起点。

当我第一次开始学习数据分析时，我也没有编程的背景。不过我是先接触的Python语言，之后再学习的R语言。其实也有很多朋友从其他领域进入到这个领域，也都是后来才学习的编程语言如R或者Python。

第一次学习R语言可能会有一定的挑战性，但是当你真正开始学习之后，会觉得其实也并没有那么难，在分析数据方面R语言用起来其实会更简单。

本章是对R语言的一些介绍，帮助你了解R语言的用途。之后会逐渐学习到更多的R语言技能。一步一步来，按自己的节奏走。只要多加练习都没有问题的。

学习R语言能够让你在数据分析中更进一步。当你学会了R语言之后，在去学习其他的编程语言时，会发现其实有很多理念都时相通的，会帮助你更快的掌握其他的编程语言。（建议可以在学习python，因为在更高级的机器学习，深度学习中，用python会更方便一些）

在学习了R语言之后，你会发现在日程的工作学习中有很多地方可以用到编程的技能。它开启了一个充满可能性的新世界。

R语言学习进程：

先从介绍编程语言开始；然后，将研究R本身，并探索其主要特性和功能，还将介绍一些基本的编程概念，并学习如何在R中有效地使用它们；接下来，将学习如何在R中使用数据。你将发现R如何增强你的数据分析技能，并以更强大的方式清理，转换，可视化和报告数据。

功能演示

当我刚开始学习R语言时，它的视觉效果是真的很漂亮，功能也很强大。你可以写一点代码，然后，就会得到一个很棒的数据可视化效果。下面的内容将是你将要学习的内容的预览。在这套R语言教程学习完后，你不仅可以理解所有这些代码，还可以编写和执行这些代码。

数据导入

让我们首先加载一个库并获取要使用的数据集。这次使用的是帕尔默企鹅数据集，其中包含生活在南极洲帕尔默群岛的三种企鹅的尺寸测量。这包括身体质量（body mass）、鳍长（flipper length）和喙长（bill length）等数据。该数据集有344行信息，分为8列。我们会在以后的课程中看到更多这样的数据集。

# 安装下载数据包
install.packages('palmerpenguins')

# 导入 数据包
library('palmerpenguins')

假如我们想可视化身体质量和鳍长之间的关系。一般我们可能会猜到企鹅越大，脚蹼就越长。下面我们就通过制作一个散点图来显示两个变量之间的关系。

这两个变量是用来比较我们的体重和鳍长。现在不需要记这些代码等。后面还会一个一个的详细讲到这些代码，现在只是演示一下强大的可视化功能。

首先要加载画图的工具包ggplot2，然后绘制一个散点图。

# 安装ggplot2
install.packages('ggplot2')
# 加载ggplot2
library('ggplot2')
#绘制散点图
ggplot(data = penguins,aes(x=flipper_length_mm,y=body_mass_g)) + geom_point()

这是一个完整的绘图函数，可以看到这个函数从+号分开有前后两个部分 ggplot() 和 geom_point() 构成，下面我们之运行一个ggplot()来看一下会得到什么样的图形。

ggplot() 

运行代码，我们得到的只是一个空白的图。

如果我们添加更多的代码，R将在我们的plot的每次访问上添加标签，并为数据添加线条。

ggplot(data = penguins,aes(x=flipper_length_mm,y=body_mass_g))

身体质量在y轴上，鳍长在x轴上，但数据点还不可见。

为了得到完整的图，我们可以添加一些代码来告诉R如何表示我们的数据，如前面完整的图表代码一样，在后面添加 + geom_point() 来告诉R我们要绘制的是一个散点图。
但是画出来的图都是黑的看起来太单调了，这时我们可以通过color来设置数据点的颜色。
如所有点的颜色都换成红色。

ggplot(data = penguins,aes(x=flipper_length_mm,y=body_mass_g)) + geom_point(color='tomato')

可以在geom_point()的括号中加入color=“tomato”，现在输出的图像就是红色的点。

我们还可以添加新的信息，通过不同的颜色来区分企鹅的类别，我们可以把color设置为species，告诉R按企鹅种类分配不同的颜色。这样我们就可以看到企鹅的分类数据了。

ggplot(data = penguins,aes(x=flipper_length_mm,y=body_mass_g)) + geom_point(aes(color=species))

