jupyterLab+R，让你更优雅的探索数据
作者：厚缊，R语言中文社区专栏作者。
公众号：统计与编程语言
jupyterLab 是神马东西？
现在Rstudio已经成为R社区使用最广泛的集成编辑器，其在配合Rstudio公司开发的软件包使用上有天然的优势，如knitr、bookdown、blogdown、sparklyr、tidyverse等，让我们在数据导入、清洗、可视化、分析过程中少踩了不少坑。
然而，有时候我们也会发现，利用Rmarkdown进行探索性数据分析时，尤其是初学者，总是不断花费时间在文档编译上，而压缩了真正数据探索的时间。很多时候，我很羡慕python用户，因为他们拥有Ipython、jupyter notebook等工具，让我们一边分析数据，一边插入markdown文本，并且还能实时看到结果，这些特性R用户也可以实现吗？当然，这就是我今天推荐的jupyterlab 编辑器。
安装jupyterLab
首先我们要明白，jupyterLab是一个python包，所以要使用jupyterLab首先要配置python环境。对于普通用户，包括linux、win和Mac用户，建议直接下载anaconda发行版进行安装，这样免去了既要安装python又要安装其他包的麻烦，是最简洁的方法。
对于平时很少使用python的人来说，可能无法忍受anaconda全家桶式的安装模式，想更轻便的安装使用，那也很容易。
1. 安装
Mac 和 Linux用户系统自带了python，可以直接使用pip install jupyterlab安装jupyterLab包。
win用户先在python官网下载安装python，然后使用pip install jupyterlab安装jupyterLab包。
2. 运行
在终端输入jupyter lab即可以在默认浏览器中打开编辑器界面，若不能，请检查下python路径配置是否正确。
“咦，怎么只能选择python，R去哪了”，各位看官莫急，这是因为R端缺少必要的包，还不能和jupyter进行通信，等把这些包安装好进行配置后就可以了。
3. 配置R
⚠️ 要把先前打开的jupyterLab程序全部关闭后再进行以下操作
#安装必要的依赖包
install.packages(c('repr', 'IRdisplay',
'evaluate', 'crayon',
'pbdZMQ', 'devtools',
'uuid', 'digest'))
#IRkernel包没有放在CRAN上，需要通过GitHub安装
devtools::install_github('IRkernel/IRkernel')
IRkernel::installspec() #确保jupyterLab能找到R解释器安装位置
4. 再次在终端运行`jupyter lab`，选择R图标打开，你就可以在jupyterLab进行数据分析啦
jupyterLab的主要特性
绘图函数自动插入图片
ggplot2绘图完美支持
options(repr.plot.width=7, repr.plot.height=5)
library(WDI)
library(ggplot2)
# 获取数据
dat <- WDI(indicator='NY.GNP.PCAP.CD',
country=c('CL','HU','UY'), start=1960, end=2012)
p <- ggplot(dat, aes(year, NY.GNP.PCAP.CD, color=country)) +
geom_line() +
xlab('Year') +
ylab('GDI per capita (Atlas Method USD)') +
labs(title <- "GNI Per Capita ($USD Atlas Method)")
p
动态绘图没问题
library(plotly)
ggplotly(p)
网页也可以
也可以直接插入plotly包官网示例，这里需要用到IRdisplay包提供的函数。其核心思想是使用display_html()函数将示例网页封装为iframe进行输出。
这一方法可以用来插入任何网页，包含视频、音频等等。当然，相应地高度、宽度需要进行针对性调整。
library(IRdisplay)
plotly_iframe <- function(url) {
# set width and height from options or default square
w <- "750"
h <- "600"
html <- paste("<center><iframe height="", h,
"" id="igraph" scrolling="no"
seamless="seamless"src="",
url, "" width="", w,
"" frameBorder="0"></iframe></center>",
sep="")
return(html)
} ##封装一个html中的iframe，方便display_html调用
display_html(plotly_iframe("https://plot.ly/~ggplot2examples/98"))
leaflet地图也很容易
library(leaflet)
library(leafletCN)
m <- leaflet() %>%
amap() %>% # Add default OpenStreetMap map tiles
addMarkers(lng=121.48024, lat=31.23631, popup="Shanghai")
htmlwidgets::saveWidget(m, 'leaflet.html', selfcontained = FALSE)
display_html(paste("<center>","",'<iframe src="leaflet.html"
width="960" height="500",align="absmiddle"></iframe>',"","</center>"))
插入常见统计报表
数据框、矩阵格式化输出
data(iris)
head(iris) #数据框自动转化为表格
Sepal.Length
Sepal.Width
Petal.Length
Petal.Width
Species
5.1 |
3.5 |
1.4 |
0.2 |
setosa |
4.9 |
3.0 |
1.4 |
0.2 |
setosa |
4.7 |
3.2 |
1.3 |
0.2 |
setosa |
4.6 |
3.1 |
1.5 |
0.2 |
setosa |
5.0 |
3.6 |
1.4 |
0.2 |
setosa |
5.4 |
3.9 |
1.7 |
0.4 |
setosa |
matrix(1:15,nrow=3) #矩阵默认不显示索引
1 |
4 |
7 |
10 |
13 |
2 |
5 |
8 |
11 |
14 |
3 |
6 |
9 |
12 |
15 |
