Chapter 2 Introduction

2.1 数据科学

data-science.png

上图展示了一套完整的数据处理流程。首先我们需要导入数据，然后对其进行整理。理解数据的核心就是转换、可视化数据和建立模型。最后是通信，理解数据的最终走向一般是将数据的信息讲述或分享给他人（或你的上司😠）。

要下载 R，需要前往 CRAN，即 cromprehensive R archive network。CRAN 由分布在世界各地的一组镜像服务器组成，用于分发 R 和 R 的拓展包。不要试图选择看起来地点离你很近的镜像，而是使用云镜像，它会自动为你找出答案。

RStudio 是一个用于 R 编程的集成开发环境或 IDE。从 http://www.rstudio.com/download 下载并安装它。

当然你也可以使用 VSCode、Pycharm 等任意你喜欢的编辑器。注意重点绝不是在编辑器，而是在于你的思维、知识和运用能力。如果你的知识储备还不够，请尽量避免尝试那些花里胡哨的编辑器。RStudio 专为 R 定制，在易用性上是毋庸置疑的。

我们可以使用一行代码安装完整的 tidyverse：

install.packages("tidyverse")

在我们自己的计算机上，在控制台中键入该行代码，然后按 Enter 运行它。R 将从 CRAN 下载软件包并将其安装到我们的计算机上。如果我们在安装时遇到问题，请确保我们已连接到互联网，并且 https://cloud.r-project.org/ 未被防火墙或代理阻止。

在本项目笔记中，我们将使用来自 tidyverse 之外的三个数据包：

install.packages(c("nycflights13", "gapminder", "Lahman"))

这些软件包提供了有关航空公司航班、世界发展和棒球的数据，我们将用这些数据来说明关键的数据科学理念。

我们就从 HelloWorld 开始吧：

print("hello world!")
#> [1] "hello world!"

R 里有一些约定俗成的代码形式。如：

# 函数后面带括号
sum(c(1, 2))
# 对象直接书写
iris
# 不加载包直接调用
dplyr::mutate(iris) # mutate() 函数
nycflights13::flights # flights 数据集

一些基础功能后面可能不会再反复提到，但它们通常很有用：

library(tidyverse) # 加载之前安装的包
tidyverse_update() # 更新 tidyverse 包内的附带包
dput(mtcars) # 查看数据集（如 mtcars）的更多信息
sessionInfo(c("tidyverse")) # 查看本地 R 及相关信息

对任何东西前面加一个问号，方便你查询这些函数、包的相关信息！不要吝啬对 R 的发问，因为只有这样做，你才会看透它的每一个参数和用法。

?sum # 查询 sum 函数