学习R语言，一篇文章让你从懵圈到入门

在实际工作中，每个数据科学项目各不相同，但基本都遵循一定的通用流程。具体如下：

数据科学工作流程

数据导入
数据整理
反复理解数据
- 数据可视化
- 数据转换
- 统计建模
作出推断（比如预测）
沟通交流
自动化分析
程序开发

下面列出每个步骤最有用的一些R包：

数据导入

以下R包主要用于数据导入和保存数据

feather：一种快速，轻量级的文件格式。在R和python上都可使用
readr：实现表格数据的快速导入。中文介绍可参考这里
readxl：读取Microsoft Excel电子表格数据
openxlsx：读取Microsoft Excel电子表格数据
googlesheets：读取google电子表格数据
haven：读取SAS，SPSS和Stata统计软件格式的数据
httr：从网站开放的API中读取数据
rvest：网页数据抓取包
xml2：读取HTML和XML格式数据
webreadr：读取常见的Web日志格式数据
DBI：数据库管理系统通用接口包
- RMySQL：用于连接MySQL数据库的R包
- RPostgres：用于连接PostgreSQL数据库的R包
- bigrquery用于连接Google BigQuery的R包
PivotalR：用于读取Pivitol（Greenplum）和HAWQ数据库中的数据
dplyr：提供了一个访问常见数据库的接口
data.table：data.table包的fread()函数可以快速读取大数据集
git2r：用于访问git仓库

数据整理

以下R包主要用于数据整理，以便于你后续建模分析：

tidyr：用于整理表格数据的布局
dplyr：用于将多个数据表连接成一个整齐的数据集
purrr：函数式编程工具，在做数据整理时非常有用。
broom：用于将统计模型的结果整理成数据框形式
zoo：定义了一个名zoo的S3类型对象，用于描述规则的和不规则的有序的时间序列数据。

数据可视化

以下R包用于数据可视化：

ggplot2及其扩展：ggplot2包提供了一个强大的绘图系统，并实现了以下扩展
- ggthemes：提供扩展的图形风格主题
- ggmap：提供Google Maps，Open Street Maps等流行的在线地图服务模块
- ggiraph：绘制交互式的ggplot图形
- ggstance：实现常见图形的横向版本
- GGally：绘制散点图矩阵
- ggalt：添加额外的坐标轴，geoms等
- ggforce：添加额外geoms等
- ggrepel：用于避免图形标签重叠
- ggraph：用于绘制网络状、树状等特定形状的图形
- ggpmisc：光生物学相关扩展
- geomnet：绘制网络状图形
- ggExtra：绘制图形的边界直方图
- gganimate：绘制动画图
- plotROC：绘制交互式ROC曲线图
- ggspectra：绘制光谱图
- ggnetwork：网络状图形的geoms
- ggradar：绘制雷达图
- ggTimeSeries：时间序列数据可视化
- ggtree：树图可视化
- ggseas：季节调整工具
lattice：生成栅栏图
rgl：交互式3D绘图
ggvis：交互式图表多功能系统
htmlwidgets：一个专为R语言打造的可视化JS库
- leaflet：绘制交互式地图
- dygraphs：绘制交互式时间序列图
- plotly：交互式绘图包，中文介绍详见这里
- rbokeh：用于创建交互式图表和地图，中文介绍
- Highcharter：绘制交互式Highcharts图
- visNetwork：绘制交互式网状图
- networkD3：绘制交互式网状图
- d3heatmap：绘制交互式热力图，中文介绍
- DT：用于创建交互式表格
- threejs：绘制交互式3d图形和地球仪 –rglwidget：绘制交互式3d图形
- DiagrammeR：绘制交互式图表
- MetricsGraphics：绘制交互式MetricsGraphics图
rCharts：提供了对多个javascript数据可视化库（highcharts/nvd3/polychart）的R封装。
coefplot：可视化统计模型结果
quantmod：可视化金融图表
colorspace：基于HSL的调色板
viridis：Matplotlib viridis调色板
munsell：Munsell调色板
RColorBrewer：图形调色板
igraph：用于网络分析和可视化
latticeExtra：lattice绘图系统扩展包
sp：空间数据工具

