1 Giới thiệu | R cho Khoa học dữ liệu (2024)

1.1Bạn sẽ học được gì

Khoa học dữ liệu là một lĩnh vực rộng lớn và bạn không thể nào thành thạo nó chỉ bằng cách đọc một cuốn sách. Mục tiêu của cuốn sách này là cung cấp cho bạn nền tảng vững chắc về những công cụ quan trọng nhất. Mô hình của chúng tôi về các công cụ cần thiết trong một dự án khoa học dữ liệu điển hình trông giống như thế này:

Đầu tiên bạn phảinhập khẩudữ liệu của bạn vào R. Điều này thường có nghĩa là bạn lấy dữ liệu được lưu trữ trong tệp, cơ sở dữ liệu hoặc giao diện lập trình ứng dụng web (API) và tải dữ liệu đó vào khung dữ liệu trong R. Nếu bạn không thể đưa dữ liệu của mình vào R, bạn không thể làm khoa học dữ liệu về nó!

Khi bạn đã nhập dữ liệu của mình, bạn nênngăn nắpNó. Sắp xếp dữ liệu của bạn có nghĩa là lưu trữ nó ở dạng nhất quán phù hợp với ngữ nghĩa của tập dữ liệu với cách nó được lưu trữ. Tóm lại, khi dữ liệu của bạn gọn gàng, mỗi cột là một biến và mỗi hàng là một quan sát. Dữ liệu gọn gàng rất quan trọng vì cấu trúc nhất quán cho phép bạn tập trung nỗ lực vào các câu hỏi về dữ liệu chứ không phải đấu tranh để đưa dữ liệu về dạng phù hợp cho các chức năng khác nhau.

Khi bạn có dữ liệu gọn gàng, bước đầu tiên thông thường làbiến đổiNó. Chuyển đổi bao gồm thu hẹp các quan sát quan tâm (như tất cả người dân trong một thành phố hoặc tất cả dữ liệu từ năm ngoái), tạo các biến mới là hàm của các biến hiện có (như tốc độ tính toán theo khoảng cách và thời gian) và tính toán một tập hợp tóm tắt số liệu thống kê (như số lượng hoặc phương tiện). Cùng nhau dọn dẹp và biến đổi được gọi làcãi nhau, bởi vì việc lấy dữ liệu của bạn ở dạng tự nhiên để làm việc thường có cảm giác giống như một cuộc chiến!

Khi bạn có dữ liệu gọn gàng với các biến bạn cần, sẽ có hai công cụ tạo ra kiến ​​thức chính: trực quan hóa và mô hình hóa. Chúng có điểm mạnh và điểm yếu bổ sung cho nhau nên bất kỳ phân tích thực tế nào cũng sẽ lặp lại giữa chúng nhiều lần.

Hình dungcơ bản là hoạt động của con người. Một hình ảnh trực quan tốt sẽ cho bạn thấy những điều bạn không mong đợi hoặc đưa ra những câu hỏi mới về dữ liệu. Một hình ảnh trực quan tốt cũng có thể gợi ý rằng bạn đang đặt sai câu hỏi hoặc bạn cần thu thập dữ liệu khác. Hình ảnh trực quan có thể làm bạn ngạc nhiên nhưng không có quy mô đặc biệt tốt vì chúng yêu cầu con người diễn giải chúng.

Người mẫulà những công cụ bổ sung cho việc trực quan hóa. Sau khi đã đặt câu hỏi đủ chính xác, bạn có thể sử dụng mô hình để trả lời chúng. Mô hình là một công cụ tính toán hoặc toán học cơ bản nên chúng thường có quy mô tốt. Ngay cả khi không, việc mua nhiều máy tính thường rẻ hơn mua nhiều bộ não hơn! Nhưng mọi mô hình đều đưa ra các giả định và về bản chất, một mô hình không thể đặt câu hỏi về các giả định của chính nó. Điều đó có nghĩa là về cơ bản một mô hình không thể làm bạn ngạc nhiên.

