01

Jupyter Lab构建R工作环境

如何在Jupyter Lab里配置R核，以构建R工作环境？
准备工作：

1 安装R软件
2 安装Anaconda软件
3 启动Anaconda的Prompt,进入到R的安装路径，启动R程序，输入如下安装命令和配置命令

install.packages(c('repr', 'IRdisplay', 'evaluate', 'crayon', 'pbdZMQ', 'devtools',
'uuid', 'digest'))
devtools::install_github('IRkernel/IRkernel')
IRkernel::installspec(user = FALSE)

4 退出R，启动Jupyter Lab。

q()
jupyter-lab

如下图所示：

R语言学习：Jupyter Lab构建R工作环境，处理类别型数据总结

在Jupyter Lab下，可以采用R-notebook的工作方式或者R console的工作方式。
关于在Jupyter Lab上面构建R工作环境，你有什么问题，请添加我的微信。

02

如何处理类别型数据？

在介绍处理类别型数据之前，我们先了解一下数据类型的分类，如下图所示：

R语言学习：Jupyter Lab构建R工作环境，处理类别型数据总结

1 类别型数据

类别型数据的特点：

1 它总是离散的
2 它可能分成几个组
3 包含名字或者标签
4 取值是有限的或者固定的几个值
5 常用于计数操作
6 分析时常用数据表

2 因子类型

R语言可以使用factor类型来管理类别型数据，包括这些内容：

1 存储类别型数据
2 检查所给的数据是否是类别型
3 把其它数据类型转换为因子型
4 处理类别型数据的缺失值
5 指定类别型的顺序

举例说明如下

library(tidyverse)

data <- read_csv("./data/analytics_raw.csv", 
                 col_types = cols_only(device = col_factor(levels = c("Desktop", "Tablet", "Mobile")), 
                                       gender = col_factor(levels = c("female", "male", "NA")), 
                                       user_rating = col_factor(levels = c("1", "2", "3", "4", "5"),
                                                                ordered = TRUE)))
data %>%
  slice_head(n = 10)

set.seed(1234)

# 使用smaple函数做有放回地抽样
device <- sample(c("Desktop", "Mobile", "Tablet"), 
                 size = 25, 
                 replace = TRUE)
device

# 数据类型检验
is.factor(device)

# 数据类型转换
as.factor(device)

# 或者使用forcats包的as_factor函数
as_factor(device)

# factor函数的使用
factor(device)
factor(device, levels = c('Desktop', 'Mobile', 'Tablet'))
factor(device, levels = c('Desktop', 'Mobile'))
factor(device, 
       levels = c('Desktop', 'Mobile', 'Tablet'), 
       labels = c("Desk", "Mob", "Tab"))

set.seed(1234)
device <- sample(c("Desktop", "Mobile", "Tablet", NA), size = 25, replace = TRUE)
device

factor(device)
# 若是要把NA做一个Levels
factor(device, exclude = NULL)

rating <- sample(c("Dislike", "Neutral", "Like"), 
                 size = 25, 
                 replace = TRUE)
rating

is.ordered(rating)
as.ordered(rating)
factor(rating, ordered = TRUE)

# 修改排序的逻辑
factor(rating, 
       levels = c("Dislike", "Neutral", "Like"), 
       ordered = TRUE)

ordered(rating, 
        levels = c("Dislike", "Neutral", "Like"))

关于factor的关键函数总结，如下图所示：

R语言学习：Jupyter Lab构建R工作环境，处理类别型数据总结

3 汇总类别型数据

类别型数据虽然不能像连续数据做极差、标准差、均值的操作，但是，它可以做如下操作：

1 计数和频数
2 比例
3 累积频数
4 交叉表
5 列联表
等

举例说明如下：

library(tidyverse)
library(gmodels)
library(descriptr)
# 数据导入
data <- readRDS('./data/analytics.rds')
data %>%
  glimpse()
nlevels(data$device)

# Category Names
levels(data$device)
unique(data$device)
fct_unique(data$device)

# Names & Counts
table(data$device)
fct_count(data$device)
summary(data$device)

# Tables
tab <- table(data$device)
tab
prop.table(tab)
tab2 <- table(data$gender, data$device)
tab2

table(data$device, data$gender)
margin.table(tab2, 1)
margin.table(tab2, 2)
margin.table(tab2)
dimnames(tab2)
names(dimnames(tab2)) <- c("Gender", "Device")
tab2

rowSums(tab2)
colSums(tab2)
tabx <- xtabs(~gender+device, data = data)
tabx

ftable(tabx)

gen <- as.factor(as.character(data$gender))
table(gen)

table(gen, useNA = "ifany")
table(data$device, useNA = "always")

gmodels::CrossTable(data$device, data$gender)
descriptr::ds_cross_table(data, device, gender)

