我是《R语言编程:基于tidyverse》的作者张敬信,我这本R新书主打的是:
学习最新的 R 语言编程技术,掌握真正的数据编程思维:
我也不缺论坛币,免费把我的1393页《R语言编程:基于tidyverse》完整课件分享给大家,也希望大家多多传播、扩散:
链接:https://pan.baidu.com/s/1w6FDFndUuHcI8RngIOe49g?pwd=3yee 提取码:3yee
本书的 电子网页版 和 纸质版预售 已上线(人邮)异步社区,可在异步社区公众号或官网购买,纸质版预计12月底上市:
我平时多在知乎,也有一些 tidyverse 案例,供大家参阅:
补充:R语言零基础直接学我的这本R书或课件,效果更佳。做个比喻的话,tidyverse是真正的上乘武学,而base R是低级的武功,有了base R基础再学tidyverse,反而处处掣肘、适得其反,需要忘记 base R,才能学好 tidyverse。这不是我危言耸听,而是很多人的切身体会。我这本书的读者群(QQ)人数已经4100+,已经有非常多的人对我这本书翘首以盼,学R语言的人遇到我这个资料,绝对是你的幸运。
再举一个tidyverse优雅编程的案例,让大家体会如今R语言的强大!当然R在机器学习也已经非常强大,可参阅我的另一个帖子 [学习分享] 张敬信:分享我的【R机器学习:mlr3verse技术手册】
网上有个经典的案例:朝阳医院销售数据分析,python实现非常啰嗦,来看R语言 tidyverse 的实现,基本上跟文字叙述一样写代码就行了,管道衔接,依次做一系列的操作:
- read_xlsx("朝阳医院2018年销售数据.xlsx") %>% # 读取数据
- rename(销售时间 = 购药时间) %>% # 重命名列
- filter(!if_any(1:2, is.na)) %>% # 删除缺失值
- mutate(across(5:7, impute_mean)) %>% # 插补缺失值
- mutate(销售时间 = ymd(销售时间)) %>% # 修改日期列
- drop_na(销售时间) %>% # 删除缺失行
- arrange(销售时间) %>% # 按行排序
- filter(销售数量 > 0) # 删除异常值行
详细讲解版本请参阅我的这篇知乎文章 【Tidyverse优雅编程】朝阳医院销售数据分析-tidyverse版