Bước cuối cùng của khoa học dữ liệu làgiao tiếp, một phần cực kỳ quan trọng của bất kỳ dự án phân tích dữ liệu nào. Không quan trọng các mô hình và hình ảnh trực quan của bạn đã giúp bạn hiểu dữ liệu tốt đến mức nào trừ khi bạn cũng có thể truyền đạt kết quả của mình cho người khác.

Xung quanh tất cả các công cụ này làlập trình. Lập trình là một công cụ xuyên suốt mà bạn sử dụng trong mọi phần của dự án. Bạn không cần phải là một lập trình viên chuyên nghiệp để trở thành nhà khoa học dữ liệu, nhưng việc tìm hiểu thêm về lập trình sẽ mang lại lợi ích vì việc trở thành một lập trình viên giỏi hơn cho phép bạn tự động hóa các tác vụ thông thường và giải quyết các vấn đề mới dễ dàng hơn.

Bạn sẽ sử dụng những công cụ này trong mọi dự án khoa học dữ liệu, nhưng đối với hầu hết các dự án thì chúng không đủ. Có một quy tắc thô 80-20 đang diễn ra; bạn có thể giải quyết khoảng 80% mọi dự án bằng cách sử dụng các công cụ bạn sẽ học trong cuốn sách này, nhưng bạn sẽ cần các công cụ khác để giải quyết 20% còn lại. Xuyên suốt cuốn sách này, chúng tôi sẽ chỉ cho bạn những nguồn tài nguyên mà bạn có thể tìm hiểu thêm.

1.2Cuốn sách này được tổ chức như thế nào

Mô tả trước đây về các công cụ của khoa học dữ liệu được sắp xếp gần đúng theo thứ tự bạn sử dụng chúng trong phân tích (mặc dù tất nhiên bạn sẽ lặp lại chúng nhiều lần). Tuy nhiên, theo kinh nghiệm của chúng tôi, đây không phải là cách tốt nhất để học chúng:

• Bắt đầu với việc nhập và dọn dẹp dữ liệu là chưa tối ưu vì 80% thời gian là công việc thường ngày và nhàm chán, còn 20% còn lại là kỳ lạ và khó chịu. Đó là một nơi tồi tệ để bắt đầu học một môn học mới! Thay vào đó, chúng ta sẽ bắt đầu bằng việc trực quan hóa và chuyển đổi dữ liệu đã được nhập và sắp xếp gọn gàng. Bằng cách đó, khi bạn tiếp thu và sắp xếp dữ liệu của mình, động lực của bạn sẽ cao vì bạn biết nỗi đau đó là xứng đáng.

• Một số chủ đề được giải thích tốt nhất bằng các công cụ khác. Ví dụ: chúng tôi tin rằng bạn sẽ dễ hiểu cách hoạt động của các mô hình hơn nếu bạn đã biết về trực quan hóa, dữ liệu gọn gàng và lập trình.

• Các công cụ lập trình không nhất thiết phải thú vị nhưng chúng cho phép bạn giải quyết những vấn đề khó khăn hơn đáng kể. Chúng tôi sẽ cung cấp cho bạn một số công cụ lập trình ở giữa cuốn sách và sau đó bạn sẽ thấy cách chúng có thể kết hợp với các công cụ khoa học dữ liệu để giải quyết các vấn đề thú vị về mô hình hóa.

Trong mỗi chương, chúng tôi cố gắng tuân theo một khuôn mẫu tương tự: bắt đầu với một số ví dụ tạo động lực để bạn có thể nhìn thấy bức tranh toàn cảnh hơn, sau đó đi sâu vào chi tiết. Mỗi phần của cuốn sách đều đi kèm với các bài tập để giúp bạn thực hành những gì đã học. Mặc dù việc bỏ qua các bài tập là điều rất hấp dẫn nhưng không có cách học nào tốt hơn là thực hành trên các vấn đề thực tế.

1.3Những gì bạn sẽ không học được

Có một số chủ đề quan trọng mà cuốn sách này không đề cập đến. Chúng tôi tin rằng điều quan trọng là phải luôn tập trung cao độ vào những điều cần thiết để bạn có thể bắt đầu và hoạt động nhanh nhất có thể. Điều đó có nghĩa là cuốn sách này không thể đề cập đến mọi chủ đề quan trọng.

