-
编辑 删除
R语言可视化——图表美化与套用主题（上）
ggplot函数所制作的图表默认设计风格虽然经过设计师的精雕细琢，但是并不是尽如人意。毕竟在这个大众审美水平水平越来越高的时代里，企业中的各式报告也强调与企业的VI相互统一，形成自身风格与特点。这样就要求R语言所制作的图表能够根据所需的风格与主题，高度可定制。当然ggplot函数中是支持这种多样性的
-
编辑 删除
R语言可视化——图表美化与套用主题（下）
昨天的分享跟大家简单介绍了关于柱形图图表元素美化的思路，今天接着分享关于套用主题。因为单独使用代码来调整单个图表元素，实在是太费劲了，更何况图表的细节元素有那么多，每一个都要单独写一句代码，即便简化后，也是一笔很大的工作量。所以R社区的开发者就创造出了图表主题包这种半成品的图表模板，通过基础图表输出
-
编辑 删除
R语言可视化——柱形图美化（簇状、堆积、百分比）
昨天以最简单的单序列柱形图作为对象详细的讲解了关于套用主题以及图表美化的思路。今天就我们常用的几种柱形图的衍生图表——簇状柱形图、堆积柱形图、百分比堆积柱形图的美化工作进行讲解。我们还是以昨天的数据作为演示数据，同时添加两年度数据。data<-data.frame(Name=c("苹果","谷
-
编辑 删除
R语言可视化——多系列柱形图（条形图）与分面组图美化技巧！
今天跟大家分享多系列与分面组图的美化技巧！昨天讲的关于多序列柱形图与条形图美化技巧，其实还漏掉了一些一点儿。当数据序列比较多的时候，特别是超过四个以后，还用堆积柱形图（条形图）、或者簇状柱形图的话，图表必然会因为系列太多而受到挤压或者变形，整体就会不协调、不美观。还有ggplot不支持次坐标轴功能，
-
编辑 删除
R语言可视化——散点图及其美化技巧！
今天开始跟大家分享散点图及其美化技巧！R语言中的散点图需要两个数值型变量分别作为X轴、Y轴映射对象，同时通过颜色、大小、形状进行分类变量映射。由于散点图在数据量较多的情况下效果更佳，这里使用ggplot包内自带的数据集diamonds进行案例演示。ggplot(diamonds,aes(carat,
-
编辑 删除
R语言可视化——直方图及其美化技巧！
数据集仍然使用上一节使用到的有关钻石的数据信息。data(diamonds)set.seed(42)small<-diamonds[sample(nrow(diamonds),1000),]head(small)以上通过设定随机种子，从diamonds中随机抽取了1000个数据作为我们制作直方
-
编辑 删除
R语言可视化——密度曲线图及其美化！
今天跟大家分享关于密度曲线图及其美化技巧！密度曲线图可能平时大家用的不多，不过其实没什么神秘，它的功能于直方图一样，都是用于表达连续型数值变量的分布形态。案例还是使用之前的关于钻石的那个数据集。密度曲线图所使用的图层函数为geom_density(),而且函数内position参数位置类型与我们之前
-
编辑 删除
R语言可视化——折线图、平滑曲线及路径图
今天跟大家讲关于路径图、平滑曲线与折线图及其美化。这里涉及到三个设计线条的特殊图层函数：geom_smooth()、geom_path()、geom_line()下面分别讲解：关于geom_smooth():平滑曲线ggplot(mpg,aes(cty,hwy))+geom_point()+geom
-
编辑 删除
R语言可视化——面积（区域）图及其美化
今天要跟大家分享的是面积图，也就是经常提到的区域图。本例选择自制数据集：head(data5)ggplot(data,aes(x,y))+geom_area(fill="steelblue")ggplot(data5,aes(Year,Sale,fill=Fac))+geom_area()默认情况下
-
编辑 删除
R语言可视化——箱线图及其美化技巧
今天跟大家分享如何在R语言中利用ggplot函数制作箱线图及其美化。箱线图也是经常会用到的用于呈现数据分布形态的重要的图表类型。还是以ggplot2包内置的数据集为例进行案例演示：ggplot(mpg,aes(class,displ))+geom_boxplot()以上是最简单的形式，一个分类变量，
-
编辑 删除
