index.Rmd

--- 
title: "数据科学中的 R 语言"
author: "王敏杰"
date: "`r Sys.Date()`"
site: bookdown::bookdown_site
knit: bookdown::render_book
output: bookdown::bs4_book
documentclass: book
bibliography: [references.bib]
biblio-style: apalike
link-citations: yes
github-repo: perlatex/R4DS-book
url: "https://bookdown.org/wangminjie/R4DS/"
#cover-image: images/cover.jpg
description: "This book is an overview of how practitioners can acquire, wrangle, visualize, and model data with the R and Stan."
---

```{r setup, include=FALSE}
options(digits = 4, 
        dplyr.print_min = 6, 
        dplyr.print_max = 6,
        htmltools.dir.version = FALSE, 
        formatR.indent = 2, 
        width = 55
        )

knitr::opts_chunk$set(
                      echo = TRUE, 
                      warning = FALSE, 
                      message = FALSE,
                      fig.width = 6, 
                      fig.height = 4,
                      fig.showtext = TRUE
                      )
```

# 前言 {.unnumbered}
你好，这里是四川师范大学研究生公选课《数据科学中的R语言》的课程内容。R语言是统计编程的第一语言，近几年Tidyverse的推出大大降低了R语言的学习难度。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。因为其代码清晰可读的编程风格，得到越来越多人的喜爱。考虑到大家来自不同的学院，有着不同的学科背景，因此讲授的内容不会太深奥（要有信心喔）。

比如在课程中以下内容就不会出现

$$
f(x)=\frac{1}{\sqrt{2 \pi}} e^{-\frac{1}{2} x^{2}}
$$

而出现更多的是

```{r index-1, eval = FALSE}
library(tidyverse)
summary_monthly_temp <- weather %>% 
  group_by(month) %>% 
  summarize(mean = mean(temp), 
            std_dev = sd(temp))
```

书中大量使用形象化的比喻，从计算机科学的角度来讲，这些比喻是不严谨的，但是可以帮助大家理解其中概念，激励动手操作，提升信心。因为我们的目的，不是把大家培养成程序员，而是让大家不害怕编程。


这里分享一个我的小故事吧。工作以后，早上起来都很匆忙，早餐一般不会亲自动手，大多是头一天买好的面包和牛奶。有时也会回想小时候妈妈做的早饭的味道，决定自己煮个荷包蛋，但我每次把蛋放入水中的时候，蛋就散了，尝试把火开小点，或者水放多点，几次努力都不成功，最后都变成了蛋花汤了，我逐渐也就没有了兴趣。后来，有一次出差，在路边吃早餐，发现早餐摊有卖荷包蛋，我就去问老板娘，怎么样煮，荷包蛋不散呢。老板娘告诉我，先在水里放点糖，然后再把蛋放进去。我回家后尝试，真的成功了...

联想到我们的学习，困扰我们很久的东西，或许并不复杂，可能只需要一个小小的技巧，就解决了，只是我们还没遇到教我们煮荷包蛋的人，可能大神 Hadley Wickham 就是教我们煮荷包蛋的人吧。


言归正传，在**跟进**本课程的同时，我强烈推荐大家阅读Hadley Wickham的
[r4ds](https://r4ds.had.co.nz/)这本书 [@Wickham2017]。作者可是2019年8月刚刚获得考普斯总统奖（被誉为统计学的诺贝尔奖）的大神喔，点击[这里](http://hadley.nz/)可以看他照片。

```{r index-2, echo = FALSE, out.width = "35%"}
knitr::include_graphics("images/rbook1.png")
```

## 关于课程 {-}

1、课程安排是这样的，每个章节研究的内容都是彼此独立的，大家可以单独阅读每章及运行代码。 每一章可能会附有作业，你可以在第 \@ref(answers) 章参考答案。

- 基础篇
   - 第 \@ref(baseR-intro-ds) 章介绍数据科学基础
   - 第 \@ref(baseR-install) 章介绍安装与环境配置 
   - 第 \@ref(baseR-objects) 章介绍R语言中一切都是对象
   - 第 \@ref(baseR-vectors) 章介绍向量
   - 第 \@ref(baseR-data-structure) 章介绍R语言数据结构
   - 第 \@ref(baseR-operators) 章介绍运算符及向量运算
   - 第 \@ref(baseR-functions) 章介绍R语言中的函数
   - 第 \@ref(baseR-functions-adv) 章介绍函数的应用
   - 第 \@ref(baseR-subsetting) 章介绍R语言中的子集选取

