使用R語言的正確姿勢(shì)，R包干貨奉獻(xiàn)

本文來源：R友舍公眾號(hào)

先思考，后動(dòng)手，能讓你減少很多無謂的功夫，加快完成任務(wù)的效率。按照一定的邏輯思路來行事，更是如此，比如按照一定的通用流程在數(shù)據(jù)科學(xué)項(xiàng)目中使用R語言。

在實(shí)際工作中，每個(gè)數(shù)據(jù)科學(xué)項(xiàng)目各不相同，但基本都遵循一定的通用流程。具體如下：

• 數(shù)據(jù)導(dǎo)入
• 數(shù)據(jù)整理
• 數(shù)據(jù)可視化
• 數(shù)據(jù)轉(zhuǎn)換
• 數(shù)據(jù)建模
• 統(tǒng)計(jì)推斷
• 報(bào)告展示
• 自動(dòng)化分析

下面列出每個(gè)步驟最有用的一些R包。

1. 數(shù)據(jù)導(dǎo)入

以下R包主要用于數(shù)據(jù)導(dǎo)入和保存數(shù)據(jù)：

• feather：一種快速，輕量級(jí)的文件格式；在R和python上都可使用
• readr：實(shí)現(xiàn)表格數(shù)據(jù)的快速導(dǎo)入
• readxl：讀取Microsoft Excel電子表格數(shù)據(jù)
• openxlsx：讀取Microsoft Excel電子表格數(shù)據(jù)
• googlesheets：讀取google電子表格數(shù)據(jù)
• haven：讀取SAS，SPSS和Stata統(tǒng)計(jì)軟件格式的數(shù)據(jù)
• httr：從網(wǎng)站開放的API中讀取數(shù)據(jù)
• rvest：網(wǎng)頁數(shù)據(jù)抓取包
• xml2：讀取HTML和XML格式數(shù)據(jù)
• webreadr：讀取常見的Web日志格式數(shù)據(jù)
• DBI：數(shù)據(jù)庫管理系統(tǒng)通用接口包
• RMySQL：用于連接MySQL數(shù)據(jù)庫的R包
• RPostgres：用于連接PostgreSQL數(shù)據(jù)庫的R包
• bigrquery：用于連接Google BigQuery的R包
• PivotalR：用于讀取Pivitol(Greenplum)和HAWQ數(shù)據(jù)庫中的數(shù)據(jù)
• dplyr：提供了一個(gè)訪問常見數(shù)據(jù)庫的接口
• data.table：data.table包的fread()函數(shù)可以快速讀取大數(shù)據(jù)集
• git2r：用于訪問git倉庫

2. 數(shù)據(jù)整理

以下R包主要用于數(shù)據(jù)整理，以便于你后續(xù)建模分析：

• tidyr：用于整理表格數(shù)據(jù)的布局
• dplyr：用于將多個(gè)數(shù)據(jù)表連接成一個(gè)整齊的數(shù)據(jù)集
• purrr：函數(shù)式編程工具，在做數(shù)據(jù)整理時(shí)非常有用
• broom：用于將統(tǒng)計(jì)模型的結(jié)果整理成數(shù)據(jù)框形式
• zoo：定義了一個(gè)名zoo的S3類型對(duì)象，用于描述規(guī)則的和不規(guī)則的有序的時(shí)間序列數(shù)據(jù)

