這一關(guān)屬于進(jìn)階關(guān)脂男，難度相比前面提高了不少宰翅，所以花費(fèi)的時(shí)間也多了一些。
本關(guān)的學(xué)習(xí)內(nèi)容主要為：如何編寫(xiě)函數(shù)；數(shù)據(jù)處理：dplyr, ggplot2耸彪；如何編寫(xiě)業(yè)務(wù)模塊蝉娜；代碼如何調(diào)試。

1.如何編寫(xiě)函數(shù)

1.1 自編函數(shù)模板

my_fun <- function(arg1,arg2,...){
  body
  ruturn(data)
  }

例如下面荧呐，若add(1,2)概疆，結(jié)果z=3

add <- function(x,y) {
  z <- x+y
  return(z)
}

1.2 控制語(yǔ)句-循環(huán)和條件

1.2.1 for 循環(huán)的基本模板

for(i in data){
  body
}

假設(shè)有一項(xiàng)重復(fù)性工作，如下：

library(stringr)
print(str_c("第幾次吃飯",1,sep=":"))
print(str_c("第幾次吃飯",2,sep=":"))
print(str_c("第幾次吃飯",3,sep=":"))

重復(fù)去寫(xiě)1,2,3,...會(huì)很麻煩楣颠，我們可以用for循環(huán)來(lái)簡(jiǎn)化：

for(i in 1:3) {
  print(
  str_c("第幾次吃飯",i,sep=":")
  )
  }

1.2.2 while循環(huán)的基本模板

while (condition){
  body
}

例如：

i <- 10
while(i>0){
  print(
    i <- i-1)
  }

注意：while 一定要有循環(huán)結(jié)束的判斷條件，否則會(huì)無(wú)限循環(huán)下去。

1.2.3 條件語(yǔ)句的基本模板

if(condition){
  body
}else{
  body
}

例如錢(qián)包內(nèi)有100侧馅，吃飯花費(fèi)30，余額提醒：

money <- 100
if(money>0){
  money <- money-30
  print("錢(qián)包還有錢(qián)，不需要取錢(qián)")
}else{
  print("錢(qián)包沒(méi)有錢(qián)，去取款機(jī)吧")
}

再舉一個(gè)復(fù)雜點(diǎn)的例子：飯卡余額1000酬屉，每天吃3頓飯，每頓5元垛吗，余額低于5元蔚舀，提示：

everday <- function(eatNumber,money){
  for(i in eatNumber){
    eatNumber <- str_c("今天吃第幾次飯：",i,sep="")
    money <- money-5*i
    print(money)
    print(eatNumber)
  }
  if(money<5){
    print("飯卡沒(méi)錢(qián)了：去銀行取錢(qián)")
  }else{
      print("飯卡還有錢(qián)：不用去銀行")
    }
}

2.數(shù)據(jù)處理-dplyr、ggplot2

dplyr是一套數(shù)據(jù)處理工具礼患，它提供了多個(gè)函數(shù)來(lái)幫助你完成常見(jiàn)的數(shù)據(jù)處理工作：

• mutate()函數(shù)對(duì)已有列進(jìn)行數(shù)據(jù)運(yùn)算并添加為新列，類(lèi)似transform()
• select()根據(jù)列名選擇出需要的子集
• filter()基于數(shù)值挑選對(duì)象，可以按給定的邏輯條件篩選符合要求的子數(shù)據(jù)集
• summarise()對(duì)數(shù)據(jù)框調(diào)用函數(shù)進(jìn)行匯總操作, 返回一維的結(jié)果
• arrange()按給定的列名依次對(duì)行進(jìn)行排序领曼，默認(rèn)為升序，類(lèi)似order()
  ggplot2是R中重要的繪圖工具：
• ggplot2的核心理念是將繪圖與數(shù)據(jù)分離，數(shù)據(jù)相關(guān)的繪圖與數(shù)據(jù)無(wú)關(guān)的繪圖分離
• ggplot2是按圖層作圖
• ggplot2保有命令式作圖的調(diào)整函數(shù)幻碱，使其更具靈活性
• ggplot2將常見(jiàn)的統(tǒng)計(jì)變換融入到了繪圖中喇聊。
  接下來(lái)誓篱，我們利用一個(gè)例子，來(lái)深入學(xué)習(xí)這兩個(gè)包。

2.1 數(shù)據(jù)分析流程

數(shù)據(jù)預(yù)分析步驟：理解數(shù)據(jù)-數(shù)據(jù)導(dǎo)入-數(shù)據(jù)預(yù)處理-數(shù)據(jù)計(jì)算-數(shù)據(jù)顯示赎线。

2.1.1 數(shù)據(jù)導(dǎo)入

首先加載包和數(shù)據(jù)集。

install.packages("dplyr")
install.packages("nycflights13")
library(dplyr)
library(nycflights13)

