100. R markdown的练习题27.2-27.3

  练习题27.2.1中的第3、4题，问：R markdown 和R notebook的输出如何相似又如何不同，它们的输入如何相似又如何不同？如果你把其中一个的“YAML header”拷贝到另一个文件中会发生什么？
  一番操作下来，我并不能准确地描述两者的相似或不同，相反个人觉得 R markdown和R notebook实在太相似从而导致我不能理解需要这两种文件的意义在哪里。问题既然来了，只能尝试去解答。
  首先，两者的语法规则是相同的；包含三个主要的内容类型：
  1）可选的YAML header，由---分割；
  2）R代码块Chunks，由```分割;
  3）文本内容，包括标题、文本属性（加粗、倾斜）等。
  两者都可输出三种格式的文件：HTML、Word、PDF。点击Knit，文档中的代码被执行，执行结果显示在代码块的下方，因此你的代码和结果可以很方便地被打印到输出文件中。
  其次，两者的不同可能体现在：
  1）在R Studio中同通过 File-> New File-> 创建两种文件之后，R notebook有Preview(预览)选项，R markdown没有。
  2）R notebook中YAML header中输出类型的表示是output: html_notebook，R markdown的表示是output: html_document。如果两者的YAML header互换之后，它们似乎变成了对方？
  3）markdown是一种轻量级的标记语言，R markdown和R notebook文件都基于这种标记语言书写？据查资料，R markdown更适合给哪些只关注结果而不关注具体代码的人（做决定的人）做汇报用，R notebook（笔记本）更适合在协作者或教授者之间进行信息沟通和思想交流。
  Anyway，作为用户，了解这些也许就够了。

  练习题27.3.1，
  问题1：通过创建一个简短的简历练习你所学。要求：title必须是你的名字；应该包含章节主题（headings），例如教育背景和工作经历，每一部分应该包括工作/学历的项目列表（bulleted list）；年份加粗（I have tried my best.）。

---
title: "Sunflower"
output: html_notebook
---

# EDUCATION

- XXX Medical University(**2017.07-2021.06**)\
  Bachelor degree
- XXX High School(**2014.09-2017.06**)\
  Gradutation

---

# PROFESSIONAL EXPERIENCE

- XXX Biotechnolohy Co.,Ltd(**2021/07-Now**)\
  Information Supervisor
- XXX Technology Co(**2013/12-2021/06**)\
  Engineer

  问题2：使用R Markdown quick reference，指出怎样：增加脚注（footnote）、水平线（horizontal rule）、块引用（block quote）。

# 脚注
superscript^2^
subscript~2~

# 水平线
---

# 块引用
> block quote

  问题3：从https://github.com/hadley/r4ds/tree/master/rmarkdown拷贝一个R markdown文件,在频率多边形图片之后增加描述其最显著特征的文本。

---
title: "Diamond sizes"
date: 2016-08-25
output: html_document
---

```{r setup, include = FALSE}
library(ggplot2)
library(dplyr)
smaller <- diamonds |> 
  filter(carat <= 2.5)
\```

We have data about `r nrow(diamonds)` diamonds. Only 
`r nrow(diamonds) - nrow(smaller)` are larger than
2.5 carats. The distribution of the remainder is shown
below:

```{r, echo = FALSE}
smaller |> 
  ggplot(aes(carat)) + 
  geom_freqpoly(binwidth = 0.01)
\```

# add by me
小钻石的重量分布主要集中分布在几个值周围。