R & RStudio Channel

📣‌ راه‌اندازی پیج اینستاگرام 🎉 ما حالا در اینستاگرام هم هستیم! اگر دوست دارید نکات تصویری، آموزش‌های کوتاه و ترفندهای مفید R رو در فضای اینستاگرام دنبال کنید، خوشحال می‌شیم به پیجمون سر بزنید و همراه‌مون باشید: 🔗 instagram.com/r_rstudiopro یا در اینستاگرام سرچ کنید: @r_rstudiopro 🙏 اگر پست‌ها براتون مفید بود، لطفاً لایک کنید ❤️، سیو کنید 🔖 و صفحه اینستاگرام رو به دوستان‌تون معرفی کنید. بیایید جامعه‌ی R فارسی رو در اینستاگرام هم فعال نگه داریم! 📡 اگر هنوز عضو نشدید، کانال را دنبال کنید: https://t.me/r_rstudio_pro 💬 برای گفتگو، پرسش و پاسخ و رفع اشکال به گروه تلگرامی ما بپیوندید: https://t.me/rrstudiogroup 🔗 برای مطالب تصویری صفحه اینستاگرام را دنبال کنید: instagram.com/r_rstudiopro 🧠 با ما بمانید؛ از R بیشتر بدانید، هوشمندتر تحلیل کنید. #R #RStudio #rstats #r_tips #آموزش_R #اینستاگرام

💬 از همراهی شما انرژی می‌گیریم! سلام به همراهان خوب کانال 🌿 ما با عشق و دقت سعی می‌کنیم مطالب مفید، کاربردی و قابل‌اعتماد درباره R و RStudio منتشر کنیم. اما این مسیر بدون حضور و همراهی فعال شما لطفی ندارد! 🔸 اگر پستی برایتان مفید بود، با یک ❤️ ساده از آن حمایت کنید. 🔸 اگر نکته‌ای به ذهنتان رسید، در گروه تلگرام یا پیام در دایرکت با ما در میان بگذارید. 🔸 اگر سوال یا مشکلی دارید، در گروه بپرسید؛ شاید دیگران هم همان سوال را داشته باشند. 🔸 اگر مایل باشید، می‌توانید در تولید محتوا هم با ما همراه شوید. مطالب ارزشمند شما را (در صورت رضایت‌تان) با ذکر نام‌تان منتشر خواهیم کرد. 📬 برای این کار می‌توانید در تلگرام به دایرکت ما پیام دهید. با هم، اینجا را به یک مرجع قدرتمند و پویا تبدیل خواهیم کرد. 🙌 💬 برای گفتگو، پرسش و پاسخ و رفع اشکال به گروه تلگرامی ما بپیوندید: https://t.me/rrstudiogroup 📡 اگر هنوز عضو نشدید، کانال را دنبال کنید: https://t.me/r_rstudio_pro 🧠 با ما بمانید؛ از R بیشتر بدانید، هوشمندتر تحلیل کنید. #R #تحلیل_آماری #مشارکت_گروهی #آموزش_R

🔹 نصب و بارگذاری هم‌زمان چندین پکیج با pacman::p_load() 🔹 اگر چند پکیج دارید که می‌خواهید با هم بارگذاری شوند، به‌جای نوشتن چند خط install.packages() و library()، فقط از یک خط استفاده کنید: pacman::p_load(ggplot2, dplyr, tidyr) 🔸 این دستور اگر پکیجی نصب نباشد، آن را نصب کرده و سپس بارگذاری می‌کند. اگر نصب باشد فقط بارگذاری می کند. 🔸 اگر پکیج pacman را نصب ندارید ابتدا (و فقط یکبار) با دستور زیر آن را نصب کنید: install.packages("pacman") 🔸 این روش به‌ویژه برای پروژه‌هایی با تعداد زیاد پکیج بسیار مفید و تمیز است. 🔹 فعال‌سازی Auto Save برای جلوگیری از از دست رفتن کد 🔹 برای اینکه در صورت بسته شدن ناگهانی RStudio، کدهای شما حفظ شوند، قابلیت Auto Save را فعال کنید: Tools > Global Options > Code > Saving 🔸 حالا تیک گزینه‌های زیر را بزنید: ✅ Always save history ✅ Restore .RData into workspace at startup 🔸 با این تنظیم ساده، ریسک از دست دادن کد یا محیط کاری به شدت کاهش می‌یابد. 💬 برای گفتگو، پرسش و پاسخ و رفع اشکال به گروه تلگرامی ما بپیوندید: https://t.me/rrstudiogroup 📡 اگر هنوز عضو نشدید، کانال را دنبال کنید: https://t.me/r_rstudio_pro 🧠 با ما بمانید؛ از R بیشتر بدانید، هوشمندتر تحلیل کنید. #R #RStudio #ترفندهای_R #pacman #AutoSave #rstats #rprogramming #آموزش_R

