R语言数据科学程序包：Tidyverse介绍

1. R语言简介

R语言是用于统计计算和绘图的免费软件。它可以在Windows, Unix以及MacOS等系统下运行。用户可以从网上免费下载R语言。

R语言的起源可以追溯到80年代，那时候的AT&T贝尔实验室（也就是现在的朗讯科技）开发了S语言进行数据挖掘、统计分析和绘图。S语言后来演变成为了商业软件S-Plus。后来有一些志愿者将S-Plus改进成为免费的R语言。R语言的统计功能强大，包括线性和非线性模型，经典统计检验、时间序列分析、聚类分析等等。

R语言不但免费，而且开发源代码，是一种自由软件。另外，R语言的编程简单易学。你可以自己写函数，将最新的统计方法应用到R语言中去。R语言的函数和数据集都保存在程序包里面。当我们需要访问这些函数和数据时，需要下载相关的程序包。

2. 数据科学简介

数据科学是一门利用科学的模型、算法和系统，从有结构(Structured)和无结构(Unstructured)的数据中提取信息的学科。数据科学同数据挖掘和大数据密切相关，并将统计学、数据分析、机器学习等方法相结合，利用数据解释和分析问题。信息技术的发展导致大量数据的产生，这就促进了数据科学的发展。从发展过程来看，数据科学经历了经验、理论、计算、数据驱动这4个阶段。

尽管在过去几十年里，数据科学在不断发展，但是直到1992年在法国召开的一次统计学会议上，才有人提出了数据科学这个名词。到了1996年，数据科学才出现在学术会议的名称中。

数据科学和统计学之间的关系可谓是“剪不断，理还乱”。1997年，就有人开始讨论统计学是不是等同于数据科学。这是因为统计学就是搜集和整理数据，建模并且分析数据，然后得出结论的学科。这似乎和数据科学区别不大。到了2001年，有人提出数据科学和统计学不一样，因为数据科学更加跨学科。2012年，哈佛商业评论刊登了“数据科学家：21世纪最性感的工作”的文章。这篇文章认为数据科学是一个崭新的学科。但是在美国统计学协会的会议上，有统计学家认为数据科学是统计学进化以后的学科。2014年，华尔街日报又登出文章，还是认为数据科学的面更宽，和统计学不一样。有关数据科学和统计学之间的争论还在继续，暂时没有明确的结果。

3. Tidyverse简介

Tidyverse是R语言的一个程序包。Tidy的意思是干净、整洁。Verse的意思是诗歌、歌曲。那么Tidyverse的意思就是干净整洁的语句。

Tidyverse可以大大简化数据处理和分析，其核心包括ggplot2, dplyr, tidyr和readr,等程序包。其中，ggplot2用来可视化数据。dplyr用来解决数据处理问题，tidyr用来清理数据，readr读入表格数据。它们可以用来转换数据，建立模型，实现数据可视化。因此，Tidyverse是R语言中下载量排名靠前的程序包。