R数据科学之日常积累

今天是生信星球陪你的第117天

你想找辆共享单车，发现满街都是别家车，没有一辆你能骑。

你想学点生信，搜了“初学者教程”，满眼尽是高大上，没有一句能看懂。

终于你跨越茫茫宇宙，来到生信星球，发现了初学者的新大陆

豆豆开始写于18.9.4晚，这必定是一个持续性更新的过程

昨天jimmy一发朋友圈，单篇阅读量很快超过了我们的关注人数

开心之余，今晚拿起了数据科学这本书看了起来～

正如书的安排，将第一部分分给了可视化，确实让人耳目一新，学习R可视化并且用最好用的ggplot2工具，让学习变成一种享受。

我会按学习的内容梳理重点问题

.前言

数据处理流程需要整洁的数据tidy data

每一列是一个变量，每一行是一个观测

需要安装tidyverse包

包括了，使用tidyverse_update()检查更新

指定对象

包的名称后用两个冒号，如

.ggplot绘图

绘图模版

这个思路很棒！也讲出了ggplot的作图逻辑

无论什么图，首先需要输入的就是数据集 ，这时绘制的是一张白纸；

接下来就看你需要做什么图了，就是选择几何对象的过程，比如要做散点图，就将 替换成geom_point；

有了几何对象，接下来就要考虑，我们数据集中的数据怎么映射上去呢，x轴代表什么，y轴又代表什么呢？这个就是 需要做的事情——指定映射变量；

指定完变量后，就要想，怎么设置字体大小(size)，形状(shape)、【填充|边框】颜色(fill | color)、透明度(alpha)等等，这些叫图形属性，也都是在 中完成；

绘制完一个图层后，当然可以继续新加图层，覆盖到原来之上（比如这里的散点图）

绘图注意

不要将无序变量映射为有序图形属性，什么样的变量就用什么样的属性

有序图形属性包括：size；无序属性包括：shape、size

进行图形属性设置时，有的属性是有序的图形属性，比如size，就是它是和数据的大小顺序有关的，反映出来的结果应该是：数值越大，点的大小越大。

但是如果用一个无序的变量（比如mpg数据集中的class变量，它只是一个分类的作用）去映射size，结果就会根据不同类别的class表现大小，基本上结果是看不出来什么问题的

不好的搭配

ggplot2最多同时使用6种形状

绘图模版的倒数第二条中，设置颜色用字符串，设置大小用毫米，设置形状用数值。关于形状：

形状设置

一行代码写不完，可以用+然后换行，但是+必须在结尾

图形分面：特别适合添加分类变量

单个变量：

两个变量：

ggplot中有大于30种几何对象，就是做出来的图形，但是对于不用的图进行设置的属性也有些差别，比如：带线的图就不能用点图的shape设置形状，可以用linetype设置实线、虚线等

设置是否显示图例

创建表格可以用

在()中还可以添加统计变换

位置调整position

作出一条参考线：对角线 ；水平; 竖直

.基础工作流

赋值

虽然也可以，还是推荐使用 。因为=后来可能会引起混淆

快速输入，用

对象名称

小写字母，分隔

调取快捷键帮助

.学习dplyr

五大金刚:

filter()按值筛选观测值；arrange()行重排序；select()按名称选取变量；mutate()使用现有变量创建新变量；summarize()获得摘要

【工作方式：函数(数据框，变量名称+操作) = 》结果返回新数据框】

一种设定：group_by()，可以改变上述函数的作用范围

filter想同时输出结果并保存在一个变量中，可以这样：

比较数值—浮点数较特殊

逻辑运算

NA == NA => NA

NA是什么？=》not available的缺失值

打眼看去，很奇怪的表达，判断NA == NA，怎么结果还是NA？

按现实情况去解释就好理解了：豆豆的年龄未知（dou

当然，要判断NA值，用

filter()默认只保留TRUE的行，排除FALSE、NA，如果要保留NA，例如

简写 %in%

选出x是y中的一个值的所有行

简化筛选条件

另一个简单的选取数据函数between()

可以用于选取数据范围

参数left，right表示数据左边和右边范围，返回结果是逻辑值