R語言及ggplot2在環(huán)境空氣監(jiān)測(cè)數(shù)據(jù)可視化中的應(yīng)用探究的論文
隨著新《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》(GB 3095-2012)的發(fā)布、實(shí)施，全國(guó)各地都在采用環(huán)境空氣自動(dòng)監(jiān)測(cè)以應(yīng)對(duì)其嚴(yán)苛的數(shù)據(jù)有效性要求。環(huán)境空氣自動(dòng)監(jiān)測(cè)系統(tǒng)每天都在產(chǎn)生大量的數(shù)據(jù)，如何對(duì)數(shù)據(jù)進(jìn)行有效的統(tǒng)計(jì)分析，成為一個(gè)新的課題。對(duì)數(shù)據(jù)的可視化，是數(shù)據(jù)分析的第一步。本文應(yīng)用R語言及ggplot2圖形繪制包以浙江省常山縣城區(qū)兩個(gè)空氣自動(dòng)站即環(huán)保大樓站及圖書館站2014年全年監(jiān)測(cè)數(shù)據(jù)為例進(jìn)行各種可視化分析，以探討該軟件在空氣質(zhì)量數(shù)據(jù)分析領(lǐng)域應(yīng)用的巨大潛力。
1 軟件準(zhǔn)備
1.1 R語言軟件與擴(kuò)展包
R語言是一種區(qū)分大小寫的解釋性語言，其具有的強(qiáng)大統(tǒng)計(jì)計(jì)算及繪圖能力，是從大數(shù)據(jù)中獲取有用信息的絕佳工具，它提供了Windows、OS X、Linux等各大操作系統(tǒng)下的版本，可以直接從網(wǎng)上免費(fèi)下載、安裝、使用。R語言軟件在基本安裝中提供了大量的數(shù)據(jù)處理、統(tǒng)計(jì)和圖形函數(shù)，此外各社區(qū)還開發(fā)了數(shù)以千計(jì)的擴(kuò)展包(packages)為R增加了更多令人驚奇的功能，本文用到的ggplot2、plyr、reshape2等即是其中的一部分。
ggplot2是目前R語言中的圖形繪制擴(kuò)展包，它為R語言提供了一個(gè)基于全面而連貫的語法的繪圖系統(tǒng)，它由一系列獨(dú)立的圖形部件組成，并能以許多種不同的方式組合起來，使得數(shù)據(jù)分析者能用緊湊的語法輕松繪制出復(fù)雜的圖形，從而使數(shù)據(jù)分析者更能將注意力集中于數(shù)據(jù)分析本身。plyr與reshape2是兩個(gè)功能強(qiáng)大的數(shù)據(jù)整理擴(kuò)展包，它們?yōu)镽語言擴(kuò)展了對(duì)數(shù)據(jù)變換、數(shù)據(jù)變形的功能。
ggplot2軟件包可以在R語言命令提示符后輸入install.packages(“ggplot2”)，選擇合適的下載鏡像后，就可以自動(dòng)從網(wǎng)上下載安裝。在Windows操作系統(tǒng)下下載的是二進(jìn)制文件，可以直接使用;在類Unix操作系統(tǒng)下，下載的是包的源代碼，經(jīng)過編譯后才能使用，但只要具備gcc等編譯工具，安裝都可通過簡(jiǎn)單的命令完成。在使用前，需要輸入library(ggplot2)或require(ggplot2)調(diào)用該軟件包。plyr包等也是如此。
1.2 Excel
但面對(duì)原始數(shù)據(jù)，微軟公司的Excel往往是對(duì)數(shù)據(jù)進(jìn)行清洗、分列的直觀分析利器。各地自動(dòng)監(jiān)測(cè)站采集并導(dǎo)出的原始數(shù)據(jù)往往是xml格式的，而Excel處理這種格式極為得心應(yīng)手。Excel中的數(shù)據(jù)篩選功能可以輕易地刪除大量無效數(shù)據(jù)，分列功能可以將監(jiān)測(cè)日期與時(shí)刻分離以便于下一步的處理，數(shù)據(jù)格式也可以得到統(tǒng)一，將數(shù)據(jù)“另存為”csv格式后即可通過read.csv()函數(shù)導(dǎo)入R軟件。R軟件也可以通過write.csv()函數(shù)寫出csv格式的文件與Excel交互使用。
2 數(shù)據(jù)處理
2.1 數(shù)據(jù)的收集與整理
