📌 第1天：认识R与基本操作
目标 ：会写代码、理解变量和数据类型
任务：
- 打开 RStudio，认识四个窗口（控制台、脚本、环境、文件）
- 学习赋值：
x <- 10 - 创建向量：
c(1,2,3)；字符向量：c("A","B") - 查看数据类型：
class(x) - 简单运算：
mean(c(1,2,3,4))
✅ 小练习 ：
创建一个包含5门课程成绩的向量，计算平均分和最高分。
scores <- c(85, 92, 78, 88, 90)
mean(scores)
max(scores)
📌 提示 ：把代码写在 .R 脚本文件中，而不是直接在控制台输入！
📌 第2天：数据结构与内置数据集
目标 ：掌握数据框（data.frame）------最常用结构
任务：
- 学习
data.frame()创建表格 - 使用内置数据集：
iris（鸢尾花）、mtcars（汽车数据） - 查看数据：
head(iris),str(iris),summary(iris)
✅ 小练习 ：
查看 mtcars 数据，找出马力（hp）最高的车型。
# 查看前几行
head(mtcars)
# 找出 hp 最大的那一行
mtcars[which.max(mtcars$hp), ]
📌 第3天：数据读取与简单筛选
目标 ：能导入自己的数据（如Excel/CSV），并提取所需信息
任务：
- 安装并加载
readr包：install.packages("readr") - 读取CSV：
read_csv("your_file.csv")（可先用示例数据） - 条件筛选：
subset(df, age > 20)或df[df$age > 20, ]
✅ 模拟练习（无需真实文件）：
# 创建一个学生成绩表
students <- data.frame(
name = c("张三", "李四", "王五", "赵六"),
math = c(88, 95, 76, 82),
english = c(80, 89, 92, 78)
)
# 筛选数学成绩 > 85 的学生
students[students$math > 85, ]
📌 第4天：数据操作（dplyr 入门）
目标 ：用现代R方式高效处理数据
任务：
- 安装
dplyr：install.packages("dplyr") - 学习核心函数：
filter()：筛选行select()：选择列mutate()：新增列arrange()：排序
✅ 练习 ：在 iris 中筛选"花瓣长度 > 5"的样本，并只保留"Species"和"Petal.Length"两列。
library(dplyr)
iris %>%
filter(Petal.Length > 5) %>%
select(Species, Petal.Length)
💡
%>%是"管道符"，让代码更清晰（读作"然后"）
📌 第5天：基础可视化
目标 ：能画出专业图表
任务：
- 安装
ggplot2 - 学习
ggplot(data, aes(x, y)) + geom_...() - 尝试：散点图、柱状图、箱线图
✅ 练习 ：用 mtcars 画"重量（wt）vs 油耗（mpg）"的散点图
library(ggplot2)
ggplot(mtcars, aes(x = wt, y = mpg)) +
geom_point() +
labs(title = "汽车重量与油耗关系", x = "重量", y = "每加仑英里数")📌 第6天：统计分析初探
目标 ：做一点真正"统计"的事
任务：
- 计算相关系数：
cor(mtcars$wt, mtcars$mpg) - 简单线性回归：
lm(mpg ~ wt, data = mtcars) - 查看结果：
summary(model)
✅ 练习：拟合一个模型，预测油耗（mpg）基于车重（wt）
model <- lm(mpg ~ wt, data = mtcars)
summary(model)📌 第7天：整合输出 ------ 用 R Markdown 写报告
目标 ：把分析过程和结果整理成文档（适合课程作业！）
任务：
- 在 RStudio 中：File → New File → R Markdown
- 选择 HTML 输出
- 在代码块中插入前面的分析代码
- 点击 "Knit" 生成漂亮报告
✅ 成果：你将拥有一个包含代码、图表、文字说明的完整分析报告！
🎁 额外建议（学生特别版）
- 课程作业利器：用 R 做统计课、计量经济学、心理学实验数据分析。
- 毕业论文加分项：附上 R 代码和可视化图表，体现科研能力。
- 免费数据源 ：
- 国家统计局：http://www.stats.gov.cn/
- Kaggle（搜"student performance"等关键词）
- 保存代码习惯 ：所有练习都存为
.R或.Rmd文件，方便复习和复用。