1.4Điều kiện tiên quyết

Chúng tôi đã đưa ra một số giả định về những gì bạn đã biết để tận dụng tối đa cuốn sách này. Nhìn chung, bạn phải có kiến ​​thức về số và sẽ rất hữu ích nếu bạn đã có một số kinh nghiệm lập trình. Nếu bạn chưa từng lập trình trước đây, bạn có thể tìm thấyThực hành lập trình với Rcủa Garrett là tài liệu bổ sung hữu ích cho cuốn sách này.

Có bốn thứ bạn cần để chạy mã trong cuốn sách này: R, RStudio, một tập hợp các gói R được gọi làgọn gàng, và một số gói khác. Các gói là đơn vị cơ bản của mã R có thể tái tạo. Chúng bao gồm các hàm có thể tái sử dụng, tài liệu mô tả cách sử dụng chúng và dữ liệu mẫu.

cài đặt.gói("ngăn nắp")

thư viện(gọn gàng)#> -- Đính kèm các gói --------------------------------------- gọn gàng 1.3.1 - -#> v ggplot2 3.3.5 v purrr 0.3.4#> v tibble 3.1.4 v dplyr 1.0.7#> v gọn gàng 1.1.3 v chuỗi 1.4.0#> v readr 2.0.1 v forcats 0.5.1#> -- Xung đột ------------------------------------------ dọn dẹp_conflicts() --#> x dplyr::filter() mặt nạ stats::filter()#> x dplyr::lag() mặt nạ stats::lag()

cài đặt.gói(c("nycflights13","khoảng trống trí nhớ","Lahman"))

1,5Chạy mã R

Phần trước đã cho bạn thấy một số ví dụ về chạy mã R. Mã trong cuốn sách trông như thế này:

1 + 2#> [1] 3

Nếu bạn chạy cùng một mã trong bảng điều khiển cục bộ, nó sẽ trông như thế này:

> 1 + 2[1] 3

Có hai sự khác biệt chính. Trong bảng điều khiển của bạn, bạn gõ sau>, được gọi làlời nhắc; chúng tôi không hiển thị lời nhắc trong sách. Trong cuốn sách, đầu ra được nhận xét với#>; trong bảng điều khiển của bạn, nó xuất hiện ngay sau mã của bạn. Hai điểm khác biệt này có nghĩa là nếu bạn đang làm việc với phiên bản điện tử của sách, bạn có thể dễ dàng sao chép mã ra khỏi sách và vào bảng điều khiển.

Xuyên suốt cuốn sách, chúng tôi sử dụng một bộ quy ước nhất quán để đề cập đến mã:

• Các hàm có phông chữ mã và theo sau là dấu ngoặc đơn, nhưTổng(),hoặcnghĩa là().

• Các đối tượng R khác (như đối số dữ liệu hoặc hàm) có phông chữ mã, không có dấu ngoặc đơn, nhưchuyến bayhoặcx.

• Nếu chúng ta muốn làm rõ một đối tượng đến từ gói nào, chúng ta sẽ sử dụng tên gói theo sau là hai dấu hai chấm, nhưdplyr::mutate(), hoặc
  nycflights13::chuyến bay. Đây cũng là mã R hợp lệ.

1.6Nhận trợ giúp và tìm hiểu thêm

Cuốn sách này không phải là một hòn đảo; không có nguồn tài nguyên nào cho phép bạn thành thạo R. Khi bạn bắt đầu áp dụng các kỹ thuật được mô tả trong cuốn sách này vào dữ liệu của riêng mình, bạn sẽ sớm tìm thấy những câu hỏi mà chúng tôi không trả lời. Phần này mô tả một số mẹo về cách nhận trợ giúp và giúp bạn tiếp tục học tập.

