第 1 章 数据科学与R语言
1.1 数据科学
1.2 R语言基础
R 软件是一个自由、开源软件平台，具有统计分析、可视化和编程的强大功能。 你可以从这里免费下载。 为了更好的使用 R 软件，我推荐大家使用 RStudio这个 IDE。这里有个在线教程帮助我们熟悉 R 和 RStudio。 R 与 RStudio 是什么关系呢？你可以简单的理解为，RStudio 是话筒，而 R 则是沟通所用的语言。
图 1.1: RStudio用户界面
RStudio 的用户界面十分简洁，想要运行一段R代码，只需要在 RStudio 控制台面板最下面一行内键入R 代码，然后回车即可。比如我们键入1 + 1 并按回车后，RStudio 将显示如下结果
1 + 1## [1] 2在R中存储的数据称为对象， R语言数据处理实际上就是不断的创建和操控这些对象。创建一个R对象，首先确定一个名称，然后使用
赋值操作符 <-，将数据赋值给它。比如，如果想给变量 x 赋值为5，在命令行中可以这样写 x <- 5 ，然后回车.
x <- 5当键入x 然后回车，就打印出 x 的值。当然也可以使用命令print(x)，结果一样。
x## [1] 5R 语言的强大在于使用函数操控各种对象，你可以把对象看作是名词，而函数看作是动词。
我们用一个简单的例子，sum()来演示函数如何工作的。这个函数的功能正如它的名字一样，对输入的各个对象求和，然后返回求和后的值，你可以在命令行中键入?sum()查看其官方文档。
sum()后的结果可以直接显示出来，也可以赋名。比如下面代码，首先计算x + 10并赋以名字y， 然后第二行中打印出来这个新创建的对象y
y <- sum(x, 10)
y## [1] 15因为代码的灵活性，可以不断地重新定义对象。只要数据发生改变，原来的代码就会返回新的值。比如，对x重新赋值为 15， 同样运行sum()函数，这次我们不赋值给对象y，而是让它直接显示
x <- 15
sum(x, 10)## [1] 25如果我们已经写好了一段R程序，我们可以保存为脚本文件，脚本文件通常以.R作为文件的后缀名。比如我们可以将刚才创建x和 y对象的命令，保存为脚本文件my_script.R。
这样我们可以在其它时间修改和重新运行它。
在RStudio中，你可以通过菜单栏依此点击File > New File > R Script 来创建一个新的脚本。
强烈建议大家在运行代码之前，使用脚本的形式编写和编辑自己的程序，养成这样的习惯后，你今后所有的工作都有案可查，并且具有可重复性。
1.3 R 宏包: The tidyverse
R 语言的强大还在于各种宏包，一般在The Comprehensive R Archive Network (CRAN)下载安装。宏包扩展了R语言本身的各种功能，也为解决问题提供了各种方案。截至撰写本书时止，CRAN上大约有1.2万个宏包可以使用。但由于各种包接口不统一，语法不一致，也带来一些困扰。为了解决这个问题，RStudio 公司的Hadley Wickham 与其带领的团队推出了tidyverse宏包， tidyverse将常用的宏包整合在一起，并保持了语法的一致性。可以说，tidyverse宏包是R语言入门 学习的首选。
本书正是基于tidyverse宏包而成的，本书也将通过一些例子不断地展示tidyverse在数据分析和可视化的应用。
数据分析主要使用dplyr package ，而可视化主要使用 ggplot2。 dplyr的函数主要有filter(), select(), arrange(), mutate(), group_by(), 以及 summarise()。 它们都具体相似的语法结构，将数据框（data frame）作为第一个参数，随后的参数才是需要执行操作的列名。这些函数均返回一个新的数据框，这也让
dplyr的各种函数借助管道操作符%>%，能够串联起来，像流水线一样对数据框执行若干操作，从而得到想要的结果。
如果说dplyr定义数据操作的语法，那么ggplot2 定义了图形语法。ggplot2的图形语法可以通过很短的R代码绘制出漂亮的图形，这主要得益于ggplot2 两个主要的部件：几何对象和美学映射。所谓几何对象 就是使用什么样的可视化元素图形，是点？是线？还是矩阵？美学映射就是指数据框中的哪一列用来设置图形元素的大小、形状以及颜色等。
1.4 字符串处理：正则表达式
1.5 数据科学工作流程
数据科学工作流程
本书用到的R语言库包
my_packages <- c("ggplot2", "dplyr", "tidyr", "stringr", "widyr", "ggRadar",
"ggiraph", "ggiraphExtra", "ggraph", "tidygraph", "googlevis",
"broom", "modelr", "knitr", "rlang", "tidytext", "wordcloud2",
"tibbletime", "corrr", "devtools")
#install.packages(my_packages, repos = "http://cran.rstudio.com")1.6 推荐书目
这不是一本讲R语言的书，如果您对R语言感兴趣，隆重向您推荐Hadley Wickham的《R for Data Science》这本书 (Grolemund and Wickham 2017)，
您也可以抽空参加我的一小时系列讲座，课表时间在附录 A。