R语言数据科学思维导图

数据处理

数据导入

基础格式

• CSV文件：read.csv()
• Excel文件：readxl::read_excel()
• 文本文件：read.table()

  数据库连接

• MySQL：RMySQL
• PostgreSQL：RPostgreSQL
• SQLite：RSQLite

  网络数据

• API接口：httr、jsonlite
• 网页抓取：rvest

数据清洗

缺失值处理

• 检测：is.na()、complete.cases()
• 处理：na.omit()、均值/中位数填补

  异常值处理

• 识别：箱线图、Z-score方法
• 处理：截尾、转换、删除

  数据类型转换

• 数值转换：as.numeric()
• 因子转换：as.factor()
• 日期转换：as.Date()、lubridate

数据转换

数据重塑

• 长宽格式转换：tidyr::gather()/spread()
• 数据合并：dplyr::join()系列函数

  变量创建

• 数学运算：mutate()
• 条件分组：case_when()
• 字符串处理：stringr

数据整理

数据筛选

• 行筛选：filter()
• 列选择：select()

  数据排序

• 升序排列：arrange()
• 降序排列：arrange(desc())

  数据汇总

• 分组统计：group_by() + summarise()
• 计数统计：count()

ggplot2绘图

基础语法

图形组件

• 数据层：ggplot(data)
• 美学映射：aes(x, y, color, fill)
• 几何对象：geom_point()、geom_line()
• 标度调整：scale_*()系列
• 坐标系统：coord_*()系列
• 分面系统：facet_*()系列

常用图形类型

单变量图形

• 直方图：geom_histogram()
• 密度图：geom_density()
• 条形图：geom_bar()

  双变量图形

• 散点图：geom_point()
• 折线图：geom_line()
• 箱线图：geom_boxplot()

  多变量图形

• 气泡图：geom_point(aes(size))
• 热力图：geom_tile()
• 小提琴图：geom_violin()

图形美化

颜色与填充

• 离散颜色：scale_color_brewer()
• 连续颜色：scale_color_gradient()
• 手动设置：scale_color_manual()

  主题系统

• 内置主题：theme_bw()、theme_minimal()
• 自定义主题：theme()函数
• 主题包：ggthemes

  标签与注释

• 标题标签：labs(title, x, y)
• 文本注释：geom_text()、geom_label()
• 参考线：geom_hline()、geom_vline()

图形输出

保存图形

• 常用格式：PNG、PDF、SVG
• 保存函数：ggsave()

  图形参数

• 尺寸设置：width、height
• 分辨率设置：dpi
• 背景设置：bg

统计建模流程

数据探索

描述性统计

• 集中趋势：均值、中位数
• 离散程度：方差、标准差
• 分布形态：偏度、峰度

  可视化探索

• 分布检查：直方图、QQ图
• 关系探索：散点图矩阵
• 相关性分析：相关矩阵图

模型建立

线性模型

• 简单线性回归：lm(y ~ x)
• 多元线性回归：lm(y ~ x1 + x2)
• 模型诊断：plot(model)

  广义线性模型

• 逻辑回归：glm(family = binomial)
• 泊松回归：glm(family = poisson)

  机器学习模型

• 决策树：rpart
• 随机森林：randomForest
• 支持向量机：