在數(shù)據(jù)分析工作中，收集、整理數(shù)據(jù)的時(shí)間往往是占了工作時(shí)間的80%以上。在數(shù)據(jù)收集、整理工作中交互地使用R語言與Excel，可極大地提高工作效率。首先使用Excel將在自動(dòng)監(jiān)測(cè)過程中產(chǎn)生的無效數(shù)據(jù)進(jìn)行篩選、剔除，再按需要，對(duì)某些數(shù)據(jù)進(jìn)行分列處理，最后導(dǎo)出為csv文件后以便R語言讀取。與Matlab等將一切視為矩陣不同，R語言可以靈活地對(duì)向量、矩陣、數(shù)組、數(shù)據(jù)框、因子、列表等多種數(shù)據(jù)結(jié)構(gòu)進(jìn)行處理。通過read.csv()導(dǎo)入的數(shù)據(jù)都被視為數(shù)據(jù)框(data.frame)。數(shù)據(jù)框是R語言中最常用的數(shù)據(jù)結(jié)構(gòu)，其每一列都可以包含不同模式的數(shù)據(jù)，如環(huán)境空氣監(jiān)測(cè)數(shù)據(jù)之后，可以增加名為“month”的一列，用中文“一月份”表示該數(shù)據(jù)是一月份的數(shù)據(jù)，增加“site”的一列，用中文標(biāo)注其站點(diǎn)名稱，如假設(shè)hbdl201401為導(dǎo)入的環(huán)保大樓站一月份數(shù)據(jù)，用R命令行示例如下：site<-rep(“環(huán)保大樓站"，dim(hbdl201401))month<-rep(“一月份”，dim(hbdl201401))hbdl201401<-cbind(hbdl201401，site，month)同一站點(diǎn)中的數(shù)據(jù)，可以使用rbind()函數(shù)進(jìn)行按月合并。當(dāng)多站點(diǎn)數(shù)據(jù)合并時(shí)，由于設(shè)備配置的原因，數(shù)據(jù)框中各列的名稱與數(shù)量并不完全一致，使用rbind()合并數(shù)據(jù)時(shí)會(huì)出錯(cuò)。如常山縣環(huán)保大樓站除常規(guī)六參數(shù)外還配有碳黑儀、能見度儀、氣象五參數(shù)等，而圖書館站中僅有常規(guī)六參數(shù)。這時(shí)的合并可以用到merge()函數(shù)。假設(shè)hbdl2014為常山縣環(huán)保大樓站2014年全年小時(shí)均值數(shù)據(jù)，而tsg2014為圖書館站數(shù)據(jù)，則可用以下命令合并數(shù)據(jù)框：
cs2014<-merge(hbdl2014，tsg2014，all=T，sort=F)合并后的數(shù)據(jù)框cs2014中在圖書館站中所沒有的碳黑儀等數(shù)據(jù)均以“NA”(缺失)表示。merge()函數(shù)可以兩兩合并大量來源不同的數(shù)據(jù)框，只需保證列名的統(tǒng)一，數(shù)據(jù)即可合并無誤。在R語言中用命令tail(cs2014)即可列出cs2014的`最后6行：
2.2 數(shù)據(jù)的統(tǒng)計(jì)變換
對(duì)數(shù)據(jù)分析的細(xì)化過程往往就是分組的過程。2.1節(jié)中為數(shù)據(jù)增加“month”一列即是為數(shù)據(jù)按月份進(jìn)行分組，“site”一列即是為站點(diǎn)分組，“clock”一列即是為數(shù)據(jù)按時(shí)刻進(jìn)行分組。在實(shí)際工作中，分析數(shù)據(jù)的角度不同，分組也是千奇百怪。如可按當(dāng)日溫度差來分組，也可按平均風(fēng)速的大小來分組，當(dāng)然也可以按PM2.5日均值大小來分組來考察其他觀測(cè)值的情況。數(shù)據(jù)的變換與變形則是基于統(tǒng)計(jì)以及下一步分析的需要，將數(shù)據(jù)變化成相應(yīng)的形式。
2.2.1 創(chuàng)建分組變量。在數(shù)據(jù)分析過程中，常常發(fā)現(xiàn)這種情況：組別分的太細(xì)或者需要根據(jù)原數(shù)值內(nèi)容創(chuàng)建分組。
第一種情況可以合并組別。例如按氣象學(xué)上的規(guī)定，以每年的三、四、五月為春季，六、七、八月為夏季，九、十、十一月為秋季，十二、一、二月為冬季。需要以季節(jié)分組時(shí)，可以調(diào)用如下命令：
