多源数据分析与实践 · Week 2

1 / 29

第一章重点解析

主讲人：刘贇喆副教授 | 华东师范大学社会发展学院

从 RStudio 到 R Markdown，建立可复现的分析工作流

2 / 29

目录 CONTENTS

1.0 科研范式的演进

-- / --

SECTION01 / 05

1.0科研范式的演进

Evolution of Scientific Paradigms

1.0 研究范式的演进

-- / --

研究范式的演进

From Observation to AI-Driven Science

新范式扩展可研究的问题，此前的范式仍在继续使用。

古代文明文字、历法与度量

1600s近代科学革命

1950s电子计算机

2000s互联网与大数据

2025AI4Science

仍在形成

Adapted from Miolane (2025), The fifth era of science: Artificial scientific intelligence, PLOS Biology. 时间边界与案例为教学示意。

2.0 RStudio 入门

-- / --

SECTION02 / 05

2.0RStudio 入门

Getting Started with RStudio

2.0 RStudio 入门

-- / --

RStudio 的四个窗格

The RStudio Interface

Source

源代码编辑器

编写、保存并反复运行代码。脚本把分析步骤固定下来，是可复现结果的基础。

Console

控制台

在 > 提示符后输入代码并回车即执行，结果或报错随即显示；适合快速试算，但不能替代脚本。

Environment

环境面板

列出当前全局环境中的对象，例如数据框、向量与函数，用来检查对象是否已生成及其结构。

Files · Plots · Help

多功能区

以标签页组织文件、图形、扩展包与帮助，绘图结果默认显示在 Plots 标签页。

打开脚本后，RStudio 显示四个窗格

2.0 RStudio 入门

-- / --

输入、运行与输出

Input · Run · Output

代码写在 Source（新建的 R Script），按 Ctrl/⌘+Enter 运行，结果去 Console / Plots / Environment 查看。

1

输入 · Source

在新建的 R Script 里逐行输入代码

Untitled1

2

运行 · 快捷键

一次选中多行，运行全部

WindowsCtrl+Enter

macOS⌘+Enter

也可点击编辑器上的 Run 按钮，效果相同

3

输出 · 结果去向

运行后，结果出现在以下窗格

Source你写的代码左上

3.0 R 项目管理

-- / --

SECTION03 / 05

3.0R 项目管理

Project-oriented Workflows in R

3.0 R 项目管理

-- / --

为什么需要项目结构？

Why Project Structure Matters

CASE · 某一典型毕业论文项目

名称修改日期大小

问卷量表.xlsx2024-06-102.3 MB

第七次人口普查上海闵行区.csv2024-06-3018.4 MB

数据.sav2024-08-155.1 MB

分析最终2.R2025-11-033.1 KB

test.R2025-10-201.2 KB

田野照片1.jpg2024-09-084.8 MB

人口密度直方图.png2025-12-010.8 MB

未命名.png2026-01-221.2 MB

第一章改.docx2025-08-190.5 MB

最终论文（二改）.docx2026-04-020.6 MB

最终论文（绝对不改）.docx2026-05-180.6 MB

最终论文绝对绝对不改.docx2026-05-180.7 MB

新建文件夹——

数据（旧）——

人口普查-副本.csv2024-06-3018.4 MB

01
哪一份才是原始数据？
02
最终结果究竟由哪份数据、哪个脚本生成？
03
半年以后重新打开，你自己或别人知道该从哪里继续吗？

TIME过一段时间

自己也要重新“考古”

