大数据

Hi, 请登录

超级干货 :手把手教你学习R语言(附资源链接)

网站SEO诊断与整站SEO优化模板,拿去就可以用>>    SEO干货网站内部链接优化与整站优化>>   

作者:NSS;翻译:杨金鸿;校对:韩海畴,林亦霖;

本文约3000字,建议阅读7分钟。

本文为带大家了解R语言以及分段式的步骤教程!

人们学习R语言时普遍存在缺乏系统学习方法的问题。学习者不知道从哪开始,如何进行,选择什么学习资源。虽然网络上有许多不错的免费学习资源,然而它们多过了头,反而会让人挑花了眼。

为了构建R语言学习方法,我们在Vidhya和DataCamp中选一组综合资源,帮您从头学习R语言。这套学习方法对于数据科学或R语言的初学者会很有用;如果读者是R语言的老用户,则会由本文了解这门语言的部分最新成果。

R语言学习方法会帮助您快速、高效学习R语言。

前言

在开始学习之前,第一个要回答的问题是:为什么要用R语言?或者R语言为何如此有用?

R语言是一门快速发展的开源软件,是SAS、STATA和SPSS这类商业软件的竞争对手。就业市场对R语言的需求正在迅速上升,微软等公司也同时承诺将致力让R语言成为数据科学通用语言。

看看由Revolution Analytics制作的90秒视频(),您就知道R语言的用处。顺便说下,微软刚刚收购了Revolution Analytics。

步骤一:配置计算机环境

建立R语言学习环境最简单方法是通过综合R语言归档网络(CRAN)下载()到您的本地计算机上。可以选择Linux、Mac和Windows对应二进制文件下载。

您可能会考虑使用R语言自带的控制台,但我们建议您安装R语言集成开发环境(IDE)。RStudio()是最有名的IDE,它能让R语言编码更容易、更快,还能让您输入多行代码、处理图形、安装和维护程序,有效引导您的编程环境。RStudio此外可以选用基于eclipse的Architect()。如果需要安装图形用户界面(GUI),请选择R-commander()或Deducer()。

课后作业

步骤二:R语言基础学习

您应该首先了解语言、库和数据结构基础知识。

如果您更倾向于在线交流方式学习R语法,DataCamp()提供的免费在线R教程是很好的资源。还可以选择后续课程:中级R编程()。另一种学习方法是在线版本swirl(),它能让您在类似RStudio环境中学习R语言。

在互动学习环境中,您可以选择参加Coursera()或Edx()上mooc课程。

除了上述在线资源,您还可以考虑以下优秀资源:

专门学习:阅读、数据帧、表、概述、描述、加载和安装包、使用绘图命令可视化数据。

课后作业

步骤三:了解R社

强大社区的存在是R语言发展迅速、大获成功的主要原因。社区中核心的是R语言的“包”生态系统。R语言程序包可以在CRAN、bioconductor、github和bitbucket中下载。在Rdocumentation()中,您可以轻松搜索来自CRAN、github和bioconductor中能满足您当前工作需要的程序包。与在R语言程序包生态系统同样重要的是,您可以在R endeavours上轻松获得帮助与反馈。首先,R内置帮助系统,您可以通过命令来访问。同时ggplot2数据分析与图形艺术pdf,在Analytics Vidhya Discussions,Stack OverflowR语言是增长最快语言。R-bloggers()汇集许多R语言爱好者写的博文。

课后作业:

步骤四:数据导入和操作

导入和操作数据是数据科学工作流程中重要步骤。R语言允许使用特定包导入不同数据格式,从而使您工作更轻松,如下:

一旦数据在工作环境中可用,您就可以使用下面程序包操作:

课后作业

步骤五:有效数据可视化

自己创建数据可视化作品是一件很自豪的事情。然而,数据可视化既是一项技能,也是一门艺术。许多学者阅读Edward Tufte 的“可视化定量数据”原理,或者StephenFew的 “pitfalls on dashboard design”。也可以阅读NathanYau在FlowingData 写的博文,来获得创建R语言可视化灵感。