c s 2 0 1 4 $ s e a s o n [ c s 2 0 1 4 $ m o n t h = = ” 三月份”|cs2014$month==”四月份”|cs2014$month==”五月份”]<-”春”
c s 2 0 1 4 $ s e a s o n [ c s 2 0 1 4 $ m o n t h = = ” 六月份”|cs2014$month==”七月份”|cs2014$month==”八月份”]<-”夏”
c s 2 0 1 4 $ s e a s o n [ c s 2 0 1 4 $ m o n t h = = ” 九月份”|cs2014$month==”十月份”|cs2014$month==”十一月份”]<-”秋”
c s 2 0 1 4 $ s e a s o n [ c s 2 0 1 4 $ m o n t h = = ” 十二月份”|cs2014$month==”一月份”|cs2014$month==”二月份”]<-”冬”
運(yùn)行上述命令后，數(shù)據(jù)框cs2014中就多了一個(gè)名為“season”的列，其標(biāo)注了每一行數(shù)據(jù)的季節(jié)。第二種情況可以用到R語言中的cut()函數(shù)。如原數(shù)據(jù)中各污染物按月份按時(shí)刻進(jìn)行濃度平均得到數(shù)據(jù)框cs2014month后，可以以0～0.040mg/m3、0.040～0.080mg/m3、>0.080mg/m3為區(qū)間將臭氧的時(shí)刻平均數(shù)據(jù)分作3個(gè)組別，分別名為“弱”、“中”、“強(qiáng)”，用cut()函數(shù)創(chuàng)建分組變量“o3level”：cs2014month$o3level<-cut(cs2014month$o3，breaks=c( 0 ， 0 . 0 4 0 ， 0 . 0 8 0 ， I n f ) ， l a b e l s = c ( “ 弱” ， ”中”，”強(qiáng)”))
運(yùn)行上述命令后，數(shù)據(jù)框cs2014month中增加了名為o3level的新列，其標(biāo)注了每一行數(shù)據(jù)中臭氧的濃度水平。
2.2.2 分組變換�！皃lyr”包提供了一整套工
具集來處理列表(list)、數(shù)組(array)和數(shù)據(jù)框(data.frame)，它可以將復(fù)雜的數(shù)據(jù)分割成幾個(gè)部分，分別對(duì)各個(gè)部分進(jìn)行統(tǒng)計(jì)。對(duì)于數(shù)據(jù)框的操作，用的是plyr包中的ddply()函數(shù)，如：我們?nèi)粝氲玫礁鱾�(gè)站點(diǎn)的各污染因子日均濃度值，則可調(diào)用如下命令：
c s d a t e m e a n < - d d p l y ( c s 2 0 1 4 ， . ( d a t e ， s i t e ) ，
summarise，so2=round(mean(so2，na.rm=TRUE)，
3 )，n o 2 = r o u n d(me a n ( n o 2 ， n a . r m = TRU E)，
3)，co=round(mean(co，na.rm=TRUE)，2)，
pm10=round(mean(pm10，na.rm=TRUE)，3)，
pm2.5=round(mean(pm2.5，na.rm=TRUE)，3)，
o3=round(mean(sort(o3，decreasing=T)，
na.rm=TRUE)，3))
其中cs2014指原數(shù)據(jù)框，.(date，site)括號(hào)中指的是分組變量(日期、站點(diǎn))，summarise命令意為從原數(shù)據(jù)中總結(jié)出一個(gè)新數(shù)據(jù)，round()為小數(shù)位數(shù)修約函數(shù)，mean()為平均函數(shù)，sort()為數(shù)據(jù)排序函數(shù)，命令中臭氧數(shù)據(jù)取其每日最大8小時(shí)平均值，其他污染物均為24小時(shí)平均值。該命令運(yùn)行后就得到了一個(gè)新的數(shù)據(jù)框csdatemean。
類似的還可以用d d p l y ( ) 函數(shù)針對(duì)月份以及其他分類變量進(jìn)行分組統(tǒng)計(jì)。如2.2.1節(jié)中提到的cs2014month，就可以調(diào)用如下命令得到：