DEVICE换一台电脑

路径与位置依赖容易失效

PEOPLE交给别人

很难复现，更难接手

3.0 R 项目管理

-- / --

从文件堆积到项目结构

From Files to a Project

还是前面那份毕业论文，整理之后是这样：

文件浏览器

毕业论文/

README.md

data/

raw/

问卷量表.xlsx

第七次人口普查上海闵行区.csv

数据.sav

processed/

clean_data.rds

scripts/

01_import.R

02_clean.R

03_analysis.R

04_visualize.R

report.Rmd

output/

figures/

生活满意度分布.png

街道人口特征.jpg

tables/

summary.csv

report/

thesis.docx

好的项目结构，让“人”一眼看出：数据从哪来、做了什么、结果在哪。

3.0 R 项目管理

-- / --

养成好习惯

Good Project Habits

左右切换，末页速览

01保留

原始数据不要修改

RAW → PROCESSED

READ ONLY

data/raw/survey_2026.csv

原始文件 · 永远不改动

复制后处理

可更新

data/processed/clean_survey.rds

清洗结果 · 另存到这里

拿到数据先整份保留，所有修改都存到 processed，原始文件保持原样。

02分开

输入、过程、输出分开

INPUT → PROCESS → OUTPUT

data/

raw · processed

scripts/

01_import.R …

output/

figures · tables

原始数据、代码、生成结果分开，找起来清楚，也方便别人接手。

03命名

文件名要能自解释

ORDER + ACTION + TYPE

01_import.R

01 顺序import 操作.R 类型

final2.R

final2 什么也说明不了

用序号表达顺序，别用 final / new 这种说不清的词。

04相对

使用相对路径

FROM PROJECT ROOT

my_project/

├─ data/

│ └─ raw/

│ └─ survey_2026.csv

└─ analysis.R

data/raw/survey_2026.csv

从项目根目录出发，换电脑仍然有效

C:/Users/Alice/Documents/project/data/…

绝对路径绑定当前电脑

文件彼此「相对定位」，项目整体拷走也不会断链。

05说明

写一份 README

PROJECT MAP

README.md项目入口说明

01数据原始数据 / 处理后数据

02代码scripts/ 与运行顺序

03结果图表、表格与正文

04维护作者、联系方式、更新日期

README 不用写得漂亮，把数据、代码、运行顺序、结果位置说清楚就够了。

✦速览

五个好习惯 · 速览

QUICK RECAP

01保留原始数据不修改
02分开输入、过程与输出
03命名文件名自解释
04相对从项目根目录出发
05说明README 交代项目

规则不复杂，关键是从第一个项目开始保持一致。

3.0 R 项目管理

-- / --

创建 R Project

Create an R Project

让 RStudio 创建项目根目录与 .Rproj 入口，从一开始就把分析放进明确的项目边界。

New Project WizardRStudio 操作示意

STEP 01

打开 New Project Wizard

可从 File 菜单或右上角 Project 菜单进入。

入口 AFile 菜单

FileEditCodeViewPlots

入口 B右上角 Project 菜单

Project: (None) ▾

3.0 R 项目管理

-- / --

从 .Rproj 开始

Open the Project First

项目创建后，今后从 chapter_1.Rproj 进入 RStudio；项目上下文与上次打开的文件通常会一并恢复。

D:/R_course/chapter_1项目根文件夹

名称类型

RStudiochapter_1▾

推荐的打开方式

已进入 chapter_1 项目

RStudio 载入项目上下文，并把工作目录定位到项目根文件夹。

Projectchapter_1 Working directoryD:/R_course/chapter_1

上次打开的脚本与文档通常会随项目恢复；如未恢复，再从项目内打开。

项目启动顺序1 打开 chapter_1.Rproj→2 确认右上角显示 chapter_1→3 继续上次工作；必要时再打开文件

4.0 R 包与 tidyverse

-- / --

SECTION04 / 05

4.0R 包与 tidyverse

R Packages and the tidyverse

4.0 R 包与 tidyverse

-- / --

R 包：像 App 一样扩展 R

Extending R with Packages

Base R 像一部刚出厂的 iPhone，RStudio 是这节课使用的操作界面；需要专业功能时，再从“应用商店”安装相应的 R 包。

9:41● ● ▰

RStudio

ConsoleScript · Data · Plot

BASE R · CORE SYSTEM

Base R基础计算、统计、绘图与文件操作

R Package Store

不同的包，为不同的分析任务提供专业功能

CRANGitHubBioconductor

FEATURED PACKAGES数千个扩展功能可供选择

dplyr数据变换

GET

ggplot2数据可视化

GET

readr读取数据

GET

tidyr整理数据

GET

broom整理模型结果

GET

tidymodels建模工作流

GET

01

安装包INSTALL · 通常只需一次

CONSOLE

install.packages("dplyr")

联网从 CRAN 下载，并保存到当前电脑的 R 包库

02

加载包LOAD · 每次新的 R 会话

SCRIPT / RMD

library(dplyr)

把已经安装的包接入当前会话，随后即可使用其中的函数

4.0 R 包与 tidyverse

-- / --

对比

Base R vs. janitor

TASK 将杂乱列名统一为规范的 snake_case

当前列名Student IDFinal ScoreHome City 目标列名student_idfinal_scorehome_city

Base R逐条编写并维护列名清理规则

11 lines

1clean_names_base <- function(x) {
2  x <- trimws(x) # 去除首尾空格
3  x <- iconv(x, to = "ASCII//TRANSLIT") # 转写非 ASCII 字符
4  x <- gsub("([a-z0-9])([A-Z])", "\\1_\\2", x) # 拆分 camelCase
5  x <- tolower(x) # 统一为小写
6  x <- gsub("[^a-z0-9]+", "_", x) # 空格与符号改为 _
7  x <- gsub("^_+|_+$", "", x) # 清除首尾 _
8  x[x == ""] <- "x" # 避免空列名
9  make.unique(x, sep = "_") # 处理重复列名
10}
11names(student) <- clean_names_base(names(student))

janitor调用已经封装并维护的列名清理函数

1 line

1student <- janitor::clean_names(student)

