最近亂看亂玩的心得，感覺好像是個連載開始，以資料科學的角度我現在其實什麼都還不會啦～

我需要學習 R 嗎？我已經會寫程式了，何必再多學一個語言。

楔子

大概就是從上面這個問題開始，如果在深究下去，應該是說要解決資料的問題，需要用什麼語言？

為什麼大家都會說要學 R，如果他有解決我原本擅長的語言無法解決的問題，那我才有必要學習一個新語言嘛，不然何必多學一個語言呢？事實是，他不算是一個用來開發軟體的語言，他只是用來處理資料的腳本。

所以不用學囉？因為我已經會其他程式可以處理資料了，處理資料那還不簡單 ?

我自己的回答是，是也不是。我可以用我擅長的語言快速的處理資料，但是因為我不懂資料科學，所以我想要從資料科學家的角度出發，看他們都是怎麼處理資料，怎麼解決資料的問題的，然後 R 就是這樣一個工具，從 R 的設計與用法中，讓我可以以資料科學家的角度出發，看他們裝了什麼套件，跑了什麼函式，得出什麼結果。這是我用我自己的語言看不到的事，如果我要用我擅長的語言去做一樣的事，那也太累了。

歸零

所以我決定從頭開始學習這個語言，從 R for Data Science 這本書開始亂翻，但我的目的不是學習語言，是學習他的視野。並看看人家都用 R 在做些什麼。我覺得我第一個有趣的發現是來自這篇文章 酷比 Scupio 廣告使用心得（2016 年），作者把他部落格的 pv 跟 revenue 等廣告資料丟到 R 的一個套件( PerformanceAnalytics )裡面，不做額外的處理，他就幫忙繪製出一張維度關聯的圖，就可以馬上一眼看出哪個維度對廣告營收造成最大的影響，這件事或許簡單的統計都做的出來，但是要我用 Excel 或寫程式處理，我都要先耗費不少無法省略的勞動時間。

library(PerformanceAnalytics)
ad <- read.csv(data.csv)
chart.Correlation(ad)

所以我也把我剛好在處理的資料丟進去看看，讓我很快的看出我關心的哪些維度關聯度比較高，雖然我還不甚了解他的關聯如何計算。以往我都是判斷 程式 Excel 哪個比較快能解決問題，但這個經驗讓我相信，我學會一個新的工具以後會出現第三種東西可以納入評比。

視覺化

從上面的經驗讓我對能用眼睛來分析資料有新的感受，所以開始往這方面探索，R 在這方面就是用 ggplot 來繪製各式各樣的圖表，只不過這是 Excel 或 d3 本來就都做得到的事，但暫且忽略，重點是觀點。所以我開始試著學習繪製一些我本來就會畫的圖在 ggplot 上。這方面可以參考 R cookbook。

在這個過程中我發現，其實我很不會用 excel 的圖表功能來繪製複雜一點的圖，要怎麼群組資料，到底什麼時候能用欄位什麼時候能用列，我有點搞不清楚。樞紐分析學好很有用，但是我還是不會透過他那些介面的操作來任意產生出我想要的圖表。但是我覺得我用 d3 可以，反正有問題我都能解決，只是唯一的問題就是，因為我很少寫，我每次都要寫很久。

所以其實 R 在這方面填補了這個兩個之間的缺口，我可以用程式的邏輯去思考怎麼繪製圖表，不需要管 Excel 的介面跟邏輯，也同時可以用 R 豐富的資料處理函式跟套件，來處理我本來用 Excel 處理要很費時的資料，雖然處理資料這方面很多時候可以透過 SQL 前置處理解決，但是在這之前繪製方面我還沒有找到 d3 以外更好的替代品。

我以前會用 gnuplot 來繪製看起來專業一點的圖片，我覺得 ggplot 繪製出來的樣式某種程度的也滿足了這方面的需求。

最後我發現 plotly 這間在處理視覺化資料的公司，有 open source 的專案來擴充 ggplot 的互動性，甚至有 web 版是以 d3 實作，讓繪製出來的圖表可以再 R studio 裡面操作，做到在 d3 裡面原本要刻很久的效果，這時才恍然大悟，用 d3 來做視覺化不是在解決資料科學的問題，而其實都是在開發軟體?，所以還要自己實作一堆互動的問題。

續

最近的心得是這樣，也還沒花很多時間，持續探索中…