懒人专属！自动生成数据分析报告

前言

如今这个时代四处都充斥着大数据，如何从中快速获得关键信息并加以利用是决定成败的关键，编程语言是实现这个目标的利器之一。程序员利用编程语言可以同时开展多份工作，而且准确性比人工要高很多，我们不是程序员，不懂代码。但是我们即使是管中窥豹，也可以从中学习一些知识运用于我们自己遇到的问题中。

作为对生命科学工作者最友好的编程语言--R，近几年也在迅速发展，功能也越来越多元化。今天小编就来介绍一款可以自动生成数据分析报告的R包--FactoInvestigate，只需要给它提供你想分析的数据就可迅速为我们分析，同时自动生成报告，这可真是懒人福利。

---

代码实现

为了方便大家自己尝试这些分析流程，小编下面就使用它的示例数据进行演示。

install.packages("FactoInvestigate")

library("FactoMineR")
library("FactoInvestigate")# 导入示例数据
data(children)
children  #数据是一个有18行8列的孩子基本信息的数据框
#             unqualified cep bepc high_school_diploma university thirty fifty more_fifty
money                  51  64   32                  29         17     59    66         70
future                 53  90   78                  75         22    115   117         86
unemployment           71 111   50                  40         11     79    88        177
circumstances           1   7    5                   5          4      9     8          5
hard                    7  11    4                   3          2      2    17         18
economic                7  13   12                  11         11     18    19         17
egoism                 21  37   14                  26          9     14    34         61
employment             12  35   19                   6          7     21    30         28
finances               10   7    7                   3          1      8    12          8
war                     4   7    7                   6          2      7     6         13
housing                 8  22    7                  10          5     10    27         17
fear                   25  45   38                  38         13     48    59         52
health                 18  27   20                  19          9     13    29         53
work                   35  61   29                  14         12     30    63         58
comfort                 2   4    3                   1          4     NA    NA         NA
disagreement            2   8    2                   5          2     NA    NA         NA
world                   1   5    4                   6          3     NA    NA         NA
to_live                 3   3    1                   3          4     NA    NA         NA
#一句代码实现关联分析
res.ca = CA(children, row.sup = 15:18, col.sup = 6:8, graph = FALSE)
#导出结果
Investigate(res.ca, file = "CA.Rmd", document = "html_document")

---

报告内容

在运行完上述代码后，在当前文件夹下会生成一个CA.html的网页报告，大家可以自己在浏览器中打开进行查看，主要内容如下：

图片

在第一部分内容中主要是对数据基本信息进行的一个统计描述，因为这个数据比较简单所以看不出太多信息，当我们实际数据很大时就很方便我们寻找出核心有用信息了。此外，整个报告都是英文的，可以之间方便与国外朋友分享。

图片

Fig3是汇出一个功能因子图，从这里我们可以看出在这个数据中，各种因素的权重分布情况；Fig4是一个分类图，从这个图我们可以通过各因素将这些孩子按照不同特点分为几类，从而根据我们关注的因素挑选出合适对象。

---

其它分析

当然，这么功能强大的R包肯定不只上述一种分析，它还能进行主成分分析以及多元相关性分析，感兴趣的小伙伴可以自行研究一下。

#主成分分析data(decathlon)
res.pca <- PCA(decathlon, quanti.sup = 11:12, quali.sup = 13, graph = FALSE)
Investigate(res.pca, file = "PCA.Rmd", document = "pdf_document",             parallel = TRUE)            

# 多元相关分析
data(tea)
res.mca = MCA(tea, quanti.sup = 19,quali.sup = 20:36, graph = FALSE)
Investigate(res.mca, file = "MCA.Rmd", document = c("word_document", "pdf_document"))

---

小结

我们在实际应用中可以先使用FactoInvestigate包的三项功能对我们的数据进行初步分析，在找出比较重要的因素后再进行人工重点解析，这样就可以更全面的评估我们实验或者统计得来的一手数据。

生信宝库会在接下来的时间内推出R语言活学活用专题，专门给大家介绍各种R语言可视化和小技巧，敬请期待！