R语言数据处理及可视化分析

本书以R语言常见数据处理方法、ggplot2可视化为主线，希望解决大多数R学习者在学习过程中碰到的难点。本书以实战为目的，聚焦R语言本身数据处理、可视化特点，以一个个例子循序渐进的讲述R语言数据处理及可视化中用到的经典软件包。以便读者能快速将所学内容运用到在实际场景中。

本书共6章，第1~3章分别介绍R语言及其软件安装、数据可视化入门介绍、数据存储结构及数据处理方法；第4章和第5章分别介绍ggplot2可视技巧、常见ggplot2增强包使用方法；第6章数据可视化分析示例，对数据处理及可视化技巧综合运用作了介绍；附录A简要介绍rmarkdown及大数据处理神器data.table包。

本书侧重数据处理及可视化在日常工作学习中的运用，以降低读者学习曲线。本书为R语言的入门书，也可以作为在财务分析、经营分析、商业分析、数据分析等有一定经验读者的参考图书。

杨德春，毕业于山西财经大学财务管理专业。长期参与企业信息化、数据流治理工作，从事过财务分析、经营分析、市场分析、数据挖掘等数据分析相关领域岗位工作。服务过多家大型企业，如家乐福、沃尔玛、顺丰等。熟悉R语言、数据库、Python等数据处理工具及方法的实际运用，近年在痴迷于数据可视化的同时，专注于高性能计算、机器学习、量化金融等领域。

R语言强大的统计分析及可视化能力是其他语言所不能比拟的，是统计学界、医学界比较流行的分析语言。正因为如此,R语言被蒙上了异常神秘的面纱，并且由于流行面窄，其优秀的功能不为大众所熟知，特别是在国内R语言基本处于不温不火的状态。

笔者使用R语言多年后发现： 市面上的经典R语言书籍大多出自外国作者，由于文化、原始数据示例均来自国外，增加了学习者理解的难度； 国内不少介绍R语言的书籍，也偏重统计等内容，而且不少书籍的内容安排对初学者不够友好： 可能刚介绍完一个R语言知识点，接着就出现一个复杂的例子，而且理论太多，感觉学了之后，在实际工作中无法运用或者需要很长的酝酿期。

基于上述内容，本书希望解决大多数R语言学习者在学习过程中碰到的难点，聚焦R语言本身数据处理、可视化特点，以举例子的方式循序渐进地讲述R语言数据处理及可视化中用到的经典软件包，以便读者能快速将所学内容运用到实际工作中。

本书主要内容

第1章介绍R语言入门内容，主要介绍R语言是什么、软件的具体安装过程及需要注意的问题。

第2章介绍R语言数据可视化入门知识，主要简要介绍R语言ggplot2可视化基本语法、例子，以便给读者一个大体印象，激励读者继续学习。理论上应该在第1章的基础上讲解数据处理方法，但其是一个枯燥抽象的过程，初学者难以坚持，容易半途而废。

第3章介绍数据储存结构及数据处理(重点章节)，介绍R语言中的数据存储结构、数据处理经典包。可视化分析需要数据输入，实际情况中的数据基本上需要重塑处理才能可视化，因此学习可视化分析的重要环节是掌握一定的数据处理技巧。

第4章介绍ggplot2可视化(重点章节)。以常用图形开始，逐个讲解ggplot2中各类图形绘制的具体语法和关键点。最后介绍图形的美化等工作(坐标轴、颜色、图例等的调整)。

第5章介绍ggplot2增强包。由于ggplot2非常流行，为了满足更为广泛的功能需求，不同作者围绕ggplot2开发了增强包，如ggforce、rplotly、ggstream等，本章将对此进行介绍。

第6章介绍数据可视化分析示例，介绍R语言在实际使用过程中的运用实例，按照由难到易的顺序运用本书前几章所学的内容，涉及外部数据采集、数据整合、分析可视化等内容。

附录A简要介绍rmarkdown环境，以便满足部分读者希望R语言直接生成报告的需求。另外，介绍数据量在吉字节级别的处理神器data.table包。

阅读建议

笔者从事财务分析、经营分析、数据挖掘多年，以非统计、医学等专业视角介绍R语言，把它视作Excel、Python、Tableau、数据库等同类分析工具介绍给大家，侧重数据处理及可视化在日常工作和学习中的运用，降低学习难度。扫描目录上方的二维码可下载本书源码。

