R入门?从Tidyverse学起!

阿里云2000元红包!本站用户参与享受九折优惠!

很多人推荐《R语言实战》这本书来入门R,当然,这本书非常不错,我也是通过这本书开始接触的R。这种入门的学习路径属于base R first,学习的流程基本是先了解变量的类型、数据的结构,再深入点就会学到循环与自定义函数。有些类似于先认识编程,再按照数据处理、可视化、统计分析等应用方向开始下一个学习的旅程。但是对于很多人来说,R仅仅是一个可视化工具,来做出漂亮的图,或者是一个可以方便的做回归分析,生存分析,显著性检验的统计工具。那么,tidyverse就提供了一个很好的学习思路(tidyverse first),让我们先忽略编程这道大关,其理念是一开始不谈向量、矩阵、数据框、因子、流程控制等概念,直接从数据的操纵入手,让初学者在最短时间内学会数据的处理与可视化应用。
有这么一句话“数据分析师的80%的时间,都消耗在数据清理上”,清理出可视化和统计分析可以直接使用的数据,往往最费精力和繁琐的过程,而tidyverse的一大亮点就是提供非常优秀的数据清理、整合和可视化的“一站式服务”。

tidyverse 是什么


image

tidyverse出自于R大神Hadley Wickham之手,他是Rstudio首席科学家,也是ggplot2的作者。tidyverse就是他将自己所写的包整理成了一整套数据处理的方法,包括ggplot2,dplyr,tidyr,readr,purrr,tibble,stringr, forcats。同时也出了一本《R for Data Science》,这本书里面也详细介绍了tidyverse的使用方法,这本书的电子版获取方式见微信公众号本文。

library(tidyverse) will load the core tidyverse packages:

ggplot2, for data visualisation. (画图,可视化数据)
dplyr, for data manipulation. (操控数据,过滤、排序等)
tidyr, for data tidying. (清理数据,转为ggplot可用的格式)
readr, for data import. (从文件中读取数据)
purrr, for functional programming. (提供好用的编程函数)
tibble, for tibbles, a modern re-imagining of data frames. (data.frame升级款)
stringr, for strings. (处理字符,查找、替换等)
forcats, for factors. (处理因子问题)

tidyverse的安装也很简单,在R中输入以下命令:

#安装包
install.packages("tidyverse")
#使用前,记得载入包
library(tidyverse)

tidyverse的数据处理流程大致分为以下三类:

  1. 数据导入
  2. 数据整理
  3. 数据探索(可视化,统计分析)

数据导入

readr:readcsv(); readtsv(); readdelim(); readfwf(); readtable(); readlog();
readxl:readxls(); readxlsx();
haven:打开SAS 、SPSS、Stata等外部数据。

以read_csv为例,把需要分析的数据存为csv文件(逗号分隔的文件,execl文件可以另存为csv文件),然后R读取即可:

data <- read.csv("data_for_input.csv")

类似的,readtsv()可以读取tab分隔的数据,readxls()可以直接读取execl的数据。


数据整理

tibble格式

R中的对多变量数据的标准保存形式是 dataframe,而tibble是dataframe的进化版,它有如下优点:

  1. 生成的数据框数据每列可以保持原来的数据格式,不会被强制性改变,即字符串,不会莫名其妙的变成因子格式;
  2. 查看数据时,不再会一行显示不下,多行显示得非常丑;
  3. 数据操作速度会更快

如下图,直接查看tibble格式的数据,可以一目了然的看清数据的大小和每列的格式

有两种方式来创建tibble格式的数据
1. 直接创建



2. 其他格式转化,例如用read.csv读取的数据默认是dataframe格式,就可以使用as_tibble转换为tibble格式

管道函数 %>%

在tidyverse中,管道符号是数据整理的主力,它的功能和Linux上的管道符“|”类似,可以把许多功能连在一起,而且简洁好看,比起R的基本代码更加容易阅读!

x %>% f(y) means that x is‘piped’ into the function f(x,y)

以R中自带的iris(鸢尾花数据集)为例:

%>% 的作用就是将iris数据用于管道后面的head函数。

dplyr包

dplyr基本包含了我们整理数据的所有功能,堪比瑞士军刀,这里介绍以下函数:
filter: filters out rows according to some conditions (根据条件过滤数据)
arrange: reorders rows according to some conditions (根据某一列的数据对行排序)
select: selects a subset of columns (只保留部分列的数据)
mutate: adds a new column as a function of existing columns (增加新的列)
summarise: collapses a data frame to a single row (概述数据的统计特征)
group_by: breaks a data frame into groups of rows (对数据分组)

1. filter

只选取Species列中,值为virginica的数据
(这里也是用到了管道符,将filter函数作用于iris数据)

选取Species为virginica,并且Sepal.Length大于7.5的数据

2. select

只保留Species 和 Sepal.Length 这两列

除了Species以外,其他的列都保留

利用管道符,先过滤(filter),然后只保留Petal.Width函数(select)

3. mutate

增加一列,列名为Sepal.Area,值为width和length相乘,然后不保留原来的Sepal.Length 和 Sepal.Width两列


image

4. summarise

下面的例子的summarise中, n() 是统计有多少行的数据,mean() 函数是计算平均值。
利用summarise可以指定统计的列,或者统计方式(求方差,求和等),最后得到的结果形成一个新的数据。

5. summarise & group_by

group_by通常与summarise搭配使用,如果我们需要对不同species的数据计算均值,那么利用group_by指定需要分组的列,summarise就帮我们统计出了结果,避免一个一个的去求均值

tidyr包

tidyr的两个主要函数是 gather()spread()。这些函数允许在长数据格式(long data)和宽数据格式(wide data)之间进行转换(功能类似于reshape包,但是比reshape更好用,并且可以用于管道%>%连接)。

gather() 把数据从宽数据(wide)变成长数据(long),指定key,value就做出下面的变换,这种长数据特别适合用于ggplot2的画图中。

spread() 把数据从长数据(long)还原成宽数据(wide),对比gather()的变换,指定你需要变长的key和value列即可~


image

数据探索

可视化:ggplot2

利用ggplot2实现可视化,具体的ggplot2就不做详细的介绍了,这里提供ggplot2的速查表(cheatsheet),可以很方便的知道哪种图对应的ggplot2里面的哪个函数。原始的cheatsheet pdf版的获取方式见微信公众号本文。


统计:broom

broom是一个用于数学建模的包,以回归分析为例,R中的各种回归分析往往不会返回一个整齐的data frame结果,而broom 则帮助我们直接将统计结果转化为data frame格式直接将统计结果转化为data frame格式。

下图是一般的回归分析结果的格式

下面是broom对 fit 格式化之后的结果,可以看到是一个方便读取的data frame格式。

同样,也可以与tidyverse中的管道和group_by结合,批量的做回归分析,并且得到整理好的结果。


image

image

总结

初学者从tidyverse 入门是一个不错的使用R的切入方式,它提供了一整套data science的工具,而且还特别好用。当然,入门之后如果使用者在未来需要使用R完成更细腻的分析时,再分配较充足的时间学习base R。

https://www.jianshu.com/p/2f64289b0c0f

Python量化投资网携手4326手游为资深游戏玩家推荐:《《影之诗》SNC总决赛八强选手“冰桀流星”专访

「点点赞赏,手留余香」

    还没有人赞赏,快来当第一个赞赏的人吧!
pandas
pandas
0 条回复 A 作者 M 管理员
    所有的伟大,都源于一个勇敢的开始!
欢迎您,新朋友,感谢参与互动!欢迎您 {{author}},您在本站有{{commentsCount}}条评论