数据转换

以下R包用于将数据转换为新的数据类型

dplyr：一个用于高效数据清理的R包。视频学习课程
magrittr：一个高效的管道操作工具包。
tibble：高效的显示表格数据的结构
stringr：一个字符串处理工具集
lubridate：用于处理日期时间数据
xts：xts是对时间序列数据(zoo)的一种扩展实现，提供了时间序列的操作接口。
data.table：用于快速处理大数据集
vtreat：一个对预测模型进行变量预处理的工具
stringi：一个快速字符串处理工具
Matrix：著名的稀疏矩阵包

统计建模与推断

下述R包是统计建模最常用的几个R包，其中的一些R包适用于多个主题。

car：提供了大量的增强版的拟合和评价回归模型的函数。
Hmisc：提供各种用于数据分析的函数
multcomp：参数模型中的常见线性假设的同时检验和置信区间计算，包括线性、广义线性、线性混合效应和生存模型。
pbkrtest用于线性混合效应模型的参数Bootstrap检验
MatrixModels：用于稠密矩阵和稀疏矩阵建模
mvtnorm：用于计算多元正态分布和t分布的概率，分位数，随机偏差等
SparseM：用于稀疏矩阵的基本线性代数运算
lme4：利用C++矩阵库 Eigen进行线性混合效应模型的计算。
broom：将统计模型结果整理成数据框形式
caret：一个用于解决分类和回归问题的数据训练综合工具包
glmnet：通过极大惩罚似然来拟合广义线性模型
gbm：用于实现随机梯度提升算法
xgboost：全称是eXtreme Gradient Boosting。是Gradient Boosting Machine的一个c++实现。目前已制作了xgboost工具的R语言接口。详见统计之都的一篇介绍
randomForest：提供了用随机森林做回归和分类的函数
ranger：用于随机森林算法的快速实现
h2o：H2O是0xdata的旗舰产品，是一款核心数据分析平台。它的一部分是由R语言编写的，另一部分是由Java和Python语言编写的。用户可以部署H2O的R程序安装包，之后就可以在R语言环境下运行了。
ROCR：通过绘图来可视化分类器的综合性能。
pROC：用于可视化，平滑和对比ROC曲线

沟通交流

以下R包用于实现数据科学结果的自动化报告，以便于你跟人们进行沟通交流。

rmarkdown ：用于创建可重复性报告和动态文档
knitr：用于在PDF和HTML文档中嵌入R代码块
flexdashboard：基于rmarkdown，可以轻松的创建仪表盘
bookdown：以R Markdown为基础，用于创作书籍和长篇文档
rticles：提供了一套R Markdown模板
tufte：用于实现Tufte讲义风格的R Markdown模板
DT：用于创建交互式的数据表
pixiedust：用于自定义数据表的输出
xtable：用于自定义数据表的输出
highr：用于实现R代码的LaTeX或HTML格式输出
formatR：通过tidy_source函数格式化R代码的输出
yaml：用于实现R数据与YAML格式数据之间的通信。

自动化分析

以下R包用于创建自动化分析结果的数据科学产品：

shiny：一个使用R语言开发交互式web应用程序的工具。中文教程
- shinydashboard：用于创建交互式仪表盘
- shinythemes：给出了Shiny应用程序的常用风格主题
- shinyAce：为Shiny应用程序开发者提供Ace代码编辑器。
- shinyjs：用于在Shiny应用程序中执行常见的JavaScript操作
- miniUI：提供了一个UI小部件，用于在R命令行中集成交互式应用程序
- shinyapps.io：为创建的Shiny应用程序提供托管服务
- Shiny Server Open Source：为Shiny应用程序提供开源免费的服务器
- Shiny Server Pro：为企业级用户提供一个Shiny应用程序服务器
rsconnect：用于将Shiny应用程序部署到shinyapps.io
plumber：用于将R代码转化为一个web API
rmarkdown：用于创建可重复性报告和动态文档
rstudioapi：用于安全地访问RStudio IDE的API