随笔分类 - R
摘要：在上一章中，我们掌握了使用 R 从网页中提取信息。为了理解网页爬虫的运行机理，我们学习了几种语言，如HTML、CSS 和XPath。事实上，R 提供的不仅仅是统计计算环境。R 社区还提供数据收集、数据操作、统计建模、可视化，以及报告和演示等一切可能涉及到的工具。本章将介绍一些提高生产力的扩展包。先回
阅读全文
摘要：上一节演示了 R Markdown 的部分功能，它是为创建动态文档而设计的。本节将快速 介绍如何创建交互式应用程序，使用图形用户界面与数据进行交互。 创建 shiny 应用程序 使用 shinydashboard
阅读全文
摘要：除了 shiny 扩展包提供的函数之外，RStudio 也开发了一个 shinydashboard 扩展包 （http://rstudio.github.io/shinydashboard/），它呈现数据的方式就是专门用于概览或监测数据。接下来的例子旨在说明创建一个简易仪表板有多简单，这个仪表板可以
阅读全文
摘要：R 本身是一个优秀的数据分析和数据可视化平台。然而，我们通常不会将 R 和分析脚本提供给客户，让客户自己运行。数据分析的结果不仅可以在 HTML 网页、PDF 文档或 Word 文档中显示，还可以呈现在交互式应用中，这种应用允许用户与数据进行交互，用户可以修改某些参数并查看结果如何发生变化。由 RS
阅读全文
摘要：数据分析师的工作不仅是将数据放入模型并得出一些结论。通常需要完成从数据收集、数据清理、可视化、建模再到最后编写报告或制作演示文稿的完整工作流程。在前面几章中，我们从不同方面深入学习 R 编程语言，从各个环节，一步一步提升生产效率。在本章中，我们将关注最后一步：报告和展示。在以下内容中，我们将学习一种
阅读全文
摘要：如果没有 R 代码块，R Markdown 与普通的 markdown 文档没有什么区别。使用代码块，代码的输出便可以嵌入到文档中，动态生成最终结果。如果代码块使用的是随机数生成器而没有设定随机数种子，那么每次渲染文档，都将得到不同的结果。在默认情况下，代码块的输出直接放在代码下面，以##开头，固定
阅读全文
摘要：markdown 易于写入和读取，具有编写报告的必要功能，例如简单的文本格式，嵌入图片、链接、表、引用、数学公式以及代码块。虽然在 markdown 中编写纯文本很容易，但是创建具有许多图片和表格的报告却不是很容易，特别是当图和表是由代码动态生成的时候。R Markdown 是将 R 整合到 mar
阅读全文
摘要：R 是统计计算和数据分析的利器。给定一个数据集，利用前几章介绍到的 R 中灵活的数据结构或高性能计算，我们可以很方便地进行数据转换、建模和数值分析。一般来说，商业数据库会将数据以表格的形式很好地组织起来，便于使用。然而，情况并非总是如此合意，输入数据集也并非总是立即可得。有时，我们需要自己收集数据。
阅读全文
摘要：在前面的内容中，我们已经学习了 HTML、CSS 和 XPath 的基础知识。从真实世界的网页中获取数据，关键在于如何编写合适的 CSS 或者 XPath 选择器。本节介绍一些确定选择器的简单方法。假设从https://cran.rstudio.com/web/packages/available_
阅读全文
摘要：在前面的内容中，我们掌握了一些 CSS 选择器和它们的使用方法，以及 rvest 包中用于提取网页内容的函数。一般来说，CSS 选择器足够满足绝大部分的 HTML 节点匹配的需要。但是，当需要根据某些特殊条件选择节点时，需要用更强大的技术。图 14-5 所示的网页比 data/products.ht
阅读全文
摘要：在 R 中，关于网络爬虫最简单易用的扩展包是 rvest。运行以下代码从 CRAN 上安装：install.packages("rvest")首先，加载包并用 read_html( ) 读取 data/single-table.html，再尝试从网页中提取表格：library(rvest)## Lo
阅读全文
摘要：信息展示在网页上。图 14-1 展示了一个简单的网页（网址为 data/simple-page.html），包括标题和一个段落：所有现代浏览器都支持这样的网页。用任意的文本编辑器打开 data/simple-page.html，就会看到网页背后的代码，如下所示：<!DOCTYPE html><htm
阅读全文
摘要：在前一章中，我们学习了许多内置函数以及为数据操作量身定制的扩展包。虽然这些包依赖于不同的技术，设计初衷也有所不同，但它们都在很大程度上简化了数据筛选和聚合的步骤。然而，数据处理不仅仅是简单的筛选和聚合，有时还涉及模拟和其他计算密集型任务。R 比 C 和 C++ 这些高性能编程语言要慢很多，这是因为
阅读全文
摘要：在上一节中，我们演示了如何使用分析工具找出代码中的“性能瓶颈”。本节将学习一些提高代码性能的方法。 使用内置函数 使用向量化 使用字节码编译器 使用由 Intel MKL 支持的 R 使用并行计算 使用 Rcpp
阅读全文
摘要：正如我们所提到的那样，并行计算只有在每次迭代都是独立的情况下才可行，这样最终结果才不会依赖运行顺序。然而，并非所有任务都像这样理想。因此，并行计算可能会受到影响。那么怎样才能使算法快速运行，并且可以轻松地与 R 实现交互呢？答案是通过 Rcpp 用 C++ 语言编写算法（http://www.rcp
阅读全文
摘要：正如我们在上一节提到的，R 是被设计成单线程的，但它仍然可以使用多线程并行计算，即运行多个 R 会话进行计算。该技术是由一个随 R 一起发布的并行库来支持的。假设我们需要做一次模拟：生成一个遵循特定随机过程的随机路径，看看在任何一点是否有值超出了起点的一个固定邻域。以下代码是一种实现：set.see
阅读全文
摘要：我们通常使用的 R 版本是单线程的，即只使用一个 CPU 线程运行所有 R 代码。这样的好处是运行模型比较简单且安全，但是它并没有利用多核计算。Microsoft R Open（MRO，https://mran.microsoft.com/open/）是 R 的一个增强版本。由 IntelMath
阅读全文
摘要：在上一节中，我们介绍了向量化的强大之处。然而，有时候难以使用向量化解决某些问题，必须使用 for 循环。在这种情况下，我们可以考虑使用字节代码编译器来编译函数，就不需要对函数进行解析，运行速度也会更快。首先，我们加载编译器的包，它是随 R 一起发布的。使用 cmpfun( ) 函数编译一个给定的 R
阅读全文
摘要：算术运算符是一些特殊的内置函数，诸如 +、-、*、/、^ 和 %%。这些运算符不仅高效，还是向量化的。比如在 R 中完成一个 + 的实现：add <- function(x, y) {stopifnot(length(x) == length(y),is.numeric(x), is.numeric
阅读全文
摘要：前面，我们演示了 my_cumsum1( )、my_cumsum2( ) 和内置函数 cumsum( ) 之间的性能差异。尽管 my_cumsum2( ) 比 my_cumsum1( ) 快，但是当输入向量的数据量很大时，cumsum( ) 要比它们都快很多。而且，随着输入向量数据量的增加，cums
阅读全文
浙公网安备 33010602011771号