R语言编程（2023-2024学年春季学期）

方睿

目录

  • 1 Week 01: Introduction
    • 1.1 课程简介
    • 1.2 成绩构成
    • 1.3 Slide
    • 1.4 代码规范
    • 1.5 视频资源
      • 1.5.1 R语言概述
      • 1.5.2 R的下载和安装
      • 1.5.3 认识R语言的编译器RStudio
        • 1.5.3.1 RStudio的下载和安装
        • 1.5.3.2 RStudio的编辑窗口
        • 1.5.3.3 RStudio的常用快捷键
      • 1.5.4 获取R语言的帮助
      • 1.5.5 了解R语言的工作空间
      • 1.5.6 使用R包
        • 1.5.6.1 认识R包
        • 1.5.6.2 安装和加载R包
        • 1.5.6.3 掌握常用的R包
      • 1.5.7 了解R包的内置数据集
    • 1.6 拓展阅读
      • 1.6.1 统计大师 Donald B. Rubin 教授
      • 1.6.2 R原始文献
      • 1.6.3 RStudio for the Total Beginner
    • 1.7 讨论：其它R编辑器
  • 2 Week 02: R nuts and bolts I
    • 2.1 Slide
    • 2.2 视频资源
      • 2.2.1 查看与转换数据类型
        • 2.2.1.1 基本数据类型
        • 2.2.1.2 查看与转换对象类型
          • 2.2.1.2.1 查看对象类型
          • 2.2.1.2.2 转换对象的类型
      • 2.2.2 判断数据结构
        • 2.2.2.1 向量
          • 2.2.2.1.1 向量创建
          • 2.2.2.1.2 向量索引
          • 2.2.2.1.3 向量编辑
          • 2.2.2.1.4 向量排序
          • 2.2.2.1.5 向量的运算
        • 2.2.2.2 矩阵
          • 2.2.2.2.1 创建矩阵
          • 2.2.2.2.2 矩阵索引
          • 2.2.2.2.3 矩阵编辑
          • 2.2.2.2.4 矩阵运算
        • 2.2.2.3 数组
          • 2.2.2.3.1 创建数组
          • 2.2.2.3.2 数组索引
        • 2.2.2.4 数据结构的判别与转换
    • 2.3 拓展阅读
      • 2.3.1 开源协议
    • 2.4 讨论：R遵循什么开源协议？
  • 3 Week 03: R nuts and bolts II
    • 3.1 Slide
    • 3.2 视频资源
      • 3.2.1 数据框
        • 3.2.1.1 创建数据框
        • 3.2.1.2 数据框索引
        • 3.2.1.3 数据框编辑
      • 3.2.2 因子
      • 3.2.3 列表
        • 3.2.3.1 创建列表
        • 3.2.3.2 列表索引
        • 3.2.3.3 列表编辑
      • 3.2.4 自定义函数
        • 3.2.4.1 编写自定义函数
        • 3.2.4.2 定义函数
        • 3.2.4.3 函数参数
        • 3.2.4.4 调用函数
    • 3.3 拓展阅读
      • 3.3.1 工业软件现状及发展
    • 3.4 讨论：国外常用软件的国产替代
  • 4 Week 04: R nuts and bolts III
    • 4.1 Slide
    • 4.2 视频资源
      • 4.2.1 编写条件分支语句
        • 4.2.1.1 if-else结构
        • 4.2.1.2 ifelse结构
        • 4.2.1.3 使用switch分支语句
      • 4.2.2 编写循环语句
        • 4.2.2.1 for循环语句
        • 4.2.2.2 while循环语句
        • 4.2.2.3 repeat-break循环语句
      • 4.2.3 使用apply函数族批量处理数据
      • 4.2.4 数据处理的常用函数
        • 4.2.4.1 数学函数
        • 4.2.4.2 统计函数
        • 4.2.4.3 概率函数
    • 4.3 拓展阅读
      • 4.3.1 知识产权
    • 4.4 讨论：抽签的顺序重要吗？
  • 5 Week 05: R nuts and bolts IV
    • 5.1 Slide
    • 5.2 视频资源
      • 5.2.1 读写不同数据源的数据
        • 5.2.1.1 从键盘导入数据
        • 5.2.1.2 读写带分隔符的文件
        • 5.2.1.3 读写Excel文件
        • 5.2.1.4 导入其他统计软件文件
        • 5.2.1.5 导入网页数据
      • 5.2.2 数据属性编辑
        • 5.2.2.1 访问数据框变量
        • 5.2.2.2 创建新变量
        • 5.2.2.3 重命名变量
      • 5.2.3 清洗数据
        • 5.2.3.1 处理缺失值
        • 5.2.3.2 数据排序
        • 5.2.3.3 合并数据集
      • 5.2.4 选取变量及数据
        • 5.2.4.1 选取变量
        • 5.2.4.2 删除变量
        • 5.2.4.3 使用subset函数选取数据
      • 5.2.5 readr
    • 5.3 拓展阅读
      • 5.3.1 治学报国：民国时期的统计留学生
      • 5.3.2 整合数据
        • 5.3.2.1 使用SQL语句操作数据
        • 5.3.2.2 汇总统计数据
        • 5.3.2.3 重塑数据
          • 5.3.2.3.1 merge函数
          • 5.3.2.3.2 melt函数
      • 5.3.3 导入数据库数据
    • 5.4 讨论：有哪些数据存储格式？
  • 6 Week 06: R nuts and bolts V
    • 6.1 Slide
    • 6.2 视频资源
      • 6.2.1 处理日期变量
      • 6.2.2 lubridate
      • 6.2.3 处理字符数据
        • 6.2.3.1 正则表达式
        • 6.2.3.2 字符串处理函数
      • 6.2.4 Regular expression
    • 6.3 拓展阅读
      • 6.3.1 Olson timezone database
      • 6.3.2 Regular Expressions - ICU User Guide
      • 6.3.3 统计之都
  • 7 Week 07: Basic graph system I
    • 7.1 Slide
    • 7.2 视频资源
      • 7.2.1 绘制基础图形
      • 7.2.2 修改图形参数
        • 7.2.2.1 修改颜色
          • 7.2.2.1.1 固定颜色选择函数
          • 7.2.2.1.2 渐变色生成函数
          • 7.2.2.1.3 RColorBrewer包
        • 7.2.2.2 修改点符号与线条
          • 7.2.2.2.1 点样式
          • 7.2.2.2.2 线条样式
        • 7.2.2.3 修改文本属性
        • 7.2.2.4 设置坐标轴
        • 7.2.2.5 添加图例
      • 7.2.3 绘制组合图形
        • 7.2.3.1 par函数
        • 7.2.3.2 layout函数
      • 7.2.4 保存图形
      • 7.2.5 低级绘图命令
        • 7.2.5.1 低级绘图命令（1）
          • 7.2.5.1.1 添加点、线函数
          • 7.2.5.1.2 添加图题函数title()
        • 7.2.5.2 低级绘图命令（2）
