R Caiete pentru comunicarea cercetării

În această postare pe blog, ne vom uita la comunicarea cercetării și la prezentarea acestor rezultate folosind caietele R. Sperăm că ceea ce veți obține din acest tutorial este un cadru pentru a raporta și a comunica orice fel de rezultate ale cercetării folosind notebook-urile R.

Există câteva avantaje mari în a face acest lucru, în special când vine vorba de ideea de cercetare reproductibilă . Vom discuta ce înseamnă acest lucru și cum să o facem în notebook-urile R.

Cuprins

• Ce este reproductibilitatea?
• Pornirea unui notebook R
• Prezentarea pachetelor din R Notebook-uri
• Adăugarea unei referințe dinamice în R Notebooks
• Concluzie

Ce este reproductibilitatea?

Ideea de reproductibilitate este că oricine vă poate audita constatările și, având în vedere intrările și procesele pe care le-ați folosit, ar trebui să poată parcurge totul. Există câteva moduri în care acest lucru intră în joc pentru nevoile noastre de analiză a datelor: un mediu care face lucrurile reproductibile, asigurându-ne că oamenii pot vedea ceea ce a contribuit, putând audita cu ușurință un fișier și având un editor reproductibil.

În mod ideal, cineva poate vedea exact cum ați ajuns la raport și cum a fost generat graficul sau tabelul pe care l-ați folosit, astfel încât totul să fie într-un mediu complet reproductibil.

Acum s-ar putea să vă întrebați cum se potrivește ceva precum LuckyTemplates sau Excel în asta. Aș spune că este la jumătatea acestui flux de lucru reproductibil. Când ne gândim în special la interogare de putere , este destul de bun la reproductibilitate. Gândiți-vă la pașii aplicați , unde este foarte evident să vedeți procesele implicate.

Când vine vorba de vizualizări și rapoarte, aici lucrurile devin puțin mai păroase. R Notebook-urile fac parte din RStudio. Avem un curs la portalul LuckyTemplates pentru a vă pune în funcțiune. Acest în special, vorbește despre R Markdown și R Notebook-uri în special.

Deci, dacă sunteți familiarizat cu un caiet Jupyter , ideea este că putem să intercalăm text și cod pentru a crea un document de povestire pentru cercetarea noastră.

Vom fi capabili să redăm acele rezultate într-o mulțime de rezultate diferite. Indiferent dacă trebuie să creați un PDF sau să îl redați în HTML, R Notebooks poate fi folosit pentru diferite formate de fișiere.

Pentru a începe, deschideți blocnotesul R și accesați Fișier, Fișier nou, apoi Blocnotes R în RStudio. Vom lucra cu un set de date mai vechi din resurse, cu această întrebare de cercetare foarte simplă:

Prețul unui computer depinde deloc de dacă are sau nu un CD-ROM?

Această întrebare este depășită, dar toți trebuie să începem de undeva. De asemenea, vom pune scheletul unui raport de cercetare și vom prezenta rezultatele cercetării folosind acest cadru de bază.

Vom vedea așa ceva în RStudio și acesta este ceea ce se numește un fișier .rmd, care este o extensie de fișier R markdown. Acest lucru poate fi puțin tulburător, mai ales dacă nu sunteți obișnuit, dar există o modalitate de a previzualiza produsul final lustruit.

Această parte a blocnotesului este metadatele numite fișier YAML.

După acea secțiune sunt aceste texte din spate unde vor merge codurile dvs. Apoi este partea de text a documentului folosind R Markdown . Dacă ați mai folosit Markdown, R markdown este destul de similar. Putem folosi lucruri precum asteriscuri și semne hash pentru a marca și a reda textele noastre.

Să mergem la R Studio și R Notebooks, apoi parcurgem această analiză împreună. Faceți clic pe roata dințată și asigurați-vă că acesta este scris Previzualizare în panoul de vizualizare .

Pornirea unui notebook R

Vom face clic pe butonul Previzualizare și ne va cere să-l salvăm. Din nou, acesta este un fișier RMD, așa că va trebui să-l salvăm mai întâi. În panoul din stânga, vom vedea rezultatul randat. Acum, dacă ar fi să schimbăm ceva aici și să spunem ceva de genul Analiza computerelor și să adăugăm un nume de autor precum George Mount , va trebui să fie între ghilimele.

După ce facem clic pe Salvare , se va actualiza automat la aceasta.

