利用R语言完成相关数据统计分析和绘图工作，需结合项目的专业应用，建立系统模型，运用R语言实现模型功能，并自拟实验数据，对系统模型进行验证和评价。

1. 天津地区旅游发展与居民幸福指数研究
2. 民营企业诚信体系建设问题研究
3. 金融服务支持民营经济发展研究
4. 数字货币问题研究
5. 金融发展对绿色经济发展的影响研究
6. 金融科技与风险预警研究
7. 天津地区劳动年龄人口变动趋势与就业优先战略研究
8. 家庭养育成本及其对生育的影响研究
9. 乡村振兴背景下积极应对农村人口老龄化研究
10. 房价对经济影响
    ① 国民经济类
    ② 高等教育类
    ③ 人与自然类
    ④ 卫生健康类
    ⑤ 智能制造类
    ⑥ 其他类型符合要求也可

其他数据分析案例—>>>r语言对全国人口数据进行分析建模并预测未来人口

本文是一个r语言数据分析案例，包括对数据的线性回归和非线性回归，模型的拟合优度，模型的数据预测等等。 需要代做加qq1975728171

部分展示：
截取任意中国的新冠疫情数据（5月份）。

从5月1号开始，到5月31号结束的全国现有确诊人数。

(a) 画图疫情病例vs时间

大概趋势：开始一段时间几乎不增长，15号开始增长速度激增。
(b)用线性和非线性方法拟合(a)中的趋势
线性：

lm=lm(confirm~date)
abline(lm)

非线性：

Lm2=lm(y~x+I(x^2)+I(x^3))
plot(confirm~date,col='red',main = "中国疫情现有确诊人数趋势图（5月份）")
lines(x,predict(lm2))

c）分析两种拟合的拟合优度
线性：
计算拟合优度

画残差图：

qqnorm(lm$residuals)
qqline(lm$residuals)

R语言与数据分析概述

R语言是一种开源的脚本语言，诞生于1993年，R系统是开源、免费的。
数据分析过程：
数据导入——数据清洗——数据探索——数据建模——可视化——报告发现

基本操作命令

注：*处写包名

基本数据类型

数据类型的转换

逻辑型 ——整数型 ——浮点型 ——字符型

运算符

R中的数据结构

➢向量 ➢矩阵 ➢数组 ➢列表 ➢数据框 ➢因子
向量功能：
✓创建向量
✓访问元素
✓添加元素
✓删除元素
✓获取向量长度

代码展示

#基本数据类型
getwd()

install.packages("stringr")
.libPaths()
library()
search()
library("stringr")
str_length ("Hello R!")

detach("package:stringr")
str_length ("Hello R!")

remove.packages("stringr")
library("stringr")


#基本数据类型
num <- 100;num
is.integer(num)#?
is.double(num)#?
typeof(num)
num2 <- 100L
typeof(num2)


is.logical(TRUE)
is.logical(T)
is.logical(5)#?
is.logical(0)#?
is.character("R program")



#数据类型转换
logi_vec <- T
typeof(logi_vec)
int_vec <- c(100L,200L)
typeof(int_vec)
double_vec <- c(10,20)
typeof(double_vec)
chr_vec <-c("伟大的","中国人民")
typeof(chr_vec)
typeof(c(logi_vec,int_vec))#?验证逻辑型和整数型
typeof(c(int_vec,double_vec))#?验证逻辑型和整数型
typeof(c(double_vec,chr_vec))#?验证逻辑型和整数型
typeof(c(logi_vec,int_vec,double_vec,chr_vec))#?验证逻辑型和整数型

1 == '1' 



#在运算过程中，数据类型自动转换
2*T  #？
10+FALSE #？
10+TRUE
exp(F) #？
10 & 0 #？
10 | 0 #？


#使用as***函数强制转换数据类型
as.numeric(F)
as.numeric("1000.01")
as.numeric("你好")
as.logical(0)
as.logical(10)
as.logical(-10)
as.logical("T")
as.logical("F")
as.character(c(T,F,TRUE,FALSE))
as.character(10.99)



#特殊值
#NA
a <- 100
a[1]
a[2]
num_vec <- c(1,2)
length(num_vec) <- 4
num_vec
#Inf 无穷大
10/0
-10/0

0/0
Inf-Inf

num_vec1 <- c(1,5,NaN)
length(num_vec1)
num_vec2 <- c(1,5,NULL)
length(num_vec2)


#运算符
#逻辑运算 & vs &&
logi_vec1 <- c(T,F,T)
logi_vec2 <- c(F,T,T)
logi_vec1 & logi_vec2
logi_vec1 && logi_vec2

logi_vec1 <- c(T,F,T) #向量长度不同，短的循环补齐
logi_vec2 <- c(T,T,T,F)
logi_vec1 & logi_vec2
logi_vec1 && logi_vec2


logi_vec1 <- c(T,F,T)

