Hướng dẫn cài đặt sử dụng RStudio cơ bản
GiangTranVN
2025-04-17
📘 Buổi 1: Giới thiệu R và Tư duy thống kê trong phân tích dữ liệu
🎯 Mục tiêu của buổi học
Làm quen với R và RStudio: giao diện, thao tác cơ bản
Hiểu các kiểu dữ liệu cơ bản trong R
Biết cách cài đặt gói, đọc dữ liệu vào R
Nắm bắt khái niệm tư duy thống kê và vai trò trong phân tích dữ liệu
Tập trung xây nền tảng để triển khai mô hình thống kê trong các buổi sau
🧩 Nội dung chi tiết
1. Giới thiệu về R và RStudio
✅ R là gì?
- Ngôn ngữ lập trình mã nguồn mở chuyên dùng cho thống kê, phân tích dữ liệu và trực quan hóa
- Mạnh mẽ, mở rộng được với hàng ngàn thư viện (packages)
✅ RStudio là gì?
- Giao diện phát triển (IDE) phổ biến nhất của R
- Giúp bạn dễ dàng viết code, xem dữ liệu, biểu đồ, cài gói, xuất báo cáo…
🎯 Thực hành:
- Cài đặt R: https://cran.r-project.org
- Cài đặt RStudio: https://posit.co/download/rstudio-desktop/
- Làm quen với giao diện: Console, Script, Environment, Plots, Files
2. Kiểu dữ liệu cơ bản trong R
| Loại dữ liệu | Ví dụ | Ghi chú |
|---|---|---|
numeric |
1.5, 10 | Số thực |
integer |
1L, 100L | Số nguyên |
character |
“Hello”, “R” | Chuỗi văn bản |
logical |
TRUE, FALSE | Boolean |
factor |
Nhóm danh mục (Male, Female) | Biến phân loại |
vector, list, data.frame,
tibble |
Cấu trúc dữ liệu nâng cao |
🎯 Thực hành:
x <- 5 # numeric
y <- "R course" # character
z <- TRUE # logical
typeof(x)
class(x)
Ví dụ sử dụng các gói dplyr trong tidyverse
if (!require("tidyverse")) {
# Cài đặt gói
install.packages("tidyverse", repos = "https://cloud.r-project.org")
}## Loading required package: tidyverse## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.4 ✔ readr 2.1.5
## ✔ forcats 1.0.0 ✔ stringr 1.5.1
## ✔ ggplot2 3.5.2 ✔ tibble 3.2.1
## ✔ lubridate 1.9.4 ✔ tidyr 1.3.1
## ✔ purrr 1.0.4
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors# nạp gói sử dụng
library(tidyverse)
# Thử dùng dplyr trong tidyverse
mtcars %>%
group_by(cyl) %>%
summarise(Số_lượng = n(),
Trung_binh_mpg = mean(mpg))## # A tibble: 3 × 3
## cyl Số_lượng Trung_binh_mpg
## <dbl> <int> <dbl>
## 1 4 11 26.7
## 2 6 7 19.7
## 3 8 14 15.1if (!require("tidyverse")) {
# Cài đặt gói
install.packages("tidyverse", repos = "https://cloud.r-project.org")
}
## 1.1 khởi chạy thư viện tidyverse
library("tidyverse")
## Gọi thư viện ggplot, dplyr
library(ggplot2)
library(dplyr)
##2 Đọc thử dữ liệu mẫu MPG
mpg## # A tibble: 234 × 11
## manufacturer model displ year cyl trans drv cty hwy fl class
## <chr> <chr> <dbl> <int> <int> <chr> <chr> <int> <int> <chr> <chr>
## 1 audi a4 1.8 1999 4 auto… f 18 29 p comp…
## 2 audi a4 1.8 1999 4 manu… f 21 29 p comp…
## 3 audi a4 2 2008 4 manu… f 20 31 p comp…
## 4 audi a4 2 2008 4 auto… f 21 30 p comp…
## 5 audi a4 2.8 1999 6 auto… f 16 26 p comp…
## 6 audi a4 2.8 1999 6 manu… f 18 26 p comp…
## 7 audi a4 3.1 2008 6 auto… f 18 27 p comp…
## 8 audi a4 quattro 1.8 1999 4 manu… 4 18 26 p comp…
## 9 audi a4 quattro 1.8 1999 4 auto… 4 16 25 p comp…
## 10 audi a4 quattro 2 2008 4 manu… 4 20 28 p comp…
## # ℹ 224 more rows ## 2.1 Xem dưới dạng bảng
#View(mpg)