Deci hai să ne jucăm cu asta. Există deja câteva substituenți aici, ceea ce este în regulă. Primul lucru pe care îl vom face este să scriem „Afectează un CD-ROM prețul de vânzare?” Când salvăm acest lucru, acesta va fi Header1. Dar dacă trebuie să transformăm acest lucru în două semne hash, se va transforma în Header2 și va fi mai mic.

Următorul pas este să facem o Introducere , unde putem introduce de ce contează aceste lucruri. De exemplu, putem spune că CD-ROM-ul este următorul cel mai bun lucru sau ceva de genul ăsta. Dacă lucrați la rapoarte pentru consumatori sau lucrați la un departament de marketing, încercați să înțelegeți ce caracteristici sunt cu adevărat importante sau ce caută consumatorii.

Vom apela la pachetele R și vom începe. Singurul lucru frumos care îmi place aici este că putem folosi HTML în R Notebook. De exemplu, dacă vrem să ne lăsăm un comentariu, putem face așa ceva.

Când salvăm asta, nu apare deloc. Așa că lăsăm asta doar ca un comentariu pentru noi înșine în text. Acesta este ceva ce mi-aș dori să putem face în locuri precum MS Word.

Prezentarea pachetelor din R Notebook-uri

Următorul pas este să utilizați acest grafic de cod aici și să adăugați câteva setări. Putem folosi Python și SQL, dar folosim R pentru acest exemplu.

Vom citi toate pachetele de care avem nevoie. Dacă nu le aveți pe computer, poate fi necesar să le instalați.

Din nou, acesta nu este un raport complet. Vom parcurge un schelet pentru a vă arăta câteva lucruri de știut despre R Markdown.

Așa că acum vom prezenta de unde obținem datele noastre și ce le face importante. În acest caz, am putea spune că sursa noastră este Journal of Applied Econometrics. Când facem asta cu asteriscul, o va transforma în cursive.

Apoi vom citi un fișier în Excel și vom folosi R pentru a-l aduce. După cum puteți vedea, datele arată deja destul de bine, ceea ce este un alt lucru interesant la R Notebook-uri.

În funcție de formatul de ieșire, acesta ar putea chiar să apară. Dacă utilizați HTML, utilizatorul dvs. ar putea de fapt să parcurgă datele și să facă unele interacțiuni de bază. Este grozav că suntem cu adevărat capabili să le facem în documente live.

Adăugarea unei referințe dinamice în R Notebooks

Acum să presupunem că vrem să includem o referință dinamică în textul datelor. Dorim ca acest lucru să se actualizeze în mod regulat, deoarece este posibil să nu fie același de fiecare dată când participăm la raport, nu? Așa că vom face o referință dinamică aici în linie, chiar în text.

Există o foaie de cheat și un ghid de referință pentru toate aceste coduri. Accesați Ajutor și selectați-l pe cel pentru R Markdown, astfel încât să puteți căuta toate setările diferite. Probabil că nu merită să încerci să le memorezi pentru că sunt multe și poți să folosești asta în schimb.

Vom insera din nou fragmentul R și vom include FALSE , nrows și ncols .

Odată ce acest lucru a fost rulat și executat, am putea chiar să mergem în mediul R pentru a vedea dacă a fost transformat în obiecte.

Un alt lucru care este drăguț este că, dacă doar aruncați idei și doriți să știți cum va arăta de fapt, puteți utiliza doar consola din partea de jos. Îl putem rula la consolă și vedem cum arată rezultatul.

Vom reveni la panoul de vizualizare. Acum, această secțiune de aici nu apare deloc în raport. Acest lucru este frumos dacă doriți să utilizați un obiect, dar nu doriți să afișați niciun cod.

Folosim aceste texte din spate pe nrows și ncols pentru a menține lucrurile dinamice. Dacă aveți un raport PDF și trebuie să schimbați automat aceste numere, în loc să le codificați săptămânal după săptămână, puteți utiliza aceste referințe inline.

Suntem în proces de a explora din nou datele și de a verifica prețul computerelor.

Odată ce rulăm acest cod, putem vedea statisticile descriptive care sunt toate frumos formatate. În funcție de dimensiunea datelor, este destul de receptivă și reactivă la dimensiunea fișierului.

Concluzie

Pentru acest tutorial, am discutat despre importanța dezvoltării cercetării reproductibile și a eficientizării procesului de comunicare a rezultatelor cercetării prin utilizarea notebook-urilor R. În acest fel, putem reproduce rapid și ușor rezultatele originale și urmărim înapoi pentru a determina cum au fost derivate. 

Vă rugăm să fiți atenți la continuarea acestui tutorial în partea 2 a acestei serii.

George Mount