2.1.2 數(shù)據(jù)預(yù)處理步驟

進(jìn)行數(shù)據(jù)預(yù)處理的步驟：選擇子集-列重命名-刪除缺失數(shù)據(jù)-處理日期-類(lèi)型轉(zhuǎn)換-數(shù)據(jù)排序。

2.1.2.1 選擇子集

確定分析目標(biāo)：航班航線(xiàn)距離與延誤時(shí)間的關(guān)系

# 查看數(shù)據(jù)結(jié)構(gòu)
str(flights)
myFlights <- select(flights,year,month,day,
                    dep_delay,arr_delay,distance,dest)
# select也可以進(jìn)行模糊匹配
select(data,
       starts_with("abc"),    #以abc開(kāi)頭
       ends_with("xyz"),      #以xyz結(jié)尾
       contains("ijk"),       #包含ijk
       matches("(.)\\1"))     #正則表達(dá)式，字符或數(shù)據(jù)匹配

2.1.2.2 列名重命名

myFlights <- rename(myFlights,destination=dest)  
#tips：新列名在前竞惋，舊列名在后

2.1.2.3 刪除缺失數(shù)據(jù)

myFlights <- filter(myFlights,!is.na(dep_delay),!is.na(arr_delay))

filter()更多用法：

# 查找數(shù)據(jù)
filter(myFlights,month==12,day==25)  #查找12.25的航班
filter(myFlights,arr_delay>120|dep_delay>120)  #延誤超2h的航班

2.1.2.4 數(shù)據(jù)排序

這里我們用的是dplyr中的arrange()函數(shù)嗓奢，默認(rèn)為升序钳幅，desc()讓表示降序诬乞。

arrange(myFlights,dep_delay)
arrange(myFlights,desc(dep_delay))

2.1.3 數(shù)據(jù)計(jì)算

用dplyr包的分組函數(shù)group_by(）和組合函數(shù)summarise()來(lái)進(jìn)行計(jì)算票堵。
數(shù)據(jù)處理的一般模式： Split(數(shù)據(jù)分組) - Apply(應(yīng)用函數(shù)) - Combine(組合結(jié)果)

# 按照目的地進(jìn)行分組
by_dest <- group_by(myFlights,destination)
# 求平均到達(dá)延誤時(shí)間和平均航行里程
 delay <- summarise(by_dest,
                    count=n(), #航班數(shù)-每個(gè)分組有多少數(shù)據(jù)
                    dist=mean(distance,na.rm = TRUE),
                    delay=mean(arr_delay,na.rm=TRUE)) 
 # 移除噪音數(shù)據(jù)--移除樣本數(shù)量較小的數(shù)據(jù)
 delay <- filter(delay,count>20)
 以上的過(guò)程，可以利用管道：%>% 進(jìn)行簡(jiǎn)化
 delays <- flights%>%
   group_by(dest)%>%
   summarise(
     count=n(),
     dist=mean(distance,na.rm = TRUE),
     delay=mean(arr_delay,na.rm = TRUE)
   )%>%
   filter(count>20)

2.1.4 數(shù)據(jù)顯示

數(shù)據(jù)顯示要用到繪圖包ggplot2瞳浦，ggplot()是一個(gè)圖層一個(gè)圖層來(lái)繪制圖形的担映，用其中的加號(hào)"+"來(lái)結(jié)合各個(gè)圖層，ggplot2繪圖的一般模板為：

# ggplot(data = <DATA> ) +  #創(chuàng)建畫(huà)板
#   <GEOM_FUNCTION>(mapping=aes( <MAPPINGS>))  #添加圖層

應(yīng)用到本實(shí)例中叫潦，ggplot()括號(hào)內(nèi)的參數(shù)是要使用的數(shù)據(jù)蝇完，然后是geom_point(mapping = aes(x = dist, y = delay))，這是用來(lái)繪制散點(diǎn)圖的矗蕊，x軸為距離dist短蜕，y軸為延遲時(shí)間delay。 geom_smooth(mapping = aes(x = dist, y = delay))用來(lái)給圖加入平滑的曲線(xiàn)傻咖，以展示x和y的關(guān)系朋魔。

ggplot(data=delay)+
  geom_point(mapping = aes(x=dist,y=delay))+
  geom_smooth(mapping = aes(x=dist,y=delay))

