生物信息学之R语言数据思维

大部分半路出家搞生信的朋友都遇到过一个问题——无法建立数据之间的联系，根本原因是缺少必备的数据思维，传统生物学中对数学的忽视，造成了现在大数据情况下思维混乱。

如果没有数据思维，就只是数据堆叠。

如何培养数据思维？

学习数据分析工具和技术：

了解数据分析所需的基本工具和技术，包括统计学、机器学习、数据可视化等。

掌握数据收集和处理技能：

学会如何获取、整理、清洗和转换数据，使其适合进行分析。

练习数据分析和解释：

利用实际数据集进行练习和分析，并熟悉如何将分析结果以及数据图表传达给受众。

培养数据驱动的思考方式：

使用数据来支持决策和解决问题，例如使用数据来验证假设和评估方案效果。

---

如何提升R语言能力？

R提供了丰富的数据处理、统计分析和图形可视化功能，包括基本的统计方法（如描述性统计、假设检验、线性回归等）和高级的统计技术（如非参数方法、广义线性模型、决策树、聚类分析等）。

此外，R还提供了强大的绘图和可视化功能，可以创建各种类型的图表，包括散点图、条形图、直方图、箱线图、密度图、热力图等。

我最近看到了一本很适合R语言爱好者的书，它是由哈尔滨工业大学基础数学博士张敬信教授编著的《R语言编程—基于tidyverse》

15151515
这本书的作者张教授先在信息与计算科学专业打牢学术基础，然后继续在基础数学领域深造并一举拿下博士学位，年纪轻轻就成为了副教授。

干货满满

内容新颖

Tidyverse包是Hadley及团队的集大成之作，是专为数据科学而开发的一系列包的合集，提供了一致的底层设计哲学、语法、数据结构。它集数据导入—数据清洗—数据操作—数据可视化—数据建模—可重现与交互报告整个数据科学流程于一身，以“现代的”“优雅的”方式和管道式、泛函式编程技术实现。

本书绝大部分内容都是参阅最新版本R包的相关文档，很少参阅书籍（而且尽量参阅最新的在线版本）。本书全面采用最新的R语言技术编写，特别是tidyverse“整洁流、管道流、泛函流”数据科学。

真正融入编程思维

很多国内 R 语言编程书只是罗列堆砌编程语法，国外有不少优秀的 R语言编程书，但翻译版往往就只是 “直译”，只把表面意思用生硬的汉语表达出来，很难让初学者学透它们。

解决办法就是真正融入编程思维：编程思想引导，编程语法到底是怎么回事，应该用于何处、怎么使用。本书前言和第一章融入向量化编程与函数式编程思维；第二章主要融入数据思维。

精心准备实例

编程语法讲透彻还不够，必须配以合适的实例来演示，所以也请读者一定要将编程语法讲解与配套实例结合起来阅读，比起实例代码调试通过，更重要的是借助实例代码理解透彻该编程语法，所包含的编程思维。

本书后半部分是R语言在应用统计、探索性数据分析、文档沟通方面的应用，所配案例力求能让读者上手使用。

程序代码优雅、简洁、高效

本书程序代码都是基于最新的tidyverse，自然就很优雅；简洁高效是能用向量化编程就不用逐元素，能用泛函式编程，就不用 for 循环。

可以说，读者如果用我这本书入门 R 语言，或者更新您的 R 知识，就会自动跳过写低级啰嗦代码的阶段，直接进入写让别人羡慕的 “高手级” 代码的行列。

本书内容安排简介

R 语言编程的基本语法

同时渗透向量化编程、函数式编程思维。这些语法在其它编程语言中也是相通的，包括搭建 R 语言环境，常用数据结构（存放数据的容器） ：向量、矩阵、数据框、因子、字符串（及正则表达式） 、日期时间，分支结构，循环结构，自定义函数。

这些基本语法是您写 R 代码的基本元素，学透它们非常重要，只有学透它们才能将其任意组合、恰当使用，以写出各种各样的解决具体问题的 R 代码。同样是讲 R 基本语法，本书不同之处在于，用tidyverse中更一致、更好用的相应包加以代替：用tibble代替data.frame、用forcats包处理因子，用stringr讲字符串 （及正则表达式）、用lubridate包讲日期时间、循环结构中用purrr包的map_函数代替apply系列函数，其中特别讲到编程技术：泛函式编程。

tidyverse数据操作思维

先简单介绍 tidyverse包以及编程技术之管道操作，接着围绕各种常用数据操作展开，包括数据读写（各种常见数据文件的读写及批量读写、R连接数据库、中文编码问题及解决办法），数据连接（数据按行/列拼接、SQL数据库连接），数据重塑 （“脏”数据变“整洁”数据，长宽表转换、拆分与合并列），数据操作 （选择列、筛选行、对行排序、修改列、分组汇总）、其它数据操作 （按行汇总、窗口函数、滑窗迭代、整洁计算），以及data.table基本使用 （常用数据操作的dplyr语法与data.table语法对照）。

tidyverse最大的优势就是以“管道流”、“整洁语法”操作数据，这些语法真正让数据操作从R base的晦涩难记难用，到tidyverse的“一致”、“整洁”好记好用，比Python的 pandas还好用！关键是用一次就能记住！

为了最大程度地降低理解负担，本书特意选用中文的学生成绩数据作为演示数据，让读者只关心语法就好。另外，tidyverse 的这些数据操作，实际上已经在语法层面涵盖了日常Excel数据操作、SQL数据库操作，活用tidyverse上述数据操作语法已经可以胜任这些工作。

可视化与建模技术

可视化只介绍最流行的可视化包ggplot2，先从 ggplot2的图层化绘图语法开始，依次介绍ggplot2的九大部件：数据、映射、几何对象、标度、统计变换、坐标系、分面、主题、输出；接着介绍图形从功能上的分类：类别比较图、数据关系图、数据分布图、时间序列图、局部整体图、地理空间图，对每一类图形分别选择其中代表性的用实例加以演示。

建模技术包括三个内容：(1) 用broom包提取统计模型结果为整洁数据框，方便后续访问和使用；(2) modelr包中一些有用的辅助建模函数；(3) 批量建模技术，比如要对全世界 170 多个国家的数据分别建立模型、提取模型结果，当然这可以用for 循环实现，但这里采用更加优雅的map_实现，以及“行化迭代”实现。

本文由mdnice多平台发布