🔹 میان‌بر تایپ اپراتور pipe ‌در RStudio 🔹 اگر از اپراتور %>% استفاده می‌کنید (که در پکیج‌های مختلفی مثل magrittr, dplyr, tidyverse تعریف شده است)، لازم نیست هر بار آن را دستی بنویسید. در محیط RStudio کافی‌ست کلیدهای زیر را هم‌زمان فشار دهید: Windows: Ctrl + Shift + M MacOS: Cmd + Shift + M 🔸 این یکی از سریع‌ترین و کمتر شناخته‌شده‌ترین میان‌برها برای نوشتن pipe است که باعث روان‌تر شدن کدنویسی می‌شود. 📌 اگر نمی‌دانید اپراتور pipe چیست و دقیقاً چه کاربردی دارد، نگران نباشید — در یکی از پست‌های بعدی به‌طور کامل درباره‌اش توضیح خواهیم داد. 🔹 استفاده از :: برای فراخوانی دقیق تابع از یک پکیج خاص 🔹 در R اگر بخواهید فقط یک تابع خاص را از یک پکیج استفاده کنید (بدون بارگذاری کل پکیج با library())، می‌توانید از علامت :: استفاده کنید: dplyr::filter(mydata, score > 80) 🔸 این روش چه زمانی مفید است؟ وقتی چند پکیج مختلف تابعی با نام مشابه دارند (مثل تابع filter در dplyr و stats) یا وقتی فقط به یک تابع نیاز دارید و نمی‌خواهید کل پکیج را بارگذاری کنید 📌 علامت :: یک ابزار دقیق و کاربردی برای کنترل بیشتر روی namespace در R است. 💬 برای گفتگو، پرسش و پاسخ و رفع اشکال به گروه تلگرامی ما بپیوندید: https://t.me/rrstudiogroup 📡 اگر هنوز عضو نشدید، کانال را دنبال کنید: https://t.me/r_rstudio_pro 🧠 با ما بمانید؛ از R بیشتر بدانید، هوشمندتر تحلیل کنید. #R #RStudio #ترفندهای_R #pipe #namespace #میانبر_R #اپراتور_پایپ #R_tip #آموزش_R #rstats

🔹 کنترل محل نصب پکیج‌ها 🔹 با تغییر مسیر پیش‌فرض نصب پکیج‌ها، می‌توانید از نصب مجدد آن‌ها در هر نسخه جدید R جلوگیری کنید. این کار مخصوصاً در سیستم‌هایی که چند نسخه‌ی R یا چند کاربر دارند بسیار مفید است. در فایل Rprofile. بنویسید: .libPaths("C:/myRpackages") 🔸 با این کار پکیج‌ها در یک مسیر مشخص نصب می‌شوند که قابل کنترل و مشترک بین نسخه‌های مختلف R است. 🔹 تنظیم mirror ثابت برای CRAN 🔹 برای جلوگیری از تغییر خودکار mirror و بروز خطا در نصب پکیج‌ها (به‌ویژه در برخی کشورها)، بهتر است یک آدرس مشخص برای CRAN به صورت دائمی تعیین کنید. کافی است در فایل .Rprofile این خط را قرار دهید: options(repos = c(CRAN = "https://cloud.r-project.org")) 🔸 این mirror سریع، پایدار و رسمی است و در اکثر موارد بدون مشکل پاسخ می‌دهد. 🔸یکی از mirror های R در ایران و در دانشگاه مشهد مستقر است که آدرس آن را می توانید در سایت اصلی R پیدا کنید. 🔸 این موضوع بخصوص زمانی که اینترنت بین المللی قطع یا محدود می شود می تواند کاربران R را از اینترنت بین المللی بی نیاز کند. 💬 برای گفتگو، پرسش و پاسخ و رفع اشکال به گروه تلگرامی ما بپیوندید: https://t.me/rrstudiogroup 📡 اگر هنوز عضو نشدید، کانال را دنبال کنید: https://t.me/r_rstudio_pro 🧠 با ما بمانید؛ از R بیشتر بدانید، هوشمندتر تحلیل کنید. #R #RStudio #نصب_پکیج #mirror #تنظیمات_R #ترفندهای_R

