Chapter 3 Introduction

尽快掌握数据探索的基本工具是探究语言的第一要义。数据探索的目标是生成许多有前途的潜在信息，便于以后更深入地探索它们。

data-science-explore

可视化是 R 编程的重要部分：制作优雅且信息丰富的绘图，以帮助理解数据。学习 ggplot2 绘图的基本结构，将数据转换为绘图。
在数据转换中，使用关键谓词允许我们选择重要变量、筛选出关键观察结果、创建新变量和计算摘要。
建模是探索过程的重要组成部分，但这并不是当下能够弄清的，它会在以后的学习中逐渐深入。

在工作流中：“基础知识”、“工作流：脚本” 和 “工作流：项目”，你将学习编写和组织 R 代码的良好实践。

以下为附加内容，因为已知资料上貌似没有提到。

3.1 基本数据形式和函数

3.1.1 向量、矩阵与列表

创建已知或未知的空向量用于存储一系列数据（如整数、小数、字符串）。

x <- vector() # 创建空向量
y <- c(1, 2) # 手动赋值
# 在 R 中，我们可以使用 “:” 来创建序列填充
z <- c(1:3) # 这里其实等价于 1, 2, 3

矩阵有点像我们学的表格，这种数据结构很类似于其它语言中的二维数组。注意使用 t() 可以行列互换。

Matrix_transpose

rownames <- c("row1", "row2", "row3", "row4")
colnames <- c("col1", "col2", "col3")
m <- matrix(
    data = c(3:14), #
    nrow = 4, # 设置行数。如果不知道数据有多少其实可以不设置
    ncol = 3, # 设置列宽
    byrow = TRUE, # 设置为 TRUE 即按行排列，反之则按列排
    dimnames = list(rownames, colnames) # 设置行和列的标题，默认为 NULL
)
m
#>      col1 col2 col3
#> row1    3    4    5
#> row2    6    7    8
#> row3    9   10   11
#> row4   12   13   14
t(m)
#>      row1 row2 row3 row4
#> col1    3    6    9   12
#> col2    4    7   10   13
#> col3    5    8   11   14

列表使用 list() 创建。一个列表里可以随意放置向量里能放置的所有元素，甚至是一个向量、一个矩阵。

list_data <- list(
    "google",
    matrix(c(1, 2, 3, 4, 5, 6), nrow = 2),
    123.1,
    c(1:5)
)

# 读取元素
list_data[[1]] # 注意中括号应该用两层来获取对应元素。但如果只用一层，R 会自动识别并修正
names(list_data) <- c("Sites", "Numbers", "Lists") # 使用 names() 来赋值名称
list_data$Sites # 有名称后可以用 $xx 来读取对应的列元素

# 添加 / 更新元素
list_data[5] <- "新元素"

# 删除元素
list_data[4] <- NULL

# 合并 / 转换列表
num_list <- list(1, 2)
merged_list <- c(num_list, list_data) # 合并
unlist(num_list) # 转换列表为向量

3.1.2 基本函数

数据集如下：

age <- c(10, 12, 14, 6, 8, 18)
weight <- c(100, 110, 120, 80, 90, 140)

数学中一些常用的计算函数

5 %% 3 # 求余数
#> [1] 2
5 %/% 3 # 求模
#> [1] 1

mean(age) # 求平均值
#> [1] 11.33333
sd(age) # 求标准差
#> [1] 4.320494
cor(age, weight) # 求相关度，数值在 -1 到 1，其中 1 是绝对正相关，0 是完全不相关，-1 是绝对负相关
#> [1] 1
lm(age ~ weight) # 求两者构成的回归直线斜率（注意波浪号连接）
#> 
#> Call:
#> lm(formula = age ~ weight)
#> 
#> Coefficients:
#> (Intercept)       weight  
#>       -10.0          0.2

3.2 学习 R 自带的画图功能

在 R 里画图非常简单。以上面的 age 和 weight 为例：

# 注意在 R 里面，相对路径的基层路径是由工作区设定的
getwd() # 获取当前工作区路径
setwd("D:/Project/R-Project/") # 设置工作区路径
png("./data/mygraph.png") # 设置好后就可以存储到理想位置
plot(age, weight) # 绘制散点图
abline(lm(age ~ weight)) # 绘制回归直线
title("年龄 - 体重图") # 添加 # 添加 # 添加标题
dev.off() # 结束画图并保存

实际运行生成的图：

mygraph

3.3 更高级的数据形式

dataframe 是一系列向量数据的集合：

data.frame(
    a = c(1:3),
    b = c(6:8)
)
#>   a b
#> 1 1 6
#> 2 2 7
#> 3 3 8

tibble 与 dataframe 非常相似，甚至是使用 dataframe 储存的。tibble 是 tidyverse 系列的专用数据集格式。它的优点是干净、方便数据处理。

library(tidyverse)

# 你可以跟 data.frame 一样直接加入数组：
tibble(
    sex = c("male", "female", "male"),
    response = c(1, 2, 1)
)
#> # A tibble: 3 × 2
#>   sex    response
#>   <chr>     <dbl>
#> 1 male          1
#> 2 female        2
#> 3 male          1

# 也可以像是正常书写表格那样！
tribble(
    ~sex, ~response,
    "male", 1,
    "female", 2,
    "male", 1
)
#> # A tibble: 3 × 2
#>   sex    response
#>   <chr>     <dbl>
#> 1 male          1
#> 2 female        2
#> 3 male          1