【R】《R for Data Science》学习笔记-读书总结

2018-10-26 本文已影响68人沈梦圆1993

今天大致看完了hadley大神的《R for Data Science》：http://r4ds.had.co.nz/，前面三部分认真看了，后面模型和交流部分简单翻阅了下，就跟看《R语言实战一样》那么飞速。作为一个总结狂，不写点学习总结感觉少了点什么，下面我简单写几点总结，作为这本书学习暂时结束的一个结束：

1：写了四篇学习笔记

在学习刚开始写了几篇笔记（做的很粗糙，都是摘录性的），从时间上看，大概看了三个星期左右。后面就没有继续写了，不太习惯做读书笔记，个人喜欢写那种带着问题的探索性笔记。

在先导篇是铺垫性的内容，为后面的数据探索篇、Wrangle(不懂中文啥意思)、程序篇、模型篇、交流篇做一个整体性的介绍。

2：体会最深的知识

在看完《R语言实战》后，这是我看的第二本关于R语言书籍，其他都是粗粗扫过，不算数（像R cook、ggplot2）。在这本书里，hadley大神写了很多用R做数据分析的技巧。下面我写下我体会最深的知识点：

数据类型认识更为深刻了，第一次把R中的向量、矩阵、数组、数据框、列表捣鼓明白，此外我还看了R语言教程和Advanced R。

	Homogeneous	Heterogeneous
1d	Atomic vector	List
2d	Matrix	Data frame
nd	Array

高级数据整形包的学习：
- 使用tibble来替代data.frame；（优点很多，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；查看数据时，像head()时不再会一行显示不下，多行显示得非常丑；数据操作速度会更快了；）
- dplyr和tidyr结合对数据进行tidy，超级有用的函数：选取部分数据filter()、select()、创造新的变量mutate()、排序arrange()、summarise()和group_by()结合使用来进行数据描述性统计；此外gather()、spread()、separate()、unite()用来高效对表格进行操作；还有就是left_join()、full_join()等关系型数据的合并函数，intersect()、union()、setdiff()取数据的交并集函数都是第一次接触；

# √ ggplot2 2.2.1     √ purrr   0.2.4
# √ tibble  1.3.4     √ dplyr   0.7.4
# √ tidyr   0.7.2     √ stringr 1.2.0
# √ readr   1.1.1     √ forcats 0.2.0

用R处理数据的规范：要新建project，学会写注释，用pipeline%>%写简洁的代码，函数的书写；
将数据整理好才能绘图，数据可视化作为数据挖掘的强有力工具；所以画图要有假设、目的性地画。

3：写在最后

看完这本书后，在以后用R进行数据分析绘图会更加高效了，对数据整形、数据可视化在数据挖掘中的重要性有了深刻的认识，当然模型也很重要（我不是没认真看嘛）。对R的编程语法更加熟悉了，毕竟中间刷了7道编程题（代码惨不忍睹）。总之，对于R语言又有更新的认识，更上一层楼的感觉（R的学习曲线还是比较陡峭的，一些高手的技巧在一定阶段是看不懂的，需要跟着时间慢慢沉淀。不要灰心，俺觉得R还是挺好学的一门语言，比Perl好学）。

刷题

image

我的微信公众号

如果实在有需要请给我发邮件：mengyuanshen@126.com；
也可以关注我的公众号：沈梦圆（PandaBiotrainee）

【R】《R for Data Science》学习笔记-读书总结

1：写了四篇学习笔记

2：体会最深的知识

3：写在最后

猜你喜欢

热点阅读