有天想爬下拉勾的数据看看。而恰恰又在阿里买了9块9一个月的服务器(其实不咋样，安装R的一个包时就死机了)，好像不爬下都对不起这个价格。朋友说先直接在网上搜搜看看有没有现成的，结果就看到了别人用R和rvest去抓拉勾的数据。而之前恰恰买过《R语言实用数据分析和可视化技术》，所以今天就重记录一下学的一些R的基本知识，也好缓解缓解天天背单词的蛋疼生活。

安装依赖

install.packages("rvest")           #安装
require(rvest) 或 library(rvest)                    #加载,好像还有一个是用supremessage
detach("package:rvest")           #卸载

R语言基础

基础之基础

基本的加减乘除，赋值可以用 <- ，或assign("s",55)
删除变量直接rm(变量名)
判断什么类型：is.numeric(x) is.logical(k)
日期data <- as.Date("2016-03-03")
缺失数据用NA代替
向量什么的可以直接加减乘除
字符数据 t <- "data" 和 t <- factor("data")是不一样的

数据框

dataframe
对于数据框可以通过

ncol(DF), nrow(DF),dim(DF)分别得到列数，行数，和行列数。
names(DF)得到数据框的列名
names(DF)[1] 得到第一个元素
rownames(DF)查看指定数据框的行名字
head(DF , n = 8) 显示前面多少行的DF，也可以用tail`

dataframe2
列表框的每一列都是一个独立的向量，即每一列都有自己的类

列表

list(1,2,3,4)
list(DF,1:10)
(emptylist <- vector(mode = "list", length =4 )) 用vector创建一个具有一定长度的空列表

矩阵和数组

A <- matrix(1:10, nrow = 5)
colname(A), dim(A), ncol(A), nrow(A)
B <- array(1:11, dim = c(2,3,2)

导入数据（还可以直接读网络上的数据）

导入CSV(Excel数据要转换成CSV才能导入)

url <- "test.csv"    
t <- read.table(file = url, header = TRUE, sep = "," )

导入数据库

require(RODBC); 
db <- odbcConnect("mysql_data", uid="root", pwd="123"); 
sqlTables(channel) #查看数据中的表    
data<-sqlFetch(channel,"kk")

导入其他数据格式SPSS(read.spss),Stata(read.dta), SAS(read.ssd), Octave(read.octave), Minitab(read.mtp), Systat(read.systat)

抓取数据

XML

require(XML)
URL <- "http://baidu.com"
biubiu <- readHTMLTable(URL,which = 1, header = FALSE, stringsAsFactors = FALSE)

rvest
直接来看看这个吧rvest 主要的东西还是要看Demo和官网的doc

现在的t <- html(url)已经不用的,转变为 t <- read_html(url)

后记

想要获得一份好的数据，就要先学爬数据，然而数据的获取方式不止有爬虫，还有通过API来获取，甚至Excel自带的数据导入自网站用起来也不错
一份好的数据同样需要好的可视化技术才能看的出来
想起来《数据之美》里面讲的不要太盲目相信数据，这是对的，就像人类制作超高精度的仪器，超高精度的仪器去制作高精度的，高精度的去制作普通经度的。
数据对我，有很大的吸引力，很想从中一窥究竟。但是现在觉得更多的是通过数据训练出一个模型，然后再去分析。
刚才看了厉哥的《我听过最好的评价》，写的真是很厉害啊，对于我现在这个时常迷茫的人大有帮助，谢谢。