Nếu bạn gặp khó khăn, hãy bắt đầu với Google. Thông thường, việc thêm “R” vào một truy vấn là đủ để hạn chế truy vấn đó ở các kết quả có liên quan: nếu tìm kiếm không hữu ích, điều đó thường có nghĩa là không có bất kỳ kết quả cụ thể nào về R. Google đặc biệt hữu ích đối với các thông báo lỗi. Nếu bạn nhận được thông báo lỗi và bạn không biết nó có nghĩa gì, hãy thử tìm kiếm trên Google! Rất có thể trước đây người khác đã nhầm lẫn về vấn đề này và sẽ có trợ giúp ở đâu đó trên web. (Nếu thông báo lỗi không phải bằng tiếng Anh, hãy chạySys.setenv(LANGUAGE = "en")và chạy lại mã; bạn có nhiều khả năng tìm thấy trợ giúp cho các thông báo lỗi tiếng Anh hơn.)

Nếu Google không giúp được, hãy thửngăn xếp. Bắt đầu bằng cách dành một chút thời gian để tìm kiếm câu trả lời hiện có, bao gồm[R]để hạn chế tìm kiếm của bạn ở những câu hỏi và câu trả lời sử dụng R. Nếu bạn không tìm thấy điều gì hữu ích, hãy chuẩn bị một ví dụ có thể tái tạo tối thiểu hoặcreprex. Một người đại diện tốt sẽ giúp người khác giúp đỡ bạn dễ dàng hơn và thường thì bạn sẽ tự mình tìm ra vấn đề trong quá trình thực hiện nó.

Có ba điều bạn cần đưa vào để làm cho ví dụ của bạn có thể lặp lại: các gói, dữ liệu và mã bắt buộc.

1. Góinên được tải ở đầu tập lệnh, vì vậy thật dễ dàng để biết ví dụ nào cần. Đây là thời điểm tốt để kiểm tra xem bạn có đang sử dụng phiên bản mới nhất của mỗi gói hay không; có thể bạn đã phát hiện ra một lỗi đã được sửa kể từ khi bạn cài đặt gói này. Đối với các gói trong gọn gàng, cách dễ nhất để kiểm tra là chạygọn gàng_update().

2. Cách dễ nhất để bao gồmdữ liệutrong một câu hỏi là sử dụngdput()tạo mã R để tạo lại nó. Ví dụ, để tạo lạixe mtcartập dữ liệu trong R, tôi sẽ thực hiện các bước sau:

   1. Chạydput(mtcars)trong R
   2. Sao chép đầu ra
   3. Trong tập lệnh có thể tái tạo của tôi, hãy nhậpxe mtcar <-sau đó dán.

   Hãy thử và tìm tập hợp con nhỏ nhất trong dữ liệu của bạn mà vẫn bộc lộ vấn đề.

3. Hãy dành một chút thời gian để đảm bảo rằngmã sốngười khác dễ dàng đọc được:

   • Hãy đảm bảo rằng bạn đã sử dụng dấu cách và tên biến của bạn ngắn gọn nhưng đầy đủ thông tin.

   • Sử dụng nhận xét để chỉ ra vấn đề của bạn nằm ở đâu.

   • Hãy cố gắng hết sức để loại bỏ mọi thứ không liên quan đến vấn đề.
     Mã của bạn càng ngắn thì càng dễ hiểu và càng dễ sửa.

Kết thúc bằng cách kiểm tra xem bạn đã thực sự tạo một ví dụ có thể tái tạo hay chưa bằng cách bắt đầu một phiên R mới rồi sao chép và dán tập lệnh của bạn vào.

Bạn cũng nên dành chút thời gian chuẩn bị cho mình cách giải quyết vấn đề trước khi chúng xảy ra. Đầu tư một chút thời gian vào việc học R mỗi ngày sẽ mang lại kết quả xứng đáng về lâu dài. Một cách là làm theo những gì Hadley, Garrett và mọi người khác ở RStudio đang làm trênBlog RStudio. Đây là nơi chúng tôi đăng thông báo về các gói mới, tính năng IDE mới và các khóa học trực tiếp. Bạn cũng có thể muốn theo dõi Hadley (@hadleywickham) hoặc Garrett (@statgarrett) trên Twitter hoặc theo dõi@rstudiotipsđể cập nhật các tính năng mới trong IDE.

