下面内容摘录自《用R探索医药数据科学》专栏文章的部分内容(原文6872字)。
2章8节:一文学会 R Markdown 的文档核心操作,切记文末有R资源的分享_r markdown文件(.rmd)-CSDN博客
创建 R Markdown
1、要创建 R Markdown 文件
要使用 R Markdown,首先需要安装 R 和 RStudio,接着安装 rmarkdown
包。
install.packages("rmarkdown")
安装完成后,在 RStudio 中新建一个 R Markdown 文件即可开始使用。
这时候可以点击 RStudio 的“File”选项,在“New File”右侧的子菜单中找到“R Markdown”:
2、要创建 R Markdown 的 Document
在“Document”栏目中,可输入此文件的常用设置,如标题(Title)、作者(Author),以及默认的输出格式(如 HTML、PDF 和 Word);
标题(Title):在Title字段中输入你希望给文件的标题。这将显示在生成的报告的顶部。例如,你可以输入“Test_Markdown”。作者(Author):在Author字段中输入作者的名字。这同样会显示在报告的顶部,紧随标题之后。例如,你可以输入“Zhangsan”。
默认输出格式(Default Output Format):你可以选择报告的默认输出格式,包括HTML、PDF和Word。HTML格式最为常见,因为它在任何网络浏览器中都可以查看,而且支持动态内容。PDF格式适用于打印和分享,而Word格式适合需要进一步编辑的报告。选择完这些设置后,点击OK按钮,RStudio将创建一个新的R Markdown文件。
3、要创建 R Markdown 的 Presentation
如果你希望创建一个用于演示的文件,而不仅仅是一个文档,可以选择Presentation栏目。这类似于PowerPoint,可以用于创建交互式演示文稿。在Presentation栏目中,你可以选择不同的演示文稿类型,HTML(ioslides)、HTML(Slidy)、PDF(Beamer)和PowerPoint,如下图。

HTML(ioslides):ioslides是由Google开发的一种HTML演示文稿格式。它专为现代浏览器设计,具有简洁、现代的外观,适合快速创建和展示。
HTML(Slidy):Slidy是基于HTML和CSS的演示文稿格式,适合需要高度自定义的用户。它由W3C开发,强调灵活性和可定制性。
PDF(Beamer):Beamer是一种基于LaTeX的PDF演示文稿格式,广泛用于学术界。它提供了高度专业的排版能力,适合需要精美排版的用户。但是,需要安装TeX系统。
PowerPoint:PowerPoint是微软开发的演示软件,广泛用于商业和教育领域。这个大家都很熟悉了。
4)“Shiny”栏目用于实现动态化报告;如果你希望创建一个动态报告,可以选择Shiny栏目。这将使你的报告不仅包含静态内容,还能与用户交互。选择Shiny栏目后,你可以选择不同的Shiny应用模板,例如Shiny Document和Shiny Dashboard。这些模板提供了一个起点,帮助你快速创建复杂的动态报告。本文不细说了。
5)“From Template”栏目代表着可对不同写作模板进行选择。如果你需要使用特定的写作模板,可以选择From Template栏目。这些模板可以帮助你快速创建格式化良好的报告。例如,你可以选择CteX中文套装模板来创建中文报告,并输出为PDF格式。
~~~~~~~~~~
随着数据科学行业的迅速发展,工具的种类和使用方法层出不穷,传统的纸质R语言教材由于篇幅限制和出版审核的繁琐程序,难以及时涵盖最新的技术动态和复杂应用场景。此外,市面上虽有不少R语言免费视频,但大多仅面向初学者,缺乏对如医药等复杂领域的深入探讨。为了解决这些问题,我们在CSDN论坛推出了《用R 探索医药数据科学》专栏。这一专栏将持续更新,不仅是一份教材,更是你掌握最新、最全医药数据科学的得力助手。我们为你精心整理了领域内的深度资料,提供专业且实战导向的内容,帮助你高效提升研究能力,加快医药数据科学领域科研成果的产出。
- 《用R 探索医药数据科学》专栏会持续更新。
- 每篇文章篇幅在5000字 至9000字之间。
- 专栏已更新超过 110篇文章,超60万字。
- 内容涵盖试验统计、预测模型、科研绘图、数据库、机器学习等热点领域。
https://blog.csdn.net/2301_79425796/category_12729892.html?spm=1001.2014.3001.5482
《用R探索医药数据科学》目录
(鉴于专栏处于持续更新状态,请自行查阅最新文章)
第一章:认识数据科学和R
1章1节:医药数据科学的历程和发展,用R语言探索数据科学(更新20241029)-CSDN博客
