本部分預計時間：20 分鐘
在第一部分，你已經成功畫出第一張圖、認識了套件、安裝了工具。現在我們要學會讀取自己的資料。
我有一個 CSV 檔案叫做 patient_data.csv，放在我的專案資料夾裡，欄位有 patient_id、treatment、age、gender、los。請幫我一次完成：
- 用
read.csv()讀取這個檔案，存成patient_data- 用
head()顯示前 6 筆資料- 用
dim()看幾列幾欄、str()看資料結構、summary()看基本統計- 用 skimr 的
skim()產生更詳細的摘要- 檢查有沒有遺漏值（
colSums(is.na(...))）- 用白話文解讀每個欄位的分佈和需要注意的地方
給我可以從頭跑到尾的完整程式碼，加上中文註解。
本課程的範例資料 patient_data.csv 已包含在課程資料夾中。用 GitHub Codespaces 的話，檔案已經在你的工作目錄裡，直接讀取即可；如果你是用 Posit.cloud，請先將檔案上傳到你的專案中。
📋 複製這段話，貼給 AI：
我有一個 CSV 檔案叫做 patient_data.csv，放在我的專案資料夾裡。請告訴我：
- 怎麼讀取這個檔案到 R 裡面
- 怎麼看前幾筆資料確認有讀成功
請給我可以直接執行的程式碼。
也可以用套件 googlesheets4 的 read_sheet() 直接從 Google 試算表讀取資料。
# 讀取 CSV 檔案
patient_data <- read.csv("patient_data.csv")
# 顯示前 6 筆資料
head(patient_data) patient_id treatment age gender los
1 1 A 45 M 5
2 2 B 52 F 8
3 3 A 38 M 4
4 4 B 61 F 12
5 5 A 55 F 6
6 6 B 42 M 9📋 複製這段話，貼給 AI：
我已經把資料讀進來了，存在一個叫做
patient_data的變數。請給我程式碼，讓我可以：
- 看這個資料有幾列幾欄
- 看每個欄位的基本統計（平均、最大、最小等）
- 看每個欄位是什麼資料類型（數字、文字等）
- 用 skimr 跟 summary 顯示分析結果
# 載入 skimr 套件
library(skimr)
# 查看資料維度（幾列幾欄）
dim(patient_data)[1] 100 5# 查看資料結構
str(patient_data)'data.frame': 100 obs. of 5 variables:
$ patient_id: int 1 2 3 4 5 6 7 8 9 10 ...
$ treatment : chr "A" "B" "A" "B" ...
$ age : int 45 52 38 61 55 42 49 58 36 64 ...
$ gender : chr "M" "F" "M" "F" ...
$ los : int 5 8 4 12 6 9 5 11 3 14 ...# 查看基本統計摘要
summary(patient_data) patient_id treatment age gender
Min. : 1.00 Length :100 Min. :35.00 Length :100
1st Qu.: 25.75 N.unique : 2 1st Qu.:41.00 N.unique : 2
Median : 50.50 N.blank : 0 Median :49.00 N.blank : 0
Mean : 50.50 Min.nchar: 1 Mean :48.77 Min.nchar: 1
3rd Qu.: 75.25 Max.nchar: 1 3rd Qu.:56.00 Max.nchar: 1
Max. :100.00 Max. :64.00
los
Min. : 3.00
1st Qu.: 5.00
Median : 7.50
Mean : 8.07
3rd Qu.:11.00
Max. :17.00 # 使用 skimr 產生更詳細的摘要
skim(patient_data)| Name | patient_data |
| Number of rows | 100 |
| Number of columns | 5 |
| _______________________ | |
| Column type frequency: | |
| character | 2 |
| numeric | 3 |
| ________________________ | |
| Group variables | None |
Variable type: character
| skim_variable | n_missing | complete_rate | min | max | empty | n_unique | whitespace |
|---|---|---|---|---|---|---|---|
| treatment | 0 | 1 | 1 | 1 | 0 | 2 | 0 |
| gender | 0 | 1 | 1 | 1 | 0 | 2 | 0 |
Variable type: numeric
| skim_variable | n_missing | complete_rate | mean | sd | p0 | p25 | p50 | p75 | p100 | hist |
|---|---|---|---|---|---|---|---|---|---|---|
| patient_id | 0 | 1 | 50.50 | 29.01 | 1 | 25.75 | 50.5 | 75.25 | 100 | ▇▇▇▇▇ |
| age | 0 | 1 | 48.77 | 8.43 | 35 | 41.00 | 49.0 | 56.00 | 64 | ▇▇▆▇▆ |
| los | 0 | 1 | 8.07 | 3.95 | 3 | 5.00 | 7.5 | 11.00 | 17 | ▇▃▅▃▁ |
📋 把 summary(patient_data) 的輸出複製起來，加上這段話貼給 AI：
這是我的資料摘要，請幫我解讀每個欄位的意義，以及有沒有什麼需要注意的地方（例如遺漏值、異常值）： 【貼上 summary 輸出】
從 summary() 的輸出，我們可以看到：
# 檢查是否有遺漏值
sum(is.na(patient_data))[1] 0# 查看每個欄位的遺漏值數量
colSums(is.na(patient_data))patient_id treatment age gender los
0 0 0 0 0