head(mpg)## # A tibble: 6 × 11
## manufacturer model displ year cyl trans drv cty hwy fl class
## <chr> <chr> <dbl> <int> <int> <chr> <chr> <int> <int> <chr> <chr>
## 1 audi a4 1.8 1999 4 auto(l5) f 18 29 p compa…
## 2 audi a4 1.8 1999 4 manual(m5) f 21 29 p compa…
## 3 audi a4 2 2008 4 manual(m6) f 20 31 p compa…
## 4 audi a4 2 2008 4 auto(av) f 21 30 p compa…
## 5 audi a4 2.8 1999 6 auto(l5) f 16 26 p compa…
## 6 audi a4 2.8 1999 6 manual(m5) f 18 26 p compa…##2.2 Đánh giá thống kê thông tin chung về bộ dữ liệu xe
summary(mpg)## manufacturer model displ year
## Length:234 Length:234 Min. :1.600 Min. :1999
## Class :character Class :character 1st Qu.:2.400 1st Qu.:1999
## Mode :character Mode :character Median :3.300 Median :2004
## Mean :3.472 Mean :2004
## 3rd Qu.:4.600 3rd Qu.:2008
## Max. :7.000 Max. :2008
## cyl trans drv cty
## Min. :4.000 Length:234 Length:234 Min. : 9.00
## 1st Qu.:4.000 Class :character Class :character 1st Qu.:14.00
## Median :6.000 Mode :character Mode :character Median :17.00
## Mean :5.889 Mean :16.86
## 3rd Qu.:8.000 3rd Qu.:19.00
## Max. :8.000 Max. :35.00
## hwy fl class
## Min. :12.00 Length:234 Length:234
## 1st Qu.:18.00 Class :character Class :character
## Median :24.00 Mode :character Mode :character
## Mean :23.44
## 3rd Qu.:27.00
## Max. :44.00 # 3. trực quan hóa dữ liệu
## 3.1 Đánh giá hiệu suất tiêu hao nguyên liệu và kích thước động cơ
plot(mpg$displ, mpg$hwy) 
#hoặc
ggplot(data = mpg) + geom_point(mapping = aes(x= displ, y = hwy)) 
## 3.2 biểu đồ phân bổ hiệu suất tiêu hao nguyên liệu
hist(mpg$hwy)
## 3.3 Biểu đồ phân bổ theo số lượng hãng xe
# thống kê số hãng xe với hàm table
demhx <- table(mpg$manufacturer)
# Chuyển kết quả thành dataframe bảng dữ liệu
hx_df <- as.data.frame(demhx)
# đổi tên tiêu đề bảng dữ liệu
names(hx_df) <- c("Hang_xe", "So_luong")
hist(hx_df$So_luong) 
Các thao tác phổ biến
📘 Bài tập thực hành bổ sung
Thao tác cơ bản với dữ liệu có sẵn
📘Titanic: - Hành khách trên tàu Titanic
Tập dữ liệu Titanic chứa thông tin về hành khách trên tàu Titanic, bao gồm các biến như: Class (Hạng vé), Sex (Giới tính), Age (Độ tuổi: Trẻ em/Người lớn), Survived (Sống sót hay không), và Freq (Số lượng hành khách trong nhóm). Dữ liệu này có sẵn trong R dưới dạng bảng tần suất (table).
# Cài đặt tidyverse (nếu chưa có)
if (!require("tidyverse")) {
install.packages("tidyverse", repos = "https://cloud.r-project.org")
}
# Nạp gói tidyverse
library(tidyverse)
# Chuyển Titanic thành dataframe để dễ thao tác
titanic_df <- as.data.frame(Titanic)
head(titanic_df) # Xem 6 dòng đầu tiên## Class Sex Age Survived Freq