Để theo kịp cộng đồng R một cách rộng rãi hơn, chúng tôi khuyên bạn nên đọchttp://www.r-bloggers.com: nó tổng hợp hơn 500 blog về R từ khắp nơi trên thế giới. Nếu bạn là người dùng Twitter tích cực, hãy làm theo (#rstats) dấu thăng. Twitter là một trong những công cụ quan trọng mà Hadley sử dụng để theo kịp những phát triển mới trong cộng đồng.

1.7Sự nhìn nhận

Cuốn sách này không chỉ là sản phẩm của Hadley và Garrett mà còn là kết quả của nhiều cuộc trò chuyện (trực tiếp và trực tuyến) mà chúng tôi đã có với nhiều người trong cộng đồng R. Có một số người mà chúng tôi đặc biệt muốn cảm ơn vì họ đã dành nhiều giờ để trả lời những câu hỏi ngớ ngẩn của chúng tôi và giúp chúng tôi suy nghĩ tốt hơn về khoa học dữ liệu:

• Jenny Bryan và Lionel Henry vì nhiều cuộc thảo luận hữu ích xung quanh việc làm việc với danh sách và cột danh sách.

• Ba chương về quy trình làm việc đã được điều chỉnh (với sự cho phép), từhttp://stat545.com/block002_hello-r-workspace-wd-project.htmlcủa Jenny Bryan.

• Genevera Allen đã thảo luận về các mô hình, mô hình hóa, quan điểm học tập thống kê và sự khác biệt giữa việc tạo ra giả thuyết và xác nhận giả thuyết.

• Yihui Xie vì công việc của anh ấy trêngiảm giá sáchgói và đáp ứng không mệt mỏi các yêu cầu tính năng của tôi.

• Bill Behrman vì đã đọc kỹ toàn bộ cuốn sách và đã thử nó với lớp khoa học dữ liệu của mình tại Stanford.

• Cộng đồng twitter #rstats đã xem xét tất cả các chương dự thảo và cung cấp rất nhiều phản hồi hữu ích.

• Tal Galili đã tăng cường gói dendextend của mình để hỗ trợ một phần về phân cụm chưa được đưa vào bản thảo cuối cùng.

Cuốn sách này được viết công khai và nhiều người đã đóng góp các yêu cầu kéo để khắc phục các vấn đề nhỏ. Lời cảm ơn đặc biệt đến tất cả những người đã đóng góp qua GitHub:

