能力说明:
了解Python语言的基本特性、编程环境的搭建、语法基础、算法基础等,了解Python的基本数据结构,对Python的网络编程与Web开发技术具备初步的知识,了解常用开发框架的基本特性,以及Python爬虫的基础知识。
暂时未有相关云产品技术能力~
公众号《庄闪闪的R语言手册》
通常情况下,我们更关心的是构建统计模型的过程,而对于可视化模型结果都希望能快速完成。尽管一些包为生成的数据和模型提供默认的可视化。但是,它们看起来已经过时了,并且在 ggplot2 中使用它们之前,这些组件需要进行额外的转换和清理,当其他人希望在分析中生成类似的图表时,必须复制这些转换步骤。
gghalves可以通过ggplot2轻松地编写自己想要的一半一半(half-half plots)的图片。比如:在散点旁边显示箱线图、在小提琴图旁边显示点图。
先和大家说一句圣诞快乐呀,最近 DIY 涂鸦圣诞树非常受欢迎,小编琢磨着能否用 R 语言来绘制一颗圣诞树呢,最后终于让小编找到了教程[1],这不赶紧在今天分享出来给大家,一起动手试一试吧~
很多读者会在群里问一些绘图细节的问题,而对于这些问题,小编也不大会啊!实在没办法就用Adobe Illustator (AI) 来帮忙吧。今天就简单介绍下,如何安装和使用这个软件。
Lindia 是 ggplot2 的扩展,提供更详细的线性模型诊断结果的可视化功能。Lindia 中的所有函数输入都必须为 lm 对象(包括 lm()和 glm() ),并以 ggplot 对象的形式返回线性诊断图。
今天小编在做线性回归的时候,突然想 R 能不能把结果以表格的形式输出呢?这样就不需要自己复制粘贴画表格啦。小编搜了一下果然有相关的 R 包—— stargazer ,现将自己关于该包的一些学习笔记分享给大家。
上期我们说了气泡图。如果我们将气泡图的三维数据绘制到三维坐标系[1]中,通常称其为三维散点图,即用在三维X-Y-Z图上针对一个或多个数据序列绘出三个度量的一种图表。
mice包帮助我们用可信的数据值来填补缺失值,这些可信的数据值是根据原始数据分布特征得到的。该包为多元缺失数据创建多个输入(替换值),其中每个不完全变量由一个单独的模型输入。MICE 算法支持输入的数据类型有:连续的、二值的、无序分类和有序分类数据。
之前公众号介绍过的绘图工具:如何快速画出美观的图形?,图表这么多,该用哪种展示我的数据呢?使用的语言都为 python,对于一些 R 语言爱好者就不是那么方便啦,今天小编为大家介绍一个支持 R 语言的开源图形库—— Plotly,赶紧收藏起来,迅速 get 绘制美观实用的图形技能吧~
本期开始之前,小编想问大家一个问题:对于一场数学考试,分数高的应试者一定比分数低的应试者能力高吗?答案显然是否定的。那如何通过一场测试来衡量一个人在某方面的能力呢?当然是项目反应理论(item response theory, IRT)![1]
你是不是特别想创建一个自己的私人博客?以及为什么要使用 blogdown 搭建博客?难度是不是很大,和其他搭建博客而言有什么优点? 在小编使用过一段时间后,个人认为 blogdown 搭建博客的优势在于,将 Rmarkdown 与 hugo 相结合,再加上 github 和一个可以部署的网站。你可以轻松的将一篇篇 Rmarkdown 的文章自动上传上去。而 Rmarkdown 的优势在于,你的代码结果都可以轻松呈现。而不是“复制粘贴”结果!
你是不是特别想创建一个自己的私人博客?以及为什么要使用 blogdown 搭建博客?难度是不是很大,和其他搭建博客而言有什么优点? 在小编使用过一段时间后,个人认为 blogdown 搭建博客的优势在于,将 Rmarkdown 与 hugo 相结合,再加上 github 和一个可以部署的网站。你可以轻松的将一篇篇 Rmarkdown 的文章自动上传上去。而 Rmarkdown 的优势在于,你的代码结果都可以轻松呈现。而不是“复制粘贴”结果!