1章2节:机器学习、统计学与ChatGPT的概述,与R语言的相关 (更新20241229)_ai、chatgpt和机器学习什么关系-CSDN博客
1章3节:R 语言的产生与发展轨迹(更新2024/08/14)-CSDN博客
1章4节:数据可视化, R 语言的静态绘图和 Shiny 的交互可视化演示(更新20240814)-CSDN博客
第二章:R的安装和数据读取
2章1节:R和RStudio的下载和安装(Windows 和 Mac)-CSDN博客
2章2节:RStudio 四大区应用全解,兼谈 R 的代码规范与相关文件展示_rstudio的console和terminal-CSDN博客
2章3节:RStudio的高效使用技巧,自定义RStudio环境(更新20241023)_rstudio如何使用-CSDN博客
2章4节:用RStudio做项目管理,静态图和动态图的演示,感受ggplot2的魅力-CSDN博客
2章5节:详解R的扩展包管理(从模糊安装到自动更新)及工作目录和工作空间的设置(更新20241030 )-CSDN博客
2章6节:R的数据集读取和利用,如何高效地直接复制黏贴数据到R(20240807 )_r语言 复制数据集-CSDN博客
2章7节:读写RDS,CSV,TXT,Excel,SPSS、SAS、Stata、Minitab等的数据文件(更新20240807)_r语言读取rds文件-CSDN博客
2章8节:一文学会 R Markdown 的文档核心操作,切记文末有R资源的分享_r markdown文件(.rmd)-CSDN博客
2章9节:认识R与数据库连接和网络爬虫,学会在R中使用SQL语言_sql和r语言-CSDN博客
2章10节:用 R 直接下载并分析 NHANES 数据库的数据,文末示例自创便捷下载函数(更新20240807)_nhanes数据分析-CSDN博客
第三章:认识数据
3章1节:数据的基本概念以及 R 中的数据结构、向量与矩阵的创建及运算-CSDN博客
3章2节:继续讲R的数据结构,数组、数据框和列表-CSDN博客
3章3节:R的赋值操作与算术运算_r里面的赋值-CSDN博客
第四章:数据的预处理
4章1节:全面了解 R 中的数据预处理,通过 R 基本函数实施数据查阅_r数据预处理-CSDN博客
4章2节:从排序到分组和筛选,通过 R 的 dplyr 扩展包来操作-CSDN博客
4章3节:处理医学类原始数据的重要技巧,R语言中的宽长数据转换,tidyr包的使用指南-CSDN博客
4章4节:临床数据科学中如何用R来进行缺失值的处理_临床生存分析缺失值r语言-CSDN博客
4章5节:数据科学中的缺失值的处理,删除和填补的选择,K最近邻填补法-CSDN博客
4章6节:R的多重填补法中随机回归填补法的应用,MICE包的实际应用和统计与可视化评估-CSDN博客
4章7节:用R做数据重塑,数据去重和数据的匹配-CSDN博客
4章8节:用R做数据重塑,行列命名和数据类型转换-CSDN博客
4章9节:用R做数据重塑,增加变量和赋值修改,和mutate()函数的复杂用法_r语言如何在数据集中添加变量-CSDN博客
4章10节:用R做数据重塑,变体函数应用详解和可视化的数据预处理介绍-CSDN博客
4章11节:用R做数据重塑,数据的特征缩放和特征可视化-CSDN博客
4章12节:R语言中字符串的处理,正则表达式的基础要点和特殊字符-CSDN博客
4章13节:R语言中Stringr扩展包进行字符串的查阅、大小转换和排序-CSDN博客
4章14节:R语言中字符串的处理,提取替换,分割连接和填充插值_r语言替换字符串-CSDN博客
4章15节:字符串处理,提取匹配的相关操作扩展,和Stringr包不同函数的重点介绍和举例-CSDN博客
4章16节:R 语言中日期时间数据的关键处理要点_r语言 时刻数据-CSDN博客
第五章:定量数据的统计描述
5章1节:用R语言进行定量数据的统计描述,文末有众数的自定义函数-CSDN博客
5章2节:离散趋势的描述,文末1个简单函数同时搞定20个结果-CSDN博客
5章3节:在R语言中,从实际应用的角度认识假设检验-CSDN博客
5章4节:从R语言的角度认识正态分布与正态性检验-CSDN博客
5章5节:认识方差和方差齐性检验(三种方法全覆盖)-CSDN博客
5章9节:组间差异的非参数检验,Wilcoxon秩和检验和Kruskal-Wallis检验-CSDN博客
第六章:定性数据的统计描述
6章1节:定性数据的统计描述之列联表,文末有优势比计算介绍-CSDN博客
6章2节:认识birthwt数据集,EpiDisplay和Gmodels扩展包的应用-CSDN博客
6章3节:独立性检验,卡方检验,费希尔精确概率检验和Cochran-Mantel-Haenszel检验-CSDN博客
6章4节:相关关系和连续型变量的Pearson相关分析-CSDN博客
6章5节:分类型变量的Spearman相关分析,偏相关分析和相关图分析-CSDN博客