Xin cảm ơn tất cả những người đóng góp theo thứ tự bảng chữ cái: @,@a-rosenberg, A. s, Abhinav Singh, adi pradhan, Ahmed ElGabbas, Ajay Deonarine,@AlanFeder, Albert Y. Kim,@Alex, Andrea Gilardi, Andrew Landgraf,@andrewmacfarland, Angela Li, Azza Ahmed, Bahadir Cankardes,@batpigandme,@behrman, Ben Herbertson, Ben Marwick, Ben Steinberg, Benjamin Yeh, Bianca Peterson, Bill Behrman,@BirgerNi,@boardtc, Brandon Greenwell, Brent Brewington, Brett Klamer, Brian G. Barkley, Charlotte Wickham, Christian G. Warden, Christian Heinrich, Christian Mongeau, Colin Gillespie, Cooper Morris, Curtis Alexander, Daniel Gromer, David Clark, David Rubinger, Derwin McGeary, Devin Pastoor, Dirk Eddelbuettel,@djbirke,@DSGeoff, Dylan Cashman, Earl Brown, Edwin Thoen, Eric Watt, Erik Erhardt, Etienne B. Racine, Everett Robinson, Flemming Villalona, ​​Floris Vanderhaeghe, Garrick Aden-Buie, George Wang, Gregory Jefferis, Gustav W Delius, Hao Chen,@harrismcgeheeIan Lyttle, Ian Sealy, Ivan Krukov, Jacek Kolacz, Jacob Kaplan, Jakub Nowosad, Jazz Weisman, Jeff Boichuk, Jeffrey Arnold, Jen Ren, Jennifer (Jenny) Bryan,@jennybc, Jeroen Janssens, Jim Hester,@jjchern, Joanne Jang, Johannes Gruber, John Blischak, John D. Storey, John Sears, Jon Calder,@Jonas, Trang Jonathan,@jonathanflint, Jose Roberto Ayala Solares, Josh Goldberg,@juandering, Julia Stewart Lowndes, Julian Trong, Justinas Petuchovas,@kaetschap, Kara de la Marck, Kara Woo, Katherine Leinweber,@kdpsingh, Kenny Darrell, Kirill Müller, Kirill Sevastyanenko,@koalabearski, Kunal Marwaha,@KyleHumphrey, Lawrence Wu,@lindbrook, Luke Smith, Luke W Johnston, Mara Averick, Maria Paula Caldas, Mark Beveridge, Matt Herman, Matthew Hendrickson, Matthew Sedaghatfar,@MattWittbrodt, Mauro Lepore, Michael Henry, Mine Cetinkaya-Rundel,@MJMarshallMustafa Ascha,@nate-d-olson,@nattalides, Khu vực Nelson, Nicholas Tierney, Nick Clark,@nickelas, Nina Munkholt Jakobsen, Nirmal Patel, Nischal Shrestha, Noah Landesberg,@nwaff,@OaCantona, Pablo E, Patrick Kennedy,@Paul,@pete, Peter Hurford, Rademeyer Vermaak, Radu Grosu, Ranae Dietzel, Riva Quiroga,@rlzijdeman, Rob Tenorio, Robert Schuessler,@robertchu03, Robin Gertenbach,@robinlovelace,@robinsones, Rohan Alexander,@RomeroBarata, Phước lành Mkhondwane,@Saghir,Sam Firke,@seamus-mckinsey, Seamus McKinsey,@seanpwilliams, Sebastian Kraus, Shannon Ellis,@shoili,@sibusiso16,@Sophiazj,@spirgel, Stéphane Guillou, Steve Mortimer,@svenski, Tal Galili , Terence Theo , Thomas Klebel , Tim Waterhouse , TJ Mahr , Tom Prior@twgardner2, Ulrik Lyngs, Will Beasley,@yahwes, Yihui Xie, Yiming (Paul) Li, Yu Yu Aung, Zach Bogart,@zeal626, Trác Nhi Đồng.

1.8colophon

Phiên bản trực tuyến của cuốn sách này có sẵn tạihttp://r4ds.had.co.nz. Nó sẽ tiếp tục phát triển giữa các lần tái bản của sách vật lý. Nguồn của cuốn sách có sẵn tạihttps://github.com/hadley/r4ds. Cuốn sách được cung cấp bởihttps://bookdown.orggiúp dễ dàng biến các tệp đánh dấu R thành HTML, PDF và EPUB.

Cuốn sách này được xây dựng với:

thông tin phiên::thông tin phiên(c("ngăn nắp"))#> - Thông tin phiên --------------------------------------------- ------------------#> giá trị cài đặt#> phiên bản R phiên bản 4.1.1 (2021-08-10)#> hệ điều hành Windows 10 x64#> hệ thống x86_64, mingw32#> ui RTerm#> ngôn ngữ (EN)#> đối chiếu English_United States.1252#> ctype English_United States.1252#> tz Mỹ/New_York#> ngày 2021-09-07#>#> - Gói ---------------------------------------------- ---------------------#> gói * ngày phiên bản nguồn lib#> Askpass 1.1 2019-01-13 [1] CRAN (R 4.1.0)#> khẳng định rằng 0.2.1 2019-03-21 [1] CRAN (R 4.1.0)#> backport 1.2.1 2020-12-09 [1] CRAN (R 4.1.0)#> base64enc 0.1-3 28-07-2015 [1] CRAN (R 4.1.0)#> bit 4.0.4 2020-08-04 [1] CRAN (R 4.1.0)#> bit64 4.0.5 2020-08-30 [1] CRAN (R 4.1.0)#> blob 1.2.2 2021-07-23 [1] CRAN (R 4.1.0)#> chổi 0.7.9 2021-07-27 [1] CRAN (R 4.1.0)#> người gọi 3.7.0 2021-04-20 [1] CRAN (R 4.1.0)#> cellranger 1.1.0 2016-07-27 [1] CRAN (R 4.1.0)#> cli 3.0.1 2021-07-17 [1] CRAN (R 4.1.0)#> clipr 0.7.1 2020-10-08 [1] CRAN (R 4.1.0)#> không gian màu 2.0-2 2021-06-24 [1] CRAN (R 4.1.0)#> cpp11 0.3.1 2021-06-25 [1] CRAN (R 4.1.0)#> bút chì màu 1.4.1 2021-02-08 [1] CRAN (R 4.1.0)#> cuộn tròn 4.3.2 2021-06-23 [1] CRAN (R 4.1.0)#> data.table 1.14.0 2021-02-21 [1] CRAN (R 4.1.0)#> DBI 1.1.1 2021-01-15 [1] CRAN (R 4.1.0)#> dbplyr 2.1.1 2021-04-06 [1] CRAN (R 4.1.0)#> thông báo 0.6.27 2020-10-24 [1] CRAN (R 4.1.0)#> dplyr * 1.0.7 2021-06-18 [1] CRAN (R 4.1.0)#> dtplyr 1.1.0 2021-02-20 [1] CRAN (R 4.1.0)#> dấu chấm lửng 0.3.2 2021-04-29 [1] CRAN (R 4.1.0)#> đánh giá 0,14 28-05-2019 [1] CRAN (R 4.1.0)#> fansi 0.5.0 2021-05-25 [1] CRAN (R 4.1.0)#> màu 2.1.0 2021-02-28 [1] CRAN (R 4.1.0)#> fastmap 1.1.0 2021-01-25 [1] CRAN (R 4.1.0)#> forcats * 0.5.1 2021-01-27 [1] CRAN (R 4.1.0)#> fs 1.5.0 2020-07-31 [1] CRAN (R 4.1.0)#> súc miệng 1.2.0 2021-07-02 [1] CRAN (R 4.1.0)#> thuốc generic 0.1.0 2020-10-31 [1] CRAN (R 4.1.0)#> ggplot2 * 3.3.5 2021-06-25 [1] CRAN (R 4.1.0)#> keo 1.4.2 2020-08-27 [1] CRAN (R 4.1.0)#> googledrive 2.0.0 2021-07-08 [1] CRAN (R 4.1.0)#> googlesheets4 1.0.0 2021-07-21 [1] CRAN (R 4.1.0)#> gtable 0.3.0 2019-03-25 [1] CRAN (R 4.1.0)#> thiên đường 2.4.3 2021-08-04 [1] CRAN (R 4.1.0)#> cao hơn 0,9 2021-04-16 [1] CRAN (R 4.1.0)#> hms 1.1.0 2021-05-17 [1] CRAN (R 4.1.0)#> htmltools 0.5.2 2021-08-25 [1] CRAN (R 4.1.1)#> httr 1.4.2 2020-07-20 [1] CRAN (R 4.1.0)#> id 1.0.1 2017-05-31 [1] CRAN (R 4.1.0)#> isoband 0.2.5 2021-07-13 [1] CRAN (R 4.1.0)#> jsonlite 1.7.2 2020-12-09 [1] CRAN (R 4.1.0)#> knitr 1.33 2021-04-24 [1] CRAN (R 4.1.0)#> ghi nhãn 