Notes from a data witch

RSS: https://blog.djnavarro.net/index.xml

Danielle Navarro 的数据科学博客，关于统计学、R 语言与数据可视化。

ntile() 的那些坑

作者是一名 R tidyverse 使用者，长期批评 base R 行为粗糙而 tidyverse 工具补齐了这些坑。这篇文章主要讨论 dplyr 中 ntile 的坑：ntile 按行数均匀分组而不是按取值均匀分组，当存在大量重复值（如 9000 人中 8999 人分数相同、1 人不同）时，结果会严重偏离预期（可能出现 8999 人进第 1 组、1 人进第 2 组之类不直观情况）。作者给出了替代方案：用 ntile 按唯一值分组、或直接按数值切分区间（cut / 自定义分位数），并提醒在数据分布高度偏斜或重复值多时，n tile 的“均匀 n 组”语义容易让人误以为每个组人数相等。适合做 R 数据分析、数据分箱/分层时阅读，可作为数据陷阱案例收藏。

收藏11 天前

发布：sessioncheck 0.2

作者发布 sessioncheck 0.2.0（R 工具，用于会话状态检查）到 CRAN。语气自嘲，调侃自己写了软件被别人用后才发现该写发布说明。具体更新细节未展开，属于常规 release notes。

收藏18 天前

Separating sex and gender is statistical malpractice

On August 11 2026, it will be Census night in Australia. The Census is an important instrument for collecting data on the Australian population, and informs policy decisions at every level. It is cond...

收藏56 天前

R语言绘图与表格中的Markdown样式应用

介绍如何在R语言的图表和表格中使用Markdown样式进行排版。对于需要处理复杂数据可视化或报告生成的R语言开发者来说，这是一个实用的技巧补充。内容偏向具体的工程实现细节，适合有特定排版需求的垂直人群。

收藏90 天前

线性余弦调色板

统计学家兼生成艺术家Danielle Navarro以自嘲"爱写长文"开场，实际交出了一篇短小精悍的实用技术帖：用R语言通过余弦函数生成连续随机调色板。方法本身极其简单——仅需四个基础颜色向量和一条余弦公式，作者提供了可直接运行的R代码和16色输出示例，并展示了如何将调色板接入自己的分形细分（subdivision）和利萨如图形生成艺术系统，附多张视觉效果图。诚实评价"有些很糟，有些很美，多数还行"。全文人味十足，有个人实践、一手代码、真实审美判断和零模板化包装，适合对R语言、数据可视化或生成艺术感兴趣的读者直接复用。

收藏117 天前

关于检查 R 会话的一些思考

R 语言知名博主 Danielle Navarro 从一句"2017 年左右才出现的古老谚语"切入，聊检查 R 会话（session）这件事。这不是干巴巴的技术教程，而是带着个人经验和网络社区文化的随笔。作者以数据女巫的独特语气，把编程中的日常习惯写出了人情味和自嘲感。适合 R 用户和关注编程文化的人阅读，既有实用参考价值，也有社区共鸣。

收藏268 天前

把 Runkeeper 跑步数据做出真正有趣的可视化

一位热爱跑步也热爱数据分析的博主，受够了 Runkeeper 等跑步 App 千篇一律的步数折线图和路线地图——"充其量只能说无聊"。她决定用自己的方式重新处理跑步记录，做出了比默认报表有意思得多的数据可视化方案。文章来自知名数据科学家 Danielle Navarro 的个人博客，包含具体的方法、代码和可视化成果，既有个人吐槽也有实操干货。适合喜欢跑步、数据可视化或折腾自己数据的读者，看完很可能想动手试一把。

收藏269 天前

一台电脑管理两个GitHub账号

个人开发者常因工作和开源项目需要管理多个GitHub账号，作者djnavarro真切地讲述了自己长期被git配置问题困扰的经历，并给出了在单台电脑上区分两个GitHub身份的完整方案。文章从ssh config配置到git条件包含机制，手把手教读者如何让不同仓库自动使用对应账号提交，还穿插了自己的踩坑记录和验证技巧。这是有真实痛点的技术人员写给自己和同类的一篇实用笔记，人味十足，信息密度高，不废话不注水。

收藏297 天前

关于调查权重的一些笔记

一篇极其罕见的"人格分裂式"统计学博客——作者（知名统计学家Danielle Navarro）让自己内心的🫀（情感脑）和🧠（理性脑）就调查权重这个话题展开对话。 🫀想写一篇关于survey weights的笔记，🧠吐槽说"你确定？咱刚花一个月写完GAMLSS那坨怪物，还写了前传和前前传……"。全文以两个自我互相调侃、拉扯、最终达成共识的形式展开，既有关于加权回归、设计效应等专业内容的硬核讨论，又有作者对自己写作拖延症和完美主义的自嘲。这不是一篇教条式的教程，而是一次活生生的思考过程记录——读者看到的不是结论，而是一个人如何与自己的知识焦虑和表达冲动博弈的真实状态。