OUTPUT相同的规范列名 student_idfinal_scorehome_city

4.0 R 包与 tidyverse

-- / --

tidyverse 与管道符

The tidyverse and the Pipe Operator

tidyverse为数据科学协同设计的一组 R 包

ggplot2
dplyr
tidyr
readr
purrr
tibble
stringr
forcats
lubridate

一次加载九个核心包library(tidyverse)

同一任务

筛选成年中心城区样本→按区分组→计算平均收入→降序排列

NO PIPE不用管道：必须从最内层向外读8 lines · 嵌套 4 层


1central_districts <- c("黄浦", "静安", "徐汇", "长宁")
2result <- arrange( # 4. 排序
3  summarise( # 3. 汇总
4    group_by( # 2. 分组
5      filter(survey, age >= 18, district %in% central_districts), # 1. 筛选
6      district),
7    mean_income = mean(income, na.rm = TRUE)),
8  desc(mean_income))

改写为

PIPELINE使用 %>%：按处理顺序向下读6 lines · 线性 4 步


1central_districts <- c("黄浦", "静安", "徐汇", "长宁")
2result <- survey %>% # 2,400 条原始记录
3  filter(age >= 18, district %in% central_districts) %>% # 1. 筛选
4  group_by(district) %>% # 2. 分组
5  summarise(mean_income = mean(income, na.rm = TRUE)) %>% # 3. 汇总
6  arrange(desc(mean_income)) # 4. 排序

%>%把左侧结果传给下一函数的第一个参数，代码因此能按照“数据 → 操作 → 结果”的顺序书写。课程约定：后续示例统一使用 %>%；现代 Base R 的 |> 将在需要时另行比较。

5.0 R Markdown

-- / --

SECTION05 / 05

5.0R Markdown

Reproducible Documents with R Markdown

5.0 R Markdown

-- / --

为什么使用 R Markdown？

From Fragmented Writing to Reproducible Research

01

传统写作工具多个文件，依靠手工同步

analysis.RR SCRIPT

model <- read_csv("survey.csv") %>%
  select(hours, score) %>%
  lm(score ~ hours, data = .)

figure_01.pngEXPORTED

学习时长 × 考试成绩

研究报告report.docx

分析结果

模型拟合度R² = 0.42

复制数字粘贴图表

数据或模型一旦更新，就需要重新导出、替换并逐项核对。

02

R Markdown 工作流一份源文件，重新生成全部成果

01

单一来源

文字、代码与输出共用一个版本

02

自动更新

数据变化后重新 Knit 即可同步结果

03

可复现

重新运行即可核对分析步骤与结果

04

交互呈现

网页可承载动态图表、地图与表格

05

Open Science

源文件便于共享、审查与继续扩展

唯一源文件chapter_1.Rmd

.Rmd

说明文字研究问题与结果解释

R 代码数据处理与分析步骤

图表与结果由代码运行后生成

一次 Knit重新生成多种成果

HTML PDF DOCX PPTX

5.0 R Markdown

-- / --

Knit：从源文件到成果

From .Rmd Source to Finished Document

example.Rmd SOURCE

1--- 2title: "文档标题" 3output: html_document 4--- 5 6# 一级标题 7正文内容写在代码块之外。 8 9## 二级标题 10正文中也可以插入行内代码：`r mean(x)` 11 12```{r setup, include=FALSE} 13library(tidyverse) 14``` 15 16```{r analysis, cache=TRUE, message=FALSE} 17result <- mean(x, na.rm = TRUE) 18result 19``` 20 21### 三级标题 22- 列表项与补充说明 23 24```{r figure, fig.width=6, fig.height=4} 25plot(x, y) 26``` 27...