🔹 تغییر سریع تم محیط RStudio🔹 می‌خواهید ظاهر RStudio را تاریک یا روشن کنید؟ به‌جای رفتن به تنظیمات، فقط این کلید ترکیبی را بزنید: Ctrl + Shift + P (در مک: Cmd + Shift + P) سپس عبارت theme را جستجو کنید و از بین تم‌های موجود، ظاهر دلخواه خود را انتخاب نمایید. 🔸 این ابزار شبیه «command palette» در VS Code عمل می‌کند و دسترسی سریعی به بسیاری از تنظیمات و قابلیت‌های RStudio می‌دهد. 🔹 تابع glimpse(): جایگزینی سریع و حرفه‌ای برای str()🔹 اگر می‌خواهید ساختار یک دیتا فریم را بررسی کنید، معمولاً از تابع str() استفاده می‌شود. اما تابع glimpse() از پکیج dplyr نمایشی بسیار خواناتر و فشرده‌تر ارائه می‌دهد: library(dplyr) glimpse(mtcars) 🔸 خروجی glimpse() به‌صورت افقی است، ستون‌ها را در یک نگاه نشان می‌دهد و مخصوصاً برای دیتاهای بزرگ و دارای ستون‌های متعدد بسیار کاربردی‌تر است. 💬 برای گفتگو، پرسش و پاسخ و رفع اشکال به گروه تلگرامی ما بپیوندید: https://t.me/rrstudiogroup 📡 اگر هنوز عضو نشدید، کانال را دنبال کنید: https://t.me/r_rstudio_pro 🧠 با ما بمانید؛ از R بیشتر بدانید، هوشمندتر تحلیل کنید. #R #RStudio #ترفندهای_R #glimpse #تم_RStudio #نکات_کاربردی

🔹 نصب پکیج‌ها با تعیین نوع منبع (binary vs source) اگر در هنگام نصب پکیج‌ها با خطا مواجه می‌شوید، یا می‌خواهید سرعت نصب را بالا ببرید (مخصوصاً در ویندوز و مک)، می‌توانید نصب را فقط از نسخه‌ی باینری انجام دهید: install.packages("dplyr", type = "binary") 🔸 نسخه‌های binary از قبل کامپایل شده‌اند و معمولاً بدون نیاز به ابزارهای اضافی نصب می‌شوند. 🔹 نصب مجموعه‌ای از پکیج‌ها به‌صورت یکجا (مناسب برای کلاس درس یا پروژه) اگر می‌خواهید چند پکیج موردنیاز را با هم نصب کنید، مثلاً برای دانشجویان یا پروژه‌ای خاص، از این اسکریپت استفاده کنید: packages <- c("tidyverse", "shiny", "readxl", "data.table") install.packages(packages) 🔸 این روش هم نصب را ساده‌تر می‌کند و هم محیط را به سرعت آماده استفاده می‌سازد. 💬 برای گفتگو، پرسش و پاسخ و رفع اشکال به گروه تلگرامی ما بپیوندید: https://t.me/rrstudiogroup 📡 اگر هنوز عضو نشدید، کانال را دنبال کنید: https://t.me/r_rstudio_pro 🧠 با ما بمانید؛ از R بیشتر بدانید، هوشمندتر تحلیل کنید. #R #RStudio #نصب_پکیج #ترفندهای_R #کدنویسی_R #نکات_آموزشی