相信本书对数据分析有兴趣或从业者学习R语言有一定帮助； 对于财务分析、经营分析、商业分析等有一定经验的读者，如果想突破Excel、Tableau等数据处理及可视化瓶颈，则本书也是不错的选择。当然，本书没有涉及统计、医学等专业领域特定的软件包，但对于该领域的读者学习数据处理及ggplot2绘图还是有积极借鉴意义的。

致谢

感谢我的父母及妻子，在我写作的过程中承担了全部的家务并照顾小孩儿，使我可以全身心地投入写作工作。感谢清华大学出版社赵佳霓编辑，在写作过程中不厌其烦地指点修正版式、结构等内容。

由于时间仓促，书中难免存在不妥之处，请读者见谅，并提宝贵意见。

杨德春

2023年8月15日

本书源码

第1章R语言介绍及软件安装

1.1R语言介绍

1.2R软件及RStudio软件安装

1.2.1R软件安装

1.2.2RStudio软件安装

1.2.3R及RStudio界面介绍

1.2.4关于R语言程序包

1.2.5R语言基础运算

第2章R语言数据可视化入门

2.1散点图

2.2柱形图及条形图

2.3折线图

2.4饼图

2.5直方图

2.6热力图

2.7其他图形

第3章数据储存结构及数据处理

3.1数据框

3.2向量

3.3列表

3.4矩阵

3.5readr包介绍

3.5.1read_csv()函数

3.5.2其他主要函数

3.6tidyr包

3.6.1expand_grid()函数

3.6.2drop_na()函数

3.6.3replace_na()函数

3.6.4extract()函数

3.6.5fill()函数

3.6.6gather()函数

3.6.7pivot_longer()函数

3.6.8spread()函数

3.6.9pivot_wider()函数

3.7dplyr包

3.7.1select()函数

3.7.2filter()函数

3.7.3mutate()函数

3.7.4group_by()与summarise()函数

3.7.5arrange()函数

3.7.6join()函数集合

3.7.7R语言循环及判断

3.8map()函数群

第4章ggplot2可视化介绍

4.1散点图

4.2散点图局部放大

4.3气泡图

4.4棒棒糖图

4.5哑铃图

4.6柱状图

4.7柱状图填充色调整

4.8堆积柱状图

4.9百分比柱状图

4.10条形图

4.11折线图

4.12折线图强调某些序列

4.13折线图添加拟合曲线

4.14折线图显示不同纲量数据

4.15阶梯图

4.16面积图

4.17多系列面积图

4.18饼图

4.19圆环图

4.20玫瑰图

4.21直方图

4.22密度曲线

4.23累计密度曲线

4.24箱线图

4.25向箱线图添加槽口和平均值

4.26箱线图+散点图

4.27不等宽箱线图

4.28小提琴图

4.29小提琴图与箱线图叠加显示

4.30小提琴图与箱线图水平并列显示

4.31二维密度图

4.32分面

第5章ggplot2增强包介绍

5.1ggforce包介绍

5.1.1ggforce中的分面

5.1.2标注区域

5.1.3平行集合图

5.1.4沃罗诺伊图

5.2cowplot包介绍

5.2.1添加脚注

5.2.2双坐标轴图

5.2.3图形添边际密度图

5.3ggstream包介绍

5.4ggrepel包介绍

5.5treemapify包介绍

5.6waterfalls包介绍

5.7geomtextpath包介绍

5.7.1geom_textpath函数

5.7.2geom_textline函数

5.7.3geom_textdensity函数

5.7.4geom_textsmooth和geom_labelsmooth

5.7.5geom_contour_filled和geom_textcontour

5.7.6添加带标签的参考线

5.8ggfittext包介绍

5.9ggtext包介绍

5.9.1在theme()函数中使用element_markdown()

5.9.2在theme()函数中使用element_textbox()

5.10ggbreak包介绍

5.11ggpointdensity包介绍

5.12ggridges包介绍

5.13ggmosaic包介绍

5.14ggcharts包介绍

5.14.1ggcharts包对分面优化

5.14.2棒棒糖图

5.14.3哑铃图

5.14.4正负值条形图

5.14.5正负值棒棒糖图

5.14.6金字塔图

5.15patchwork包介绍

5.16绘图相关的其他包介绍

第6章数据可视化分析示例

6.1销售数据分析

6.1.1日均销售研究

6.1.2销售结构研究

6.2库存结构分析

6.3中国上市公司分析

6.3.1数据获取及清洗

6.3.2上市公司数量概况

6.3.3上市公司收入概况