• Uda-DataAnalysis-22-[扩展]-free R tutorial by datacamp
• Uda-DataAnalysis-22–R基础
• Uda-DataAnalysis-23–探索单一变量
• Uda-DataAnalysis-25–探索两个变量
• Uda-DataAnalysis-27–探索多个变量
• Uda-DataAnalysis-29–钻石与价格预测
• 项目报告

经过近两个月的拉锯战，终于把第二部分R这一块的项目提交了，现在回过头来看这一部分其实不难，只是自己想一次就把R这一块都弄懂，所以这当然不太现实。 现在看来效率最高的就是跟着Udacity的节奏走，学习的过程中需要哪块补哪一块，而不是想一开始就把需要的补齐，难度太大也打击积极性。 下面将第二部分的R进行一个整理:

Uda-DataAnalysis-22-[扩展]-free R tutorial by datacamp

介绍R语法的基本概念，包含数据类型，数据结构，以及运算符等。

• vector: c(1, 10, 49),容器，可以混合不同的数据类型
• matrix： matrix(1:9, byrow = TRUE, nrow = 3),矩阵表示一组相同数据类型元素的集合，给定一个固定的行和列，它是二维的
• factors: factor() 创建
• data frame： data.frame()，类似二维矩阵，但是可以混合多种数据类型，从CSV中读取的数据默认为data frame类型
• list: list()，list中可以存储完全不同的数据结构

Uda-DataAnalysis-22–R基础

与上面内容有重合，数据集的读取以及根据条件取子集，新增或删除一列,另外最后一节重点扩展了因子变量。

• subset(mtcars, mpg < 14 | disp > 390) 条件子集
• mtcars <- subset(mtcars, select = -year) 删除指定列
• mtcars$year <- c(1974, 1975,1976,1977) 通过vector给指定列赋值

Uda-DataAnalysis-23–探索单一变量

练习

探讨如何通过单个变量对数据进行分析：

• 单一变量的直方图，y轴是x在不同范围下的count
• 在上面的基础上，再添加一个变量，切分为多个直方图，也叫分面facet_wrap(~dob_month,ncol = 3)
• 通过scale_x_continuous对轴进行限制，调整组距离
• 对数据集进行过滤，比如忽略NA观测值!is.na(gender)
• 使用by(pf$friend_count,pf$gender,summary)进行分类统计，中间gender是类别变量

Uda-DataAnalysis-25–探索两个变量

练习

探讨两个变量之间分关系：

• 散点图geom_point，使用alpha = 1/20添加透明度避免过度绘制
• geom_jitter产生抖动
• 【重要】summarise产生新的数据集
• 将摘要与原始数据叠加，geom_line(stat = "summary",fun.y = mean)
• 两变量之间的相关性计算 cor.test(pf$age,pf$friend_count,method="pearson")
• 针对特定数据集计算相关性 with(subset(pf,pf$age <= 70),cor.test(age,friend_count,method="pearson"))
• 回归线 geom_smooth(method="lm",color="red")
• 使用 grid.arrange(p2,p1,p3,ncol=1)排列图形
• x轴变量或y轴变量，截取特定范围 xlim(0,quantile(diamonds$carat,0.99))
• 如何使用group_by和summarise

Uda-DataAnalysis-27–探索多个变量

练习

针对三个以及以上的变量进行分析：

• 使用dcast重塑数据
• geom_line(aes(color = gender), stat = 'summary', fun.y = median)，根据gender种类描画多条曲线
• 去除数据中的噪音，比如以天为单位作为x轴，那可能会出现一些异常值，如果将天除以30，那会使曲线更加平滑
• 或是在数据中添加一条平滑曲线geom_smooth(method="auto",color="red")
• 或是直接描画成一条平滑曲线 geom_smooth(aes(color = gender))
• unique(yo$price) 查看数据中的唯一值
• ggpairs 绘制散点图矩阵
• 颜色分类 scale_color_brewer(type = 'qual')
• 使用theme控制轴的文本大小颜色位置等
• 将某一段范围的数据，按照指定的区间段进行切断，cut
• 保存图形 ggsave

Uda-DataAnalysis-29–钻石与价格预测

• geom_point(fill=I("#F79420"),color=I("blue"),shape=21) 设置散点图中的颜色和填充色以及大小
• 对x轴y轴取对数scale_y_log10()
• 构建线性模型 m1 <- lm(I(log(price)) ~ I(carat^(1/3)),data = diamonds)

项目报告