因为最近做的研究与神经网络有关，所以这一段时间都在用
python，主要是keras以及可视化的一些工作。想一想自己用R已经三年多了，也写过一些package，于是最近又逛了一下Rstudio的网站，总结一下新的收获
新知识获取
如果要了解Rstudio最新的一些消息，推荐经常逛一逛blog还是很有好处的，可以了解新发布的包以及一些重要包的更新，一般都会在blog里面有，例如这次看，就发现了一些之前没有用过的包DT，learnr，blogdown和reticulate等，这些新包扩展了R的应用
R语言写博客
之前一直都想自己开一个博客，也申请好了域名，租了一个服务器。之前一直都想着用wordpress搭建一个，但是一直都很懒，没有搭建。前几天逛论坛的时候，突然发现了blogdown这个包，直接用Rmarkdown写博客。相比一般的markdown，Rmarkdown更加适合写技术类的文章，比如说作图，表格呈现以及交互性的插件，这些都是Rmarkdown的优势。关于blogdown具体介绍点击这里。我看了一下搭建起来还是很简单，而且有很多主题可以选，Rmarkdown所用框架是从Hugo，在创建的时候就可以选择主题。刚开始大家都会选择一个比较酷炫的主题，我也是，但是感觉blogdown使用复杂主题还是会有一些问题，所以搭建博客的时候最好从简单的主题选择，毕竟主要是记录自己的学习，的确是You will forget what you see and listen, but you can remember what you write，所以要督促自己多写一点总结。
创建了blogdown之后，将public文件夹下面的文件上传，就可以访问了，我用别人主题搭建了一个，效果还是可以的，但是写blog还是有点问题，因为它的blog并不是在post文件夹下面。大家可以访问以下，看一下效果，我的博客。看来改天要抛弃，建立自己博客小站，努力写一东西，我这个人习惯不好，喜欢看很多东西和做很多东西，不太喜欢写各种总结，其实到后面自己都忘记以前干的事情了，所以总结还是非常有必要的。
貌似blogdown支持控件会出现一些问题，比如说有一些控件的js文件互补相容，这个时候就需要用widgetframe来避免这些问题
Rmarkdown
Rmarkdown还是一个非常好用的，可以输出类型各种文件，只要更改output就可以了
-
output: html_document:输出为html文件 -
output: pdf_document:输出为pdf文件 -
output: word_document:输出为word文件 -
output: ioslides_presentation:输出为演讲PPT（是html文件） -
output: ioslides_presentation ; runtime: shiny:输出为带shiny应用演讲PPT，可以进行交互，还是非常酷。 -
learnr：使用learnr可以让出现交互式的教学网页，非常适合直接用于展示
Rmarkdown控件
Rmarkdown有许多动态控件，这些控件大多数都是一些优秀的js文件转化的，我之前只用过Leaflet，更多具体控件可以访问htmlwidget，这些控件的确是非常优秀，非常适合那些需要交互式的展示。
Website
可以直接来写静态的网页，只需要一个'_site.yml'配置文件以及index.Rmd文件，执行rmarkdown::render_site就可以了。
flexdashboard
flexdashboard非常适合需要可视化大量信息的时候，可以分块进行展示，每个大标题下又分成不同的小标题。这就是多级标题如何区分
- Each Level 1 Header (#) begins a new page in the dashboard.
- Each Level 2 Header (##) begins a new column.
- Each Level 3 Header (###) begins a new box.
shiny
shiny是R里面可以直接写前端和后端的应用，可以说是非常方便，而且shiny的应用可以嵌入到网页当中，shiny可以使用非常简单的代码写完一个应用，之后可以考虑将自己博士期间的工作写成一个shiny的应用，放到组内的服务器上，让后面进组的同学也可以使用我之前做的工作。关于shiny我之前也写过一些总结，具体查看这里，shiny具体使用教程
plumber
当一段R代码写完，你又很想将它转换成为网页应用的时候，plumber就可以起到作用了，只需要简单的几行代码，就可以转成网页应用，只要发送一个网页请求就可以得到最后的结果。
R语言数据处理和可视化
我觉得R语言中的pipeline是一个非常酷的想法，从数据获取，数据清洗到数据可视化只需要不停的用%>%就可以，可以说是非常方便的。这些包都可以在这里找到。数据获取包括readr，readxl等包，数据可视化当然是ggplot2，这些包我也写过一些总结，不过是用Rmarkdown写的，之后可以从个人的博客中贴出。
R语言与大数据和深度学习
实际上R语言在2016年的时候就开始支持spark了，这里用sparklyr，感觉使用起来非常的方便，包里面也有许多现成的机器学习算法，可以直接使用。sparklyr也支持pipeline，就是用大数据工具处理之后的数据可以直接进行可视化。
R语言之前有很多包都支持深度学习，类似于kerasR这些包，但是一直都没有支持tensorflow，R社区的人应该也不是很甘心，深度学习没有R什么事情，所以R开始支持tensorflow，具体文档可以查看tensorflow
R语言与数据库
Rstudio升级之后，出现了Connections的菜单栏，可以直接在Rstudio里连接数据库，这也是特别方便了，除此之后R里面出现的pool包使得数据库连接管理更加便捷，也更方便直接建立shiny的应用。具体数据库应用可以查看这里
Final
总而言之，R还是可以干许多非常酷的事情，目前已经掌握很熟练了，所以尽快在kaggle上参加一下比赛，历练一下自己，加油吧，少年！