RMarkdown

Di cosa stiamo parlando?

markdown è un markup languange, ossia un linguaggio di programmazione dove la formattazione è gestita da pezzi di codice (“tags”).

L’estensione dei markdown è un file .md

Sono disponibili diversi software per redigere documenti in .md:

https://dillinger.io/

https://dillinger.io/

Markup languages

HTML è un classico esempio di markup language:

Anche LaTeX è un markup language the best

WYSIWYG system

Word (o Google docs o Libre Office o Pages) è un sistema What You See Is What You Get \(\rightarrow\) il prodotto finale è uguale a quello che si vede sullo schermo

Il testo viene direttamente modificato attraverso dei comandi built-in, con combinazioni di tasti o attraverso il menu di formattazione.

Ma allora perché…?

Non solo

  • RMarkdown permette di inserire direttamente nel file di testo i risultati delle analisi svolte, inclusi i grafici!

  • Il codice usato per le analisi è dentro il file di report o la presentazione stessa: non si rischia di perdere qualche pezzo per strada

  • 🎶 All you need is knit 🎵

Un esempio

Questo grafico:

Ma vi viene chiesto di cambiare colore alla retta di regressione (Le cose importanti) !

Cosa dovreste fare

In Word:

  • Ripredere il codice che avete usato
  • Fare le modifiche al codice
  • Creare il grafico
  • Salvare il grafico
  • Metterlo dentro al file Word, al posto di quello vecchio

In RMarkwown all you need is knit 🎵 :

  • Prendere il codice usato per generare il grafico:
library(ggplot2)
ggplot(iris, 
       aes(x=Sepal.Length, y = Petal.Length)) + 
  geom_point() + theme_minimal()
  geom_smooth(method="lm")
  • Aggiungere il colore che volete (geom_smooth(method="lm", color="red"))
  • Cliccare knit

Cosa può fare RMarkdown?

  • Produrre testi in HTML e PDF (volendo anche in .docx ma è molto sconsigliato)

  • Produrre presentazioni in HTML e PDF (volendo anche in .pptx ma è molto sconsigliato)

  • Produrre file PDF usando il motore di LaTeX

  • Le slides di questo corso

MA SOPRATTUTTO

Permette la riproducibilità dei dati e delle analisi svolte sugli stessi tenendo in unico file report, dati, codici e risultati

Cosa faremo in questo corso

  • Baby steps: Comandi basici di RMarkdown

  • Chunk di codice: Dalle immagini ai grafici passando per i codici

  • Creazione di un documento PDF con bibliografia

  • Creazione di una presentazione in HTML

  • LaTeX e RMarkdown insieme

  • Piccola esercitazione finale

Piccola esercitazione finale

Due file:

  • Un PDF con almeno:
    • Un elenco, parole con diversa formattazione, una tabella, un grafico, un chunk di codice, un’equazione e risultati di R nel testo
  • Una presentazione in HTML con almeno 3 slide e:
    • Colonne, tabella, testo progressivo, un chunk di codice, una tabella con i risultati del modello e un plot

In questa cartella vi ho preparato degli esempi di file (tra cui quello per la tesi)

Qui trovate il questionario da compilare a fine corso per dire se il corso vi è piaciuto

Cosa non faremo in questo corso

: Rende più facile il rendering in PDF

: Come sopra

xaringam: Per produrre presentazioni più belle

Let’s get started 🥳

Ordine ordine ordine ordine (e ancora ordine)

Rstudio Project

Consente di creare una directory e di organizzarla in subdirectory all’interno di cui vengono messi tutti i file (immagini, dati, bibliografia) necessari per la creazione della tesi/report/presentazione che si sta facendo

Mantiene tutto in ordine e facilmente controllabile

File \(\rightarrow\) New project:

Dire cosa si vuole fare

Dove lo si vuole fare e come lo si vuole chiamare

Con cosa lavoriamo?

I dataset di R

Useremo dei datasets interni ad R per fare qualche analisi e qualche grafico (tranquilli, vi darò io i codici 😁)

A questa pagina trovate un doc con la lista dei vari datasets con una piccola descrizione delle variabili

Ad ognuno viene assegnato un dataset e dovrà lavorare su quello per tutto il corso

⌛

Assegnazione dataset in corso

(Se avete dei dataset vostri su cui volete lavorare, be my guest, a patto che siate abbastanza autonomi sul codice)

Your turn!

  • Create un progetto sul vostro desktop (è il progetto su cui lavorerete per questo corso, scegliete un bel nome 😉)
  • Aprite un file di R
  • “Giocate” con il dataset che vi è stato assegnato (head(), str())

ADVANCED

  • Salvate il dataset in un oggetto chiamato data (tip: <-)