代码

这是在 Data Professor YouTube 频道教程视频中使用的 R 语言编程代码合集。

文件夹	描述
iris	用于对 Iris 数据集进行 探索性数据分析（以获得对数据的理解）以及构建 分类模型 的代码。
dhfr	用于对 DHFR 数据集进行 探索性数据分析（以获得对数据的理解）以及构建 分类模型 的代码。
python	各种 Python 数据科学项目教程的代码。
shiny	使用 R 语言的 shiny 包构建 Web 应用程序 的代码。

注：更多内容即将发布，请持续关注！

✨ 订阅我的新闻通讯： https://dataprofessor.beehiiv.com/

Code 快速上手指南

本仓库汇集了 Data Professor YouTube 频道教程中使用的 R 语言和 Python 代码，涵盖探索性数据分析、分类模型构建及 Shiny Web 应用开发。

环境准备

在开始之前，请确保您的系统已安装以下基础环境：

• 操作系统：Windows / macOS / Linux
• R 语言环境：版本 4.0 或更高（用于 iris, dhfr, shiny 文件夹）
  • 下载地址：https://cran.r-project.org/
  • 国内镜像推荐：安装 R 包时建议使用清华大学或中科大镜像源以提升速度。
• Python 环境：版本 3.8 或更高（用于 python 文件夹）
  • 推荐使用 Anaconda 或 Miniconda 进行环境管理。
• 代码编辑器：推荐安装 RStudio (针对 R) 或 VS Code (通用)。

安装步骤

1. 克隆仓库

使用 Git 将代码下载到本地：

git clone https://github.com/dataprofessor/code.git
cd code

2. 安装 R 依赖

进入具体的 R 项目文件夹（例如 iris），并在 R 或 RStudio 中运行以下命令安装所需包。为加速下载，建议先设置国内镜像：

# 设置 CRAN 镜像 (清华大学)
options(repos = c(CRAN = "https://mirrors.tuna.tsinghua.edu.cn/CRAN"))

# 安装常用数据科学包 (根据具体脚本需求可能有所不同)
install.packages(c("tidyverse", "caret", "shiny", "randomForest"))

3. 安装 Python 依赖

进入 python 文件夹，创建虚拟环境并安装依赖：

cd python
python -m venv venv
source venv/bin/activate  # Windows 用户请使用: venv\Scripts\activate
pip install -r requirements.txt
# 若无 requirements.txt，可手动安装常用库：
# pip install pandas scikit-learn matplotlib seaborn

基本使用

本仓库按功能模块划分文件夹，以下是两个最简单的运行示例：

示例 1：运行 Iris 数据集分析 (R)

此脚本演示如何对 Iris 数据进行探索性分析并构建分类模型。

# 在 RStudio 中打开 iris 文件夹下的任意 .R 脚本，例如：
# source("iris/iris_eda_and_model.R") 

# 或者直接逐行运行脚本内容
library(tidyverse)
data(iris)
head(iris)

示例 2：启动 Shiny Web 应用 (R)

运行 shiny 文件夹中的代码以在浏览器中查看交互式应用。

# 进入 shiny 目录并运行应用
setwd("shiny")
runApp()

示例 3：运行 Python 数据科学教程

执行 Python 脚本进行数据处理或建模。

# 激活环境后运行
python script_name.py

提示：具体每个文件夹内的详细教程逻辑，请参考原仓库中对应文件夹的说明或配合 Data Professor 的视频教程学习。更多更新请持续关注该仓库。