R 語言概論

• 學經歷

  • 國立台灣大學電機工程學研究所博士生
  • 宇匯知識科技資料科學家
  • Taiwan R User Group 共同創辦人

• 著作：

  • Wush Chi Hsuan Wu, Mi-Yen Yeh and Ming-Syan Chen: Predicting Winning Price in Real Time Bidding with Censored Data. KDD 2015.
  • 以下R 套件的共同作者、貢獻者：digest, knitr, FeatureHashing...

• 了解R 語言的基礎
• 能利用R 語言進行資料的ETL
• 善用R 強大的資料視覺化功能

• 利用投影片講解R 的各種工具的設計理念與範例
• 直接利用R 學R 語法，完成指定作業
• 歡迎各種Feedback: https://github.com/wush978/DataScienceAndR/issues

• R 簡介
• R 的傳統用途
• 來自R 社群的貢獻
• 近代R 的演變
• 安裝R 與Rstudio
• R 的開發環境簡介
• R 的套件系統
• 利用swirl 快速學習R 語言

取自 http://myfootpath.com/careers/engineering-careers/statistician-careers/

取自 http://r4stats.com/2013/03/19/r-2012-growth-exceeds-sas-all-time-total/

• R 有非常先進的數據視覺化系統
• R 有很多的進階數據分析工具

• 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？

• 一行指令就可以畫圖：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 = 0.95456, p-value = 0.001678

• 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 = 0.24, p-value = 0.1124
alternative hypothesis: two-sided

• 我們使用有兩套方法做推薦，要比較推薦的成果
• 方法A：在10000點擊有10個購買
• 方法B：在5000 點擊有3 個購買
• 我怎麼知道這兩種方法的轉換率（購買/點擊）是不是明顯不同？

• 想看信賴區間？透過套件，立馬取得結果：

library(binom)
binom.confint(c(10, 3), c(10000, 5000), methods = "exact")

  method  x     n  mean        lower       upper
1  exact 10 10000 1e-03 0.0004796397 0.001838264
2  exact  3  5000 6e-04 0.0001237515 0.001752444

• 太棒了，但是我想用某篇paper的方法。
• 你可以找找看有沒有你要的方法：

• 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)

round(Ca <- cor(attitude), 2)
symnum(Ca) # simple graphic
heatmap(Ca,               symm = TRUE, margins = c(6,6))

library(corrplot)
corrplot(Ca)

• 許多機器學習的方法，會假設數據彼此之間是獨立的
  • R 可以迅速幫你檢驗數據是否是獨立的

data(edhec)
chart.ACFplus(edhec[,1,drop=FALSE])

• 收集數據
• 特定領域的資料分析
  • 股票分析
  • 棒球分析
  • 文字探勘
• 收集數據、建造模型之餘，還要展現結果
  • 互動式網頁服務
  • API 伺服器
• 大規模數據分析

• ChihChengLiang: R Crawler（資料科學愛好者年會2015）

• 任何和資料相關的服務，有很大的機會可以和R 串接
  • Google Sheets R API
  • Google Map
  • Excel
  • Minitab, S, SAS, SPSS, Stata, Systat and Weka...
  • DBI

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

[1] "TWII"

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

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

suppressPackageStartupMessages({
  library(jiebaR)      # 斷詞利器
  library(tm)          # 文字詞彙矩陣運算
  library(slam)        # 稀疏矩陣運算
  library(wordcloud)   # 文字雲
  library(topicmodels) # 主題模型
  library(igraph)      # 主題模型關聯
})

陳昇瑋 Sheng-Wei Chen 年會總召, 中央研究院
資訊科學研究所/ 研究員 陳昇瑋博士目前為中央研究院資訊科學
研究所研究員，同時是多媒體網路與系統實驗室主持人。他的研究焦
點著重在使用者滿意度、多媒體系統、社群計算及計算社會學等領域
，在多媒體系統及使用者經驗的量測及管理方面持續有代表性的研究
創見。  陳博士堅信資料及資料分析的價值，長期推廣資料科學及
其在各領域的應用，除本身研究皆基於資料來解決實際生活中的問題
，2014 年開始主辦「台灣資料科學愛好者年會」，期能將對於
資料科學的熱情傳達給大眾，一起來探索資料科學的潛力，將資料科
學引入每個人的專業領域之中。他十分期待能夠讓資料分析在台灣不
再是口號，而是大家手邊隨時可用來解決問題及創造價值的工具。 
 欲瞭解陳博士的研究及心得分享，請至他的個人網頁一探究竟。 