          • 7.2.5.2.1 添加盒子函数box()
          • 7.2.5.2.2 添加文字或符号函数text()
          • 7.2.5.2.3 坐标轴函数axis()
      • 7.2.6 plot()
      • 7.2.7 符号、颜色和尺寸
      • 7.2.8 绘制点图-stripchart()
    • 7.3 拓展阅读
      • 7.3.1 par函数详解
      • 7.3.2 R包开发者-谢益辉
  • 8 Week 08: Basic graph system II
    • 8.1 Slide
    • 8.2 视频资源
      • 8.2.1 分析数据分布情况的图形绘制
        • 8.2.1.1 直方图
        • 8.2.1.2 条形图
        • 8.2.1.3 饼图
        • 8.2.1.4 箱线图
      • 8.2.2 绘制其他常用图形
        • 8.2.2.1 核密度图
        • 8.2.2.2 小提琴图
        • 8.2.2.3 QQ图
        • 8.2.2.4 星状图
        • 8.2.2.5 等高图
      • 8.2.3 绘制饼图-pie函数
      • 8.2.4 绘制条形图-barplot()
      • 8.2.5 绘制箱线图-boxplot()
      • 8.2.6 绘制直方图-hist()
    • 8.3 拓展阅读
      • 8.3.1 因果推断——现代统计的思想飞跃
  • 9 Week 09: Basic graph system III和ggplot2包
    • 9.1 Slide
    • 9.2 视频资源
      • 9.2.1 分析数据间关系的图形绘制
        • 9.2.1.1 散点图和散点图矩阵
        • 9.2.1.2 多变量相关矩阵图
      • 9.2.2 lattice包绘图特色
        • 9.2.2.1 使用lattice包
        • 9.2.2.2 图形参数
        • 9.2.2.3 条件变量
        • 9.2.2.4 面板函数
        • 9.2.2.5 分组变量
        • 9.2.2.6 图形组合
    • 9.3 ggplot2包
      • 9.3.1 Slide
      • 9.3.2 ggplot绘图
      • 9.3.3 视频资源
        • 9.3.3.1 Introduction to ggplot2
        • 9.3.3.2 Plotting with ggplot2: Part I
        • 9.3.3.3 Plotting with ggplot2: Part II
    • 9.4 拓展阅读
      • 9.4.1 用 R 包 gm 生成音乐
      • 9.4.2 The grid system
    • 9.5 讨论：还有什么具有特色功能的R包？
  • 10 Week 10: Overview of Probability and Statistics
    • 10.1 Slide
    • 10.2 视频资源
      • 10.2.1 假设检验
        • 10.2.1.1 假设检验-1
        • 10.2.1.2 假设检验-2
      • 10.2.2 随机抽样
        • 10.2.2.1 有放回的简单随机抽样-srswr函数
        • 10.2.2.2 不放回简单随机抽样-srswor函数
        • 10.2.2.3 sample函数
      • 10.2.3 方差分析
        • 10.2.3.1 单因素方差分析
        • 10.2.3.2 双因素方差分析
    • 10.3 tidymodels
    • 10.4 拓展阅读
      • 10.4.1 概率论的起源、发展、应用
    • 10.5 讨论：模型可解释性的重要性
  • 11 Week 11: Overview of Statistical Learning
    • 11.1 Slide
    • 11.2 视频资源
      • 11.2.1 简单线性回归
      • 11.2.2 多元线性回归
      • 11.2.3 聚类与判别分析
        • 11.2.3.1 聚类分析
        • 11.2.3.2 判别分析
      • 11.2.4 Machine Learning
    • 11.3 拓展阅读
      • 11.3.1 C.R.Rao: 统计学的一百年
  • 12 Week 12: Data Analysis Case Study
    • 12.1 Slide
    • 12.2 拓展阅读
      • 12.2.1 许宝騄的概率统计人生
  • 13 其它视频资源：Web Scraping with rvest
    • 13.1 Slide
    • 13.2 视频资源
      • 13.2.1 Web Scraping in R (Part 1)
      • 13.2.2 Web Scraping in R (Part 2)
      • 13.2.3 Web Scraping in R (Part 3)
      • 13.2.4 Web Scraping in R (Part 4)
    • 13.3 拓展阅读
      • 13.3.1 网络爬虫涉及的法律问题
      • 13.3.2 中国爬虫违法违规案例汇总
    • 13.4 讨论：爬虫的合法性边界？
  • 14 其它视频资源: Shiny
    • 14.1 Slide
    • 14.2 视频资源
      • 14.2.1 Shiny 2 minutes overview
      • 14.2.2 R Shiny app tutorial # 1
      • 14.2.3 R Shiny app tutorial # 2
      • 14.2.4 R Shiny app tutorial # 3
      • 14.2.5 R Shiny app tutorial # 4
      • 14.2.6 R Shiny app tutorial # 5
      • 14.2.7 R Shiny app tutorial # 6
      • 14.2.8 R Shiny app tutorial # 7
      • 14.2.9 R Shiny app tutorial # 8
      • 14.2.10 R Shiny app tutorial # 9
      • 14.2.11 R Shiny app tutorial # 10
      • 14.2.12 R Shiny app tutorial # 11
      • 14.2.13 R Shiny app tutorial # 12
      • 14.2.14 R Shiny app tutorial # 13
      • 14.2.15 R Shiny app tutorial # 14
      • 14.2.16 R Shiny app tutorial # 15
      • 14.2.17 R Shiny app tutorial # 16
      • 14.2.18 R Shiny app tutorial # 17
      • 14.2.19 R Shiny app tutorial # 18
      • 14.2.20 R Shiny app tutorial # 19
      • 14.2.21 R Shiny app tutorial # 20
    • 14.3 拓展阅读
      • 14.3.1 一个访问量高达1300万的shiny应用的诞生故事
  • 15 其它视频资源：Rattle
    • 15.1 Rattle简介
    • 15.2 Rattle导入数据
    • 15.3 Rattle探索数据
      • 15.3.1 数据总体概况
      • 15.3.2 Rattle数据分布探索
      • 15.3.3 Rattle-Correlation相关性探索
      • 15.3.4 Rattle主成分
      • 15.3.5 Rattle交互图
    • 15.4 构建模型
      • 15.4.1 Rattle聚类分析
      • 15.4.2 关联规则
      • 15.4.3 决策树
      • 15.4.4 随机森林
    • 15.5 评估模型
      • 15.5.1 混淆矩阵
      • 15.5.2 风险图
课程简介