cs2014month<-ddply(cs2014，.(clock，month)，
summarise，so2=round(mean(so2，na.rm=TRUE)，
3 )，n o 2 = r o u n d(me a n ( n o 2 ， n a . r m = TRU E)，
3)，co=round(mean(co，na.rm=TRUE)，2)，
pm10=round(mean(pm10，na.rm=TRUE)，3)，
pm2.5=round(mean(pm2.5，na.rm=TRUE)，3)，
o3=round(mean(o3，na.rm=TRUE)，3))
除此之外，plyr包還提供了一些靈活的函數(shù)如transform等用于組間數(shù)值的統(tǒng)計(jì)，詳見plyr包的自帶說明。
2.2.3 數(shù)據(jù)變形。reshape2包提供的melt()和dcast()函數(shù)實(shí)現(xiàn)的是類似于Excel中數(shù)據(jù)透視表的功能，可從繁雜的數(shù)據(jù)中摘取出想要的信息。其中melt()函數(shù)可以將多列數(shù)據(jù)篩選后融合在一起，即從“寬”變“長(zhǎng)”，下面舉例說明：
csclockmean<-ddply(cs2014，.(clock，season)，
summarise，so2=round(mean(so2，na.rm=TRUE)，
3)，no2=round(mean(no2，na.rm=TRUE)，
3)，co=round(mean(co，na.rm=TRUE)，2)，
pm10=round(mean(pm10，na.rm=TRUE)，3)，
pm2.5=round(mean(pm2.5，na.rm=TRUE)，3)，
o3=round(mean(o3，na.rm=TRUE)，3))
csclockmelt<-melt(csclockmean，id.var=c(“clock”，”season”)，measure.var=c(“so2”，”no2”，”pm2.5”))
執(zhí)行以上命令后，先得到一個(gè)名為csclockmean的數(shù)據(jù)框，再通過m e l t ( ) 函數(shù)得到一個(gè)名為csclockmelt的新數(shù)據(jù)框，用head()函數(shù)分別讀取兩個(gè)數(shù)據(jù)框的前6行：
melt()函數(shù)中id.var意為標(biāo)識(shí)變量，即在原數(shù)據(jù)框中需保留的列向量，measure.var意為度量變量，即在原數(shù)據(jù)框中需要融合的列向量。melt()函數(shù)生成的新數(shù)據(jù)框中保留了id.var的同時(shí)，生成了兩列：一列名為variable，包含的是measure.var;一列名為value，即原數(shù)據(jù)框中measure.var的值。由于ggplot2的獨(dú)特語法，使用melt()函數(shù)得到的新數(shù)據(jù)框可使ggplot2在同一張圖中繪制多個(gè)參數(shù)。
3 ggplot2數(shù)據(jù)可視化應(yīng)用
一般認(rèn)為R語言有4套圖形系統(tǒng)，即graphics、grid、lattice、ggplot2。其中g(shù)raphics、grid、lattice被認(rèn)為是基礎(chǔ)圖形系統(tǒng)，它們的繪圖命令精煉、實(shí)用、運(yùn)行速度塊，制出的圖形美觀、實(shí)用，但是基礎(chǔ)圖形系統(tǒng)的制圖方式極為生硬，函數(shù)各參數(shù)繁復(fù)，令人往往在繪圖上耗費(fèi)大量的時(shí)間，而不是在數(shù)據(jù)分析上。
ggplot2是2005年后才新出現(xiàn)的圖形系統(tǒng)，它提供了統(tǒng)一的接口及一些選項(xiàng)，替代了基礎(chǔ)圖形系統(tǒng)那套繁雜的修補(bǔ)體系，令使用者能更多地關(guān)注于數(shù)據(jù)本身。當(dāng)然ggplot2中也有大量底層命令可對(duì)圖形作精細(xì)的修改。
3.1 數(shù)據(jù)的簡(jiǎn)單分布
箱線圖是一種展示數(shù)據(jù)分布的方法， 箱內(nèi)為25%～75%的值，箱中的橫線代表中位值，箱子上下豎線表示上下的相鄰值，超過相鄰值的點(diǎn)稱為外部點(diǎn)。使用ggplot2繪制常山縣兩個(gè)站點(diǎn)二氧化硫全年日均值分布的箱線圖命令如下所示。