陳 瑋 Sheng Wei Chen 年會 總召 中央研究院
 資訊 科學 研究所 研究員 陳 瑋 博士 目前 為 中央研
究院 資訊 科學 研究所 研究員 同時 多媒體 網路 系統 
實驗室 主持人 他 研究 焦點 著重 使用者 滿意度 多媒體
系統 社群 計算 計算 社會學 領域 多媒體系統 使用者 經
驗 量 測及 管理方面 持續 代表性 研究 創見 陳博士 堅
信 資料 資料 分析 價值 長期 推廣 資料 科學 及其 各
 領域 應用 除 本身 研究 皆 基於 資料 來 解決 實際
 生活 中 問題 2014 年 開始 主辦 台 灣 資料 科
學 愛好者 年會 期能將 對於 資料 科學 熱情 傳達 給大
眾 一 起來 探索 資料 科學 潛力 將 資料 科學 引入 
每個 人 專業 領域 之中 他 十分 期待 能夠 讓 資料 
分析 台灣 不再 口號 而是 大家 手邊 隨時 用來 解決問
題 創造 價值 工具 欲瞭解 陳博士 研究 心得 分享 請 
至 他 個人 網頁 一探 究竟

• Shiny
• Gallery:
  • K-means Example

• OpenCPU
• APP:
  • Stocks

• SparkR
• RHadoop
• MPI
  • Rmpi
  • pbdMPI

• R 的套件開發非常簡單。五分鐘學會「如何使用Rstudio建立R套件 」
  • Hadley Wickham：一个改变了R的人
• R 的Community 甚至創造了一個學R 的套件：swirl

• 前十名的R 套件有一半是Hadley寫的

• 台灣的社群有：
  • Taiwan R User Group
  • ptt R_Language
  • 台灣R 使用者論壇

• 悠久的統計分析歷史
  • 豐富的統計檢定實作
  • 豐富的統計模型實作
  • 優秀的結構化資料API(Data.Frame)
• 廣大的使用人口
  • 套件成長速度飛快
  • 雨後春筍般的非結構化與半結構化資料處理套件
  • 各種Open Source教材與學習資源

• 安裝R
• 安裝Rstudio

• Windows: 請至 CRAN 上下載 R3.2 以上的安裝程式。
  • 可參考
  • 影片中的範例是 3.0.2 的版本，請使用者記得安裝 3.2 以上的版本喔！

• Mac: 請至 CRAN 上下載 R3.2 以上的安裝程式。
  • 可參考
  • 此影片由中華R 軟體學會的李明昌老師提供

• Ubuntu: Ubuntu 14.04 的使用者可以參考CRAN上的安裝說明：
  • http://cran.csie.ntu.edu.tw/bin/linux/ubuntu/README.html

• 請到Rstudio 官方網站下載社群版
  • Rstudio 具備「自動完成」功能，同學不用背指令
  • Windows 下具備編輯UTF-8 檔案的功能，我們作業會用到

• 程式碼編輯區
• 命令列區
• 其他資訊區
• 檔案系統區

• 注意最左下腳的符號是 >
• 輸入 "hello world" 後按下Enter，檢查螢幕輸出（記得加上引號）
• 輸入 1 + 1 後按下Enter，檢查螢幕輸出，注意有無引號
• 輸入 1 + 後按下Enter，檢查螢幕輸出，注意最左下角的開頭變成+
• 按下Ctrl + C或ESC，檢查哪一個按鈕會讓左下角回復成>開頭
• 在新的一行命令列區輸入 me 之後按下Enter
• 在新的一行命令列區輸入 me 之後按下tab

• 請建立在編輯界面寫程式的習慣
• 開啟新的R Script檔案
• 在第一行輸入 me 隻後按下Ctrl + Enter後，觀察命令列區
• 利用滑鼠點選 me 後的位置，確認游標閃爍的位置在 me 之後，按下tab

• 請見現場示範

• 使用Rstudio 安裝套件
• 使用命令列安裝套件 install.packages("套件名稱", repos = "套件庫網址")
• 使用套件的第一步：library(套件名稱)

• swirl 官方套件目前在windows上無法顯示中文
  • 請安裝Github mini-CRAN上的版本

# 在命令列輸入：
install.packages("swirl", repos = "http://wush978.github.io/R")

library(swirl)
library(curl)

swirl() # 括號很重要

• 執行動作（呼叫函數），需要在後面加上括號
• 不加括號，R 會印出swirl 這個函數的定義

• 進入swirl 之後會跳出安裝課程的提示
• 這次的作業就是一系列swirl 的課程
• 請離開swirl 環境之後，執行：

install_course_github("wush978", "DataScienceAndR", "course")

• 細節請參考上課示範

• 請見現場示範

• 選錯課程
• 錯誤的接關
• Windows 下可能有編碼錯誤

• 建立環境
  • 安裝最新版本的R
  • 安裝Rstudio(非必要，但是要有自行解決其他問題的能力)
  • 安裝Taiwan R User Group 社群版的套件
  • 安裝DataScienceAndR 系列課程

• 總共有破千個關卡，所以有bug 的機會很高。歡迎到https://github.com/wush978/DataScienceAndR/issues回報：
  • 看不懂的敘述
  • 有錯字
  • 程式卡住
  • 讓你不爽的體驗...
  • 請附上sessionInfo()的輸出結果

• Choosing R or Python for data analysis? An infographic
• Pros and Cons of R vs Python Sci-kit learn
• Which is better for data analysis: R or Python?
• How to Choose Between Learning Python or R First