R语言数据科学工具链：基础统计分析与高效可视化实践 (版本 2024.08.15)

Roxi 加速器 — 稳定·快速·安全

全球节点覆盖，支持所有主流平台，一键连接无需配置。新用户免费试用。

立即体验 →

R环境准备与核心包安装

版本信息: R 4.3.2, RStudio 2023.12.1

在进行任何数据分析前，需确保R环境已正确配置。此步骤主要包含R及RStudio的安装，并安装必要的数据处理与可视化包。本教程不会详细讲解R语言下载和RStudio下载的步骤，官网均有详细说明。

1. 安装R及RStudio

请从官方网站获取最新稳定版。

2. 安装并加载核心R包

tidyverse包集成了数据处理与可视化的常用工具，包括dplyr和ggplot2。

install.packages("tidyverse")

Expected Output:

Installing package into ‘/path/to/R/library’
(as ‘lib’ is unspecified)
...
* DONE (tidyverse)

library(tidyverse)

Expected Output:

── Attaching packages ─────────────────────────────────────── tidyverse 2.0.0 ──
✔ ggplot2 3.5.1      ✔ purrr   1.0.2 
✔ tibble  3.2.1      ✔ dplyr   1.1.4 
✔ tidyr   1.3.1      ✔ stringr 1.5.1 
✔ readr   2.1.5      ✔ forcats 1.0.0 
── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag()    masks stats::lag()
ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

Note: Conflicts提示是正常现象，表示某些函数名在不同包中重复，tidyverse会优先使用自身版本。

数据导入与基础统计分析

本节将演示如何导入CSV数据并进行基本的描述性统计分析。

1. 数据准备

创建一个名为sample_data.csv的文件，内容如下：

ID,Group,Value
1,A,10
2,B,12
3,A,15
4,A,11
5,B,13
6,B,16
7,A,14
8,B,18

2. 导入数据

使用read_csv()函数导入。

data <- read_csv("sample_data.csv")

Expected Output:

Rows: 8 Columns: 3
── Column specification ────────────────────────────────────────────────────────
Delimiter: ","
chr (1): Group
dbl (2): ID, Value

ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.

3. 描述性统计

计算Value列的均值、中位数、标准差。并按Group分组计算。

summary(data$Value)

Expected Output:

Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
10.00   11.75   13.50   13.62   15.25   18.00 

data %>%
  group_by(Group) %>%
  summarise(
    Mean_Value = mean(Value),
    Median_Value = median(Value),
    SD_Value = sd(Value)
  )

Expected Output:

# A tibble: 2 × 4
  Group Mean_Value Median_Value SD_Value
  <chr>      <dbl>        <dbl>    <dbl>
1 A           12.5         12.5     2.38
2 B           14.7         14.5     2.60

数据可视化实战：ggplot2入门

ggplot2是R中最强大的可视化工具之一。本节展示如何绘制箱线图和直方图。

1. 箱线图 (Boxplot)

展示不同Group下Value的分布。

ggplot(data, aes(x = Group, y = Value, fill = Group)) +
  geom_boxplot() +
  labs(title = "Value Distribution by Group",
       x = "Group",
       y = "Value") +
  theme_minimal()

Expected Output: (Plot will be rendered in RStudio Plots pane or saved to file)

此命令将生成一个箱线图，可视化不同分组间数值的分布情况。

2. 直方图 (Histogram)

展示Value的频率分布。

ggplot(data, aes(x = Value)) +
  geom_histogram(binwidth = 2, fill = "steelblue", color = "black") +
  labs(title = "Histogram of Value",
       x = "Value",
       y = "Frequency") +
  theme_minimal()

Expected Output: (Plot will be rendered in RStudio Plots pane or saved to file)

此命令将生成一个直方图，展示Value数据的分布模式。

Warning: binwidth参数对直方图的视觉呈现影响显著，应根据数据特性进行调整。

3. 图表保存

将生成的图表保存为高分辨率文件，例如PDF。这也是R语言统计分析教程中常见的高级操作。

ggsave("boxplot_by_group.pdf", width = 6, height = 4, units = "in")

Expected Output: (File boxplot_by_group.pdf will be created in the working directory)

Saving 6 x 4 in image

ggsave("histogram_value.png", width = 800, height = 600, units = "px")

Expected Output: (File histogram_value.png will be created in the working directory)

Saving 800 x 600 px image

Note: ggsave()函数默认保存最后生成的ggplot2图形，文件格式由扩展名决定。

References

• Wickham, H., Çetinkaya-Rundel, M., & Grolemund, G. (2023). R for Data Science (2nd ed.). O'Reilly Media.
• ggplot2 Documentation: roxi.cc/ggplot2-docs