Skip to content

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 R6method dispatch、R6 classprint() / 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 ggplot2dplyr 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.tableDT[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?
tidymodelsrecipes、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 renvrenv::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、SummarizedExperimentBioconductor 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
SQLDatabases
大資料:sparklyrData Engineering