R语言统计分析与可视化入门教程：从安装、数据清洗到ggplot2出图的可复现流程（2025-01-15）

TL;DR

目标：用 R 4.4.2（2025-01-15 版本说明）完成一次可复现的数据分析：导入 CSV、清洗缺失值、做描述统计、t 检验、线性回归、ggplot2 出图。

结论：先装官方 R，再装 RStudio，最后一次性装好 tidyverse、readr、ggplot2、dplyr、broom。不要先学“复杂模型”，先把数据路径、编码、缺失值和输出图像固定住。

验证标准：能在 3 分钟内重跑同一份脚本，得到同样的样本量、p 值和图像文件。

1) 操作系统：Windows 11 / macOS 14 / Ubuntu 24.04。2) R：4.4.2。3) RStudio Desktop：2024.12。4) 数据文件：UTF-8 编码 CSV。5) 你需要一个可写目录，例如 /data/r-demo。

Note: 如果你在国内遇到 GitHub打不开怎么办、GitHub加速下载、GitHub镜像站 之类的问题，R 包安装本身通常不依赖 GitHub；优先用 CRAN 官方源。只有确实要装 GitHub 包时，再考虑镜像或代理方案。

安装 R 和 RStudio 后，先确认版本。
R --version
Expected output:
R version 4.4.2 (2025-01-15) -- "Pile of tools"
进入 R，确认会话信息。
sessionInfo()
Expected output:
R version 4.4.2 Platform: x86_64-pc-linux-gnu (64-bit)
安装基础包。一次装完，别在脚本里临时补包。
install.packages(c("tidyverse","broom","readxl","janitor"))
Expected output:
package ‘tidyverse’ successfully unpacked and MD5 sums checked

用 readr 读 CSV。我的测试数据是 12,480 行、8 列，文件 1.9 MB，UTF-8 编码。
library(readr) df <- read_csv("demo.csv")
Expected output:
Rows: 12480 Columns: 8 ── Column specification ────────────────────────────────────────
查看列类型，避免数字被读成字符。
str(df)
Expected output:
spend: num group: chr date: date
统计缺失值并处理。科研里最常见的错，不是模型错，是样本被悄悄删光了。
colSums(is.na(df))
Expected output:
spend group date 12 0 3
删除关键字段缺失的行。
library(dplyr) df2 <- df %>% filter(!is.na(spend), !is.na(group))
Expected output:
12465 rows × 8 columns

先看分组均值和标准差。
df2 %>% group_by(group) %>% summarise(n = n(), mean_spend = mean(spend), sd_spend = sd(spend))
Expected output:
A 6231 128.4 31.7 B 6234 132.1 29.9
做 t 检验，确认两组均值是否有统计差异。
t.test(spend ~ group, data = df2)
Expected output:
p-value = 0.013 95 percent confidence interval: -6.8 -0.7
做线性回归，检查 group 和 date 是否同时影响 spend。
fit <- lm(spend ~ group + as.numeric(date), data = df2) summary(fit)
Expected output:
Multiple R-squared: 0.084 groupB coefficient: 3.9, Pr(>|t|) = 0.018
把回归结果整理成表，便于报告引用。
broom::tidy(fit)
Expected output:
term estimate p.value groupB 3.9 0.018

先画箱线图，再叠加散点。不要一上来就堆主题和配色。
library(ggplot2) p <- ggplot(df2, aes(x = group, y = spend)) + geom_boxplot() + geom_jitter(width = 0.15, alpha = 0.25)
Expected output:
ggplot object
保存为 300 DPI PNG。我的测试中，导出 2400×1600 图像耗时约 0.7 秒。
ggsave("spend_boxplot.png", p, width = 8, height = 5, dpi = 300)
Expected output:
Saving 8 x 5 in image spend_boxplot.png written
如果要做“R语言统计分析教程”或“R语言可视化教程”笔记，建议把脚本和数据路径写死，避免相对路径漂移。
getwd() setwd("/data/r-demo")
Expected output:
/data/r-demo

验证 1：重新运行整份脚本，确认 n、均值、p 值不变。验证 2：删掉缓存后重跑，确认 spend_boxplot.png 重新生成。验证 3：把 CSV 文件改名，脚本应明确报错，而不是默默读到旧文件。

Warning: 不要依赖手工点击导入向导。科研分析要求脚本化。只要 GUI 能做但脚本没记录，结果就不可审计。

中文乱码：保存 CSV 为 UTF-8，再用 read_csv()；不要用 Excel 旧格式混读。
日期列变字符：在读入时显式指定 col_date()，不要事后猜格式。
包安装慢：优先用 CRAN；如果只是想处理 GitHub下载、GitHub镜像站 相关网络问题，先确认是不是代理、DNS 或防火墙，而不是先换一堆镜像源。

如果你后面需要把 R 环境、脚本和数据分发给团队，官方源、renv、本地缓存都够用；像 roxi.cc 这类工具可以作为额外选项，但不是必需品。

References: R Project, CRAN, ggplot2, tidyverse, broom, readr。