#逻辑运算| vs ||
logi_vec1 <- c(T,F,T)
logi_vec2 <- c(F,T,T)
logi_vec1 | logi_vec2
logi_vec1  || logi_vec2


a <-T
b <- 10L
c <- 20
d <-"R";
typeof(c(a,b,c,d))



#向量
vec <- c(1,5,6,8,9)

#访问元素
vec[1]
vec[0]
vec[2:3]
vec[2:5]
vec[c(1,3)]#访问不连续的怎么办
vec[c(1,3,2)] #想重复访问
#添加元素
vec
vec <- c(vec[1:2],10,vec[3])
vec
#删除元素
vec
vec <-vec[-3]
vec
#获取向量长度
vec <- letters
vec
length(vec)
vec[-length(vec)] #删除x,y,z怎么做？
vec[-length(vec):-length(vec)+2]
-length(vec):-length(vec)+2#注意加括号
-length(vec):(-length(vec)+2)
vec[-length(vec) : (-length(vec)+2)]

#创建向量
#Q：创建向量的方法
1:5
1:-5
c(1L,2.0,"a")
67#1，3，5，7，9，创建等差数列
?seq
example(seq)
seq(1,9,by =2)

#将某向量重复多次，创建向量
vec <-1:3
#1 2 3 1 2 3 1 2 3 
?rep
example(rep)
rep(vec,3)
#111222333
rep(vec,each = 3)
#创建长度为0的向量
new.vec <- c()
length(new.vec)
new.vec
#判断某班级的学生的年龄是不是都是18岁以上？
stu <- sample(c(17,18,19),10,replace = T)
stu
all(stu >= 18)
stu <- sample(c(18,19),10,replace = T)
stu
any(stu<18)

#any all 你想想可以应用到什么场景中？

#向量运算，算术运算，关运算，逻辑运算
vec1 <- c(1,2)
vec2<- c(10,20)
vec1 * vec2
vec1 == vec2
vec | vec2

#向量运算–循环补齐
vec1 <- c (1,2)
vec2<-c (10,20,30)
vec1 + vec2
vec2<- c(10,20,30,40)
vec1 + vec2

哆啦A梦欢迎您的到来！

数据科学家被认为是21世纪最性感也是最具发展前景的职业，目前有75%左右的数据科学家使用R语言，有35%左右的数据科学家将R语言作为首选统计分析工具。今天，我们来了解一下R语言的前世今生。

R的诞生

1992年，肉丝（Ross Ihaka）和萝卜特（Robert Gentleman）两个人在S语言（贝尔实验室开发的一种统计用编程语言）的基础上开始构思一种新的用于统计学分析的开源语言，直到1995年第一个版本正式发布。因为他们名字的第一个字母都是R，所以这门语言就被叫做R。这两个人都是统计学教授出身，再加上R语言的生父S语言，所以R语言在统计学方面有着纯正的血统！

如果你平时的工作会涉及到统计学，那么接触R语言实在是太正常不过了。

R的发展

作为开源软件的R能够迅速发展，很大程度上取决于其活跃的社区。学习R，很大程度上也是学习各种R包的使用。截止目前（2017年3月，CRAN(Comprehensive R Archive Network)上已经有10762个可以获取的R扩展包，内容涉及各行各业，可以适用于各种复杂的统计。各地的CRAN镜像都是R网站的备份文件，内容完全一样，你可以选择离自己最近的去访问。

1.因为R语言本身为统计而生，所以你能想到的所有统计相关的工作，R都可以非常简洁的用几行命令（甚至1行命令）帮你完成。

2.R高度的可扩展性正是体现在它那1万多个包上，你想做的几乎所有事情都可以用现有的R包来辅助完成。

3.R另一个杀手锏就是其强大的绘图功能，正如上面的英文介绍所言，R可以画图，画各种各样的图，画各种各样高逼格的图，画各种各样高逼格可以直接出版的图。

4.完善的统计学功能再加上强大的绘图功能，就是你学习的最大理由。

如何尝试入门R语言

大致了解一下R语言是什么，能干什么用

1.学习如何在R的官网下载R，如何在自己的电脑安装R并成功运行。

2.学习如何安装Rstudio，并且了解其基本的用法（这步可省略）。

3.学习如何查看R帮助文档（这步很重要）。

4.学习如何将外部的数据（作业中通常是txt或者csv格式）正确地导入R。

5.学习R语言一些最基本的命令，如安装包、调用包、读入写入文件、构造矩阵和基础绘图等。

6.了解R语言语法入门知识（数据类型、数据结构、函数与包）

入门的标准是什么呢？

我想是给你一份数据让你处理，你脑子里的第一反应是可不可用R做；如果给你一个任务，你能上手尝试用R去解决。

柳棉子最近整理了一批高质量的R语言学习教程，今天免费赠与大家

由于篇幅有限，仅展示部分内容.........

更多资源，更新中..........

资源下载链接【R语言数据分析资料包】，

更多资源，关注微信公众号【柳棉子】，免费领取。