更复杂的表格输出
m <- DT::datatable(iris[1:20, c(5,1:4)], rownames = FALSE)
htmlwidgets::saveWidget(m, 'demo.html', selfcontained = FALSE)
display_html(
paste("<center>","",
'<iframe src="demo.html" width="1050" height="600">
</iframe>',
"","</center>"))
统计报表输出
library(stargazer)
library(IRdisplay)
library(magrittr)
m <- capture.output(stargazer(attitude,type='html'))
#stargazer()函数会自动输出，用capture.output()捕捉这些输出文本
display_html(paste("<center>","",m,"","</center>"))
linear.1 <- lm(rating ~ complaints + privileges + learning + raises + critical,
data=attitude)
linear.2 <- lm(rating ~ complaints + privileges + learning, data=attitude)
attitude$high.rating <- (attitude$rating > 70)
probit.model <- glm(high.rating ~ learning + critical + advance, data=attitude,
family = binomial(link = "probit"))
outreg <- capture.output(
stargazer(linear.1, linear.2, probit.model,
title="Regression Results", align=TRUE,
dep.var.labels=c("Overall Rating","High Rating"),
covariate.labels=c("Handling of Complaints",
"No Special Privileges",
"Opportunity to Learn",
"Performance-Based Raises",
"Too Critical","Advancement"),
omit.stat=c("LL","ser","f"),
no.space=TRUE,type='html')
)
display_html(paste("<center>","",outreg,"","</center>")) #为了美观，手动添加了html 居中标签
latex数学公式支持
添加公式的方法
jupyterLab 数学公式本质上是调用的MathJax宏包进行处理的，因此要使用数学公式需要把单元格设置为markdown模式。可以通过下拉菜单进行手动设置，也可以选中单元格，按esc退出编辑模式，然后按m进行设置。
1. 行内公式
行内公式样式为$行内公式$，公式内容通过两个美元符号包裹起来。例如，这里是行内公式$sum_{k=1}^inftyrac{x^n}{n!}$，编译后显示为∑k=1∞xnn!∑k=1∞n!xn。
2. 行间公式
行间公式样式为$$行间公式$$，公式内容前后各两个美元符号。例如，这里是行间公式$$x^n+y^n=z^n$$,编译后显示为：
更复杂的数学公式解决办法
很多时候需要写条件函数，需要使用cases环境。
$$
f(n) =
egin{cases}
n/2, & ext{if $n$ is even}
3n+1, & ext{if $n$ is odd}
end{cases}
$$
公式组使用array环境。
left{
egin{array}{c}
a_1x+b_1y+c_1z=d_1
a_2x+b_2y+c_2z=d_2
a_3x+b_3y+c_3z=d_3
end{array}
ight.
矩阵代数直接使用matrix环境。
X=left(
egin{matrix}
x_{11} & x_{12} & cdots & x_{1d}
x_{21} & x_{22} & cdots & x_{2d}
dots & dots & ddots & dots
x_{m1} & x_{m2} & cdots & x_{md}
end{matrix}
ight)
=left(
egin{matrix}
x_1^T
x_2^T
dots
x_m^T
end{matrix}
ight)
对齐使用align环境。
egin{align}
rac{partial J(heta)}{partialheta_j}
& = -rac1msum_{i=0}^m(y^i-h_heta(x^i)) rac{partial}{partialheta_j}(y^i-h_heta(x^i))
& = -rac1msum_{i=0}^m(y^i-h_heta(x^i)) rac{partial}{partialheta_j}(sum_{j=0}^nheta_jx_j^i-y^i)
& = -rac1msum_{i=0}^m(y^i-h_heta(x^i))x^i_j
end{align}
最后还说下公式自动编号。我在测试时直接使用equation环境并没有得到编号的公式。具体原因我还不清楚。
egin{equation}
a+b = 1
c+d = 2
end{equation}
快捷键
要熟悉jupyter快捷键，必须要要清楚jupyter单元格（cell）分编辑模式和非编辑模式，快捷键都是在非编辑模式下才能起作用。
Shift + Enter：运行本单元，选中下个单元
Ctrl + Enter：运行本单元
Esc：切换单元格为非编辑模式
Enter：切换单元格为编辑模式
dd：删除选中单元格
A：在上方插入单元格
B：在下方插入单元格
M：切换单元格为markdown模式
R：切换单元格为raw模式
Y：切换单元格为code模式
jupyter 提供了大量的快捷键方便使用，平时我用的最多的就上面一些，其他的可以参照lawme的专栏文章。
写在最后的话
jupyterLab比较适合进行探索性数据分析和学习，在使用过程中最大的缺点是当文档过大，或者涉及很多动态页面生成时容易卡顿。与之相对的，使用Rstudio结合Rmarkdown生成最终报告文档可能更合适，两者各有优缺点，需要结合使用。
PS：第一次写，有什么疏忽各位砖轻点拍
公众号后台回复关键字即可学习
回复 爬虫 爬虫三大案例实战
回复 Python 1小时破冰入门回复 数据挖掘 R语言入门及数据挖掘
回复 人工智能 三个月入门人工智能
回复 数据分析师 数据分析师成长之路
回复 机器学习 机器学习的商业应用
回复 数据科学 数据科学实战
回复 常用算法 常用数据挖掘算法