## 1 1st Male Child No 0
## 2 2nd Male Child No 0
## 3 3rd Male Child No 35
## 4 Crew Male Child No 0
## 5 1st Female Child No 0
## 6 2nd Female Child No 0# thống kê tóm tắt dữ liệu
summary(titanic_df)## Class Sex Age Survived Freq
## 1st :8 Male :16 Child:16 No :16 Min. : 0.00
## 2nd :8 Female:16 Adult:16 Yes:16 1st Qu.: 0.75
## 3rd :8 Median : 13.50
## Crew:8 Mean : 68.78
## 3rd Qu.: 77.00
## Max. :670.00# Tính tổng số hành khách theo giới tính
titanic_df %>%
group_by(Sex) %>%
summarise(Tổng_số = sum(Freq))## # A tibble: 2 × 2
## Sex Tổng_số
## <fct> <dbl>
## 1 Male 1731
## 2 Female 470# Tính tỉ lệ sống xót theo hạng vé
titanic_df %>%
group_by(Class, Survived) %>%
summarise(Tổng_số = sum(Freq)) %>%
mutate(Tỷ_lệ = Tổng_số / sum(Tổng_số))## `summarise()` has grouped output by 'Class'. You can override using the
## `.groups` argument.## # A tibble: 8 × 4
## # Groups: Class [4]
## Class Survived Tổng_số Tỷ_lệ
## <fct> <fct> <dbl> <dbl>
## 1 1st No 122 0.375
## 2 1st Yes 203 0.625
## 3 2nd No 167 0.586
## 4 2nd Yes 118 0.414
## 5 3rd No 528 0.748
## 6 3rd Yes 178 0.252
## 7 Crew No 673 0.760
## 8 Crew Yes 212 0.240# Khai thác dữ liệu với lọc và sắp xếp
# Lọc các bông hoa có chiều dài đài hoa lớn hơn 5
iris_lọc <- iris %>%
filter(Sepal.Length > 5)
head(iris_lọc)## Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1 5.1 3.5 1.4 0.2 setosa
## 2 5.4 3.9 1.7 0.4 setosa
## 3 5.4 3.7 1.5 0.2 setosa
## 4 5.8 4.0 1.2 0.2 setosa
## 5 5.7 4.4 1.5 0.4 setosa
## 6 5.4 3.9 1.3 0.4 setosa# Sắp xếp kim cương theo giá giảm dần
diamonds_sắp_xếp <- diamonds %>%
arrange(desc(price))
head(diamonds_sắp_xếp)## # A tibble: 6 × 10
## carat cut color clarity depth table price x y z
## <dbl> <ord> <ord> <ord> <dbl> <dbl> <int> <dbl> <dbl> <dbl>
## 1 2.29 Premium I VS2 60.8 60 18823 8.5 8.47 5.16
## 2 2 Very Good G SI1 63.5 56 18818 7.9 7.97 5.04
## 3 1.51 Ideal G IF 61.7 55 18806 7.37 7.41 4.56
## 4 2.07 Ideal G SI2 62.5 55 18804 8.2 8.13 5.11
## 5 2 Very Good H SI1 62.8 57 18803 7.95 8 5.01
## 6 2.29 Premium I SI1 61.8 59 18797 8.52 8.45 5.24# Tạo cột mới: tỷ lệ chiều dài và chiều rộng đài hoa
iris <- iris %>%
mutate(Tỷ_lệ_Sepal = Sepal.Length / Sepal.Width)
head(iris)## Sepal.Length Sepal.Width Petal.Length Petal.Width Species Tỷ_lệ_Sepal
## 1 5.1 3.5 1.4 0.2 setosa 1.457143
## 2 4.9 3.0 1.4 0.2 setosa 1.633333
## 3 4.7 3.2 1.3 0.2 setosa 1.468750
## 4 4.6 3.1 1.5 0.2 setosa 1.483871
## 5 5.0 3.6 1.4 0.2 setosa 1.388889
## 6 5.4 3.9 1.7 0.4 setosa 1.384615📘Iris: - Hoa Lan
###Tập dữ liệu iris chứa thông tin về 150 bông hoa lan thuộc 3 loài (Species: Setosa, Versicolor, Virginica). Các biến bao gồm: Sepal.Length (Chiều dài đài hoa), Sepal.Width (Chiều rộng đài hoa), Petal.Length (Chiều dài cánh hoa), Petal.Width (Chiều rộng cánh hoa).
if(!require("tidyverse")){
install.packages("tidyverse", repos = "https://cloud.r-project.org")
}
library(tidyverse)
# xem dữ liệu
head(iris)## Sepal.Length Sepal.Width Petal.Length Petal.Width Species Tỷ_lệ_Sepal