- tidyverse篇
   - 第 \@ref(tidyverse-rmarkdown) 章介绍可重复性文档
   - 第 \@ref(tidyverse-readr) 章介绍数据读入
   - 第 \@ref(tidyverse-dplyr) 章介绍数据处理
   - 第 \@ref(tidyverse-dplyr-apply) 章介绍dplyr的应用
   - 第 \@ref(tidyverse-ggplot2-aes) 章介绍数据可视化
   - 第 \@ref(tidyverse-tidyr) 章介绍数据规整1
   - 第 \@ref(tidyverse-tidyr2) 章介绍数据规整2
   - 第 \@ref(tidyverse-stringr) 章介绍字符串处理
   - 第 \@ref(tidyverse-forcats) 章介绍因子类型数据
   - 第 \@ref(tidyverse-tibble) 章介绍简单数据框
   - 第 \@ref(tidyverse-purrr) 章介绍函数式编程1
   - 第 \@ref(tidyverse-purrr-adv) 章介绍函数式编程2
   - 第 \@ref(tidyverse-ggplot2-geom) 章ggplot2几何形状
   - 第 \@ref(tidyverse-ggplot2-scales) 章ggplot2的标度
   - 第 \@ref(tidyverse-ggplot2-theme) 章ggplot2的主题
   - 第 \@ref(tidyverse-ggplot2-guides) 章ggplot2的图例
   - 第 \@ref(tidyverse-ggplot2-customize) 章ggplot2扩展内容
   - 第 \@ref(tidyverse-ggplot2-stat-layer) 章ggplot2统计图层
   - 第 \@ref(tidyverse-ggplot2-from-layer-to-geom) 章ggplot2从图层到几何形状
   - 第 \@ref(tidyverse-ggplot2-colors) 章ggplot2数据可视化中的配色
   - 第 \@ref(tidyverse-ggplot2-override-aes) 章ggplot2如何控制图例的外观
   - 第 \@ref(tidyverse-ggplot2-aes-eval) 章ggplot2中的延迟映射 
   - 第 \@ref(tidyverse-ggplot2-academic) 章介绍科研数据可视化中的统计分布图
   - 第 \@ref(tidyverse-ggplot2-gganimate) 章让你的数据骚动起来
   - 第 \@ref(tidyverse-ggplot2-pass-function-as-parameters) 章ggplot2中传递函数作为参数值
   - 第 \@ref(tidyverse-workflow) 章回望Tidyverse之旅
   - 第 \@ref(tidyverse-tips) 章介绍Tidyverse常用技巧
   - 第 \@ref(tidyverse-dplyr-adv) 章介绍Tidyverse进阶技巧
   - 第 \@ref(tidyverse-styler) 章介绍Tidyverse代码书写规范 
   - 第 \@ref(tidyverse-colwise) 章介绍数据框的列方向和行方向
   - 第 \@ref(tidyverse-beauty-of-across1) 章介绍Tidyverse中的across()之美1
   - 第 \@ref(tidyverse-beauty-of-across2) 章介绍Tidyverse中的across()之美2
   - 第 \@ref(tidyverse-beauty-of-across3) 章介绍Tidyverse中的across()之美3
   - 第 \@ref(tidyverse-beauty-of-across4) 章介绍Tidyverse中的across()之美4
   - 第 \@ref(tidyverse-NA) 章介绍Tidyverse中的NA
   - 第 \@ref(tidyverse-dot) 章介绍Tidyverse中的dot
   - 第 \@ref(tidyverse-tidyeval) 章介绍非标准性评估
   
- 建模篇 
   - 第 \@ref(tidystats-sampling) 章介绍模拟与抽样1
   - 第 \@ref(tidystats-sampling-permute) 章介绍模拟与抽样2
   - 第 \@ref(tidystats-sampling-bootstrap) 章介绍模拟与抽样3
   - 第 \@ref(tidystats-lm) 章介绍线性模型
   - 第 \@ref(tidystats-broom) 章介绍模型输出结果的规整
   - 第 \@ref(tidystats-t-test) 章介绍双样本t检验
   - 第 \@ref(tidystats-aov) 章介绍t检验、方差分析和重复测量的方差分析等基础统计检验方法
   - 第 \@ref(tidystats-tests-as-linear) 章介绍统计检验与线性模型的等价性
   - 第 \@ref(tidystats-infer) 章介绍统计推断
   - 第 \@ref(tidystats-lmm) 章介绍多层线性模型
   - 第 \@ref(tidystats-poisson-regression) 章介绍广义线性模型中的泊松回归
   - 第 \@ref(tidystats-logistic-regression) 章介绍logistic回归模型
   - 第 \@ref(tidystats-ordinal) 章介绍有序logistic回归模型
   - 第 \@ref(tidystats-marginaleffects) 章介绍模型的边际效应
   