ggplot(csdatemean，aes(site，so2))+geom_boxplot()+xlab(“空氣自動(dòng)監(jiān)測(cè)站點(diǎn)”)+ylab(expression(paste(“二氧化硫日均濃度”(mg/m^3))))
ggplot2有其特殊的語法，其特點(diǎn)是“+”號(hào)，任何圖層都可以通過“+”號(hào)來實(shí)現(xiàn)。geom_boxplot()是ggplot2中繪制箱線圖的函數(shù)，類似的還有g(shù)eom_point()(繪制散點(diǎn)圖)、geom_line()(繪制折線圖)、geom_histogram()(繪制條形圖)…等。xlab()添加的是x軸上的文字說明，ylab()中的expression()函數(shù)是為了在圖中實(shí)現(xiàn)mg/m3的表達(dá)式。
3.2 趨勢(shì)線的添加
在數(shù)據(jù)可視化工作中，參數(shù)與參數(shù)之間往往有著或多或少的關(guān)系，添加趨勢(shì)線是探索這種關(guān)系的一種橋梁。R語言在數(shù)據(jù)分析方面最大的優(yōu)勢(shì)就是其強(qiáng)大的數(shù)據(jù)擬合功能，它提供了線性、非線性、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等大量數(shù)據(jù)擬合工具。這些工具均可以與ggplot2配合使用繪制出趨勢(shì)圖形，以檢驗(yàn)其擬合成果。下例使用ggplot2中的stat_smooth()函數(shù)自動(dòng)添加趨勢(shì)線來探索PM2.5與PM10數(shù)據(jù)間的關(guān)系。
ggplot(csdatemean，aes(pm2.5，pm10))+geom_point(colour=”grey60”)+stat_smooth(method=lm，se=F，colour=”black”)+xlab(expression(paste(“PM2.5日均數(shù)據(jù)”(mg/m^3))))+ylab(expression(paste(“PM10日均數(shù)據(jù)”(mg/m^3))))
在geom_point()和stat_smooth()兩個(gè)函數(shù)中添加顏色參數(shù)，以使得散點(diǎn)圖顯得顏色淡一點(diǎn)，而讓趨勢(shì)線更明顯。stat_smooth()函數(shù)中method=lm指按直線方式添加趨勢(shì)線。從圖5中明顯可見PM2.5與PM10呈現(xiàn)了一種極強(qiáng)的線性關(guān)系。
3.3 分組變量的體現(xiàn)
在數(shù)據(jù)可視化的過程中，數(shù)據(jù)分組可以幫助人們揭示更多的細(xì)節(jié)。ggplot2可將在數(shù)據(jù)處理階段創(chuàng)建的分組變量以顏色、形狀、大小等形式映射于圖上。
如2.2.2節(jié)中得到了各污染物按月份的時(shí)刻濃度平均數(shù)據(jù)cs2014month，2.2.1節(jié)中用cut()函數(shù)將該數(shù)據(jù)框中臭氧濃度分為“弱”、“中”、“強(qiáng)”三個(gè)水平，用ggplot2繪制出二氧化氮的時(shí)刻濃度圖，并用圖中二氧化氮濃度點(diǎn)的大小來代表臭氧的濃度水平，命令如下：
ggplot(cs2014month，aes(clock，no2))+geom_point(aes(size=o3level))+xlab(“時(shí)刻”)+ylab(expression(paste(二氧化氮濃度(mg/m^3))))+scale_size_discrete(name=”臭氧濃度水平”)
此例geom_point()函數(shù)中的size參數(shù)將臭氧濃度水平映射到二氧化氮濃度點(diǎn)的大小上，如此從圖中可以明顯可見臭氧濃度水平“強(qiáng)”時(shí)，往往是二氧化氮濃度較低時(shí)。類似的還可以用colour、shape等將分組變量的各組別映射為顏色、形狀等，使繪制出的二維圖呈現(xiàn)出更多的內(nèi)容。
3.4 圖形分面
