9个R语言项目教程

R 语言流淌着统计学的血液 ， 它内置了海量的统计函数 ，使用者可以利用其对数据进行快速交互分析 。 同时作为一门图灵完备的解释性语言 ， R 的使用者比 SAS , SPSS 等统计软件的使用者拥有了更大程度的自由。

与大多用于工程实践的编程语言相比 ， R 语言更像是一个灵巧的研究工具 ，在处理大量数据 ， 性能方面比较薄弱。但是与其他工具交互就能漂亮地解决问题 ， 例如与 Spark 配合 (sparkR) 解决数据量较大的情况 ， 与 C++(Rcpp) 配合可以解决性能不足的问题。

这里整理了9个R语言教程，希望对R语言学习者有所帮助~

该项目主要讲解包括 R 语言的基本数据结构 ， tidyverse 生态 ， 以及一些用R解决实际问题的案例。属于 R 语言小白入门基础课程，难度简单。十分适合想要学习 R 语言的同学进行入门学习。

该项目使用R语言中的文本分词包‘Rwordseg’对名著内容进行词频分析，再使用包‘wordcloud’绘制词云，实现数据可视化。

项目制作的是《仲夏夜之梦》的文字云，效果图如下：

该项目快速浏览R中的多种数学、统计和字符处理函数。为了让这一部分的内容相互关联，再通过引入一个能够使用这些函数解决的数据处理问题。在讲解过这些函数以后，为这个数据处理问题提供一个可能的解决方案。最后讲解如何自己编写函数来完成数据处理和分析任务。

该项目以故事的形式展开对商业街调查问卷的设计进行分析和学习。在实验中首先会进行数据的录入，然后利用管道处理技术来列联表，接着进行独立性检验，最终通过图表的形式得到我们需要的调查问卷。

部分效果图：

image.png

该项目以网络上的新浪股票数据为代表，研究金融数据的一些简单的统计性质。首先介绍相关的理论基础，然后在 R 上进行相关的操作，这些主要包括加载所需要的 R 包，在网络上直接载入股票数据，绘制股票数据的一些典型图形以及最终对股票的收益进行一些简单的分析，为简单的金融数据分析打下一些基础。

该项目试图使数据遵循一种模式，在此模式中，一个或一系列事件可以通过一致的方式预测另一个数据点。首先，通过使用 eclat 函数查找数据集模式，以便寻找人口中的相似模式。接着，使用 TraMineR 查找购物篮中的项目频集。使用 apriori 规则确定购物篮中的项目关联。使用 TraMineR 确定成年人职业转换期的序列，并通过序列数据可用的大量图形特征将其可视化。最后，用 seqdist 检查序列之间的相似点和不同点。

部分效果图：

时间序列分析研究的是按时间顺序收集的数据。相邻的观测数据通常相互依赖。因此，时间序列分析的技术需要处理这种相依性。

该项目的目标是通过一些特定应用来介绍一些常用建模技术。我们将看到如何使用 R 来解决现实中的这些问题。首先，我们考虑如何在 R 中存储和处理时间序列。接着，我们处理线性时间序列分析，并展现如何将它用于建模和预测房屋价格。其次，我们考虑长期趋势，最后使用协整的概念来改进基本的最小方差对冲比。

项目部分效果图：

经济增长一直以来都是我国宏观经济政策的目标之一，研究影响经济增长的因素对促进我国经济快速发展有着重要意义。

该项目运用 R 语言编写代码拟合多元线性回归模型，对模型拟合结果进行诊断，即对假设前提进行检验，并选择最优模型，最终进行区间预测，定性的研究影响我国经济增长的因素。

该项目主要探讨了几种时间序列的预测模型，首先带领大家对时间序列有一个初步的认识，再在这个基础之上，向读者介绍当下最常用的 ARIMA 模型来预测时间序列，接着为读者展示几种指数平滑的方法来预测，最后通过几种模型的对比，让大家可以从中选择出一个最佳的模型来实现预测。

• 更多实战教程，点击这里查看~
• 12条学习路径，照着学习不迷茫~