3.如何編寫(xiě)業(yè)務(wù)模塊

3.1 模塊介紹

一個(gè)項(xiàng)目通常會(huì)有以下幾個(gè)模塊：

• 視圖模塊(view)：數(shù)據(jù)顯示的實(shí)現(xiàn)代碼
• 業(yè)務(wù)邏輯模塊(service)：數(shù)據(jù)處理的代碼
• 數(shù)據(jù)層模塊(db)：數(shù)據(jù)分析要連接的數(shù)據(jù)庫(kù)
  各個(gè)模塊的文件會(huì)放在相同名字的文件夾里面，根據(jù)需要還可以創(chuàng)建其他模塊：
• 公共模塊(util)：放項(xiàng)目的公共材料卿操，比如項(xiàng)目的配置信息
• 公共數(shù)據(jù)(data)：數(shù)據(jù)分析用到的數(shù)據(jù)
• 日志模塊(log)：數(shù)據(jù)處理流程
• 數(shù)據(jù)輸出模塊(output)：放數(shù)據(jù)分析的結(jié)果警检，比如繪制的圖形和Excel文件等
  例如本例中，util里的packageManager.R代碼：

#管理安裝包
# 數(shù)據(jù)包
packages <- c("nycflights13")
if (length(setdiff(packages, rownames(installed.packages()))) > 0) {
install.packages(setdiff(packages, rownames(installed.packages()))) 
}
#字符串包
packages <- c("stringr")
if (length(setdiff(packages, rownames(installed.packages()))) > 0) {
install.packages(setdiff(packages, rownames(installed.packages()))) 
}
#圖形包
packages <- c("ggplot2")
if (length(setdiff(packages, rownames(installed.packages()))) > 0) {
install.packages(setdiff(packages, rownames(installed.packages()))) 
}
#數(shù)據(jù)處理包
packages <- c("dplyr")
if (length(setdiff(packages, rownames(installed.packages()))) > 0) {
install.packages(setdiff(packages, rownames(installed.packages()))) 
}

3.2 業(yè)務(wù)邏輯模塊

在業(yè)務(wù)邏輯模塊的文件夾(service)里創(chuàng)建R腳本flight.R：

install.packages("dplyr") 
install.packages("nycflights13") 
library(dplyr)
library(nycflights13)# for data
#航班航行距離與延誤時(shí)間的關(guān)系
#輸入：不需要輸入?yún)?shù)
#輸出：返回每個(gè)目的地的平均航行距離害淤，平均延誤時(shí)間
disDelay <- function(){
#選擇子集
myFlights <- select(flights,
                    year,month,day,
                    dep_delay,arr_delay,
                    distance,dest)
#列名重命名扇雕，等號(hào)左邊是新列名，右邊是就列名
myFlights <- rename(myFlights, destination = dest)
#刪除缺失數(shù)據(jù)窥摄，這里的空值NA代表航班取消
myFlights <- filter(myFlights, 
!is.na(dep_delay), 
!is.na(arr_delay))
#數(shù)據(jù)排序
myFlights <- arrange(myFlights, desc(dep_delay))
#數(shù)據(jù)計(jì)算：航班航行距離與延誤時(shí)間的關(guān)系    
delay <- myFlights %>% 
  group_by(destination) %>% 
  summarise(
    count = n(),
    dist = mean(distance, na.rm = TRUE),
    delay = mean(arr_delay, na.rm = TRUE)
) %>% 
  filter(count > 20)
return(delay)
}

3.3 視圖模塊

在視圖模塊文件夾(view)里把前面的數(shù)據(jù)顯示實(shí)現(xiàn)代碼(flightView.R)存入：

library(ggplot2) 
library(stringr)
#獲取當(dāng)前項(xiàng)目運(yùn)行根路徑
projectPath <- getwd()
#獲取service路徑
servicePath <- str_c(projectPath,
                   "service",
                   "flight.R",
                   sep="/")
#編譯R文件镶奉，利用source()調(diào)用外部代碼并運(yùn)行
source(servicePath)
#業(yè)務(wù)邏輯：航班航行距離與延誤時(shí)間的關(guān)系
delay <- disDelay()
#繪制散點(diǎn)圖
view <- ggplot(data = delay) + 
geom_point(mapping = aes(x = dist, y = delay)) +
geom_smooth(mapping = aes(x = dist, y = delay))
#定義散點(diǎn)圖保存路徑
outputpath <- str_c(projectPath,"output","delayFlight.jpg",sep="/")
#利用ggsave()來(lái)保存散點(diǎn)圖到上面的路徑中
ggsave(filename=outputpath, plot=view) 

4.代碼如何調(diào)試

Rstudio中的代碼搜索功能，例如想知道業(yè)務(wù)邏輯模塊中的disDelay 具體代碼崭放，可以雙擊選中函數(shù)-進(jìn)入函數(shù)定義的地方：Rstudio-Code-Go to Function Definition哨苛。
一個(gè)簡(jiǎn)單的代碼調(diào)試過(guò)程：
代碼出現(xiàn)錯(cuò)誤-錯(cuò)誤在哪塊代碼-理解錯(cuò)誤代碼大概什么意思-打斷點(diǎn)(stop)-編譯（source）-重新執(zhí)行代碼-找到錯(cuò)誤原因。
寫(xiě)的比較簡(jiǎn)單币砂，大家可以找一些參考資料學(xué)習(xí)建峭。