R语言可视化——关于ggplot所支持的数据地图素材类型
做了这么多数据地图，是时候该总结一些心得和理念了，今天这篇讨论ggplot2所支持的数据地图素材格式。library("plyr")library("dplyr")library("rgdal")library("sf")library(maptools)library("ggplot2")libr
-
编辑 删除
学习R语言我都做了那些有趣的事情！！！
学习R语言已经整整一年光景了，是时候整理一下自己学习以来的收获和成就。虽然一直学的很专注（一直埋头在可视化的小圈子了，总感觉这样是停留在舒适区，也许外面的风景会更好），但是专注有专注的好处，就是每一个细节都有机会做的更好！以下是我学习以来自己练习过程中的一些案例，包括给别人定做的报告、高仿的商务图表
-
编辑 删除
R语言数据清洗实战——世界濒危遗产地数据爬取案例
最近重复新翻阅R语言领域唯一一本关于网络数据采集的参考书——《基于R语言的自动数据收集》，开篇就是一个数据爬取的案例。尽管之前已经粗略的看过一遍，但是仍感书中诸多细节不甚理解，还有平时过于眼高手低，第一遍看的时候只是动眼却不动手，案例几乎很少做过，准备刷第二遍，案例也打算仔仔细细的过一遍，做的时候才
-
编辑 删除
R语言爬虫实战——知乎live课程数据爬取实战
本文是一篇R语言爬虫实战练习篇，同样使用httr包来完成，结合cookies登录、表单提交、json数据包来完成整个数据爬取过程，无需书写复杂的xpath、css路径甚至繁琐的正则表达式（尽管这三个技能对于数据爬取而言意义非凡）。之前已经演练过如何使用httr来完成网易云课堂的课程爬取，其中用到PO
-
编辑 删除
R语言数据清洗实战——复杂数据结构与list解析
数据清洗从来都不是一件简单的事情！使用httr包结合浏览器抓包工具进行网页数据抓取虽然非常方便，但是获取的数据后期处理工作量却非常庞大的。因为大部分json数据包返回之后都会被转换为R语言中的非结构化数据类型——list。也就是说，对于list数据结构的处理熟练程度，将会决定着你在数据清洗中所花费的
-
编辑 删除
R语言数据抓取实战——RCurl+XML组合与XPath解析
经常有小伙伴儿跟我咨询，在使用R语言做网络数据抓取时，遇到空值和缺失值或者不存在的值，应该怎么办。因为我们大多数场合从网络抓取的数据都是关系型的，需要字段和记录一一对应，但是html文档的结构千差万别，代码纷繁复杂，很难保证提取出来的数据开始就是严格的关系型，需要做大量的缺失值、不存在内容的判断。如
-
编辑 删除
用R语言照葫芦画瓢撸了一个简易代理~
最近正在刻苦的学习爬虫，陆陆续续的学习了正则表达式、xpath、css表达式，基本可以胜任R语言中的RCurl+XML、httr+rvest组合爬虫的需求，对GET请求和POST请求的构造和表单提交以及浏览器抓包、模拟登陆、异步加载也做了一些梳理，因为爬虫知识的通用性，所以在入门Python阶段直接
-
编辑 删除
R语言数据清洗实战——高效list解析方案
list是R语言中包容性最强的数据对象，几乎可以容乃所有的其他数据类型。但是包容性最强也也意味着他对于内部子对象的类型限制最少，甚至内部可以存在递归结构，这样给我们提取数据带来了很大的困难。如果你对R语言的list结构非常熟悉，又熟练控制流等函数的操作，自然可以通过构建循环来完成目标数据的提取。但是
-
编辑 删除
R语言网络数据抓取的又一个难题，终于攻破了！
单纯从数据抓取的逻辑来讲（不谈那些工程上的可用框架），个人觉得R语言中现有的请求库中，RCurl和httr完全可以对标Python中的urllib和reuqests(当然py中在错误处理和解析框架上显得更为专业！)。我们经常使用的网络数据抓取需求，无非两种：要么伪造浏览器请求要么驱动浏览器请求对于伪
-
编辑 删除
MySQL基础入门——MySQL与R语言、Python交互
MySQL作为z最为流行的关系型数据库管理平台之一，与绝大多数数据分析工具或者编程语言都有接口，今天这一篇分享如何将MySQL与R语言、Python进行连接。R语言中与SQL管理平台通讯的接口包有很多，可以根据自己使用的数据库平台类型以及习惯，挑选合适的接口包。因为我个人笔记本使用的MySQL平台，