类别型变量，做汇总操作的关键函数，如下图所示：

R语言学习：Jupyter Lab构建R工作环境，处理类别型数据总结

4 重塑类别型数据

重塑类别型数据，可以做如下操作。

1 修改levels的值
2 添加和删除levels
3 修改levels的顺序

举例说明如下。

library(tidyverse)
library(car)
data <- readRDS('./data/analytics.rds')

channel <- data$channel
fct_count(channel)
fct_count(channel, sort = TRUE)
fct_count(channel, prop = TRUE)

table(fct_match(channel, "Social"))

fct_count(
  fct_collapse(
    channel,
    Search = c("Paid Search", "Organic Search")
  )
)

fct_count(
  fct_recode(
    channel,
    Search = "Paid Search",
    Search = "Organic Search"
  )
)

fct_count(fct_lump_min(channel, 5000))
fct_count(
  fct_other(
    channel, 
    keep = c("Organic Search", "Direct", "Referral"))
)

fct_count(
  fct_other(
    channel, 
    drop = c("Display", "Paid Search")
  )
)

fct_count(
  fct_collapse(
    channel,
    Other = c("(Other)", "Affiliate", "Display", "Paid Search", "Social")
  )
)

fct_count(
  fct_recode(
    channel,
    Other = "(Other)", 
    Other = "Affiliate", 
    Other = "Display", 
    Other = "Paid Search", 
    Other = "Social"
  )
)

fct_count(fct_anon(channel, prefix = "ch_"))
levels(fct_expand(channel, "Blog"))
levels(fct_drop(fct_expand(channel, "Blog")))
fct_count(fct_explicit_na(data$gender))
levels(channel)
levels(fct_relevel(channel, "Organic Search"))
levels(channel)
levels(fct_relevel(channel, "Referral", after = 2))
levels(channel)
levels(fct_relevel(channel, "Display", after = Inf))
levels(channel)
levels(fct_infreq(channel))
levels(channel)
levels(fct_inorder(channel))
levels(channel)
levels(fct_rev(channel))
levels(channel)
levels(fct_shuffle(channel))

5 类别型数据可视化

类别型数据可视化，可以进行如下操作。

1 单变量条形图
2 双变量条形图（分组、堆叠、成比例）
3 马赛克图
4 饼形图
5 甜甜圈图

5.1 条形图

library(tidyverse)
data <- readRDS('./data/analytics.rds')
# Bar Plot
ggplot(data) +
  geom_bar(aes(x = device), fill = "blue") +
  xlab("Device") + ylab("Count")
# Grouped Bar Plot
ggplot(data) +
  geom_bar(aes(x = device, fill = gender), position = "dodge") +
  xlab("Device") + ylab("Count")
# Stacked Bar Plot
ggplot(data) +
  geom_bar(aes(x = device, fill = gender)) +
  xlab("Device") + ylab("Count")
# Proportional Bar Plot
data %>% 
  select(device, gender) %>% 
  table() %>% 
  tibble::as_tibble() %>% 
  ggplot(aes(x = device, y = n, fill = gender)) +
  geom_bar(stat = "identity", position = "fill") +
  xlab("Device") + ylab("Gender")

5.2 马赛克图

# Mosaic Plot
library(ggmosaic)
ggplot(data = data) +
  geom_mosaic(aes(x = product(channel, device), fill = channel)) +
  xlab("Device") + ylab("Channel")

5.3 饼形图

# Pie Chart
data %>% 
  pull(device) %>%
  table() %>%
  pie()

library(plotrix)
data %>% 
  pull(device) %>% 
  table() %>% 
  pie3D(explode = 0.1)

data %>% 
  pull(device) %>% 
  fct_count() %>% 
  rename(device = f, count = n) %>% 
  ggplot() +
  geom_bar(aes(x = "", y = count, fill = device), width = 1, stat = "identity") +
  coord_polar("y", start = 0)

5.4 甜甜圈图

# Donut Chart
library(ggpubr)
data %>% 
  pull(device) %>% 
  fct_count() %>% 
  rename(device = f, count = n) %>% 
  ggdonutchart("count", label = "device", fill = "device", color = "white",
               palette = c("#00AFBB", "#E7B800", "#FC4E07"))