## 1 5.1 3.5 1.4 0.2 setosa 1.457143
## 2 4.9 3.0 1.4 0.2 setosa 1.633333
## 3 4.7 3.2 1.3 0.2 setosa 1.468750
## 4 4.6 3.1 1.5 0.2 setosa 1.483871
## 5 5.0 3.6 1.4 0.2 setosa 1.388889
## 6 5.4 3.9 1.7 0.4 setosa 1.384615head(iris3)## , , Setosa
##
## Sepal L. Sepal W. Petal L. Petal W.
## [1,] 5.1 3.5 1.4 0.2
## [2,] 4.9 3.0 1.4 0.2
## [3,] 4.7 3.2 1.3 0.2
## [4,] 4.6 3.1 1.5 0.2
## [5,] 5.0 3.6 1.4 0.2
## [6,] 5.4 3.9 1.7 0.4
##
## , , Versicolor
##
## Sepal L. Sepal W. Petal L. Petal W.
## [1,] 7.0 3.2 4.7 1.4
## [2,] 6.4 3.2 4.5 1.5
## [3,] 6.9 3.1 4.9 1.5
## [4,] 5.5 2.3 4.0 1.3
## [5,] 6.5 2.8 4.6 1.5
## [6,] 5.7 2.8 4.5 1.3
##
## , , Virginica
##
## Sepal L. Sepal W. Petal L. Petal W.
## [1,] 6.3 3.3 6.0 2.5
## [2,] 5.8 2.7 5.1 1.9
## [3,] 7.1 3.0 5.9 2.1
## [4,] 6.3 2.9 5.6 1.8
## [5,] 6.5 3.0 5.8 2.2
## [6,] 7.6 3.0 6.6 2.1# tổng hợp
summary(iris)## Sepal.Length Sepal.Width Petal.Length Petal.Width
## Min. :4.300 Min. :2.000 Min. :1.000 Min. :0.100
## 1st Qu.:5.100 1st Qu.:2.800 1st Qu.:1.600 1st Qu.:0.300
## Median :5.800 Median :3.000 Median :4.350 Median :1.300
## Mean :5.843 Mean :3.057 Mean :3.758 Mean :1.199
## 3rd Qu.:6.400 3rd Qu.:3.300 3rd Qu.:5.100 3rd Qu.:1.800
## Max. :7.900 Max. :4.400 Max. :6.900 Max. :2.500
## Species Tỷ_lệ_Sepal
## setosa :50 Min. :1.268
## versicolor:50 1st Qu.:1.546
## virginica :50 Median :2.032
## Mean :1.954
## 3rd Qu.:2.225
## Max. :2.962# Tính giá trị trung bình chiều dài đài hoa theo loài:
iris%>%
group_by(Species) %>%
summarise(do_dai_dai_hoa_TB = mean(Sepal.Length))## # A tibble: 3 × 2
## Species do_dai_dai_hoa_TB
## <fct> <dbl>
## 1 setosa 5.01
## 2 versicolor 5.94
## 3 virginica 6.59#Vẽ biểu đồ phân tán (scatter plot):
ggplot(iris, aes(x= Sepal.Length, y= Sepal.Width, color = Species)) +
geom_point() +
labs((title = " Biểu đồ phân tán chiều dài và chiều rộng của đài hoa"))
ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, color = Species)) +
geom_point() +
labs(title = "Biểu đồ phân tán chiều dài và chiều rộng đài hoa")
📘Diamonds: Kim cương
###Tập dữ liệu diamonds (có sẵn trong gói ggplot2, thuộc tidyverse) chứa thông tin về 53,940 viên kim cương với các biến như: carat (Trọng lượng), cut (Chất lượng cắt), color (Màu sắc), clarity (Độ trong), price (Giá tiền), v.v.
if(! require ("tidyverse")){
install.pakages("tidyverse")
}
library(tidyverse)
# Xem dạng bảng
#View(diamonds)
## Tóm tắt
summary(diamonds)## carat cut color clarity depth
## Min. :0.2000 Fair : 1610 D: 6775 SI1 :13065 Min. :43.00
## 1st Qu.:0.4000 Good : 4906 E: 9797 VS2 :12258 1st Qu.:61.00
## Median :0.7000 Very Good:12082 F: 9542 SI2 : 9194 Median :61.80
## Mean :0.7979 Premium :13791 G:11292 VS1 : 8171 Mean :61.75
## 3rd Qu.:1.0400 Ideal :21551 H: 8304 VVS2 : 5066 3rd Qu.:62.50
## Max. :5.0100 I: 5422 VVS1 : 3655 Max. :79.00
## J: 2808 (Other): 2531
## table price x y
## Min. :43.00 Min. : 326 Min. : 0.000 Min. : 0.000
## 1st Qu.:56.00 1st Qu.: 950 1st Qu.: 4.710 1st Qu.: 4.720
## Median :57.00 Median : 2401 Median : 5.700 Median : 5.710
## Mean :57.46 Mean : 3933 Mean : 5.731 Mean : 5.735
## 3rd Qu.:59.00 3rd Qu.: 5324 3rd Qu.: 6.540 3rd Qu.: 6.540
## Max. :95.00 Max. :18823 Max. :10.740 Max. :58.900
##
## z
## Min. : 0.000
## 1st Qu.: 2.910
## Median : 3.530
## Mean : 3.539
## 3rd Qu.: 4.040
## Max. :31.800
## ##Tính trung bình theo chất lượng cut
diamonds %>%
group_by(cut) %>%
summarise(Gia_trungbinh = mean(price))## # A tibble: 5 × 2
## cut Gia_trungbinh
## <ord> <dbl>
## 1 Fair 4359.
## 2 Good 3929.
## 3 Very Good 3982.
## 4 Premium 4584.
## 5 Ideal 3458.## Biểu đồ giá theo trọng lượng carat
ggplot(diamonds, aes(x = carat, y= price, color = cut)) +
geom_point() +
labs(title = "Giá kim cương theo trọng lượng carat")