文章目录
- Tidyverse
- dplyr
- ggplot2
- gganimate
- knitr & [kableExtra]基础包们
- moderndive
- infer
- janitor
- sjPlot
- GGally
- MASS
- plotly
- broom
- ellipse
Tidyverse
dplyr
glimpse(data)
查看数据变量类型及前几个值
summarize(data, Variable = function(data, na.rm = TRUE))
总结数据，可用向量到单值的函数
gather(data, key = Key, value = Value)
使原变量名成为新变量Key的一列值，原变量的观测值成为新变量Value的一列值
spread(data, key = Key, value = Value)
与gather作用相反
filter(data, conditions of variables)
选出符合条件的观测值行, 多个条件逗号隔开
group_by(data, categorical variables) 观测值按分类变量成组，分类变量逗号隔开
ungroup(data) 干死上面的那个函数
mutate(data, Variable = blabla) 给数据添加新变量列
rename(data, Variable = variable) 给变量重命名
arrange(data, variable) 按变量升序排列观测值
arrange(data, desc(variable)) 按变量降序排列观测值
inner_join(data1, data2, by = c(“variable1” = “variable2”)) 按变量合并数据，合成后只剩共有的，可以按多个变量合并
select(data, variables) 选出变量列，多个变量逗号隔开，可以使用variable1:variable2，everything()，start_with(“a”)，end_with(“sth”)，contains(“sth”)
select(data, -variable) 去除变量列
top_n(data, n = number, wt = variable) 列出按某变量最高的n行观测值
pull(data) 从数据框搞一个值出来，用在只有一个变量一个观测值的summarize()函数后面貌似很爽的样子
sample_n(data, replace = TRUE, size = number) 有放回地抽取一个样本容量是size的样本，和rep_sample_n(size = number, replace = TRUE, reps = 1)一个效果，结果中没有replicate这一列了
bind_rows(data1, data2, .id = Variable) 像rbind(),但能作用于数据框
ggplot2
ggplot(data, mapping = aes(x = variable1, y = variable2)) 设置绘图区域
geom_point(aes(alpha = number, color, fill, shape, size)) 散点图。alpha透明度
geom_jitter(aes(width = number, height = number)) 抖动的散点图
geom_smooth(method = lm/glm/…/c(…), se = T/F) 介绍写的是在过度绘图的情况下帮助眼睛看到图案。我觉得就是加拟合的线。se是是否显示置信区间
geom_hline(yintercept = number,color , size = number) 直线
geom_line(data, aes(), size = 1)
geom_histogram(bins = number, binwidth = number, color = “white”) 直方图。参数分别是条的数量，条的宽度，条的边界颜色
geom_boxplot(fill = “color”)
scale_x_discrete(labels = c( )) x轴的标签
geom_col(position = “dodge”) 条形图，根据分类变量分割条形图在ggplot里aes里加fill = variable，dodge使分割的不堆叠
facet_wrap(~variable, ncol = number) 用在geom_col()后，使分类变量不同类各一个条形图, ncol确定图的列数
geom_line() 折线图
labs(x = “xlab”, y = “ylab”, title = “your title”) 标签
theme(legend.position = “none”/“left”/“right”/“bottom”/“top”) 修改各种非数据的图形部分，lengend.position是图例位置
gganimate
Plot + transition_time(Time) + labs(title = “Time:{frame_time}”) 按时间变化的动图
knitr & kableExtra
kable(data, col.names = c(“Name1”, “Name2”, …), caption, booktabs = T/F, format = “latex”)
kable_styling(font_size = number)
基础包们
skim(data) 行数，列数，变量种类 连续型变量：缺失值，平均值，标准差，分位数，直方图 分类型变量：缺失值，是否排序，变量种类，变量计数
gsub(a,b,c） 将字符串c中的a字符用b字符进行替换
cor(data) 协方差矩阵
lm(Y ~ X1 + X2, data)
glm(fomula, data, family= binomial(link = “logit”))
coef(model) 从模型中提取系数，貌似要用summary()后面，反正glm要
levels(Variables) 查看因子型变量水平
predict(model, type) 计算模型的拟合值，我不知道，glm是搞出
fitted(model) glm来说就是直接搞出
plogis(value) plogis() =
moderndive
get_regression_table(model) 结果有估计值，估计值的标准差，检验统计量，p值，置信区间
get_regression_points(model) 结果有ID，，
，
，…，
，
get_correlation(formula = Y ~ X) 相关系数
model.matrix(model) 线性模型的design matrix
infer
[外链图片转存中…(img-N2WRnknG-1600870562542)]
rep_sample_n(data, size = number, replace = TRUE, reps = number) size是bootstrap样本的大小，与原样本应一致；reps是重复抽取bootstrap样本的次数
specify(data, Y ~ X1 + X2/NULL, success = “A”) 确定分析的响应变量和解释变量, success是给比例情况用的,算“A”的比例
generate(data, reps = number, type = “bootstrap” / “permute” / “simulate”) reps是重复抽取样本的次数，即产生了reps个样本容量和原样本一样的样本，然后可以直接calculate不用group_by
calculate(data, stat = c(“mean”, “median”, “sum”, “sd”, “prop”, “count”, “diff in means”, “diff in medians”, “diff in props”, “Chisq”, “F”,“slope”, “correlation”, “t”, “z”), order = c(“A”, “B”), …) 就infer包的summarize，order决定解释变量中因子的顺序，推断两类中的差或比或t、z统计量时用，…可以传递na.rm之类的参数给mean()之类的
visualize(data, bins = number, obs_stat = x_bar, endpoints = percentile_ci, direction = “between”) 就直方图，bins确定条的数量，x_bar是原样本分布的均值（针对要估计的是均值），可以再用summarize算一算bootstrap分布的均值，endpoints和direction用来画区间
get_ci(data, level = 0.95, type = “percentile”, point_estimate = NULL)get_ci(type = “se”, point_estimate = x_bar) 算置信区间
janitor
tabyl(data, variable1, variable2, variable3, …) 就像table()
adorn_percentages(table, denominator = “row”/“col”/“all”, na.rm = T/F) 搞表格的百分比
adorn_pct_formatting(table, digits = number, rounding = “half to even”/“half up”, affix_sign = T/F) 把搞好的百分比搞得能看，digits表示保留小数位数（默认1），rounding表示小数取舍方法，affix_sign表示是否加百分号
adorn_ns(table, position = “rear”/“front”) 在搞好的百分比后或前加原始计数
sjPlot
plot_model(model, type, show.values = T/F, transform = NULL, title, show.p = F) show.values表示log-odds/odds值是否显示， show.p表示是否在显著值上标星号，transform表示确定估计运用的函数的字符型向量，默认指数，NULL则是对数， vline.color垂直的零影响的线的颜色
GGally
pairs()
ggpairs()
MASS
stepAIC()
plotly
plot_ly(data, x = ~ A, y = ~ B, z = ~ C, type = “scatter3d”, mode = “markers”) 三维图
broom
glance(model) 模型的，调整后的
，
，统计量，p值，log似然函数值，AIC，BIC，deviance，df.residual
ellipse
ellipse() we can generate the following 95% confidence ellipse
