R4DS第5周：有时会感到迷茫小小书 XXshu

我想从本周开始，承认如果您是R的新手，那么关于小节的整个部分可能看起来有点抽象。如果您阅读了有关小技巧的部分，然后说“那又怎样？”甚至“我迷路了”，那没关系。

因为这些每周汇总旨在帮助R的新手，所以我们将掩盖许多经验丰富的R用户认为应该在此处的信息。没关系，因为我们的目标是游览整洁的风景，以便您知道主要地标在哪里，而不是在任何一个要素上花费大量时间。

首先听到“ tibble”一词，通常会有以下两种反应之一：

我们非常指的是“ tibble”，这就是tbl_df前半部分的tbl_df 。您可以在此处阅读更多有关小技巧的信息。

那么，为什么要使用小标题呢？在R中输入以下代码并逐行运行：

 库（tidyverse）iris＃注意，当您运行iris时会发生什么
 ＃以这种格式查看数据有多容易/有多困难？
 as_tibble（iris）＃我们用as_tibble（）“包装”了虹膜数据集
 ＃将虹膜数据帧转换为小标题
 ＃以这种格式查看数据有多容易/有多困难？

小贴士做了很多非常酷的事情，这些事情最终会使您在R中的生活更轻松，但是我们现在不打算深入探讨这些事情。取而代之的是，我们要承认存在小动作，小动作很棒，小动作是tidyverse不可或缺的一部分。

到目前为止，我们已经使用的所有数据集都已作为R的一部分存在。尽管这些数据集有助于学习数据科学的基础知识，但您很可能需要分析自己的数据集或其他人给您的数据集。

为此，我们将使用readr包，该包允许我们将数据文件带入RStudio，然后可以在其中使用ggplot2和dplyr类的工具来处理它们。您可以在此处看到readr可以使用的文件类型列表，但是知道，在本每周readr ，我们将专注于读取.csv文件。

对于这些后续步骤，请随时使用您已有的数据。如果您没有任何数据并且不想生成某些虚拟数据，则可以下载“按邮政编码分类的人口统计数据.csv文件。

如果您在中有数据。 xls或.xlsx格式（标准Excel工作表），并且不确定如何将其转换为.csv格式，可以按照此处的说明进行操作。

注意：您可以 使用 readxl .xls 和 .xlsx 文件直接 读入R

有两种解决方法–困难方法和简单方法。我想鼓励您现在就永远采取简单的方法。

简单的方法

您是否在RStudio中使用过Projects？没有？开始吧。

好。如果您一直遵循，那么应该有一个类似于以下内容的设置：

如果您的设置看起来与此不同，请尝试重新执行这些步骤。如果仍然无法正常工作，请加入Slack组！

既然已经完成了Project的设置，请转到保存数据的位置，然后将.csv文件（或.csv文件本身）的副本移到刚创建的Project文件夹中。

转到RStudio中的R脚本（左上角的大块）并运行以下命令：

  library（tidyverse）read_csv（“ name_of_data_file.csv”）
 ＃发生了什么？数据<-read_csv（“ name_of_data_file.csv”）
数据
 ＃与上一行代码有何不同？

创建其他.csv数据集（或使用已有的数据集），将其放入Project文件夹中，然后将其读入R。
在同一项目（Cmd / Ctrl + Shift + N）中创建一个新的R脚本。不要将任何数据文件读入此脚本。而是键入summary(data) 。发生了什么？这有什么用？什么时候有用？

困难的方法包括使用setwd()设置工作目录并从那里开始工作。我有意对此不做深入探讨，但是如果您想了解更多信息，请联系Slack！

第一周：设置RStudio环境

第二周：数据可视化

第三周：数据转换

第四周：探索性数据分析