在写R包的过程中遇到non_ASCII,谷歌+chatGPT解决问题。解决过程中，先尝试让chatGPT帮忙写代码找出R函数中的non_ASCII，无一例外都失败了；搜索谷歌，找到一个使用stringi::stri_enc_isascii()来检查每行non_ASCII的方法；让chatGPT使用stringi::stri_enc_isascii()写程序检查每行代码。

在制作R包过程中使用了data.table包中的":=“函数，但总是报错，今日终于解决。困惑了我一天的问题，chatGPT没给我想要的答案，反倒是谷歌搜出来了！🤣

刚好有芯片数据需要处理，就结合chatGPT重新整理了一下使用plink替换芯片中个体ID的方法。

最近Rstudio有新版本，不知道什么时候自动给我更新了🤣。我的R版本还是4.1的，只是懒得折腾，就只更新了R包。上个版本的Rstudio安装路径有些问题。导致现在使用Rstudio问题集中出现了~Tab键补全路径有问题，无法识别中文路径和中文文件名。在网上搜了几个小时都没有解决。压下怕麻烦的想法，一狠心，把Rstudio、R、Rtools都卸载了重新安装（你也可以哟）。现在使用起来终于变得正常了。我装的R包太多，不可能一下子都装回来，只能用到什么装什么了。这里我附上一个我常用的R包列表，方便下次重新安装后安装R包。

在bruceR包中注意到包中函数的打印结果很有意思，就单独将“Print()”函数拎出来研究研究。Print()函数主要利用了glue包中的glue()和glue_col()函数，可以改变打印结果的颜色和字体等。对Print()函数稍微修改了一下，方便理解，便重新命名了原函数中的字符。

前一段时间人工智能chatGPT火了，我也注册一个账号试试到底什么是人工智能。之前我对人工智能是没太大概念的，最多停留在小爱音响上面。chatGPT就像一个聊天机器人一样，不能说所有问题都回答的很完美，但也有理有据有总结了。最让我吃惊的是在写代码上...神了。

最近参加了有关基因组选择的ASReml-R培训，培训中实现交叉验证的工具和我使用的不同，我使用的是rsample包，属于tidymodels，培训中中使用的是机器学习包caret，这个包了解不多，应该已经被tidymodels包替代。虽然知道交叉验证的基本概念，但这就像一个黑盒子，不清楚到底是怎么分的。同时，我也想比较一下两个R包进行交叉验证划分的训练集和验证集有什么不同。刚好在Wx公众号《R语言和统计》上看到一个可以实现缺失值可视化的R包naniar，那就开始干吧！

从19年毕业到现在，整整三年，这是新冠的三年，对于我，也是经历非洲猪瘟的第三年。因为非洲猪瘟对养猪行业的冲击，养殖企业都很注重生物安全，在双疫情的影响下，猪场反而是最安全的地方。在猪场的日子和居家隔离没差别，新冠对我的影响也要比社会其他行业的影响小的多。宅是一方面，对于来说可能也就是少回几次家，少旅游几次。

玩和平精英好几年了，我一开始玩的时候还不叫和平精英，当时叫刺激战场。至今没有上过王牌，感觉匹配赛一局太长，还是喜欢玩快节奏的狙击模式和8分钟急速战场。这篇博客用于记录我的游戏苟活心得。

这篇文章是主要是记录图片中插入表格，是在推特中看到的，觉得做的很漂亮，这里想按照原作者的code重新跑一下（实在抵挡不住漂亮图表的诱惑🤣）。看到中间的统计表格，想起了今天看到的modelsummary包中也有类似的统计函数，之前的几篇有关描述性统计的文章也有其他包具有类似的函数（只有你想不到的包），顺便也使用iris数据集来可视化统计表格。

最近在推特上看到了一个很有意思的R包~ggols，顺带发现了ggxmean包，两个包是同一个作者开发的。ggols和ggxmean目前都只能从github上安装，ggols的开发目的不详（The goal of ggols is to ...）作者应该还在完善中，ggxmean和平均值有关，大致目的是在可视化过程中增加平均值线，但也有对简单线性模型可视化的作用，两个包需要配合使用。以下记录两种方法对一般线性模型进行可视化。

最近遇到了一个对我来说比较棘手的问题~~~身份证到期。远在广西工作，对于家在河南的我来回一趟是真不容易，尤其是处在新冠疫情时期。从研究生毕业到现在，刚好三年，新冠疫情也刚好三年。每年基本回家一次，还是挑在疫情比较松的时候🤣,庆幸的是没有一次被集中隔离过。不过，现在身份证到期，银行、支付宝等都给我发消息说我有效证件到期，需要重新认证。不想回家办身份证了，开动脑子，印象中好像异地也可以办身份证。原谅我去哪办理身份证都不知道😅，后面偶尔做公交看到派出所户籍室有自动办理身份证的机器......，我的经历也给在外地该换身份证的有缘人一个提示，记录如下。