编织

example.html

HTML

等待 Knit

源文件尚未生成输出

LOADING HTML 正在载入 Knit 成品

5.0 R Markdown

-- / --

R Markdown 的基本结构

Core Structure of an R Markdown Document

example.Rmd R MARKDOWN

1--- 2title: "分析报告" 3author: "课程示例" 4output: 5 html_document: 6 toc: true 7 number_sections: true 8---

9

10```{r setup, include=FALSE} 11library(tidyverse) 12knitr::opts_chunk$set(echo = TRUE) 13```

14

15# 一级标题 16这是一段普通正文，用于解释分析背景。 17可以使用 **加粗**、*斜体* 与 [链接文字](https://example.org)。

18

19---

20

21## 二级标题 22下面先报告数据规模，再查看变量摘要。

23

24当前数据共有 `r nrow(cars)` 条观测。

25

26```{r summary, cache=TRUE, message=FALSE} 27summary(cars) 28```

29

30### 三级标题 31- 列表项可以整理关键发现 32- 也可以补充方法与数据来源

结构说明 严格来说，Rmd 通常由 YAML、Markdown 正文与嵌入式 R 代码三层构成；课堂中将 R 代码拆为“行内代码”和“代码块”两类。运行结果由 Knit 生成，不是源文件中的独立区块。

5.0 R Markdown

-- / --

Markdown 语法：输入与呈现

Markdown Source · Rendered Output

01标题层级# 后必须保留空格

MARKDOWN 输入

# 一级标题
## 二级标题
### 三级标题

KNIT 后 · 点击结果定位输入

02强调与行内代码成对符号不要漏写

MARKDOWN 输入

**核心结论**
*补充说明*
`mean(x)`

KNIT 后 · 点击结果定位输入

03无序与有序列表列表前后保留空行

MARKDOWN 输入

- 数据
- 方法
 
1. 清理
2. 建模

KNIT 后 · 点击结果定位输入

04链接与图片图片路径必须可访问

MARKDOWN 输入

[课程主页](https://example.org)
 
![研究区域图](figure.png)

KNIT 后 · 点击结果定位输入

05引用、段落与分割线分割线上下保留空行

MARKDOWN 输入

> 结果需要结合语境解释。
 
这是一个新的段落。
 
---

KNIT 后 · 点击结果定位输入

06简单表格第二行决定列对齐

MARKDOWN 输入

| 变量 | 均值 |
|:-----|-----:|
| 年龄 | 32.4 |
| 收入 |  8.6 |

KNIT 后 · 点击结果定位输入

5.0 R Markdown

-- / --

代码块：创建、命名与参数

Create and Configure an R Code Chunk

example.Rmd

插入代码块 WindowsCtrl+Alt+I macOS⌘+⌥+I

1```{r cars_plot} 2 3# 绘制车速与停车距离 4plot( 5 cars$speed, cars$dist, 6 xlab = "车速", ylab = "停车距离", 7 pch = 19 8) 9 10```

代码块名称小写英文、数字与下划线；同一文档中不能重名。

eval运行代码 include把代码块内容写入文档 cache复用耗时且输入稳定的计算

eval = FALSE 不运行；include = FALSE 会运行，但不把代码、结果、消息和警告写入文档。

fig.width 绘图宽度 fig.height 绘图高度 out.width 网页宽度 fig.align 对齐 fig.cap 图片说明 fig.alt 替代文本

fig.width / fig.height 控制绘图设备；out.width 控制网页中的显示宽度。

多源数据分析与实践 · Week 2

30 / 30

Thanks

第二周：第一章重点解析

主讲人：刘贇喆副教授 | 华东师范大学社会发展学院

第一章 重点解析

1.0科研范式的演进

研究范式的演进

观察、记录与经验归纳

理论、实验与演绎解释

建模、模拟与数值计算

从大规模数据中发现模式

AI 参与假设、工具调用与发现

2.0RStudio 入门

RStudio 的四个窗格

源代码编辑器

控制台

环境面板

多功能区

输入、运行与输出

输入 · Source

运行 · 快捷键

输出 · 结果去向

3.0R 项目管理

为什么需要项目结构？

从文件堆积到项目结构

养成好习惯

原始数据不要修改

输入、过程、输出分开

文件名要能自解释

使用相对路径

写一份 README

五个好习惯 · 速览

创建 R Project

打开 New Project Wizard

Create Project

Project Type

Create New Project

从 .Rproj 开始

已进入 chapter_1 项目

4.0R 包与 tidyverse

R 包：像 App 一样扩展 R

如何把数据表中杂乱的列名，统一改为规范的 snake_case？

对比

tidyverse 与管道符

5.0R Markdown

为什么使用 R Markdown？

分析结果

Knit：从源文件到成果

R Markdown 的基本结构

Markdown 语法：输入与呈现

代码块：创建、命名与参数

Thanks

第一章重点解析

如何把数据表中杂乱的列名，统一改为规范的 `snake_case`？