用 word 编辑文章的时候,你有为敲公式而感到头疼吗?即便 latex 输入公式较于 word 更加方便快捷,但是它繁多的公式符号也是让人头大呀。
上次可视化系列说了瀑布图(可跳转)。它可以用于展示拥有相同的X轴变量数据(如相同的时间序列)、不同的Y轴离散型变量(如不同的类别变量)和Z轴数值变量。 本节使用的峰峦图也可以很好地展示瀑布图的数据信息。它们对于可视化随时间或空间分布的变化非常有用。本节主要使用ggridges包[1]中的geom_density_ridges()进行绘制峰峦图。
最近学习可视化时发现了一个好用的包,可以直接使用“拖拽”的方式生成绘图,不需要写任何代码!这个包是esquisse,具体介绍可以见对应的github[1]。这是建立在ggplot2包[2]基础上设计的。你可以通过生成ggplot2图表以交互方式探索esquisse环境中的数据。入门门槛极低,有点类似tableau的感觉。
最近在做毕业答辩的幻灯片,由于是需要中文的模板,但 overleaf [1]给出的中文模板不是很多(主要还是外国的网站)。正好上次一位读者想我推荐了一个中国版本的“overleaf”,点击进入后发现,哎,找到了挺多中文模板啊!果真是中国企业办的。
上次赵小编给大家介绍了如何使用 Echarts 进行图形可视化,可见:如何快速画出美观的图形?。但是有些小伙伴问到:我应该怎么选择图表来展示我的数据呢?
写论文很多小伙伴会使用 latex 作为排版工具,但是实验数据结果却存储在 excel 中。怎么高效的将 excel 中大篇幅的数据一键导入到 latex 中呢?这个问题肯定困扰很多科研人员,今天小编给你推荐一个常用的表格转换网站。
这个是通过《艺术绘》视频号看到的一个小短篇,莫奈大师的配色果真高级。于是小编有了这么一个想法:虽然我不会画画,但是我会画科研图啊!作为实力型搬运工,我把这配色搬到了公众号里,并且尝试使用这些配色加入到 R 可视化中。
今天赵小编给大家推荐一个非常实用绘图的网站 ECHARTS[1](文末原文链接直达) 在这个网站上你可以在线免费绘制多种图形,帮助大家更轻松地创造满足各种场景需求的可视化作品,绝对是绘图的超赞工具,赶紧收藏链接吧~
今日内容比较“无用”,觉得比较好玩,所以就做一期“异类”可视化啦!主要介绍下 brickr[1] 包,它将乐高(LEGO) 带入 R 和 tidyverse 生态系统中,该包分为2个部分: • Mosaics(马赛克)[2]:将图像转换为乐高积木的马赛克图像。 • 3D 模型[3]:使用 rgl 包,通过数据表构建 3D 乐高模型。 今天这一期主要介绍第一个部分:
从公众号创建到如今快一年了,坚持写了一年的推文(130多篇原创),从 0 粉丝到如今一万多粉丝,感谢各位读者分享和支持💪。
最近在看一些关于贝叶斯深度学习在可靠性方向应用的文章,看到下面这篇文章,发表在可靠性方向顶刊的 ITR 中。
今天赵小编给大家推荐一个非常实用的网站 processon[1](文末原文链接直达)。 在这个网站上你可以在线免费绘制流程图、思维导图、ER 图等诸多实用的工具图,还支持免费导出,赶紧收藏这个在线图形工具箱吧~
本文主要是基于:R沟通|使用 Blogdown 构建个人博客写的。所以一定要先把前面这一篇做好,项目创建好,网站部署好后,再做接下来的创建 rmd 文件,保存,github 提交,之后过几分钟网站就会自动同步你的最新博客啦!
你是不是特别想创建一个自己的私人博客?以及为什么要使用 blogdown 搭建博客?难度是不是很大,和其他搭建博客而言有什么优点? 在小编使用过一段时间后,个人认为 blogdown 搭建博客的优势在于,将 Rmarkdown 与 hugo 相结合,再加上 github 和一个可以部署的网站。你可以轻松的将一篇篇 Rmarkdown 的文章自动上传上去。而 Rmarkdown 的优势在于,你的代码结果都可以轻松呈现。而不是“复制粘贴”结果!
