外觀
Data Science › R Foundations
R 基礎 (R Foundations)
資料分析中反覆用到的 R:資料結構與函式、tidyverse / data.table 資料整理、匯入與缺值處理,以及效能、套件化與文字處理。生資分析大量依賴 R 與 Bioconductor,這裡是讀懂那些套件的前置知識。Python 的對應內容見 Python Foundations。
建議順序
text
資料結構 → 類別資料 → 控制流程 → 函式 → 日期時間 → 匯入 → 缺值
↓
Bioconductor ← 統計函式 ← data.table ← join / reshape ← tidyverse只需要整理表格的人:讀完第一排後直接進 tidyverse;處理千萬列以上資料再補 data.table。
語言基礎
| 筆記 | 內容 | 回答的問題 |
|---|---|---|
| 資料結構 | vector、matrix、data frame / tibble、list、強制轉型 | [ 和 [[ 差在哪?為什麼整欄變成字串? |
| 類別資料 | factor、levels、參考組、cut()、forcats | 為什麼 fold change 方向反了? |
| 控制流程 | if、case_when()、迴圈、何時向量化 | 這裡該寫迴圈還是向量化? |
| 函式 | 參數、預設值、...、輸入檢查、tryCatch() | 如何寫出可重用、會早失敗的函式? |
| 防禦性程式設計 | 斷言、join 後驗證、風格、專案結構、here / renv | 如何讓腳本不悄悄算錯? |
| 物件導向:S3 與 R6 | method dispatch、R6 class | print() / summary() 怎麼知道要做什麼? |
| 函數式程式設計 | apply 家族、purrr、safely() | 如何對很多檔案 / 模型重複做同一件事? |
資料整理
| 筆記 | 內容 | 回答的問題 |
|---|---|---|
| 日期與時間 | Date / POSIXct、lubridate、period vs duration、時區 | 日期欄位怎麼解析、怎麼算追蹤時間? |
| 匯入資料 | readr、Excel、JSON / httr2、DBI、haven、arrow、生資格式 | 這個檔案該用什麼讀?讀完要檢查什麼? |
| 缺失值 | NA 行為、藏起來的缺值、naniar、shadow matrix | 缺值在哪裡、有沒有模式? |
| Tidyverse 工作流 | tidy data、|>、核心 verbs、.by、接 ggplot2 | dplyr 的基本節奏是什麼? |
| dplyr 合併資料 | join 類型、join_by()、區間 join、cardinality 檢查 | join 後列數為什麼變多 / 變少? |
| tidyr 資料重塑 | pivot、拆欄、complete()、巢狀資料展開 | 寬表、長表怎麼互轉? |
| dplyr 程式化模式 | tidyselect、across()、{{ }}、.data | 如何寫接受欄名參數的函式? |
| data.table | DT[i, j, by]、:=、join、rolling / overlap join | 大資料怎麼又快又省記憶體? |
統計與建模
| 筆記 | 內容 | 回答的問題 |
|---|---|---|
| 統計函式速查 | d/p/q/r 分配函式、描述統計、檢定、p.adjust() | 這個檢定在 R 裡怎麼寫? |
| 解釋型建模 | lm() / glm()、broom、模型比較 | 如何建模並解讀係數? |
| tidymodels | recipes、parsnip、workflows、tune | 如何在 R 做 ML pipeline? |
| 抽樣與調查資料 | 分層 / 集群抽樣、bootstrap、NHANES 權重與 survey 套件 | 如何處理有抽樣設計的資料? |
效能、工程化與報告
| 筆記 | 內容 | 回答的問題 |
|---|---|---|
| 寫出有效率的 R | 量測、向量化、記憶體 | 程式哪裡慢? |
| Rcpp | 用 C++ 寫熱點函式 | 向量化不夠快時怎麼辦? |
| 平行運算 | parallel、future、foreach | 如何用滿多核心? |
| 可重現環境 renv | renv::init() / snapshot() / restore()、lockfile | 半年後或換電腦,分析還跑得起來嗎? |
| R 套件開發 | usethis、roxygen2、testthat | 如何把函式打包、測試、分享? |
| R Markdown 報告 | R Markdown / Quarto、參數化報告 | 如何產出可重跑的分析報告? |
文字資料
| 筆記 | 內容 | 回答的問題 |
|---|---|---|
| 正規表示式 | stringr、regex pattern | 如何從字串擷取、驗證、替換? |
| 字串距離與模糊比對 | stringdist、fuzzy join | 拼錯、別名怎麼對起來? |
| 文字分析 | tidytext、sentiment、LDA | 如何把文件轉成可分析的 tokens? |
| rvest 網頁擷取 | rvest、httr2 | 如何在 R 抓網頁表格? |
相關章節
| 需求 | 去哪裡 |
|---|---|
Bioconductor 物件、SummarizedExperiment | Bioconductor 入門 |
| RNA-seq 差異表現(DESeq2 / limma) | DESeq2、limma |
| 統計方法的選擇與解讀 | Statistics |
| EDA 流程與圖表原則 | Data Manipulation and EDA |
| SQL | Databases |
| 大資料:sparklyr | Data Engineering |