【DS】使用RMarkdown沟通结果
笔者邀请您,先思考:
1 如何使用R Markdown做报表?

在我作为顾问的培训中,我了解到,长时间的分析之后,通常也要花同样长的时间准备报告。我不得不将复杂的分析转化为建议,而我作为顾问的成功取决于我影响决策者的能力。我使用了各种各样的工具来表达我的见解,但随着时间的推移,我越来越依赖R Markdown作为我的选择工具。R Markdown易于使用,允许其他人复制我的工作,并且具有强大的功能,例如参数化输入和多种输出格式。有了R Markdown,比起以前的工具,我可以用更少的精力分享更多的工作,使我成为一个更有效的数据科学家。在这篇文章中,我想研究三种常用的沟通工具,并展示R Markdown通常是更好的选择。
微软office
企业中用于沟通的实际工具仍然是Microsoft Word、PowerPoint和Excel。这些工具诞生于80年代,在90年代崭露头角,被广泛用于分享报告、演示文稿和仪表盘。尽管Microsoft Office文档易于共享,但数据科学家编写这些文档可能会很麻烦,因为它们不能用代码编写。加之:
-
它们是不可复制的。
-
它们与用于创建分析的代码是分开的。
-
创建它们可能很耗时,并且很难维护。
在数据科学中,代码(而不是报告或演示文稿)是结果的来源。因此,您的文档也应该基于代码!您可以使用R Markdown实现这一点,它生成的文档是由代码生成的、可复制的、易于维护的。此外,R Markdown文档可以以Word、PowerPoint和许多其他输出格式呈现。因此,即使您的客户坚持要使用Microsoft文档,通过使用R标记生成文档,您可以花更多的时间处理代码,而花更少的时间维护报告。
R脚本
数据科学通常涉及到与代码的交互分析,但是代码本身通常不足以在企业环境中传递结果。在之前的一篇文章中,我解释了使用R笔记而不是R脚本进行数据科学研究的好处。R Notebook是R Markdown的一种特殊执行模式,它具有两个特性,对于传递结果非常有用:
-
呈现R笔记本的预览并不会执行R代码,这使得在交互分析期间或交互分析之后创建报告在计算上很方便。
-
R笔记本有一个嵌入的源代码副本,方便其他人检查你的工作。
R笔记的这两个特性结合了R脚本的优点和R标记的优点。与R脚本一样,您可以进行交互式数据分析并查看所有代码,但与R脚本不同的是,您可以轻松创建报告,解释代码的重要性。
Shiny
shiny和R Markdown都用于沟通结果沟通。它们都依赖于R,生成高质量的输出,并且可以设计为接受用户输入。在之前的文章中,我们讨论了Shiny仪表板和RMarkdown的仪表板。知道什么时候使用“Shiny”和什么时候使用“R Markdown”会增加你影响决策者的能力。

当你想让你的终端用户有一个互动的体验时,Shiny是很棒的——甚至是“神奇的”。但是R Markdown通常更容易编程、更容易维护,并且能够触达更广泛的受众。当我需要交互式用户体验时,我使用Shiny,但对于其他所有东西,我使用R Markdown。
如果您需要接受用户输入,但不需要Shiny的响应式框架,您可以将参数添加到您的R Markdown代码中。这个过程简单而强大,但仍未被大多数R用户充分利用。这一特性将使许多用例受益,特别是在不需要全部Shiny功能的情况下。此外,向文档中添加参数可以轻松地生成该文档的多个版本。如果您在RStudio Connect上托管一个文档,那么用户可以选择输入并根据需要生成新版本。现在许多Shiny的应用程序更适合作为参数化的R标记文档。
最后,shiny和R Markdown并不相互排斥。您可以在R Markdown文档中包含闪亮的元素,这使您能够创建对用户输入进行交互响应的报表。这些Shiny文档是用简单的R markdown创建的,但是具有与Shiny应用程序相同的托管要求,并且不可移植。
总结
使用正确的沟通工具。R Markdown是比传统工具更好的解决以下问题的方法:

《R数据科学》解释说:“除非你能向别人解释清楚,否则你的分析有多好都无关紧要:你需要把你的结果传达出去。” 我强烈推荐阅读这本书的第五部分,其中有关于使用R Markdown作为数据科学的统一创作框架的章节。使用R Markdown格式进行有效的沟通,并使用R Markdown工作流创建分析笔记。在这些章节的末尾有一些参考资料,描述了在哪里可以学到更多关于沟通的知识。
作者:Nathan Stephens
原文链接:
https://rviews.rstudio.com/2018/11/01/r-markdown-a-better-approach/
版权声明:作者保留权利。文章为作者独立观点,不代表数据人网立场。
数据人网:数据人学习,交流和分享的平台,诚邀您创造和分享数据知识,共建和共享数据智库。
内容推荐
公众号推荐:
数据思践,数据的思考与践行。
请关注“恒诺新知”微信公众号,感谢“R语言“,”数据那些事儿“,”老俊俊的生信笔记“,”冷🈚️思“,“珞珈R”,“生信星球”的支持!