3. 數(shù)據(jù)可視化

以下R包用于數(shù)據(jù)可視化：

• ggplot2及其擴(kuò)展包：ggplot2包提供了一個(gè)強(qiáng)大的繪圖系統(tǒng)，并實(shí)現(xiàn)了以下擴(kuò)展 (ggplot2高效實(shí)用指南 (可視化腳本、工具、套路、配色))
• ggthemes：提供擴(kuò)展的圖形風(fēng)格主題
• ggmap：提供Google Maps、Open Street Maps等流行的在線地圖服務(wù)模塊
• ggiraph：繪制交互式的ggplot圖形
• ggstance：實(shí)現(xiàn)常見圖形的橫向版本
• GGally：繪制散點(diǎn)圖矩陣
• ggalt：添加額外的坐標(biāo)軸、geoms等
• ggforce：添加額外geoms等
• ggrepel：用于避免圖形標(biāo)簽重疊
• ggraph：用于繪制網(wǎng)絡(luò)狀、樹狀等特定形狀的圖形
• ggpmisc：光生物學(xué)相關(guān)擴(kuò)展
• geomnet：繪制網(wǎng)絡(luò)狀圖形
• ggExtra：繪制圖形的邊界直方圖
• gganimate：繪制動(dòng)畫圖
• plotROC：繪制交互式ROC曲線圖
• ggspectra：繪制光譜圖
• ggnetwork：網(wǎng)絡(luò)狀圖形的geoms
• ggradar：繪制雷達(dá)圖
• ggTimeSeries：時(shí)間序列數(shù)據(jù)可視化
• ggtree：樹圖可視化
• ggseas：季節(jié)調(diào)整工具
• lattice：生成柵欄圖
• rgl：交互式3D繪圖
• ggvis：交互式圖表多功能系統(tǒng)
• htmlwidgets：一個(gè)專為R語言打造的可視化JS庫
• leaflet：繪制交互式地圖
• dygraphs：繪制交互式時(shí)間序列圖
• plotly：交互式繪圖包
• rbokeh：用于創(chuàng)建交互式圖表和地圖
• Highcharter：繪制交互式Highcharts圖
• visNetwork：繪制交互式網(wǎng)狀圖
• networkD3：繪制交互式網(wǎng)狀圖 (network3D 交互式網(wǎng)絡(luò)生成)
• d3heatmap：繪制交互式熱力圖
• DT：用于創(chuàng)建交互式表格
• threejs：繪制交互式3d圖形和地球儀
• rglwidget：繪制交互式3d圖形
• DiagrammeR：繪制交互式圖表
• MetricsGraphics：繪制交互式MetricsGraphics圖
• rCharts：提供了對(duì)多個(gè)javascript數(shù)據(jù)可視化庫(highcharts/nvd3/polychart)的R封裝
• coefplot：可視化統(tǒng)計(jì)模型結(jié)果
• quantmod：可視化金融圖表
• colorspace：基于HSL的調(diào)色板
• viridis：Matplotlib viridis調(diào)色板
• munsell：Munsell調(diào)色板
• RColorBrewer：圖形調(diào)色板
• igraph：用于網(wǎng)絡(luò)分析和可視化
• latticeExtra：lattice繪圖系統(tǒng)擴(kuò)展包
• sp：空間數(shù)據(jù)工具
• amplicon： 擴(kuò)增子分析
• YSX：一步可視化
  

4. 數(shù)據(jù)轉(zhuǎn)換

以下R包用于將數(shù)據(jù)轉(zhuǎn)換為新的數(shù)據(jù)類型：

• dplyr：一個(gè)用于高效數(shù)據(jù)清理的R包
• magrittr：一個(gè)高效的管道操作工具包
• tibble：高效的顯示表格數(shù)據(jù)的結(jié)構(gòu)
• stringr：一個(gè)字符串處理工具集
• lubridate：用于處理日期時(shí)間數(shù)據(jù)
• xts：xts是對(duì)時(shí)間序列數(shù)據(jù)(zoo)的一種擴(kuò)展實(shí)現(xiàn)，提供了時(shí)間序列的操作接口。
• data.table：用于快速處理大數(shù)據(jù)集
• vtreat：一個(gè)對(duì)預(yù)測(cè)模型進(jìn)行變量預(yù)處理的工具
• stringi：一個(gè)快速字符串處理工具
• Matrix：著名的稀疏矩陣包

