其他
工具＆方法丨使用R语言的正确姿势，R包干货奉献
先思考，后动手，能让你减少很多无谓的功夫，加快完成任务的效率。按照一定的逻辑思路来行事，更是如此，比如按照一定的通用流程在数据科学项目中使用R语言。
”在实际工作中，每个数据科学项目各不相同，但基本都遵循一定的通用流程。具体如下：
数据导入→数据整理→数据可视化→数据转换→数据建模→统计推断→报告展示→自动化分析
—▼—
下面列出每个步骤最有用的一些R包
以下R包主要用于数据导入和保存数据：
以下R包主要用于数据整理，以便于你后续建模分析：
以下R包用于数据可视化：
以下R包用于将数据转换为新的数据类型：
下述R包是统计建模最常用的几个R包，其中的一些R包适用于多个主题：
以下R包用于实现数据科学结果的自动化报告，以便于你跟人们进行沟通交流：
以下R包用于创建自动化分析结果的数据科学产品：
以下这些包主要用于开发自定义的R包：
以下R包给出了案例实战过程中可用的训练数据集：
►往期推荐
回复【Python】👉简单有用易上手
回复【学术前沿】👉机器学习丨大数据
回复【数据资源】👉公开数据
回复【可视化】👉你心心念念的数据呈现
回复【老姚专栏】👉老姚趣谈值得一看
►一周热文
数据呈现 | Python中交互turtle包，让图形多点艺术
工具＆方法丨 关于交互项的那些事（三）：遗漏变量偏差 vs 多重共线性
数据Seminar
这里是大数据、分析技术与学术研究的三叉路口
欢迎扫描👇二维码添加关注