- tidymodels篇
   - 第 \@ref(tidymodels-intro) 章介绍机器学习与Tidymodels
   
- 贝叶斯篇
   - 第 \@ref(bayesian-inference) 章介绍贝叶斯推断
   - 第 \@ref(bayesian-intro-stan) 章介绍Stan入门
   - 第 \@ref(bayesian-lm) 章介绍贝叶斯线性模型
   - 第 \@ref(bayesian-t-test) 章介绍贝叶斯之假设检验
   - 第 \@ref(bayesian-glm) 章介绍贝叶斯广义线性模型
   - 第 \@ref(bayesian-glm-logistic-binomial) 章介绍贝叶斯logistic-binomial模型
   - 第 \@ref(bayesian-hierarchical) 章介绍贝叶斯层级模型
   - 第 \@ref(bayesian-mixtures) 章介绍贝叶斯混合模型
   - 第 \@ref(bayesian-categorical) 章介绍贝叶斯分类模型
   - 第 \@ref(bayesian-workflow) 章介绍贝叶斯工作流程
   - 第 \@ref(bayesian-tidybayes) 章介绍抽样数据的规整与可视化
   - 第 \@ref(bayesian-vaccine-effectiveness) 章贝叶斯案例-新冠疫苗有效率的计算  
   - 第 \@ref(bayesian-tokyo-olympics-100m) 章贝叶斯案例-预测奥运会男子100米短跑成绩  
   - 第 \@ref(bayesian-glmm) 章贝叶斯案例Logistic multilevel growth model  
  
- 应用篇
   - 第 \@ref(eda-nobel) 章介绍探索性数据分析-诺奖获得者  
   - 第 \@ref(eda-olympics) 章介绍探索性数据分析-奥林匹克  
   - 第 \@ref(eda-covid2019) 章介绍探索性数据分析-新冠疫情  
   - 第 \@ref(eda-anscombe) 章介绍探索性数据分析-anscombe数据集  
   - 第 \@ref(eda-height) 章介绍探索性数据分析-身高体重 
   - 第 \@ref(eda-caribou) 章介绍探索性数据分析-驯鹿迁移  
   - 第 \@ref(eda-penguins) 章介绍探索性数据分析-企鹅的故事
   - 第 \@ref(eda-career-decision) 章介绍探索性数据分析-大学生职业决策
   - 第 \@ref(eda-ames-houseprice) 章介绍探索性数据分析-ames房屋价格
   - 第 \@ref(eda-mammal-species) 章介绍探索性数据分析-哺乳动物脑量与体重的关系
   - 第 \@ref(eda-migration) 章介绍探索性数据分析-移民缺口
   - 第 \@ref(eda-rvest) 章介绍网页爬虫
   - 第 \@ref(eda-tidygraph) 章介绍社会网络分析
   - 第 \@ref(eda-tidytext) 章介绍文本挖掘
   - 第 \@ref(eda-tibbletime) 章介绍时间序列分析
   - 第 \@ref(eda-stars) 章介绍地理数据处理
   - 第 \@ref(eda-rowwise) 章介绍Tidyverse中行方向的操作
   - 第 \@ref(eda-lazyman) 章介绍我收集的一些有用和有趣的宏包
   - 第 \@ref(eda-pandas-vs-dplyr) 章Pandas vs. dplyr谁是数据分析中最好用的宏包 
   - 第 \@ref(eda-practice) 章一日一练，有些题目还是很有挑战性的喔