5. 統(tǒng)計(jì)建模與推斷

下述R包是統(tǒng)計(jì)建模最常用的幾個(gè)R包，其中的一些R包適用于多個(gè)主題：

• car：提供了大量的增強(qiáng)版的擬合和評(píng)價(jià)回歸模型的函數(shù)
• Hmisc：提供各種用于數(shù)據(jù)分析的函數(shù)
• multcomp：參數(shù)模型中的常見線性假設(shè)的同時(shí)檢驗(yàn)和置信區(qū)間計(jì)算，包括線性、廣義線性、線性混合效應(yīng)和生存模型
• pbkrtest：用于線性混合效應(yīng)模型的參數(shù)Bootstrap檢驗(yàn)
• MatrixModels：用于稠密矩陣和稀疏矩陣建模
• mvtnorm：用于計(jì)算多元正態(tài)分布和t分布的概率，分位數(shù)，隨機(jī)偏差等
• SparseM：用于稀疏矩陣的基本線性代數(shù)運(yùn)算
• lme4：利用C 矩陣庫 Eigen進(jìn)行線性混合效應(yīng)模型的計(jì)算。
• broom：將統(tǒng)計(jì)模型結(jié)果整理成數(shù)據(jù)框形式
• caret：一個(gè)用于解決分類和回歸問題的數(shù)據(jù)訓(xùn)練綜合工具包
• glmnet：通過極大懲罰似然來擬合廣義線性模型
• gbm：用于實(shí)現(xiàn)隨機(jī)梯度提升算法
• xgboost：全稱是eXtremeGradient Boosting。是Gradient Boosting Machine的一個(gè)c 實(shí)現(xiàn)。目前已制作了xgboost工具的R語言接口
• randomForest：提供了用隨機(jī)森林做回歸和分類的函數(shù)
• ranger：用于隨機(jī)森林算法的快速實(shí)現(xiàn)
• h2o：H2O是0xdata的旗艦產(chǎn)品，是一款核心數(shù)據(jù)分析平臺(tái)。它的一部分是由R語言編寫的，另一部分是由Java和Python語言編寫的；用戶可以部署H2O的R程序安裝包，之后就可以在R語言環(huán)境下運(yùn)行了
• ROCR：通過繪圖來可視化分類器的綜合性能
• pROC：用于可視化，平滑和對(duì)比ROC曲線

6. 溝通交流

以下R包用于實(shí)現(xiàn)數(shù)據(jù)科學(xué)結(jié)果的自動(dòng)化報(bào)告，以便于你跟人們進(jìn)行溝通交流：

• rmarkdown：用于創(chuàng)建可重復(fù)性報(bào)告和動(dòng)態(tài)文檔
• knitr：用于在PDF和HTML文檔中嵌入R代碼塊
• flexdashboard：基于rmarkdown，可以輕松的創(chuàng)建儀表盤
• bookdown：以R Markdown為基礎(chǔ)，用于創(chuàng)作書籍和長篇文檔 (別人的電子書，你的電子書，都在bookdown)
• rticles：提供了一套R(shí) Markdown模板
• tufte：用于實(shí)現(xiàn)Tufte講義風(fēng)格的R Markdown模板
• DT：用于創(chuàng)建交互式的數(shù)據(jù)表
• pixiedust：用于自定義數(shù)據(jù)表的輸出
• xtable：用于自定義數(shù)據(jù)表的輸出
• highr：用于實(shí)現(xiàn)R代碼的LaTeX或HTML格式輸出
• formatR：通過tidy_source函數(shù)格式化R代碼的輸出
• yaml：用于實(shí)現(xiàn)R數(shù)據(jù)與YAML格式數(shù)據(jù)之間的通信

7. 自動(dòng)化分析

以下R包用于創(chuàng)建自動(dòng)化分析結(jié)果的數(shù)據(jù)科學(xué)產(chǎn)品：

• shiny：一個(gè)使用R語言開發(fā)交互式web應(yīng)用程序的工具
• shinydashboard：用于創(chuàng)建交互式儀表盤
• shinythemes：給出了Shiny應(yīng)用程序的常用風(fēng)格主題
• shinyAce：為Shiny應(yīng)用程序開發(fā)者提供Ace代碼編輯器
• shinyjs：用于在Shiny應(yīng)用程序中執(zhí)行常見的JavaScript操作
• miniUI：提供了一個(gè)UI小部件，用于在R命令行中集成交互式應(yīng)用程序
• shinyapps.io：為創(chuàng)建的Shiny應(yīng)用程序提供托管服務(wù)
• Shiny ServerOpen Source：為Shiny應(yīng)用程序提供開源免費(fèi)的服務(wù)器
• Shiny Server Pro：為企業(yè)級(jí)用戶提供一個(gè)Shiny應(yīng)用程序服務(wù)器
• rsconnect：用于將Shiny應(yīng)用程序部署到shinyapps.io
• plumber：用于將R代碼轉(zhuǎn)化為一個(gè)web API
• rmarkdown：用于創(chuàng)建可重復(fù)性報(bào)告和動(dòng)態(tài)文檔
• rstudioapi：用于安全地訪問RStudio IDE的API

8. 程序開發(fā)