图右边的图例告诉我们，蓝色（Gentoo）是最大的。这样能更直观的看出来数据所包含的信息。而且图形的配色也是让人看起来很舒服美观的。

---

我们还可以用形状来突出不同的企鹅种类。

ggplot(data = penguins,aes(x=flipper_length_mm,y=body_mass_g)) + geom_point(aes(shape=species))

---

我们还可以同时使用颜色和形状来对企鹅进行分类展示。

ggplot(data = penguins,aes(x=flipper_length_mm,y=body_mass_g)) + geom_point(aes(shape=species,color=species))

---

除了突出显示我们的数据，我们还可以对其进行重组。

除了可以对数据进用颜色或者形状来区分分类，还可以把数据切分为多个子图，每一个子图展示一个分类数据。比如我们还是按照分类来区分数。

ggplot(data = penguins,aes(x=flipper_length_mm,y=body_mass_g)) + geom_point(aes(shape=species,color=species)) + facet_wrap(~species)

通过添加facet_wrap（）函数让我们为以不同的企鹅类别创建一个单独的图。

前面虽然用颜色把类别区分了出来，但是数据还是混在一起展示的，红色和绿色的数据相互交叉很难看出来其中一个数据的单独样子。现在我们把数据都单独的绘制一个子图来展示，这样能更清晰的查看数据。

---

我们还可以在图表中添加文本，设施标题。

ggplot(data = penguins,aes(x=flipper_length_mm,y=body_mass_g)) + geom_point(aes(shape=species,color=species)) + facet_wrap(~species) + labs(title="不同种企鹅数据")

最后在图形绘制完成后，我们还可以保存绘制好的图形，方便我们做分析报告，或者ppt的时候来用。
在右下绘图区域，点击Export，就可以直接把图保存成图片或者是PDF格式。

在选择保存图片时，还有多种图片格式供你来选择，基本能够满足日常使用的全部图片格式。如：PNG，JPEG，TIFF 等

好了，展示到底结束。

希望你能够更加想要学习R。随着学习的深入，还有更多好看的图表等你来绘制。

R语言&Python对比

人们经常想知道他们应该先学习哪种编程语言。你可能也在想这个问题。R语言是基础数据分析的一个很好的起点，它有初学者可以应用于项目中非常有用的包。在学习R语言后建议也学习Python。如果你对其他编程语言感到好奇，请尽一切努力继续学习。

初学者开始学习的任何语言都会有一些优势和挑战。通常在数据分析使用的编程语言中都会那R语言和Python来比较。下表是这两个编程语言的一部分比较信息。

其实在网络上一搜索都会有很多这方面的信息，尤其在刚开始学习编程的时候，会纠结到底先学习Python还是R语言，相知道哪一个更容易学，上手更快。其实python和R语言，都不难学，在数据分析的工作中这两种语言都有各自的优势，我们只需要选择一喜欢的，学下去就可以了，当你学会了其中一个再去学习另一个的时候，会发现他们有很多地方是相通的，学习第二个的时候会特别的快。

基本功能的比较：

编程语言	R	Python
共同特性	- 开源 - 以数据帧形式存储的数据 - 公式和函数随时可用 - 代码开发和支持社区	- 开源 - 以数据帧形式存储的数据 - 公式和函数随时可用 - 代码开发和支持社区
优势	- 数据操作、数据可视化和统计软件包 - 统计分析方面	- 简单的语法，机器学习的需要 - 与云平台集成，应用范围更广

在数据科学中的不同优势

关于这个话题有很多热烈的讨论，但也有一些很棒的、有思想的文章。一些人认为Python更适合作为通用编程语言，而另一些人则认为数据科学最好由专门的语言和工具链来服务。对这两种语言的起源和发展轨迹进行比较和对比，往往是为了支持不同的结论。

对于个人数据科学家来说，需要考虑以下几点:

• Python是一种很棒的通用编程语言，有许多专门用于数据科学的库。
• 许多(如果不是大多数的话)通用编程入门课程现在开始使用Python进行教学。
• Python是许多ETL和机器学习工作流的首选语言。
• 现在很多(如果不是大多数的话)统计学和数据科学的入门课程都教授R语言。
• R已经成为世界上最大的统计知识库，有数千甚至数万种算法的参考实现，这些算法已经经过专家的审查。许多R包的文档都包含指向该主题主要文献的链接。
• R的入门门槛非常低，可以进行探索性分析，并将其转换为出色的报告、仪表板或API。
• R和RStudio通常被认为是进行探索性数据分析的最佳场所。