使用RMarkdown沟通结果

在我作为顾问的培训中，我了解到，长时间的分析之后，通常也要花同样长的时间准备报告。我不得不将复杂的分析转化为建议，而我作为顾问的成功取决于我影响决策者的能力。我使用了各种各样的 工具 来表达我的见解，但随着时间的推移，我越来越依赖 R Markdown 作为我的选择工具。R Markdown易于使用，允许其他人复制我的工作，并且具有强大的功能，例如参数化输入和多种输出格式。有了R Markdown，比起以前的工具，我可以用更少的精力分享更多的工作，使我成为一个更有效的数据科学家。在这篇文章中，我想研究三种常用的沟通工具，并展示R Markdown通常是更好的选择。

微软office

企业中用于沟通的实际工具仍然是Microsoft Word、PowerPoint和Excel。这些工具诞生于80年代，在90年代崭露头角，被广泛用于分享报告、演示文稿和仪表盘。尽管Microsoft Office文档易于共享，但数据科学家编写这些文档可能会很麻烦，因为它们不能用代码编写。加之：

• 它们是不可复制的。
• 它们与用于创建分析的代码是分开的。
• 创建它们可能很耗时，并且很难维护。

在数据科学中，代码(而不是报告或演示文稿)是结果的来源。因此，您的文档也应该基于代码!您可以使用R Markdown实现这一点，它生成的文档是由代码生成的、可复制的、易于维护的。此外，R Markdown文档可以以 Word 、 PowerPoint 和许多其他输出格式呈现。因此，即使您的客户坚持要使用Microsoft文档，通过使用R标记生成文档，您可以花更多的时间处理代码，而花更少的时间维护报告

R脚本

数据科学通常涉及到与代码的交互分析，但是代码本身通常不足以在企业环境中传递结果。在 之前的一篇文章 中，我解释了使用 R笔记 而不是R脚本进行数据科学研究的好处。R Notebook是R Markdown的一种特殊执行模式，它具有两个特性，对于传递结果非常有用:

• 呈现R笔记本的预览并不会执行R代码，这使得在交互分析期间或交互分析之后创建报告在计算上很方便。
• R笔记本有一个嵌入的源代码副本，方便其他人检查你的工作。

R笔记的这两个特性结合了R脚本的优点和R标记的优点。与R脚本一样，您可以进行交互式数据分析并查看所有代码，但与R脚本不同的是，您可以轻松创建报告，解释代码的重要性。

Shiny

shiny和R Markdown都用于沟通结果沟通。它们都依赖于R，生成高质量的输出，并且可以设计为接受用户输入。在之前的文章中，我们讨论了 Shiny仪表板 和 RMarkdown的仪表板 。知道什么时候使用“Shiny”和什么时候使用“R Markdown”会增加你影响决策者的能力。

当你想让你的终端用户有一个互动的体验时，Shiny是很棒的——甚至是“神奇的”。但是R Markdown通常更容易编程、更容易维护，并且能够触达更广泛的受众。当我需要交互式用户体验时，我使用Shiny，但对于其他所有东西，我使用R Markdown。

如果您需要接受用户输入，但不需要Shiny的响应式框架，您可以将参数添加到您的R Markdown代码中。这个 过程简单而强大 ，但仍未被大多数R用户充分利用。这一特性将使许多用例受益，特别是在不需要全部Shiny功能的情况下。此外，向文档中添加参数可以轻松地生成该文档的多个版本。如果您在 RStudio Connect 上托管一个文档，那么用户可以选择输入并根据需要生成新版本。现在许多Shiny的应用程序更适合作为参数化的R标记文档。

最后，shiny和R Markdown并不相互排斥。您可以在R Markdown文档中包含闪亮的元素，这使您能够创建对用户输入进行交互响应的报表。这些 Shiny文档 是用简单的R markdown创建的，但是具有与Shiny应用程序相同的托管要求，并且不可移植。

总结

使用正确的沟通工具。R Markdown是比传统工具更好的解决以下问题的方法:

《 R数据科学 》解释说:“除非你能向别人解释清楚，否则你的分析有多好都无关紧要:你需要把你的结果传达出去。” 我强烈推荐阅读这本书的 第五部分 ，其中有关于使用R Markdown作为数据科学的统一创作框架的章节。使用 R Markdown格式 进行有效的沟通，并使用 R Markdown工作流 创建分析笔记。在这些章节的末尾有一些参考资料，描述了在哪里可以学到更多关于沟通的知识。

作者：Nathan Stephens 原文链接： https://rviews.rstudio.com/2018/11/01/r-markdown-a-better-approach/

版权声明： 作者保留权利。文章为作者独立观点，不代表数据人网立场。严禁修改，转载请注明原文链接:http://shujuren.org/article/778.html

数据人网： 数据人学习，交流和分享的平台，诚邀您创造和分享数据知识，共建和共享数据智库。