進擊的R 語言

• R 的簡介
• R 的傳統用途
• R 的社群與近代R 的演變
• 如何學習R 語言

• 統計很多理論都需要常態分佈
• 但是一組數據真的是常態分佈嗎？

plot(density(x))

• 做「是否為常態分佈」的統計檢定？再一行：shaprio.test(x)

    Shapiro-Wilk normality test

data:  x
W = 0.9291, p-value = 4.427e-05

• 比較兩個數據是不是來自相同的分佈？沒問題

plot(density(x1), xlim = range(c(x1, x2)), main = "Sample PDF")
lines(density(x2), col = 2)
legend("topright", c("x1", "x2"), lty = 1, col = 1:2)

• 檢定？ks.test(x1, x2)

    Two-sample Kolmogorov-Smirnov test

data:  x1 and x2
D = 0.14, p-value = 0.7166
alternative hypothesis: two-sided

• 內建大量統計相關的功能
  • 繪製統計圖表、進行統計檢定...
• 擁有大量第三方開發的統計套件
  • 範例：supc 一個實做(Shiu and Chen 2016)的R 套件

• 收集數據
• 清理數據
• 大量數據
• 分析結果的呈現

• 工具的可靠性
  • 使用者的人數決定工具的可靠度，付錢的工具不一定可靠（要夠紅）
• 開發的速度
  • 工程師很貴
  • 社群會幫忙的開發與測試（要夠紅）
• 開發的方向
  • 社群會給發展方向的回饋（要夠紅）

• R 擁有許多你想像不到的方式來探索數據
  • 他們都來自於世界各地的貢獻者

suppressPackageStartupMessages(library(PerformanceAnalytics))
chart.Correlation(iris[-5], bg=iris$Species, pch=21)

• 社群知道傳統的R在以下功能的不足
  • 資料的收集
  • 資料的清理
  • 報表的呈現

• R Core Team 對新需求的要求很保守
  • 正確姓是絕對的
  • 向下相容: 新功能要能在十年前的電腦上運作
• Community: 那我們就自己寫套件來玩
  • GitHub · Build software better, together
  • Hadley降低了寫套件的難度

• 現在已經有 70000+ 次的更動
• 在2009年10月9日時達到50000次更動 by Prof. Ripley

• 由於R Core Team相對保守，在Hadley大大降低套件開發的門檻之後，社群即以百花齊放的套件來解決R 的不足
• Hadley Wickham, the Man Who Revolutionized R

• R 已經可以寫網路爬蟲
  • httr, xml2, rvest, ...
• R 可以讀取、處理許多資料格式
  • R Data Import/Export by CRAN

• 資料的格式需要校正
  • 常見的例子：1,234
• 資料有缺失
  • 實務的資料，有時會用如-99來代表資料的遺失
• 調整資料的意義，為資料整合作準備

• 中華民國政府電子採購網
  • 利用決標查詢功能來瀏覽與抓取決標資料
  • 時間範圍自2013年10月至2015年11月
  • 一共108360筆決標資料
• 決標資料內容：
  • 機關資料，如：名稱、地址、聯絡人與聯絡電話等
  • 採購資料，如：案號、招標方式、決標方式、標的分類、辦理方式與相關法源依據等
  • 投標廠商，如：廠商統編、名稱、決標金額等
  • 決標品向，如：品向名稱以及得標廠商的相關資料
  • 決標資料，如總決標金額、履約執行機關等

2015-12-21 08:48:44 INFO::Crawling page from 2013-10/00105-page.csv.gz
2015-12-21 08:48:44 INFO::Crawling (1/100  2013-10:2013-10/00105-page.csv.gz)
2015-12-21 08:48:44 INFO::Crawling (2/100  2013-10:2013-10/00105-page.csv.gz)
2015-12-21 08:48:44 INFO::Crawling (3/100  2013-10:2013-10/00105-page.csv.gz)
2015-12-21 08:48:44 INFO::Crawling (4/100  2013-10:2013-10/00105-page.csv.gz)
2015-12-21 08:48:44 INFO::Crawling (5/100  2013-10:2013-10/00105-page.csv.gz)
2015-12-21 08:48:44 INFO::Crawling (6/100  2013-10:2013-10/00105-page.csv.gz)
2015-12-21 08:48:44 INFO::Crawling (7/100  2013-10:2013-10/00105-page.csv.gz)
2015-12-21 08:48:44 INFO::Crawling (8/100  2013-10:2013-10/00105-page.csv.gz)
2015-12-21 08:48:44 INFO::Crawling (9/100  2013-10:2013-10/00105-page.csv.gz)
2015-12-21 08:48:44 INFO::Crawling (10/100  2013-10:2013-10/00105-page.csv.gz)
2015-12-21 08:48:44 INFO::Crawling (11/100  2013-10:2013-10/00105-page.csv.gz)
2015-12-21 08:48:44 INFO::Crawling (12/100  2013-10:2013-10/00105-page.csv.gz)
2015-12-21 08:48:44 INFO::Crawling (13/100  2013-10:2013-10/00105-page.csv.gz)
2015-12-21 08:48:44 INFO::Crawling (14/100  2013-10:2013-10/00105-page.csv.gz)

library(quantmod)
getSymbols("^TWII")
head(TWII)

chartSeries(TWII, subset = "last 4 months", TA = c(addVo(), addBBands()))

library(Lahman)
head(Teams[,c("yearID", "name", "Rank", "W", "L", "R", "RA")])

