ITPub博客

4.2创建新变量书中给出三种方式创建新变量，同时将新变量整合到原始的数据框中，练习了一下其中两种方式：mydata<-data.frame(x1=c(2,2,6,4),x2=c(3,4,2,8))mydata$sumx<-mydata$x1+mydata$x2mydata$meanx&l

1.朝阳医院销售数据首先过一遍猴哥第三讲的实践案例，大体分为两个部分：数据预处理和数据分析。1).数据预处理：列名重命名、删除缺失数据的观测、处理日期格式、数据类型转换、数据排序。代码如下：library("stringr")library("openxlsx")readfilePath<-"

本文中的数据案例来自kaggle，下面附上案例主页的链接NBAshotlogs|Kaggle感兴趣的朋友可自行下载原始数据进行分析。首先起了一个很唬人的名字“用R语言进行NBA赛况分析”，写代码之前本以为可以分析出很多东西，然而作为一个小白吭哧吭哧一下午只得到了一点点成果，下面和大家分享。设立目标：

NBA的比赛数据真的很适合做数据分析、数据可视化方面的练习，建议大家在kaggle上下载原数据自己试一试NBAshotlogs|Kaggle。一个月前写了一篇“用R语言进行NBA赛况分析”用R语言进行NBA赛况分析-知乎专栏，这篇算是续篇，进一步发掘一些更有价值的数据，没看过上一篇的朋友建议先看一下

现在毕竟是python大行其道的时代，从没想过R语言书籍还能如此受欢迎。当然，其他不敢比较，但论数据可视化方面，python还差R语言很大一截。但是最近刚出的一本《R语言数据可视化之美》，从没想到会如此受欢迎，在2019年6月6日居然荣登-京东计算机与互联网销售榜排名第1。1作者介绍张杰，数据分析与

虽然计量经济学和统计学关系密切，但是两者存在较大的差异性。应用计量经济学主要是研究经济变量之间的关系，并且努力证明其为因果关系。这也是为什么现在在经管类实证研究文献中基于自然实验（NaturalExperiment）的经验研究非常流行的原因。除了学科本身的差异以外，两个群体用的工具也存在较大的差异。

RStudio终于进入V1.0了。虽然PreviewRelease和DailyBuild已经较早进入1.0阶段，但是正式版版一直在0.99.X。这次终于在2016年11月1日到了V1.0。难道是受到R3.3.2的影响？因为2016年10月31日R3.3.2发布了。哈哈，这个是开玩笑的。这个不是专业的

在刚开始接触R语言时，对管道操作不太了解。后来用的多了就发现管道操作在写代码上有一定的优势：可以避免生成中间变量，代码可读性更好。不过后来在做数据分析时基本上很少用管道操作。因为R语言中负责管道操作的神器magrittr已经很久没有更新了。此外，在用data.table整理数据时使用管道操作的需求并

在R语言中，tidyr包和data.table分别提供了相应的长宽数据变换的函数。在做资本市场微观企业数据分析时，尤其财务数据指标（如Wind的数据格式是宽数据），这个两个包提供的函数友好程度还可以提升。================================================

R语言的非标准计算在做初步数据分析应用的不多，但是会给分析工作带来便捷。这个系列是主要是阅读和学习R官方的RLanguageDefinition，还有HadleyWickham写的AdvancedR，还有tidyverse官方的资料的笔记。HadleyWickham说非标准计算的最终目的是进行元编程

接着上一篇R语言进阶|非标准计算base，本篇讲tidyeval。在tidyverse工具链中，tidyeval提供比较一致的非标准计算服务。tidyeval的函数主要在rlang包中。rlang非标准计算函数比较多，目前坑还没有踩完。这里只分享目前自己在数据分析中最常用的函数组合。parse_ex

先前推介的Rcppforeveryone书中介绍了更换编译器的方法。2.1.4UsingothercompilersinstalledbyyourselfIfyouinstalledothercompiler(g++,clang++)differentfromabove,createthefollo

R语言基础设施Rtools4.0正在测试中，尝鲜的同学可以下载使用。亮点：NewexperimantaltoolchainforRonWindowsbasedongcc8andmsys2.这次Rtools中的GCC已经升级到8.2，相对Rtools3.5中的GCC，版本发生巨大的飞跃。下载地址。ht

虽然计量经济学和统计学关系密切，但是两者存在较大的差异性。应用计量经济学主要是研究经济变量之间的关系，并且努力证明其为因果关系。这也是为什么现在在经管类实证研究文献中基于自然实验（NaturalExperiment）的经验研究非常流行的原因。除了学科本身的差异以外，两个群体用的工具也存在较大的差异。

窝在家里看代码，偶然间看到Y叔公众号推送的用R画疫情地图第一波，想重复一下，结果其中一个Y叔自己写的包装不上（chinamap），尝试一下用别的方法实现R语言绘制疫情地图。采用的方法基于R笔记1：ggplot绘制商务图表--中国分省热力地图_刘万祥ExcelPro_新浪博客数据来源：中国各省份、地区

其实相对于常见的编程语言，R语言还是非常容易上手。学习1年多时间，就可以找一份不错的工作了。前言我当初学习R的时候在网上搜到一则流传很广的R语言学习路线图(R语言学习由浅入深路线图),我在微信圈，微信公众平台上也见多次，写的确实很详细。但是对一些没有编程经验的童鞋来说，学习的难度还是太大了。后来自己

今天跟大家简单介绍下几个常用的R数据操纵技巧——导入（xlsx）、导出及长宽转换！数据导入（xlsx）之前写过一篇关于R导入不同类型数据的方式，但是其中只涉及到.csv、.txt以及直接从剪切板复制。之所以当时没有介绍xlsx是因为，excel数据文件属于富文本类型，结构相对复杂，需要解除特殊包的支

数据结构的塑造是数据可视化前重要的一环，虽说本公众号重心在于数据可视化，可是涉及到一些至关重要的数据整合技巧，还是有必要跟大家分享一下的。在可视化前的数据处理技巧中，导入导出、长宽转换已经跟大家详细的介绍过了。今天跟大大家分享数据集的合并与追加，并且这里根据所依赖函数的处理效率，给出诺干套解决方案。

今天这个标题实在是有点言过其实了，对于R的爬虫知识，我只是领会了一点儿皮毛。主要看不懂正则表达式，特别是那种一个括号里要匹配多种类型文本的语句，特像火星文，估计短期很难搞懂了。再加上对于HTML结构没啥感觉，在目标定位上很苦恼。但是相对于文本信息而言，图片在html中的地址比较好获取，这里仅以图片抓

PowerBI作为微软系最新的商务智能办公系统，自去年发布以来，一直都备受瞩目。它的更新频次相当之高，功能更新迭代非常迅速。大概对可视化领域稍有涉猎的朋友们，都明白其中缘由，大数据与云计算的趋势席卷全球，海量数据处理成为了限制各行业发展的掣肘。而受制于编程工具的门槛，大部分数据处理业务人员，可能要严