记录一下使用ggplot2在工作中画多品种多性状表型直方图。这种图的核心是要将多个性状的宽格式数据先转为长格式数据，这样才方便ggplot2进行可视化。

测定站是用来测定猪只料肉比的机器，国内常见的测定站类型有奥斯本和瑞保乐两种。而料肉比是猪只的一个重要的经济指标，对于种猪比较好的料肉比为2.0~2.3，大约每降低0.1，可节约成本约30元（非洲猪瘟时代以前，现在由于生物安全成本增加，节约成本可能小于30元）。既然是要使用测定站，目标基本都是根据所测性状表型对猪只进行选育，提高种猪质量。但测定站使用过程中也会受各种因素影响，从而影响了测定站的测定站和测定数据质量。这篇博客是基于我使用测定站一线的一些经验总结的，有不同的想法可以多多交流🤝。

使用R语言将日期转化为周次📅，总感觉和中国的习惯不太一样，我找了很多周次表，基本都是每年的第1天开始就算作一年的第1周了，这和国外的好像不同，国外的可能会算做每一年的第0周或去年的第52或53周。我的观念中是每周的第1天从周一开始的，看也有从周日开始的。所以，记录一下R语言中看着顺眼的中国date格式。

R中很多常用又很牛掰的函数，还记得在推上有个牛人，每天一个R函数，整整写了一年，最后出了一本书。我在数据处理过程中会遇到很多方便且功能强大的函数，特别是不同R包中函数的组合功能就更加强大了，所以我也有一个想法，将我在数据处理过程中使用到的强大的R函数或函数组合也记录下来，不是每天一个函数，而是遇到哪个写哪个🤭。

最近是越来越喜欢使用gtExtras包对data.frame数据分析结果进行可视化了🥰。

我之前是写过关于bar plot和histgram plot的博客的，但是在实际应用的过程中总是忍不住要完善它们，让它们变得更漂亮一些😅。在这个过程中，还是有一些收获，对一些参数的使用更加清晰了。

之前有介绍过gtExtras包，结合gt包能发挥出了1+1>2的效果。在做月度总结汇报中需要用到比较漂亮的描述性统计图表，为了方便后续其它分析中继续用到，现整理代码，以iris数据集为示例，对变量Sepal.Length进行描述性统计。

dplyr和dbplyr结合可以将dplyr语句转为SQL语句；queryparser和tidyquery结合可以将SQL语句转为dplyr语句，但是对于复杂的SQL语句，无法转为dplyr语句。

今日学习SQL中的逻辑运算符。和R语言中的使用方法差不多，且命令比较相似，但ALL和ANY真的是难到我了🤣

今日学习SQL中WHERE子句，类似R中的filter()函数。SQL中可以结合AND&OR和比较运算符实现对数据表的过滤。

今日学习SQL中DISTINCT语句，类似R中的dplyr::distinct()函数。

今日学习SQL中的ORDER BY关键字，结合昨日SELECT语句，对选择的结果进行排序。同样的，在R中也很好操作。

先学习SQL中最简单的SELECT语句。因为和R中数据框的操作比较相似，所以我觉得自己接受的还是比较快的。这里主要是使用在MySQL中模拟的数据中熟悉SQL的操作，和R中的操作互相印证。

R中🐂🍺的📦太多了，很多可能都没听说过。不是这些R包不够好用，只是新的R包出来的速度太快太多了，而且小伙伴能接触到较新R包的机会也比较少，基本都是在知乎上了解到的。我是一个比较爱折腾的人，刚好喜欢R又在推特中关注了很多R包开发者和数据科学家，这让我有机会接触到最新的和最好用的R包。我的收藏夹了收藏好多R包参考网站，现在想整理出来分析给大家。

有关日期格式的转换困扰了我一段时间，特别是从周次倒推日期。这篇文章记录周日和日期之间的相互转换。

记录使用ggplot2在条形图和点线图中画误差棒的过程。其中受ggplot2tor中Tutorials的启发并搬运部分代码🤪，点击此处下载文章中所用代码。

ggplot2包的内容比较多，并非经常使用，一般用法都没有刻意的去记忆过，往往需要用到的时候才在网上搜索怎么使用，不可避免的就导致了搜索——忘记——重复搜索的循环中。网上偶尔看到一张图片，是关于ggplot2的theme system的cheatsheet。我感觉做的非常棒，就自己找类似的数据集mpg跑了一遍，同时使用flipbookr包对代码的每一步的输出结果进行展示。算是对ggplot2的theme做了一个系统的学习。

感觉自己太喜欢折腾了😂。明明学习SQL，任何一个工具都可以学，还是想把相关的使用途径都摸索清楚。目前已经搞清楚的是在vscode中可以直接建立SQL脚本使用，也可以在jupyter notebook中的.ipynb文件使用，在Rmarkdown中插入chunk感觉也挺好用。还没有摸清的是在R中的SQL脚本。顺便总结一些相关软件的使用经验，R和python两个软件，不管是单独下载安装还是在Anaconda中安装，都需要将软件路径添加入到系统环境变量中；不管是使用Rstuido还是jupyter notebook，都需要下载相关的R包和python库，vscode中也都需要下载相应的插件。上述的这些都可以在必应或谷歌中找到写的非常好的安装教程。