我记事以来，就一直喜欢摆弄数字。20世纪70年代末，作为一名本科生，我开始学习统计学课程，学习检查和分析数据以揭示意义的方法。
那时，我有一个科学计算器，它使统计计算比以往任何时候都容易得多。在 90 年代初期，作为一名教育心理学研究生，研究 t 检验、相关性和 方差分析 (ANOVA)，我开始通过细致地编写文本文件来进行计算，这些文件被输入到 IBM 大型机中。大型机比我的手持计算器有所改进，但一个微小的空格错误就会使整个过程无效，而且这个过程仍然有些乏味。
为了撰写论文，尤其是我的毕业论文，我需要一种方法从我的数据创建图表并将其嵌入到文字处理文档中。我着迷于 Microsoft Excel 及其数字处理能力，以及我可以使用计算结果创建的无数图表。但每一步都有成本。在 1990 年代，除了 Excel 之外，还有其他专有软件包可用，如 SAS 和 SPSS+，但对于我本已紧张的研究生时间表来说，学习曲线非常陡峭。
快进到现在
最近，由于我对数据科学新兴的兴趣，加上我对 Linux 和开源软件的浓厚兴趣，我阅读了许多数据科学文章，并听取了许多数据科学演讲者在 Linux 会议上谈论他们的工作。因此，我对编程语言 R，一种开源统计计算软件，产生了浓厚的兴趣。
起初，这只是一个火花。当我与我的朋友 Michael J. Gallagher 博士谈论他在他的 学位论文研究 中如何使用 R 时，这个火花变得更大了。最后，我访问了 R 项目 网站，了解到我可以轻松安装 Linux 版 R。游戏开始！
安装 R
R 的安装因您的操作系统或发行版而略有不同。请参阅 Comprehensive R Archive Network (CRAN) 网站上的安装指南。CRAN 提供了在 各种 Linux 发行版、Fedora、RHEL 及其衍生产品、MacOS 和 Windows 上安装 R 的详细说明。
我使用的是 Ubuntu，并按照 CRAN 的说明，将以下行添加到我的 /etc/apt/sources.list 文件中
deb https://<my.favorite.cran.mirror>/bin/linux/ubuntu artful/然后在终端中运行以下命令
$ sudo apt-get update
$ sudo apt-get install r-base根据 CRAN，“需要从源代码编译 R 包的用户 [例如，包维护者，或任何使用 install.packages() 安装包的人] 也应该安装 r-base-dev 包。”
使用 R 和 RStudio
安装 R 后，我准备学习更多关于使用这个强大工具的知识。Gallagher 博士推荐在 DataCamp 上“开始学习 R”，我还找到了一个针对 R 新手的免费课程，在 Code School 上。这两个课程都帮助我学习了 R 的命令和语法。我还报名参加了 Udemy 上的 R 编程在线课程，并从 No Starch Press 购买了 Book of R 。
在阅读更多内容和观看 YouTube 视频后，我意识到我也应该安装 RStudio。RStudio 是一个用于 R 的开源 IDE，易于安装在 Debian、Ubuntu、Fedora 和 RHEL 上。它也可以安装在 MacOS 和 Windows 上。
根据 RStudio 网站，可以通过选择“工具”菜单，然后选择“全局选项”来根据您的偏好自定义 IDE。
opensource.com
R 提供了一些很棒的演示示例，可以通过在提示符下输入 demo() 从控制台访问。demo(plotmath) 和 demo(perspective) 选项很好地说明了 R 的强大功能。我在 R 控制台的命令行中试验了一些简单的 向量 和绘图，如下所示。
opensource.com
您可能希望开始学习如何使用一些示例数据来使用 R，然后再应用这些知识来生成您自己数据的描述性统计信息。由于我没有大量自己的数据可供分析，因此我搜索了可以使用的 数据集；其中一个来源（我没有用于此示例）是圣路易斯联邦储备银行提供的 经济研究数据。我对一个名为“1937-1960 年美国商业航空公司乘客里程”的数据集很感兴趣，所以我将其导入 RStudio 以测试 IDE 的功能。RStudio 可以接受多种格式的数据，包括 CSV、Excel、SPSS 和 SAS。
opensource.com
导入数据后，我使用 summary(AirPassengers) 命令来获取数据的一些初始描述性统计信息。按下 Enter 键后，我得到了 1949-1960 年每月航空公司乘客的摘要，以及其他数据，包括最小、最大、第一季度、第三季度、中位数和平均航空乘客数量。
opensource.com
从我的摘要统计信息中，我知道这个航空公司乘客样本的平均值为 280.3。在控制台中输入 sd(AirPassengers) 会得到标准差，如下所示在 RStudio 控制台中
opensource.com
接下来，我通过输入 hist(AirPassengers); 生成了我的数据的直方图，它以图形方式显示了这个数据集；RStudio 可以将数据导出为 PNG、PDF、JPEG、TIFF、SVG、EPS 或 BMP。
opensource.com
除了生成统计数据和图形数据外，R 还保留了我所有操作的历史记录。这使我能够返回到之前的操作，并且我可以保存此历史记录以供将来参考。
opensource.com
在 RStudio 的脚本编辑器中，我可以编写一个包含我发出的所有命令的脚本，然后保存该脚本以在我的数据更改或我想重新访问它时再次运行。
opensource.com
获取帮助
可以通过在 R 提示符下输入 help() 轻松找到帮助。可以通过输入您正在查找信息的特定主题来找到特定帮助信息，例如，help(sd) 用于获取关于标准差的帮助。可以通过在提示符下输入 contributors() 来获得关于 R 项目贡献者的信息。您可以通过在提示符下输入 citation() 来了解如何引用 R。可以通过在提示符下输入 license() 轻松获得关于 R 的许可信息。
R 是根据 GNU 通用公共许可证的条款分发的，可以是 1991 年 6 月的第 2 版，也可以是 2007 年 6 月的第 3 版。有关 R 许可的更多信息，请参阅 R 项目网站。
此外，RStudio 在 GUI 中提供了一个出色的“帮助”菜单。此区域包括指向 RStudio 速查表（可以下载为 PDF）、RStudio 上的在线学习、RStudio 文档、支持和 许可信息 的链接。
您是否正在使用 R 进行数据科学？请在下方留言，告诉我们您是如何使用它的。
2 条评论