欢迎来到《Data Analysis and Visualization with R (R语言编程)》课程，本课程采用线上线下混合式教学，将学习如何使用R语言进行初步的数据分析，将有1/3的课堂学时在线进行。线上部分依托湖南工商大学方晓萍的《R语言基础》及北京信息职业技术学院赵玉新的《R语言基础》，使用这两门课的部分课程视频资源作为中文在线教学资源。此外，本课程使用部分Youtube视频资源作为全英在线教学资源，全英部分视频配有英文字幕。章节1-12为每周的教学资源，章节13-16为补充视频资源。

本课程主要面向数学系学生，整个课程从R的基本语法开始，到R中如何从本地和网络上进行数据获取，如何表示数据，再到如何对数据进行预处理，探索，分析与统计及可视化，层层推进。在这门课中，我们将学习到R语言的基础语法、使用R语言处理数据、进行绘图、创建并使用R语言函数、使用R语言进行统计分析与简单的回归分析等。主要介绍的R包有：readr, plyr, ggplot2, lubridate, dplyr, httr, rvest, mlr等。通过这门课程的学习，要求同学们掌握R语言的基础语法、具备使用R语言编程解决一般计算问题的能力、理解数据分析的基本流程、了解使用R语言进行大数据分析的实战技巧。

  1. R语言，是统计学以及数据分析工具的第一选择；

  2. R语言，可以完成几乎任何类型的数据分析工作；

  3. R语言，拥有丰富的可视化模块与顶尖的制图功能；

  4. R语言，可以在多平台上、轻松的导入并处理多源数据模式；

  5. R语言，是大数据分析建模的必备工具。