以下這些包主要用于開發(fā)自定義的R包：

• RStudio Desktop IDE：R的IDE。大家都懂，不用解釋。
• RStudio Server Open Source：開源免費(fèi)的RStudio服務(wù)器
• RStudio Server Professional：商業(yè)版RStudio服務(wù)器
• devtools：一個(gè)讓開發(fā)R包變得簡單的工具集
• packrat：創(chuàng)建項(xiàng)目的特定庫，用于處理包的版本問題，增強(qiáng)代碼重現(xiàn)能力。
• drat：一個(gè)用于創(chuàng)建和使用備選R包庫的工具
• testthat：單元測(cè)試，讓R包穩(wěn)定、健壯，減少升級(jí)的痛苦
• roxygen2：通過注釋的方式，生成文檔，遠(yuǎn)離Latex的煩惱
• purrr：一個(gè)用于 提供函數(shù)式編程方法的工具
• profvis：用于可視化R代碼的性能分析數(shù)據(jù)
• Rcpp：用于實(shí)現(xiàn)R與C 的無縫整合
• R6：R6是R語言的一個(gè)面向?qū)ο蟮腞包，可以更加高效的構(gòu)建面向?qū)ο笙到y(tǒng)。
• htmltools：用于生成HTML格式輸出
• nloptr：提供了一個(gè)NLopt非線性優(yōu)化庫的接口
• minqa：一個(gè)二次近似的優(yōu)化算法包
• rngtools：一個(gè)用于處理隨機(jī)數(shù)生成器的實(shí)用工具
• NMF：提供了一個(gè)執(zhí)行非負(fù)矩陣分解的算法和框架
• crayon：用于在輸出終端添加顏色
• RJSONIO：rjson是一個(gè)R語言與json進(jìn)行轉(zhuǎn)的包，是一個(gè)非常簡單的包，支持用 C類庫轉(zhuǎn)型和R語言本身轉(zhuǎn)型兩種方式
• jsonlite：用于實(shí)現(xiàn)R語言與json數(shù)據(jù)格式之間的轉(zhuǎn)化
• RcppArmadillo：提供了一個(gè)Armadillo C Library（一種C 的線性代數(shù)庫）的接口

9. 實(shí)驗(yàn)數(shù)據(jù)

以下R包給出了案例實(shí)戰(zhàn)過程中可用的訓(xùn)練數(shù)據(jù)集：

• babynames：包含由美國社會(huì)保障局提供的三個(gè)數(shù)據(jù)集
• neiss：2009-2014年期間提供給美國急診室的所有事故報(bào)告樣本數(shù)據(jù)
• yrbss：美國疾病控制中心2009-2013年期間青年危險(xiǎn)行為監(jiān)測(cè)系統(tǒng)數(shù)據(jù)
• USAboundaries：2011年全年休斯頓機(jī)場(chǎng)的所有航班數(shù)據(jù)
• rworldmap：國家邊界數(shù)據(jù)
• usdanutrients：美國農(nóng)業(yè)部營養(yǎng)數(shù)據(jù)庫
• fueleconomy：美國環(huán)保署1984-2015年期間的燃油經(jīng)濟(jì)數(shù)據(jù)
• nasaweather：包含了一個(gè)覆蓋中美洲的非常粗糙的24*24格地理位置和大氣測(cè)量數(shù)據(jù)。
• mexico-mortality：墨西哥死亡人數(shù)數(shù)據(jù)
• data-movies和ggplotmovies：來自互聯(lián)網(wǎng)電影數(shù)據(jù)庫imdb.com的數(shù)據(jù)
• pop-flows：2008年全美人口流動(dòng)數(shù)據(jù)
• data-housing-crisis：經(jīng)過清洗后的2008美國房地產(chǎn)危機(jī)數(shù)據(jù)
• gun-sales：紐約時(shí)報(bào)提供的有關(guān)槍支購買的每月背景調(diào)查統(tǒng)計(jì)分析數(shù)據(jù)
• stationaRy：從成千上萬個(gè)全球站點(diǎn)收集到的每小時(shí)氣象數(shù)據(jù)
• gapminder：摘自Gapminder的數(shù)據(jù)
• janeaustenr：簡·奧斯丁小說全集數(shù)據(jù)

本文直接來源：R語言統(tǒng)計(jì)與繪圖?公眾號(hào)。

往期精品(點(diǎn)擊圖片直達(dá)文字對(duì)應(yīng)教程)

后臺(tái)回復(fù)“生信寶典福利第一波”或點(diǎn)擊閱讀原文獲取教程合集