1.平面图无处不在

R语言提供了多种创建图形方法,使用原理图创建图形是标准的方法。然而,有一些好的工具(或包)使用更简单的方式来创建,查看图形。

2. 地图无处不在

您对分析空间可视化数据感兴趣吗?学习本教程:介绍R语言空间数据,您会轻松地使用这些包。

640?wx_fmt=png

3. HTML插件

HTML插件是R语言可视化产品中非常有前景的插件,您可以用简单的方式创建交互式web可视化(参见RStudio教程),掌握这种可视化方法将会成为R语言学习中必备技能。其带来的视觉效果会给您朋友和同事留下深刻印象。

课后作业

步骤六:数据挖掘、机器学习

对于新的统计数据学习方法,我们推荐下列资源:

如果您想提高机器学习能力,可以考虑从以下教程开始学习:

确保在相关的CRAN任务视图中查看到R语言可用的机器学习资源。

课后作业

步骤七:报告结果

与数据科学爱好者交流成果,分享见解是一件很重要的事情。幸运的是,R语言针对这个问题有一些非常实用工具。

第一个工具是R Markdown,采用knitr和pandoc复制方式生成您的数据分析结果报告。使用R markdown工具,R语言最终生成文档,替换R语言代码。文档可以是html、word、pfd、ioslides等格式。您可以通过本教程学到更多知识并使用cheatsheet作为参考资料。

第二个工具是ReporteRs,它是个创建Microsoft(Worddocx和Powerpoint pptx)和html R语言文档程序包,并可以在Windows、Linux、Unix和Mac OS系统上运行。像R Markdown工具一样自动生成R语言报告,点击这里我们来看看如何操作。

第三个是Shiny,目前R语言中最令人兴奋的工具。使R语言构建交互式web应用程序变得非常容易。您可以把分析报告转换为交互式web应用程序,您不需要了解HTML、CSS或Javascript相关知识。如果您想要学习Shiny ,请点击RStudio learning portal。

课后作业

练习

只有通过大量练习才能成为优秀R语言程序员。因此,要定期解决数据科学中的问题。我们的建议是赶紧开始与Kaggle上的数据科学家交流。

在解决问题中测试自己的R语言水平--练习中的问题。

步骤八:时间序列分析

R语言有一个用于专属任务视图时间序列。如果你想在R语言中做一些时间序列分析,这将是您开始的地方。您很快会发现工具的强大。

想要从在线资源中掌握时间序列分析是件不容易的事情。好的切入点是一本关于时间序列的书或者选择《原理与实践》这本书。在程序包方面,您需要熟悉Zoo与xts程序包。Zoo为您提供了常用的保存时间序列对象格式,而xts供了操作时间序列的数据集工具。

辅助资源:时间序列综合教程。

课后作业

文本挖掘一个重要工具

学习文本挖掘,您可以从edge课程中学习。虽然课程已经结束,但是您仍然可以访问这些课程。

练习

步骤九:成为R语言大师

现在您已经掌握了大部分R语言数据分析,是时候给出一些高级课程资源了。您很可能已经知道其中的一些内容,但不妨看看这些教程。

原文链接:

作者:杨金鸿,北京护航科技有限公司员工,在业余时间喜欢翻译一些技术文档。喜欢阅读有关数据挖掘、数据库之类的书,学习java语言编程等,希望能在数据派平台上熟识更多爱好相同的伙伴,今后能在数据科学的道路上走的更远ggplot2数据分析与图形艺术pdf,飞的更远。

本文转自:数据派THU ;获授权;

END

来源【大数据】,更多内容/合作请关注「运营见识」公众号,赠文案训练手册电子书。

版权声明:本文内容来源互联网整理,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 jkhui22@126.com举报,一经查实,本站将立刻删除。

相关推荐

评论

  • 昵称 (必填)
  • 邮箱
  • 网址
二维码
评论