search_index.json

[["index.html", "Little Book 前言 致谢", " Little Book Joshpe 2024-06-02 前言 在编译这本书主要使用两个R package，分别是 knitr (Xie 2015) 和 bookdown (Xie 2018)。 致谢 非常感谢谢益辉大佬提供的bookdown中文模板。 References "],["tools-intro.html", "第 1 章 简介", " 第 1 章 简介 本书以R语言为基础，以数据分析为导向，简单地介绍了R语言在数据分析、机器学习等领域的应用，未来可能涉及到信号处理。尽可能以简洁的语言表达，辅以部分实际案例，希望为R语言和数据分析感兴趣的初学者提供一些帮助。 主要参考以下两本书籍： 《R for Data Science》 by Hadley Wickham 《R语言教程》 by 李东风 Tidyverse是一系列R包的集合，包含了dplyr、ggplot2、tidyr、stringr等，从数据导入预处理，再到高级转化、可视化、建模和展示；除此之外，Tidyverse同样可以加深我们对于数据，甚至于数据科学的理解，希望我们能够更多深入学习，鉴于能够看到本书的读者基本都有一定的R语言基础，本书不在介绍R所涉及到的基础知识。 本书暂且安排包括tidyverse、statistical analysis、bayes theorem、machine learning和missing data。前期主要在对tidyverse的详细介绍和范例，案例主要是对r4ds的代码解读和实际工作中遇到的问题解决方案，后期对statistical analysis、machine learning与causal inference，特别是对于MCMC，纵向数据，时序数据和孟德尔随机化的深入学习，如果精力与时间允许，也将对部分生信分析进行一定的学习和交流。 "],["tidyverse-rmarkdown.html", "第 2 章 文档展示 2.1 Rmarkdown 2.2 markdown 基本语法", " 第 2 章 文档展示 2.1 Rmarkdown (本篇为试行篇，日后将进一步丰富，将包括从package下载，project建立，Rmarkdown主题格式，插入图片，kable及kableExtra包插入优化表格，Rmarkdown导出) 有时，我们需要展示我们的数据分析结果给他人，但是长篇的代码难以阅读，除了使用tidyverse减少代码长度外，我们同样可以将分析背景、分析过程、分析结果以及图表等形成报告，让他人能重复和验证我们的结果，确保结论的真实可信。 因此，本书开篇将会介绍如何生成分析报告。 2.2 markdown 基本语法 markdown编写十分简单，例如 # title # 第一章 ## 第一节 sentences. 常见的markdown语法包括： Type this… …to get this normal text normal text *italic text* italic text **bold text** bold text ***bold italic text*** bold italic text e^2^ e2 ~~strikethrough~~ strikethrough `code ` code 2.2.1 R代码块 一般通过 {R} 来插入，插入代码段的快捷键：win[Ctrl+Alt+I] 2.2.1.1 eval include echo与collapse 选项 eval参数控制运行与否，eval=FALSE , 可以使得代码仅显示而不实际运行。 这样的代码段如果有标签， 可以在后续代码段中被引用。 include参数控制是否写入，include=FALSE ， 则本代码段仅运行， 但是代码和结果都不写入到生成的文档中。 echo参数控制了markdown是否显示代码块。若 echo=TRUE， 则表示代码块显示在 markdown 文档显示代码块；反之，代码块不出现在输出结果中。 collapse参数控制输出，markdown默认将一个代码块的代码、输出通常被分解为多个原样文本块中， 如果希望所有的代码、输出都写到同一个原样文本块中， 加选项 collapse=TRUE。 2.2.2 网页 如果想添加网页链接，可以用方括号和圆括号 [Download R](http://www.r-project.org/) Download R 2.2.3 简单表格 如果想制作简单表格，列与列之间用 | 分隔，表格的首行下面添加-------- Table Header | Second Header ------------- | ------------- Cell 1, 1 | Cell 2, 1 Cell 1, 2 | Cell 2, 2 Table Header Second Header Cell 1, 1 Cell 2, 1 Cell 1, 2 Cell 2, 2 2.2.4 公式 如果要插入公式，可以在Rmarkdwon里输入 $$\\frac{\\sum (\\bar{x} - x_i)^2}{n-1}$$，那么实际输出: \\[\\frac{\\sum (\\bar{x} - x_i)^2}{n-1}\\] 可以使用latex的等式环境， 比如 $$a^{2}=b^{2}+c^{2}-2bc\\cos A $$ $$f(x) = \\int_{-\\infty}^\\infty \\hat f(x)\\xi\\,e^{2 \\pi i \\xi x} \\,\\mathrm{d}\\xi $$ 得到 \\[ a^{2}=b^{2}+c^{2}-2bc\\cos A \\] \\[ f(x) = \\int_{-\\infty}^\\infty \\hat f(x)\\xi\\,e^{2 \\pi i \\xi x} \\,\\mathrm{d}\\xi \\] 2.2.5 代码 想要运行代码 summary(iris) ## Sepal.Length Sepal.Width Petal.Length Petal.Width ## Min. :4.300 Min. :2.000 Min. :1.000 Min. :0.100 ## 1st Qu.:5.100 1st Qu.:2.800 1st Qu.:1.600 1st Qu.:0.300 ## Median :5.800 Median :3.000 Median :4.350 Median :1.300 ## Mean :5.843 Mean :3.057 Mean :3.758 Mean :1.199 ## 3rd Qu.:6.400 3rd Qu.:3.300 3rd Qu.:5.100 3rd Qu.:1.800 ## Max. :7.900 Max. :4.400 Max. :6.900 Max. :2.500 ## Species ## setosa :50 ## versicolor:50 ## virginica :50 ## ## ## 2.2.6 表格与图片 输出表格与图片仅仅简单介绍，详细请阅读[《Rmarkdown 入门手册》]https://cosx.org/2021/04/rmarkdown-introduction/ ```{r tables-mtcars, echo = F} knitr::kable(iris[1:5, ], caption = "example0") ``` 表 2.1: example0 Sepal.Length Sepal.Width Petal.Length Petal.Width Species 5.1 3.5 1.4 0.2 setosa 4.9 3.0 1.4 0.2 setosa 4.7 3.2 1.3 0.2 setosa 4.6 3.1 1.5 0.2 setosa 5.0 3.6 1.4 0.2 setosa ```{r} plot(iris) ``` ```` 2.2.7 延申阅读 Rmarkdown 介绍 https://bookdown.org/yihui/rmarkdown/ Rmarkdown 手册 https://bookdown.org/yihui/rmarkdown-cookbook/ Rmarkdown 入门手册 https://cosx.org/2021/04/rmarkdown-introduction/ "],["tidyverse-intro.html", "第 3 章 Tidyverse 3.1 简介 3.2 Import 3.3 Tidy 3.4 Transform", " 第 3 章 Tidyverse 3.1 简介 在介绍Tidyverse时，不得不提到开发者Hardley，ggplot2的简洁与易懂自不必多说，正如introduction所述，tidyverse是一系列R包的集合，包含了dplyr、ggplot2、forcats、tibble、readr、tidyr、stringr、purrr等，避免base-r所带来的冗长代码与数据分析者不懂算法而来的龟速运行，本章将花费约1个月时间完成对于tidyverse基本操作的介绍以及近几年出现的类似tidy流派package的简述，大致包括tidymodels、mlr3verse、rstatix、tidybayes、timetk、quanteda、tidybulk与sparklyr，如有时间进一步学习，将对未完成的mlr3torch文档进行部分解读。 正如Hardley所讲，the main tools of data science is importing, tidying, transforming, and visualizing data. 本章将从import、tidy、transform、visualize和model分别介绍，其中import、tidy与transform将会在tidyverse基础操作中以详细案例讲解，并将会用表格列出所有function以便大家查询，实例以匹斯堡睡眠量表分数计算与r4ds实例进行讲解，对于已经熟悉tidy操作或暂时对此类操作不感兴趣的同学请直接跳转到visualize部分，本章visualize将会对ggplot2及其附加包进行讲解，但由于近期ggplot2的巨大改动可能会等待其功能稳定且我也同样熟练使用后进行梳理；model部分将单独作为statistic analysis出现，并介绍各类常用模型所需要的变量类型与使用条件，模型将会尽量囊括我们可能使用到的全部模型，如线性模型、Logistic回归（包括多分类）、Possion回归、Cox比例风险模型（包括时系变化Cox模型）、相关数据分析、嵌套数据分析、纵向数据分析及多分类数据分析，除此之外，还将会对bayes相关方法与机器学习内容进行详细的梳理，当然，这些大概是1个月后的事情。 