收藏369 天前

关于概率判断的一些冷思考

数据科学家Navarro指出，一个在社交媒体上反复走红的统计说法——"美国人认为每5人中就有1人是跨性别者"——实际上是错误的，每次传播都让她愤怒。她以这个典型案例切入概率判断的认知框架，解释这类看似惊人的社会统计数据为何容易被大规模误读，以及人们如何更理性地评估调查中的概率陈述。文章融合具体数据推理与强烈的个人立场，兼具社会敏锐度和统计学教育价值。

收藏375 天前

GAMLSS、NHANES 与我的数据炼狱

统计学家 Danielle Navarro 以"数据女巫"自居，延续个人博客系列，用一贯的幽默与自嘲口吻继续吐槽统计建模之路——这次轮到了 GAMLSS（广义可加模型位置尺度形状模型）和 NHANES 数据。文章不是冷冰冰的方法教程，而是一段有血有肉的真实踩坑记录：作者带着真实的技术困惑、个人失败经历和独立思考，将复杂统计方法变成了亲切可读的技术叙事。对数据科学从业者来说，这是一份难得的"过来人"经验分享，有态度、有细节、有讨论入口，读来既解渴又有共鸣。不堆砌术语、不卖弄公式，充满人味和求知欲，是典型的高质量个人技术写作。

收藏389 天前

样条、B样条、P样条，以及一只不满的小猫

统计学家 Danielle Navarro 用自嘲幽默的方式，从零手写 R 代码实现样条（spline）、B 样条和 P 样条，一路吐槽自己被迫学习这些概念的无奈。文章以分段多项式（piecewise polynomial）为基础，逐步演示了 Cox-de Boer 递归构造 B 样条基函数、最小二乘估计样条参数，并用 ggplot2 的 mpg 数据做了实际拟合。作者坦言对 P 样条毫无兴趣，但为了理解 GAMLSS 框架不得不硬啃——这种"一边学一边骂"的真实感让整篇技术博客有了强烈的人情味。适合对统计模型和 R 编程感兴趣的读者，内容有代码、有数学、有现场踩坑记录，不是枯燥的教科书搬运。

收藏390 天前

Box-Cox 幂指数分布

统计学家 Danielle Navarro 以亲身实践的视角，细致讲解 Box-Cox 幂指数分布（BCPE）及其在 GAMLSS 回归框架下的应用。她从自己在药理学建模工作中反复遇到生长曲线拟合问题出发，引出为什么需要 BCPE 这种能同时处理偏度和峰度的灵活分布。文章不仅给出分布的定义与参数含义，还结合实际建模场景讨论其在生长曲线、分位数回归中的价值。全篇保持个人博客特有的坦诚语气，像跟同行聊天一样分享踩坑经验和思考过程，而非冷冰冰的教科书搬运。适合有统计回归基础、对 GAMLSS 或非线性生长建模感兴趣的读者。

收藏425 天前

在 R 中动态生成 Quarto 文档语法

从对自己被叫过的各种名字变体（Dan、Dani、Danny、Daniel、Danielle……）的幽默哲学思考切入，一位数据科学家以 babynames 数据集做分析演示，自然引出她开发的 quartose R 包——能在 R 代码块中动态生成 Quarto 文档语法（div、tabset、span、边注、callout 等）。文章展示了具体代码实现与输出效果，讨论 knitr/quarto 协作中 ggplot2 渲染时机等实际技术细节，最后以诚实自省的态度反问：这个小工具对别人真的有用吗？还是只是自己的玩具？全文充满个人风格、有真实困惑、有具体代码和经验分享，读起来既有趣又有收获。

收藏453 天前

使用brms实现贝叶斯Emax回归

统计学家Danielle Navarro以亲身实践分享如何在brms框架中实现贝叶斯Emax回归，用于药物暴露-效应（剂量-反应）分析。作者坦诚自己刚进入药物计量学领域不久，带着冒名顶替综合征的诚实感写作，这份真实困惑本身就加分。文章不是空泛的趋势综述，而是手把手走通从模型理解、公式设定到brms代码实现的全流程，附带完整的实用参数配置和诊断建议。适合有贝叶斯基础、想将Emax模型落地到药物研发（如剂量探索、疗效评估）的分析师和研究人员。有具体代码、有方法论、有个人视角，是典型的优质技术博客——信息密度高、可复用、有人的温度。

