作为一名数据分析师，R是怎样影响我的？

专题介绍：R是一种广泛用于数据分析和统计计算的强大语言，于上世纪90年代开始发展起来。得益于全世界众多 爱好者的无尽努力，大家继而开发出了一种基于R但优于R基本文本编辑器的R Studio（用户的界面体验更好）。也正是由于全世界越来越多的数据科学社区和用户对R包的慷慨贡献，让R语言在全球范围内越来越流行。其中一些R包，例如MASS，SparkR， ggplot2，使数据操作,可视化和计算功能越来越强大。R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。R作为一种统计分析软件，是集统计分析与图形显示于一体的。它可以运行于UNIX、Windows和Macintosh的操作系统上，而且嵌入了一个非常方便实用的帮助系统，相比于其他统计分析软件，R的学术性开发比较早，适合生物学和医学等学术学科的科研人员使用。

作者：Zoe Turner

原文链接:
https://nhsrcommunity.com/blog/how-r-changed-me-as-an-analyst/

我猜想有很多关于R语言的博客和R语言为什么如此伟大呢?

• 它是免费的。

• 它是开源的。

• 它有一个伟大的社区。

• 它是可重复性的。

你当然可以在Twitter (#rstats)上读到R能做什么，但是R对你能够做什么？尤其是作为一名NHS或社会福利机构的分析师。【需要加入R语言群，请添加我的微信luqin360】

学习点…

回到2018年4月，当NHS-R社区在利兹开设第一个R课程介绍时，我对它唯一的了解来自于edX上的一个免费的在线基础R课程，我并没有真正理解它，也没有完成它。对我来说，在线学习就像回到学校一样。我得到了正确的答案，感觉很好，继续前进，然后很快就忘记了这一切。在NHS-R课程结束后，我尝试使用dplyr包，尝试运行许多别人的脚本，但通常都以失败而告终。那是一段令人沮丧的时间，任务交付缓慢，令人困惑。当事情进展顺利时，我不知道为什么，而且我常常想知道这是怎么回事情，尤其是因为我可以在熟悉的程序中做同样的事情。

后见之明是件好事，我现在可以看到我的挫折不仅仅是一次困惑，而是可以分解为我如何使用这些“熟悉的程序”，即:

• SQL用于数据工程

• Excel用于数据可视化

虽然我仍然使用(和使用)SQL来获取数据，但我将其复制到Excel中，然后将其加载到R中;一旦加载完毕，我就会意识到我需要对不需要的东西进行分组、计数或删除，而回到SQL、复制到Excel，然后再加载似乎太冗长了。

在R中可视化的第二个挫折是无法在R中复制Excel图表的外观:得到相同的颜色、相同的字体大小标题等等。我还没有完全解决这个问题，但正是在这里，我意识到R的价值不在于让它看起来像Excel，而是它可以做的比Excel多得多。我需要开始思考我应该可视化什么以及如何去做。

分享方法

在NHS工作的这段时间里，我学会了对数据保持谨慎——甚至是保护。但这导致了对分享技术知识的错误恐惧，而分享技术知识从来都不是有意识的事情，事情就是这样。然而，R有分享的名声，这导致了分享的期望。这不仅是在你自己的团队或组织内部，它甚至可以是整个世界。

作为分享Excel方法更困难的一个例子，我之前使用MATCH和INDEX构建了一个Excel电子表格基准测试，这样条形图就会自动为我工作的组织上色，并将条形图从大到小排序。这是一项需要花费大量精力来自动化的任务，完成时看起来很简单，但在很大程度上依赖于数据位于正确的单元格中，否则它就会崩溃。

只要用新的一年的数据更新它就会非常小心，所以我从来没有想过要写出方法来分享。把它写出来需要描述数据的位置、公式的作用以及位之间的联系。这是一项艰巨的任务，如果你不打算分享，这是不必要的——因为没有必要分享，所以我没有。

都是关于数据的

从SQL到Excel的整个过程都是关于数据的，例如 它是如何加入的以及它的计数。为了“正好”获得数据，它通常需要许多问题的灵巧解决方案，以至于我现在意识到，它消耗了太多的思考时间，因此考虑到为什么这样做的动力通常很少了？最好的事情，如何从数据中获取更多含义？

如果我拿起别人的脚本或Excel文档来排序基准数据，那么我花在改进而不是构建上的时间可能会更多。在一个完美的世界里，我会反馈我所做的事情，并分享任何改进或更正。

但是R能做SQL和Excel不能做的事情吗?

作为一个非常简单的例子，考虑创建一个中值平均值。
在Excel中，使用公式 MEDIAN()相当容易，但要使它具有动态性(这样，如果添加更多数据，它就会自动更新)，公式就会变得复杂得多。这里有一个页面解释了它是如何做到的:

https://www.extendoffice.com/documents/excel/2611-excel-average-dynamic-range.html

有很多图形用来描述如何做你会注意到这是平均值而不是中值。
在SQL中，创建中位数可以通过多种方式解决:

https://stackoverflow.com/questions/1342898/function-to-calculate-median-in-sql-server

有204个例子可以解决这个问题!我没有把它讲完，因为当R可以做这个的时候，它不需要太多必要的思考……

median(table$column)

这个简单的东西去掉了所有其他不可避免的必要思考，找出得到中位数的最佳方法，然后必须检查它是否正确。虽然这在Excel中可能很简单，但我知道我犯了错误，而且我不得不重复这个练习的次数比我愿意承认的还要多，而且在Excel中这么做涉及到很多步骤，每个步骤都需要检查。所有这些都耗尽了集中思考的宝贵资源。由于R的运算速度如此之快，而且可靠，我现在有时间考虑中位数是否真的是正确的，特别是在“我们一直都是这样做的”的情况下。然后我可以思考它告诉我什么;它在增加/减少吗?为什么?还有其他数据可以解释这一变化吗?

与任何优秀的分析或编码一样，在开始时投入的时间都是有回报的。以重新排序的条形图为例，花几天时间使其正确，使其具有交互性，吸引用户。但是Excel仍然需要思考和时间检查，而R不需要;一旦它被编码，就这样。这就是分析师应该在的位置，工作完成后的空间。这就是你可以考虑分析本身的地方;是足够的吗?它告诉你什么?你还能看到什么?虽然我的工作头衔中有分析师已经有很长一段时间了，但这就是分析的全部内容，而且我现在意识到，我一直没有这么做，因为我的“思考时间”已经用在其他地方了。

公众号推荐：数据人才（ID：datarencai）

（一个帮助数据人才找工作的公众号，

也分享数据人才学习和生活的有趣事情。）