3.2 Import 本节将重点介绍如何将文件导入R，介绍读取单个文件及多个文件数据并合并成自己需要的数据集，所采用的案例为r4ds书中所写，对于多数为.csv格式文件的数据导入而言，整合在Tidyverse中的readr包可以很好的完成此项工作，除此之外，readxl适用于导入excel文件，haven包适合导入SAS、SPSS、Stata文件，xml2适用于导入xml文件，函数中的，下面表格列出常见文件的读取函数 文件格式 R 函数 .txt read.table() .Rdata or rda load() .csv readr::read_csv() .xls and .xlsx readxl::read_excel() .sav(SPSS files) haven::read_sav() .dta haven::read_dta() and haven::read_stata() .sas7bdat(SAS files) haven::read_sas() .rds readRDS() and readr::read_rds() .xml read_RDS() and readr::read_rds()_xml 在各函数()中需填写对应文件路径，如read_csv(\"E:/data/SHHS1.csv\"),若文件在R的工作路径中，则可以简略写为read_csv(\"./SHHS1.csv\")，若不确定路径则可以使用here()告诉我们当前所在的目录。当使用运行read_csv()时，它输出数据的行数和列数、使用的分隔符以及列名和列的数据类型，这些都可以帮我们很快的了解数据是否正确导入以及对数据有大致了解。我们这里就r4ds中的students数据集案例进行演示，读者可自行查看原版演示及讲解 library(tidyverse) ## -- Attaching core tidyverse packages ------------------------ tidyverse 2.0.0 -- ## v dplyr 1.1.4 v readr 2.1.4 ## v forcats 1.0.0 v stringr 1.5.1 ## v ggplot2 3.4.4 v tibble 3.2.1 ## v lubridate 1.9.3 v tidyr 1.3.0 ## v purrr 1.0.1 ## -- Conflicts ------------------------------------------ tidyverse_conflicts() -- ## x dplyr::filter() masks stats::filter() ## x dplyr::lag() masks stats::lag() ## i Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors students <- read_csv("./data/students.csv") ## Rows: 6 Columns: 5 ## -- Column specification -------------------------------------------------------- ## Delimiter: "," ## chr (4): Full Name, favourite.food, mealPlan, AGE ## dbl (1): Student ID ## ## i Use `spec()` to retrieve the full column specification for this data. ## i Specify the column types or set `show_col_types = FALSE` to quiet this message. students ## # A tibble: 6 x 5 ## `Student ID` `Full Name` favourite.food mealPlan AGE ## <dbl> <chr> <chr> <chr> <chr> ## 1 1 Sunil Huffmann Strawberry yoghurt Lunch only 4 ## 2 2 Barclay Lynn French fries Lunch only 5 ## 3 3 Jayendra Lyne N/A Breakfast and lunch 7 ## 4 4 Leon Rossini Anchovies Lunch only <NA> ## 5 5 Chidiegwu Dunkel Pizza Breakfast and lunch five ## 6 6 Güven<U+00E7> Attila Ice cream Lunch only 6 3.3 Tidy 待写 3.4 Transform 待写 "],["404.html", "Page not found", " Page not found The page you requested cannot be found (perhaps it was moved or renamed). You may want to try searching to find the page's new location, or use the table of contents to find the page you are looking for. "]]