RWEPA | shiny企業實務應用 第6集-小明算命師(下 ) 【附小明算命師實作成果、投影片與中文字幕】

第6集-小明算命師(下 ) - 第1季完結篇

提供簡單易懂 R shiny 套件教學, 建立互動式網頁服務與企業級儀表板.

本集包括以下特色:

1. 機器學習預測, 使用 caret 套件
2. 網頁檔案下載技巧 (Generating downloadable reports from shiny)
3. WORD檔案下載技巧 (Generating downloadable reports from shiny)

YouTube: https://youtu.be/rrD6KV3eV-w

【謝謝各位大大點閱，歡迎分享、按訂閱、讚、開啟小鈴鐺。】

主題: 

6.1 shiny小明算命師-六大特性

    🔎整合敘述統計資料分析

    🔎整合推論統計資料分析

    🔎整合機器學習進行人力資源預測

    🔎下載客製化HTML檔案

    🔎下載客製化WORD檔案

    🔎輕鬆更換為企業人力資源料集

6.2 下載檔案與shiny架構

6.3 ui設定

6.4 server設定

6.5 Rmd設定

6.6 結論

Ubuntu Shiny Server: https://shiny.rwepa.net/shiny-hr-teller/

Slide: https://rwepa.quarto.pub/r-shiny-06-hr-teller/

Code: https://github.com/rwepa/business_analytics/tree/main/r-shiny-06-hr-teller

Link: http://rwepa.blogspot.com/2023/03/r-shiny-06-hr-teller.html

# RWEPA | R - shiny企業實務應用 第1集-白話shiny

https://youtu.be/NV7WNjccfxs

# RWEPA | shiny企業實務應用 第2集-下拉式選單【附習題、投影片與中文字幕】

https://youtu.be/Y1it6XZbknc

# RWEPA | shiny企業實務應用 第3集-佈置【附54萬筆銷售資料習題、投影片與中文字幕】

https://youtu.be/9Z7r_hI5PCI

# RWEPA | 第4集-shiny銷售儀表板【附小明算命師習題、投影片與中文字幕】

https://youtu.be/4GgZlf8heQk

# RWEPA | 第5集- shiny小明算命師(上)【附小明算命師實作習題、投影片與中文字幕】

https://youtu.be/GuSYWbxz4UU

# RWEPA | shiny企業實務應用 第6集-小明算命師(下 ) 中文字幕，包括網頁與WORD檔案下載技巧 (Generating downloadable reports from shiny)

https://youtu.be/rrD6KV3eV-w

#shiny教學

#shinydashboard

#dplyr

#ggplot2

# end

RWEPA | shiny企業實務應用 第5集-小明算命師(上)【附小明算命師實作習題、投影片與中文字幕】

提供簡單易懂 R shiny 套件教學, 建立互動式網頁服務與企業級儀表板.

YouTube: https://youtu.be/GuSYWbxz4UU

【記得按 訂閱、讚、開啟小鈴鐺】

主題: 

5.1 套件總覽

5.2 Excel檔案匯入

5.3 資料轉換與視覺化

5.4 建立預測模型

5.5 習題-R與小明算命師-shiny實作篇

5.6 結論

Slide: https://rwepa.quarto.pub/r-shiny-05-hr-project

Code: https://github.com/rwepa/business_analytics/tree/main/r-shiny-05-hr-project

Link: http://rwepa.blogspot.com/2023/02/r-shiny-05-hr-project.html

# end

R如何轉換為有效的欄位名稱 - make.names {base}

使用 Excel 等軟體進行資料分析時, 欄位名稱可以儲存為空白符號, 但是使用R軟體時, 不方便使用包括空白符號之欄位名稱, 此時可以先使用 make.names 函數將資料轉換為有效的合法名稱, 此函數是屬於基本30個套件之一, 即是 base 套件, 轉換後會將空白等字元以點符號「. 」表示.

# readr套件
# read_csv
# names
# make.names

練習範例:

步驟1: 下載936萬筆每小時臭氧資料 hourly_44201_2018.csv

1.連結: https://github.com/rwepa/DataDemo/blob/master/README.md
2.選取 hourly_44201_2018.csv 說明
3.下載 hourly_44201_2018.zip, 再解壓縮檔案為 hourly_44201_2018.csv (2.05GB)

步驟2: 匯入資料, 分別使用read.table 與 read_csv{readr}, 結果顯示使用readr套件較快速

# 方法1: 使用傳統read.table匯入資料
system.time(mydf <- read.table("hourly_44201_2018.csv", header=TRUE, sep=",")) # 113.45秒

# 方法2: 使用readr套件匯入資料
library(readr)
system.time(ozone <- read_csv("hourly_44201_2018.csv")) # 9366419*24, 47.67秒

# 步驟3: 選取部分欄位
names(ozone)
ozone$Sample Measurement # 因為欄位名稱中間有空白, 因此會有ERROR
ozone$`Sample Measurement` # 顯示正確, 使用「`」符號

#  步驟4: 使用 make.names  函數, 欄位名稱已經改為合法名稱
names(ozone) <- make.names(names(ozone))
names(ozone)

# end