數(shù)據(jù)可視化中最實(shí)用的技術(shù)之一是將分組的數(shù)據(jù)并列呈現(xiàn)，這樣可以使得組間數(shù)據(jù)的比較變得容易許多，ggplot2中將之稱為分面(facet)。ggplot2中可以用facet_grid()和facet_wrap()兩個(gè)函數(shù)都可以繪制出分面圖。
2.2.3中利用melt()函數(shù)得到了csclockmelt數(shù)據(jù)框，下例利用該數(shù)據(jù)，繪制四季中二氧化硫、二氧化氮、細(xì)顆粒物這三大污染物在24小時(shí)中的分布情況圖，命令如下。
csclockmelt$season<-factor(csclockmelt$season，levels=c(“春”，”夏”，”秋”，”冬”))
ggplot(csclockmelt，aes(clock，value))+geom_point(aes(shape=variable))+geom_line(aes(colour=variable))+facet_wrap(～season)+xlab
(“時(shí)刻”)+ylab(expression(paste(“濃度值”(mg/m^3))))+scale_colour_hue(name=”污染物”，labels=c(“二氧化硫”，”二氧化氮”，”細(xì)顆粒物”))+scale_shape(name=”污染物”，labels=c
(“二氧化硫”，”二氧化氮”，”細(xì)顆粒物”)，solid=F)
命令中f a c t o r () 函數(shù)為季節(jié)排序， s h a p e 、colour將污染物種類映射至散點(diǎn)形狀、曲線顏色，facet_wrap()函數(shù)自動(dòng)將分組變量season進(jìn)行分面處理。如此在相同的坐標(biāo)系中得到四張并列的圖，可令人更直觀地比較數(shù)據(jù)。
4 結(jié)語
R語言最初時(shí)只是一個(gè)統(tǒng)計(jì)分析軟件包，它擅長(zhǎng)于繪圖、分析數(shù)據(jù)以及利用數(shù)據(jù)來擬合統(tǒng)計(jì)模型，在不擅長(zhǎng)的領(lǐng)域如復(fù)雜數(shù)據(jù)存儲(chǔ)、大數(shù)據(jù)處理，它也提供了接口;ggplot2以其自成一派的語法聞名，它不需要考慮某圖形需要填充什么顏色，使用什么形狀的線段連接散點(diǎn)，不必去糾結(jié)基本圖形系統(tǒng)中那些繁雜的參數(shù)，將更多的時(shí)間用于數(shù)據(jù)分析本身。本文中某些例子由于考慮到各圖形的美觀及信息的正式性，在繪制時(shí)應(yīng)用了不少ggplot2中的底層命令，顯得各例中命令較為復(fù)雜。實(shí)際應(yīng)用中均可大大簡(jiǎn)化，即使如此，與基礎(chǔ)圖形系統(tǒng)相比，ggplot2的優(yōu)勢(shì)也盡顯無疑。
當(dāng)然，工具永遠(yuǎn)只能是工具，無論什么工具都無法替代有效數(shù)據(jù)的積累和大腦思考問題的角度。各地將氣象數(shù)據(jù)納入環(huán)境空氣質(zhì)量數(shù)據(jù)一起分析時(shí)，思考時(shí)角度可以更加多元化;各地的一些污染控制工作內(nèi)容也可以納入數(shù)據(jù)框中作分析，以評(píng)價(jià)其有效性;省、市以上的監(jiān)測(cè)部門更是可以利用更多的環(huán)境空氣自動(dòng)監(jiān)測(cè)數(shù)據(jù)作一些地域性的探索。
【R語言及ggplot2在環(huán)境空氣監(jiān)測(cè)數(shù)據(jù)可視化中的應(yīng)用探究的論文】相關(guān)文章：
數(shù)據(jù)信息在醫(yī)院醫(yī)療保險(xiǎn)管理的應(yīng)用論文08-02
微課在中職計(jì)算機(jī)應(yīng)用基礎(chǔ)課程教學(xué)中的應(yīng)用探究12-13
合作寫作在應(yīng)用文教學(xué)中的策略運(yùn)用論文09-18
WIKI在高中語文寫作教學(xué)中的應(yīng)用研究論文07-29
管理會(huì)計(jì)在企業(yè)管理中的應(yīng)用策略分析論文08-11
在醫(yī)學(xué)研究生SCI英文論文寫作教學(xué)中的應(yīng)用06-20
案例教學(xué)在計(jì)算機(jī)基礎(chǔ)課程教學(xué)中的應(yīng)用論文01-02
組織行為學(xué)在企業(yè)管理中的應(yīng)用策略分析論文08-11