Call:
lm(formula = dist ~ speed, data = cars)

Residuals:
    Min      1Q  Median      3Q     Max 
-29.069  -9.525  -2.272   9.215  43.201 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept) -17.5791     6.7584  -2.601   0.0123 *  
speed         3.9324     0.4155   9.464 1.49e-12 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 15.38 on 48 degrees of freedom
Multiple R-squared:  0.6511,    Adjusted R-squared:  0.6438 
F-statistic: 89.57 on 1 and 48 DF,  p-value: 1.49e-12

library(sjPlot)
sjt.lm(lm(dist ~ speed, cars))

• Shiny

• 所有的資料分析所需功能，都可以透過R 完成

• 核心函數已經提供許多整理資料的功能
  • 字串: gsub、regmatch、substring、paste...
  • 數值化: as.numeric...
  • 類別化: cut、factor...
  • 泛用: split...
• 核心函數的命名較無系統，只能透過經驗與增廣見聞來習得

• 社群提供更多五花八門的手法
  • 字串: stringr、stringi
  • 時間: lubridate
• Hadley 自行開創一套整理資料的體系: dplyr: 以類SQL 的方式讓我們有系統化的手法處理資料(表)
  • SQL(Structured Query Language) 是處理資料最常用的工具之一，個人認為這個工具在工作上比R 更重要
  • 學dplyr可以順便學SQL的概念，許多基本功能兩者是互通的
• Pipeline Operator: %>%
  • 讓整理資料的程式碼寫起來更愉悅(?)

• 社群是可以從自己開始創造
  • 讀書會、同好會

• 創立於2012年10月，第一次meeting在台大博理館
• 聚會、增廣見聞與交朋友
• 辦過多場workshop
• 媒合了多個創業團隊

• 開板於2013-03-28
• 大家求救的好地方
• 有熱心的板友常駐
• 請不要擔心問出笨問題、Google的問題...

程式諮詢
(做21點的遊戲)



[問題敘述]:

電腦對電腦玩，目前卡在

sample(52)

cards<-sample(52)

num<-cards%%13

https://www.ptt.cc/bbs/R_Language/M.1445866999.A.D0B.html

get_num = function(cards){
  factor(cards %% 13, levels = 0:12, labels = c(1:10, "J", "Q", "K"))
}
get_suit = function(cards){
  factor((cards-1) %/% 13, levels = 0:3,
      labels = c("spade", "heart", "diamend","club"))
}

desk = sample(1:52)
n_player = 2
num_cards_out = 0
player_cards = vector('list', n_player)               

https://www.ptt.cc/bbs/R_Language/M.1445868193.A.526.html

同學作業要自己做喔
老師會不定期來查水表
誰作業跟這篇一樣就GG了
希望這學期不用動用程式碼比對工具

P.S. 老師已備份這篇

https://www.ptt.cc/bbs/R_Language/M.1446047725.A.106.html

• 什麼是開放自由？
  • 你可以擁有對事情做出改變的權力
• 你可以成為R 的社群的一份子:
  • 貢獻R 的套件、參與發展方向的討論
  • 在各地或各處的R 社群交流(問問題、討論、解決問題)
  • 推廣R

[Rd] R 3.3.3 on March 6
Peter Dalgaard pd.mes at cbs.dk
Sun Feb 5 15:14:41 CET 2017

...
The wrap-up release of the R-3.3.x series will be on Monday, March 6th. 

Package maintainers should check that their packages still work with this release. In particular, recommended-package maintainers should be extra careful since we do not want unexpected turbulence at this point.

On behalf of the R Core Team
Peter Dalgaard
...

出處: https://stat.ethz.ch/pipermail/r-devel/2017-February/073705.html

• 介紹R 的發展史
• R 身為工具的定位，以及定位的演化
  • 統計分析工具 ==> 資料科學的解決方案
• 社群對R 造成的影響
• 現代的R 是一個資料科學的解決方案
  • 推薦學R 的主因
• R 仍然在不停的演進

• 學R 不思則罔
• 思R 不學則怠

• 從0 --> 1
• 從1 --> 10
• 從10 --> 100

• 具備用R 處理資料的能力
• 具備整合不同來源資料的能力
• 具備資料視覺化的能力
• 具備自學R 的能力