[原]基于RStudio Webinars的R语言教程汇总

python007 9年前

来自： https://segmentfault.com/a/1190000004506149

概述

本文根据 Rstudio Webinars 的教程资源对Rstudio流的R语言教程做一个汇总，可以看到Rstudio对统计报告的Web化和工程化做了大量贡献。感谢Rstudio的众多工程师在开源的道路上的贡献！

谢溢辉：LaTex/Word的统计报告大逃亡之Rmarkdown生态

在可交互、可复用的统计报告中，谢溢辉将介绍一众R包，包括 knitr、rmarkdown、htmlwidgets、DT、leaflet以及shiny。

快速标准的论文书写

# $something$ 或者 $$something$$ 可以解决数学公式的问题  # 利用 bib 文件和[@something] 可以解决引用的问题  # 同样的，你也可以根据一些机构要求引入标准的模板。

屏蔽源码

# ```{r echo=F}屏蔽源代码  # ```{r, fig.width=5, fig.height=4} 设置配图大小  # 脚注

代码段内存共享

  • 利用 cache 选项复用代码和数据 

Sys.sleep(5)  rnorm(1)

输出其他语言代码

  • 利用 engine 选项选择代码引擎，驱动python、R、scala、Rcpp、bash、perl、node等 

x = 'hello, python  world!'  print(x)  print(x.split(' '))

交互式文档

  • 利用 yaml 配置中的 runtime 选项 

---  author: Harry Zhu  output: html_document  runtime: shiny  ---

同理，你也可以选择输出slide、pdf或者word，你甚至可以给html定制一个css皮肤。

Hadley Wickham：R与大数据共舞

R是一门为小数据探索和开发设计的语言,但在生产中R和大数据在一起还能发挥作用吗? 我们定义数据量大于单机内存的数据为大数据。让我们对比一下大数据与小数据的生命周期。

一个小数据分析项目的生命周期：

  • 阐明：熟悉数据、模板解决方案

  • 开发：创建有效模型

  • 产品化：自动化与集成

  • 发布：社会化

一个大数据分析项目的生命周期：

  • 切片：抽取部分数据

  • 阐明：熟悉数据、模板解决方案

  • 开发：创建有效模型

  • 扩展：使用到整个数据集

  • 产品化：自动化与集成

  • 发布：社会化

dplyr与数据读取

Package DBMS
src_sqlite() SQLite
src_mysql MySQL
src_postgres PostgreSQL
library(bigquery) src_bigquery() Google BigQuery

显示SQL

show_query(clean)

中间缓存

collapse() 返回正在处理的结果 

# 抽取 1% 的训练数据  random <- clean %>%   mutate(x = random()) %>%   collapse() %>%   filter(x <= 0.01) %>%   select(-x) %>%   collect()

数据存储

copy_to() 根据本地的data frame 在数据库创建一个表 

# air为connection名称，query5为data frame，"gains"为表名  copy_to(air, query5, name = "gains")  # 关闭连接  rm(air)  # 垃圾收集器  gc()

Hadley Wickham:ETL

本节将讨论一个有效的数据分析/数据科学问题框架，包括：

  • 数据读取 readr / httr / DBI

  • 数据清洗 tidyr / jsonlite

  • 数据处理 dplyr / rlist

  • 数据可视化 ggplot2 / ggvis

  • 数据建模 broom

broom：快速分析

install.packages("broom")  # 查看相关例子  browseVignettes(package="broom")

Hadley Wickham是RStudio的首席科学家，并兼任统计莱斯大学的兼职教授。他将一一介绍他认为你应该知道的各种R包,并概述大数据和R,但主要是解释为什么他相信你不应该担心大数据的问题。

garrettgman:packrat与虚拟化技术

你是否有过这样与人合作开发的经历：在自己机器上运行完美的R代码，复制到另外一台同事的机器上运行就有很多R包需要重新安装，有的R包甚至依赖于不同的版本？现在，在不使用Docker或Vagrant等全局虚拟化技术的条件下，只需要运用packrat包，就可以保证你的R项目的依赖问题被很好的解决，一次运行，到处运行。

if(!require(packrat)){install.packages("packrat")}  getOption("repos") # 显示代码镜像源  packrat:: bundle() # 打包当前环境并虚拟化  packrat:: unbundle(bundle="xxx.tar.gz",where=".") # 加载已经打包过的环境  packrat::opts$local.repos("~/R") # 设置本地repos为路径  packrat::install_local("pryr") # 从本地安装

Hadley Wickham:Git与团队协作

团队协作:利用Git 和 GitHub，你可以很轻松的与人协作，你不再需要用邮件附件来备份文档，或者在Dropbox上为争夺编辑权限而争吵。相反，你可以独立工作，最后只需要合并你们的成果就可以。

版本控制: Git 在我们制造重大错误时都允许我们回滚到之前的任意时间点。我们也可以回顾我们之前所做的一起历史记录，跟踪bug的形成过程。

</div>

相关经验