收藏474 天前

用 ggplot2 实现带逐对旋转的散点图矩阵

Danielle Navarro 以招牌幽默笔调分享 ggplot2 高阶用法：实现带交互式逐对旋转（pairwise pivoting）的散点图矩阵，让多变量探索更直观。文章包含完整代码实现、设计思路与踩坑心得，延续「数据魔女」博客一贯的实用+个人风格，面向 R 语言数据可视化爱好者，不是空泛教程而是有真实工程取舍的一手经验。

收藏485 天前

好伪随机数也会翻车

统计编程中一个令人抓狂的坑：一位同事设置了 set.seed 以确保随机数可复现，但在不同机器上运行相同的多元正态抽样代码，结果却完全不同——不是微小差异，而是灾难性的完全不同。作者追踪发现，问题根源不在代码或 R 包 (MASS::mvrnorm)，而在于浮点数精度对矩阵特征分解的影响。协方差矩阵之间极细微的浮点截断误差（量级 1e-12），会导致 eigendecomposition 结果中特征向量方向反转（符号翻转），进而完全改变后续随机数流的内容。这是数值线性代数中已知但极少被注意的陷阱：在浮点算术世界中，数学上等价的矩阵不一定产生等价的分解结果，而一旦分解被用于随机抽样，种子管理也无能为力。文章以第一人称记录了完整的排查过程，穿插了大量幽默吐槽和 R 代码实验，既是实用避坑指南，也是一篇生动展示"计算机不等于数学"的经典案例。

收藏499 天前

不安之心

一首以女性城市安全焦虑为主题的短诗。作者用 Emma 和 Lucy 两个场景的对比——Emma 迷失在陌生街区，处处感到威胁；Lucy 在家门口也时刻警惕，刻意避免形成固定路线——浓缩了女性在公共空间中时时警觉、处处自保的生存状态。诗作没有说教或数据分析，纯以意象和节奏传递情绪，读来安静却有张力。适合对性别议题、城市空间、诗意表达或数据圈写作者个人表达感兴趣的读者。

收藏532 天前

关于 targets 的三个短篇故事

一位有血有肉的个人技术博主（Danielle "Data Witch" Navarro）以三则亲身经历的小故事，讲述她如何使用 R 语言 targets 包构建可复现数据分析工作流。延续她之前广受好评的 makefiles 深度系列，这次聚焦于 targets 这个现代数据管道工具：从初次接触时的困惑，到实际项目中遇到的问题与意外发现，再到逐步理解其设计哲学。全文带有鲜明的个人视角和踩坑实录，不是官方文档搬运，而是真实使用者的反思与总结。适合对 R 语言、可复现科研、数据工程管道感兴趣的读者获取一手经验。

收藏631 天前

魔法学派

一位资深数据科学家的个人博客，记录她在 2024 年底重拾 Tidy Tuesday 练习时，用 R 语言探索和可视化"魔法学派"主题数据集的过程。文章不是教程，而是真实的心流记录：她为什么喜欢数据整理和可视化、时间总被生活阻隔又偶尔能沉浸其中的满足感，以及面对一个有趣数据集时的探索思路。有个人经验、有审美判断（对可视化的偏好）、有真实的业余数据爱好者的共鸣，没有营销包装或套路写法。

收藏638 天前

Art from code VI: Tiles and tessellations

A couple of years ago I gave an invited workshop called art from code at the 2022 rstudio::conf (now posit::conf) conference. As part of the workshop I wrote a lengthy series of notes on how to make g...

收藏647 天前

Julia入门基础（编程语言，三篇系列之一）

数据科学家Danielle Navarro以亲身学习经历写下的Julia入门笔记，核心看点是她用多语言背景（R/Python/C++）横向对比Julia的设计哲学，配合真实代码一步步展示变量类型、向量、字典、函数分发、管道操作符和元编程等基础，同时穿插《基地》剧集截图和幽默吐槽，让技术教程充满鲜明的个人观点和审美判断。她讲清楚了Julia为什么1-based索引、如何自动编译达到C++级别性能、多重分发机制怎么用，以及管道设计虽严格但催生函数式思维。全程有可复现的代码块、踩坑记录（比如missing值处理方法）、对语言设计好恶的坦诚表达，还有"hello cruel world"之类的俏皮彩蛋。这不是那种小编体或SEO拼凑的入门教程，而是一个有经验、有态度、有幽默感的程序员在上手新语言时的真实记录，对想了解Julia或看看真正有"人味"的技术博客怎么写的人来说，值得一读。

收藏933 天前