今天赵小编给大家推荐一个非常实用的网站 papers with code[1](文末原文链接直达) 在这个网站上你可以检索论文并且还能获得该论文对应的代码,这样就可以通过复现他人的实验结果来加深对论文方法的理解,赶紧收藏链接吧~
昨晚在看公众号的时候,发生信技能树写了这么一篇文章:你还在复制粘贴一个Rproject文件吗。在 windows 中使用 ContextMenuManager 帮助你右键新建一个 Rproject 文件。
有好多读者问我: “闪闪,xxx方法/xxx方向有什么包可以推荐的吗,我不会用呀!” 每次遇到这种情况的时候,只要和我专业不大相关的,我真的回答不来,隔行如隔山!所以我就只能回答: 不好意思,这个方向我不懂🤤。 场面一度尴尬。有时更尴尬的事,“好奇”的读者会说: “哎,我以为统计专业,这些都会的呢。” emmm,小编很无奈,苦笑一下。现在,有了这个网站你可以查阅各个领域用到的包和其主要用途。接下来,详细介绍一下。
最近在做论文模拟实验并将实验结果进行可视化。下面是我这阶段的一些经验总结,在此记录下,也希望能够帮助到你。
Dashboards入门前三期可见:R文档沟通|Dashboards入门(1);R文档沟通|Dashboards入门(2);R文档沟通|Dashboards入门(3),今天给出该系列最后一期:在Dashboards中添加 Shiny应用。内容比较少,最后给出一些拓展资料供大家参考。
早上听完讲座才想起来,今天520了。那这样吧,小编给做了个小小的惊喜给读者们,年轻的盆友可以用这“小玩意”给自己心仪的对象表白了。
前面推了两期有关dashboards的推文,可见:R文档沟通|Dashboards入门(1);R文档沟通|Dashboards入门(2)
前段时间小编给大家推荐了一个markdown的IDE编辑器:Typora,具体推文如下:R沟通|markdown编辑器—Typora 和 R沟通 | 如何在Typora中设置免费的图床。今天针对文字颜色变化做一个演示,主要参考知乎:演奇[1]的回答。
关于仪表盘布局的总体规则是: • 一级标题:生成页面; • 二级标题:生成列(或行); • 三级标题:生成框(包含一个或多个仪表盘组件)。
在本章中,我们将介绍基于 flexdashboard[1] 包的仪表盘。 仪表盘在业务风格的报告中特别常见。它们可以用来突出报告的概要和关键内容。仪表盘的布局通常是基于网格搭建的,各个组件排列在各种大小的“盒子”中。
上一期已经对使用 latex 模板构建 cv 做了较为详细的说明:R沟通|使用latex模板构建个人履历。但是存在一个问题:Latex 最后输出的是 pdf 版本,如果你想把他部署到自己的个人网站上,可能就比较费劲了(害,是我不会)。所以请教了李康国学弟之后,我又尝试了下使用 Rmarkdown 构建 cv 并将其部署到 gitee中,这样所有人都可以通过网址访问我的 cv 了。
前几天由于个人需求,需要快速搭建一个英文履历表简历,一直没有头绪。找几个word简历模板做?排版太麻烦了,整个界面还挺不自然的。那试试latex模板吧,咨询了周师兄,给我推荐了下面网站: https://www.overleaf.com/latex/templates/tagged/cv
1.5w字的Rmarkdown入门教程汇总
1.5w字的Rmarkdown入门教程汇总
1.5w字的Rmarkdown入门教程汇总
四月开始啦!每个月开头都会逛一逛“统计之都[1]“,因为每月的统计月读[2]更新啦!三月的统计月读有一个内容真的让人心动,而且非常实用!推荐人是:孔令仁,网址链接为:https://www.connectedpapers.com/ 在此,小编尝试使用了这个网站,并且做了简单的教程分享给大家。
关于RMarkdown使用时,小编日常会使用的一些有用技巧,当然我也是通过学习谢大大的Rmarkdown-cookbook[1]以及日常使用需求上网搜的解决方案,在此分享给大家。如果大家还有其他什么需求,可以在留言板留言。或者有其他实用技巧也欢迎分享!
Rmarkdowm作为可复用报告的优秀工具,除了提供文档编辑、图表输出外,还有许多主题格式供使用者选择。除了默认的主题外,还可以通过加载rticles、prettydoc、rmdformats、tufte等包获取更多主题格式。下面我们看看几类扩展包里的主题样式。
如果你还在纠结:学数据科学到底用 python 还是 R 好?现在我的回答是:大可不必。现在两者的变量可以相互调用了。你可以用 R 做数据处理(tidyverse),可视化(ggplot2),用 python 做开发。具体可参考该文章:R Vs Python: What’s the Difference?[1]
最近有读者问我,如何查看R语言某包中某函数的源代码呢?我第一时间给出了自己比较常用的方法(见方法一),今天打算做个这方面的推文,于是又查了些资料,才发现原来水好深!还有更好的方法(见方法二),并且和不同的面向对象系统有关。
最近在学习过程中,发现了一本与空气质量数据分析有关的书,书名叫做《The openair book——Tools for air quality data analysis》,作者是:David C. Carslaw。值得一提的是,这本书是开源的,通过bookdown构建的,网址链接为:https://bookdown.org/david_carslaw/openair/。
这里小编给出一些常用的选项,文字版本较难理解的话,请配合我的b站视频教程[1]。
寒假期间花了大量时间(100h+)学习和制作了Rmarkdown入门教程,昨晚终于录制和剪辑完毕
借助theme()函数,可以自定义ggplot2图表的任何部分。幸运的是,可以使用大量的预构建主题,仅用一行代码即可获得良好的样式。 小编汇总了常用几个包的主题风格以供参考,以后可以根据论文的风格选择内置的一些主题。