0.4.2 2020-10-20 [1] CRAN (R 4.1.0)#> lưới 0,20-44 2021-05-02 [1] CRAN (R 4.1.0)#> vòng đời 1.0.0 2021-02-15 [1] CRAN (R 4.1.0)#> bôi trơn 1.7.10 2021-02-26 [1] CRAN (R 4.1.0)#> magrittr 2.0.1 2020-11-17 [1] CRAN (R 4.1.0)#> giảm giá 1.1 2019-08-07 [1] CRAN (R 4.1.0)#> KHỐI LƯỢNG 7.3-54 2021-05-03 [1] CRAN (R 4.1.0)#> Ma trận 1.3-4 2021-06-01 [1] CRAN (R 4.1.0)#> mgcv 1.8-36 2021-06-01 [1] CRAN (R 4.1.0)#> mime 0.11 2021-06-23 [1] CRAN (R 4.1.0)#> modelr 0.1.8 2020-05-19 [1] CRAN (R 4.1.0)#> munsell 0.5.0 2018-06-12 [1] CRAN (R 4.1.0)#> nlme 3.1-152 2021-02-04 [1] CRAN (R 4.1.0)#> openssl 1.4.4 2021-04-30 [1] CRAN (R 4.1.0)#> trụ cột 1.6.2 2021-07-29 [1] CRAN (R 4.1.0)#> pkgconfig 2.0.3 2019-09-22 [1] CRAN (R 4.1.0)#> beautifulunits 1.1.1 2020-01-24 [1] CRAN (R 4.1.0)#> processx 3.5.2 2021-04-30 [1] CRAN (R 4.1.0)#> tiến trình 1.2.2 2019-05-16 [1] CRAN (R 4.1.0)#> ps 1.6.0 2021-02-28 [1] CRAN (R 4.1.0)#> gừ gừ * 0.3.4 2020-04-17 [1] CRAN (R 4.1.0)#> R6 2.5.1 2021-08-19 [1] CRAN (R 4.1.1)#> rappdirs 0.3.3 2021-01-31 [1] CRAN (R 4.1.0)#> RColorBrewer 1.1-2 2014-12-07 [1] CRAN (R 4.1.0)#> Rcpp 1.0.7 2021-07-07 [1] CRAN (R 4.1.0)#> readr * 2.0.1 2021-08-10 [1] CRAN (R 4.1.1)#> readxl 1.3.1 2019-03-13 [1] CRAN (R 4.1.0)#> tái đấu 1.0.1 2016-04-21 [1] CRAN (R 4.1.0)#> rematch2 2.1.2 2020-05-01 [1] CRAN (R 4.1.0)#> reprex 2.0.1 2021-08-05 [1] CRAN (R 4.1.0)#> rlang 0.4.11 2021-04-30 [1] CRAN (R 4.1.0)#> rmarkdown 2.10 2021-08-06 [1] CRAN (R 4.1.0)#> rstudioapi 0.13 2020-11-12 [1] CRAN (R 4.1.0)#> rvest 1.0.1 2021-07-26 [1] CRAN (R 4.1.0)#> thang đo 1.1.1 2020-05-11 [1] CRAN (R 4.1.0)#> bộ chọn 0.4-2 2019-11-20 [1] CRAN (R 4.1.0)#> stringi 1.7.4 2021-08-25 [1] CRAN (R 4.1.1)#> stringr * 1.4.0 2019-02-10 [1] CRAN (R 4.1.0)#> sys 3.4 2020-07-23 [1] CRAN (R 4.1.0)#> tibble * 3.1.4 2021-08-25 [1] CRAN (R 4.1.1)#> dọn dẹp * 1.1.3 2021-03-03 [1] CRAN (R 4.1.0)#> dọn dẹp chọn 1.1.1 2021-04-30 [1] CRAN (R 4.1.0)#> gọn gàng * 1.3.1 2021-04-15 [1] CRAN (R 4.1.0)#> tinytex 0.33 2021-08-05 [1] CRAN (R 4.1.0)#> tzdb 0.1.2 2021-07-20 [1] CRAN (R 4.1.0)#> utf8 1.2.2 2021-07-24 [1] CRAN (R 4.1.0)#> uuid 0.1-4 2020-02-26 [1] CRAN (R 4.1.0)#> vctrs 0.3.8 2021-04-29 [1] CRAN (R 4.1.0)#> viridisLite 0.4.0 2021-04-13 [1] CRAN (R 4.1.0)#> vroom 1.5.4 2021-08-05 [1] CRAN (R 4.1.0)#> withr 2.4.2 2021-04-18 [1] CRAN (R 4.1.0)#> xfun 0.25 2021-08-06 [1] CRAN (R 4.1.0)#> xml2 1.3.2 2020-04-23 [1] CRAN (R 4.1.0)#> yaml 2.2.1 2020-02-01 [1] CRAN (R 4.1.0)#>#> [1] C:/Users/DAV49/OneDrive - Đại học Pittsburgh/Documents/R/win-library/4.1#> [2] C:/Tệp chương trình/R/R-4.1.1/thư viện