2、**课件源代码和数据**

  我将持续改进课件，所以欢迎大家提出建议
  
- <https://github.com/perlatex/R_for_Data_Science>


<!-- 3、课程视频 -->

<!-- - 部分课程视频放在[bilibili](https://space.bilibili.com/627373342/video)网站 -->



3、**关于课程目标**

大家可能看过《本杰明巴顿奇事》电影，讲了一个逆生长的奇事。我发现这种逆向思维挺棒。教大家写代码也有类似的情形，正常顺序是，拿到问题，然后拼凑代码，最后实现。但感觉这样效率很低，初学者容易受挫。因此，我尝试采用`code first`教学，先放出代码，让大家看到结果，然后大家自己探索代码解决了什么问题，可能更容易获得信心。一旦明白代码的含义，接下来，就可以模仿和创新了。学R最大的挑战是如何建立信心。

- 课程目标: 熟悉数据科学流程，掌握统计编程技能，能运用探索性分析方法，解决基本的实际应用问题，做到学以致用，**不是 learning R，而是 learning with R**

- 授课方式: 
  - 边写**代码**边讲
  - 通过案例式、问题式的方法，增强参与感和目标感

- 课堂要求
  - 自带电脑，配好运行环境
  - 光看李小龙的电影，是学不会功夫的
  
- 科学脚手架
  - 科学脚手架，我个人比较喜欢这个比喻(我微信公众号就使用了这个名字)。在教育中，各种知识或技巧就好比建房子用的脚手架，它帮助我们加深理解，逐渐获得独立自主学习的能力。
  


4、**关于如何提问**

有的同学，这样一上来就问：**老师，我的代码怎么运行不出来呢？**或者图省事，干脆手机拍个照片一发。

- 要想获得快速的帮助，在问问题之前，请先告诉对方三个信息：
   - 想解决的问题是什么？
   - 代码是什么？
   - 报错信息是什么？



## 课件中用到的宏包 {-}

```{r index-3, eval = FALSE}
my_packages <- 
   c("brms", "broom", "broom.mixed", "clock", "colorspace", "corrr", "countrycode", "cowplot", "cranlogs", "datapasta", "datasauRus", "devtools", "dplyr", "equatiomatic", "forcats", "gapminder", "geomtextpath", "geoshpere", "gganimate", "ggbeeswarm", "ggdist", "ggeffects", "ggforce", "ggfx", "gghighlight", "ggimage", "ggplot2", "ggpubr", "ggraph", "ggrepel", "ggridges", "ggstatsplot", "ggtext", "ggthemes", "gt", "gtsummary", "haven", "here", "infer", "janitor", "knitr", "latex2exp", "lme4", "lubridate", "maps", "marginaleffects", "margins", "MASS", "modelr", "namer", "naniar", "nycflights13", "ordinal", "pacman", "paletteer", "palmerpenguins", "patchwork", "performance", "purrr", "ragg", "readr", "readxl", "remotes", "reprex", "reticulate", "rlang", "rmarkdown", "rnaturalearth", "rstan", "rstatix", "rvest", "scales", "see", "sf", "shadowtext", "showtext", "slider", "stars", "statsExpressions", "stringr", "styler", "tibble", "tibbletime", "tidybayes", "tidygraph", "tidymodels", "tidyr", "tidytext", "tidyverse", "tinytex", "viridis", "visdat")
```


```{r index-4, eval = FALSE}
install.packages(my_packages, repos = "http://cran.rstudio.com", dependencies = T)
```



可能用到的开发版本的宏包

```{r index-5, eval = FALSE}
devtools::install_github("easystats/report")
devtools::install_github("kassambara/navdata")
devtools::install_github('cttobin/ggthemr')
remotes::install_github("daranzolin/inferregex")
devtools::install_github("EmilHvitfeldt/gganonymize")
remotes::install_github("ThinkR-open/remedy") 
remotes::install_git("https://git.rud.is/hrbrmstr/hrbraddins.git") 
devtools::install_github("hadley/emo") 
remotes::install_github("romainfrancois/lay")
remotes::install_github("kjhealy/covdata")
devtools::install_github("kbodwin/flair")
devtools::install_github("seasmith/AlignAssign")
devtools::install_github("sharlagelfand/ggkeyboard", ref = "main")
devtools::install_github("gadenbuie/grkstyle")
remotes::install_github("r-lib/downlit")
```





## RYouWithMe {-}

```{r index-6, echo = FALSE, out.width = "30%"}
knitr::include_graphics("images/QQgroup.png")
```



## 致谢 {-}

非常感谢川师研究生院的信任，有了您的支持，才会有更多的川师学子了解R的美！

```{block2 index-7, type='flushright', html.tag='p'}
王敏杰  
于 川师图书馆某角落
```