完整教程：7天速成R语言：零基础到数据分析实战

第1天：认识R与基本操作

目标：会写代码、理解变量和数据类型
任务：

• 打开 RStudio，认识四个窗口（控制台、脚本、环境、文件）
• 学习赋值：x <- 10
• 创建向量：c(1,2,3)；字符向量：c("A","B")
• 查看数据类型：class(x)
• 简单运算：mean(c(1,2,3,4))

✅ 小练习：
创建一个包含5门课程成绩的向量，计算平均分和最高分。

scores <- c(85, 92, 78, 88, 90)
mean(scores)
max(scores)

提示：把代码写在 .R 脚本文件中，而不是直接在控制台输入！

---

第2天：数据结构与内置数据集

目标：掌握数据框（data.frame）——最常用结构
任务：

• 学习 data.frame() 创建表格
• 使用内置数据集：iris（鸢尾花）、mtcars（汽车数据）
• 查看数据：head(iris), str(iris), summary(iris)

✅ 小练习：
查看 mtcars 数据，找出马力（hp）最高的车型。

# 查看前几行
head(mtcars)
# 找出 hp 最大的那一行
mtcars[which.max(mtcars$hp), ]

---

第3天：数据读取与简单筛选

目标：能导入自己的数据（如Excel/CSV），并提取所需信息
任务：

• 安装并加载 readr 包：install.packages("readr")
• 读取CSV：read_csv("your_file.csv")（可先用示例数据）
• 条件筛选：subset(df, age > 20) 或 df[df$age > 20, ]

✅ 模拟练习（无需真实文件）：

# 创建一个学生成绩表
students <- data.frame(
  name = c("张三", "李四", "王五", "赵六"),
  math = c(88, 95, 76, 82),
  english = c(80, 89, 92, 78)
)
# 筛选数学成绩 > 85 的学生
students[students$math > 85, ]

---

第4天：数据操作（dplyr 入门）

目标：用现代R方式高效处理数据
任务：

• 安装 dplyr：install.packages("dplyr")
• 学习核心函数：
  • filter()：筛选行
  • select()：选择列
  • mutate()：新增列
  • arrange()：排序

✅ 练习：在 iris 中筛选“花瓣长度 > 5”的样本，并只保留“Species”和“Petal.Length”两列。

library(dplyr)
iris %>%
  filter(Petal.Length > 5) %>%
  select(Species, Petal.Length)

%>% 是“管道符”，让代码更清晰（读作“然后”）

---

第5天：基础可视化

目标：能画出专业图表
任务：

• 安装 ggplot2
• 学习 ggplot(data, aes(x, y)) + geom_...()
• 尝试：散点图、柱状图、箱线图

✅ 练习：用 mtcars 画“重量（wt）vs 油耗（mpg）”的散点图

library(ggplot2)
ggplot(mtcars, aes(x = wt, y = mpg)) +
  geom_point() +
  labs(title = "汽车重量与油耗关系", x = "重量", y = "每加仑英里数")

---

第6天：统计分析初探

目标：做一点真正“统计”的事
任务：

• 计算相关系数：cor(mtcars$wt, mtcars$mpg)
• 简单线性回归：lm(mpg ~ wt, data = mtcars)
• 查看结果：summary(model)

✅ 练习：拟合一个模型，预测油耗（mpg）基于车重（wt）

model <- lm(mpg ~ wt, data = mtcars)
summary(model)

第7天：整合输出 —— 用 R Markdown 写报告

目标：把分析过程和结果整理成文档（适合课程作业！）
任务：

• 在 RStudio 中：File → New File → R Markdown
• 选择 HTML 输出
• 在代码块中插入前面的分析代码
• 点击 “Knit” 生成漂亮报告

✅ 成果：你将拥有一个包含代码、图表、文字说明的完整分析报告！

---

额外建议（学生特别版）

1. 课程作业利器：用 R 做统计课、计量经济学、心理学实验数据分析。
2. 毕业论文加分项：附上 R 代码和可视化图表，体现科研能力。
3. 免费数据源：
   • 国家统计局：http://www.stats.gov.cn/
   • Kaggle（搜“student performance”等关键词）
4. 保存代码习惯：所有练习都存为 .R 或 .Rmd 文件，方便复习和复用。