6章6节:相关图的GGally扩展包,和制表的Tableone扩展包-CSDN博客
第七章:R的传统绘图
7章1节:认识R的传统绘图系统,深度解析plot()函数和par()函数的使用-CSDN博客
7章2节:R基础绘图之散点图、直方图和概率密度图-CSDN博客
7章5节:散点矩阵图,与小提琴图、Cleveland 点图、马赛克图和等高图-CSDN博客
7章6节:用R进行图形的保存与导出,详细的高级图形输出,一文囊括大多数保存的各种问题,和如何批量保存不同情况的图形-CSDN博客
第八章:R的进阶绘图
8章1节:认识 ggplot2 扩展包,深度解析 qplot() 函数的使用-CSDN博客
8章2节:ggplot2绘图之原理逻辑分解,掌握绘图步骤(更新20241104)-CSDN博客
8章3节:ggplot2绘图之内置主题设置全解析(更新20241104)-CSDN博客
8章4节:ggplot2绘图之几何体解析(一),参考线和基准线与分布图和频数图(更新20241104)-CSDN博客
8章5节:ggplot2绘图之几何体解析(二),关系图和时间序列图与误差条和高级图形平滑曲线(更新20241104)-CSDN博客
8章6节:维恩图和UpSet图的认识与绘制_维恩图 约翰·维恩-CSDN博客
8章7节:绘制平行坐标图_r语言parallelplot绘制平行坐标图-CSDN博客
8章8节:雷达图及RadViz图_radviz雷达图-CSDN博客
8章9节:词云图,矩形树状图和三维散点图(更新20241024)_echarts 可以生成词云图吗-CSDN博客
8章10节:R的地理图绘制(更新20241104)-CSDN博客
8章11节:高质量动态图和交互式动态图_ae做柱状图动态图-CSDN博客
第九章:临床试验的统计
9章4节:两组例数相同的均数比较的样本量估计和绘制功效曲线-CSDN博客
9章5节:两组的例数不等的均数比较的样本量估计和可视化-CSDN博客
9章6节:自身配对设计的均数比较临床试验的样本量估计和可视化-CSDN博客
9章8节: 两、三组试验组率比较的样本量估算和可视化-CSDN博客
9章9节:试验的随机分组认识,用R做简单随机化-CSDN博客
9章11节:用R实现区组随机化和置换区组随机化-CSDN博客
9章12节:动态随机化方法介绍,和用R绘制随机化卡片-CSDN博客
第十章:Meta分析攻略
10章1节:认识循证医学中的Meta分析,并予代码演示分析绘图-CSDN博客
10章2节:Meta分析的7大步骤的扼要解读-CSDN博客
10章3节:二分类变量的Meta分析模型,分析公式构建和结果解读-CSDN博客
10章4节:二分类变量的Meta分析模型,绘制漏斗图和应用剪补法,最后绘制和解读轮廓增强漏斗图-CSDN博客
10章5节:二分类变量的Meta分析模型,敏感性分析和亚组分析,绘制森林图-CSDN博客
10章6节:连续型变量的Meta分析和可视化分析全解-CSDN博客
第十一章:主成分分析
11章2节:深度讲解用R进行主成分分析(中)-CSDN博客
11章3节:深度讲解用R进行主成分分析(下)-CSDN博客
第十二章:常见类型回归分析
12章4节:深度解读构建回归模型表达式的九个关键符号-CSDN博客
12章7节:构建因变量为分类变量的二分类Logistic回归模型-CSDN博客
12章8节:详解不同逻辑回归模型的比较,和如何进行变量优化-CSDN博客
12章9节:深度讲解有序多分类Logistic回归模型的分析-CSDN博客
12章10节:条件Logistic回归模型的分析-CSDN博客
第十三章:生存分析模型
13章4节:认识比例风险模型和Cox比例风险模型,学会从协变量的调整选择最优模型-CSDN博客
13章5节:用逐步回归方法来选择模型协变量,比例风险假定的检验和森林图的绘制-CSDN博客
第十四章:匹配技术应用
14章2节:匹配结果的可视化和匹配后新数据分析-CSDN博客
第十五章:判别和聚类分析
15章2节:线性判别分析预测模型构建评估和可视化演示-CSDN博客
15章4节:K-Means聚类分析的运用,和改进算法的K-Means++-CSDN博客
15章5节:实现k-medoids聚类算法的PAM和CLARA方法-CSDN博客
第十六章:机器学习入门
16章2节:机器学习在临床预测中的应用场景,与临床预测模型的关键步骤解析-CSDN博客
16章3节:详析训练数据集、测试数据集和验证数据集及其划分策略-CSDN博客
16章4节:采用随机抽样法和等比抽样法对数据集进行二份及三份的划分-CSDN博客
16章5节:划分数据的多次随机抽样的Bootstrap法和加权随机抽样法-CSDN博客
16章6节:交叉验证概述与分类,R中K折交叉验证的详细解析-CSDN博客
16章7节:机器学习算法解读,与数值预测回归模型构建-CSDN博客
16章8节:朴素贝叶斯分类预测模型,从构建、解析到实战-CSDN博客
16章9节:认识决策树,构建CART算法的决策树模型-CSDN博客