R数据科学 下载 pdf 百度网盘 epub 免费 2025 电子书 mobi 在线

本书的目标是教会读者使用最重要的数据科学工具，从而为实施数据科学奠定坚实的基础。读完本书后，你将掌握R语言的精华，并能够熟练使用多种工具来解决各种数据科学难题。每一章都按照这样的顺序组织内容：先给出一些引人入胜的示例，以便你可以整体了解这一章的内容，然后再深入细节。本书的每一节都配有习题，以帮助你实践所学到的知识。

前言　　XV

第一部分 探索

第1章　使用ggplot2进行数据可视化　　3

1.1　简介　　3

1.2　第一步　　4

1.2.1　mpg数据框　　4

1.2.2　创建ggplot图形　　5

1.2.3　绘图模板　　5

1.2.4　练习　　6

1.3　图形属性映射　　6

1.4　常见问题　　10

1.5　分面　　11

1.6　几何对象　　13

1.7　统计变换　　18

1.8　位置调整　　21

1.9　坐标系　　25

1.10　图形分层语法　　27

第2章　工作流：基础　　29

2.1　代码基础　　29

2.2　对象名称　　30

2.3　函数调用　　30

第3章　使用dplyr进行数据转换　　33

3.1　简介　　33

3.1.1　准备工作　　33

3.1.2　nycflights13　　33

3.1.3　dplyr基础　　34

3.2　使用filter()筛选行　　35

3.2.1　比较运算符　　36

3.2.2　逻辑运算符　　36

3.2.3　缺失值　　37

3.2.4　练习　　38

3.3　使用arrange()排列行　　39

3.4　使用select()选择列　　40

3.5　使用mutate()添加新变量　　42

3.5.1　常用创建函数　　43

3.5.2　练习　　45

3.6　使用summarize()进行分组摘要　　46

3.6.1　使用管道组合多种操作　　46

3.6.2　缺失值　　48

3.6.3　计数　　49

3.6.4　常用的摘要函数　　52

3.6.5　按多个变量分组　　56

3.6.6　取消分组　　57

3.6.7　练习　　57

3.7　分组新变量（和筛选器）　　58

第4章　工作流：脚本　　60

4.1　运行代码　　61

4.2　RStudio自动诊断　　61

第5章　探索性数据分析　　63

5.1　简介　　63

5.2　问题　　64

5.3　变动　　64

5.3.1　对分布进行可视化表示　　65

5.3.2　典型值　　67

5.3.3　异常值　　69

5.3.4　练习　　70

5.4　缺失值　　71

5.5　相关变动　　72

5.5.1　分类变量与连续变量　　72

5.5.2　两个分类变量　　77

5.5.3　两个连续变量　　79

5.6　模式和模型　　82

5.7　ggplot2调用　　84

5.8　更多学习资源　　85

第6章　工作流：项目　　86

6.1　什么是真实的　　86

6.2　你的分析位于哪里　　87

6.3　路径与目录　　88

6.4　RStudio项目　　88

6.5　小结　　90

第二部分　数据处理

第7章　使用tibble实现简单数据框　　93

7.1　简介　　93

7.2　创建tibble　　93

7.3　对比tibble与data.frame　　95

7.3.1　打印　　95

7.3.2　取子集　　96

7.4　与旧代码进行交互　　96

第8章　使用readr进行数据导入　　98

8.1　简介　　98

8.2　入门　　98

8.2.1　与R基础包进行比较　　100

8.2.2　练习　　101

8.3　解析向量　　101

8.3.1　数值　　102

8.3.2　字符串　　103

8.3.3　因子　　105

8.3.4　日期、日期时间与时间　　105

8.3.5　练习　　107

8.4　解析文件　　107

8.4.1　策略　　107

8.4.2　问题　　108

8.4.3　其他策略　　110

8.5　写入文件　　112

8.6　其他类型的数据　　113

第9章　使用dplyr处理关系数据　　114

9.1　简介　　114

9.2　nycflights13　　115

9.3　键　　117

9.4　合并连接　　119

9.4.1　理解连接　　120

9.4.2　内连接　　121

9.4.3　外连接　　121

9.4.4　重复键　　122

9.4.5　定义键列　　124

9.4.6　练习　　125

9.4.7　其他实现方式　　126

9.5　筛选连接　　127

9.6　连接中的问题　　129

9.7　集合操作　　130

第10章　使用stringr处理字符串　　131

10.1　简介　　131

10.2　字符串基础　　131

10.2.1　字符串长度　　132

10.2.2　字符串组合　　133

10.2.3　字符串取子集　　133

10.2.4　区域设置　　134

10.2.5　练习　　134

10.3　使用正则表达式进行模式匹配　　135

10.3.1　基础匹配　　135

10.3.2　练习　　136

10.3.3　锚点　　136

10.3.4　练习　　137

10.3.5　字符类与字符选项　　137

10.3.6　练习　　138

10.3.7　重复　　138

10.3.8　练习　　139

10.3.9　分组与回溯引用　　140

10.3.10　练习　　140

10.4　工具　　140

10.4.1　匹配检测　　142

10.4.2　练习　　143

10.4.3　提取匹配内容　　144

10.4.4　练习　　145

10.4.5　分组匹配　　145

10.4.6　练习　　147

10.4.7　替换匹配内容　　147

10.4.8　练习　　147

10.4.9　拆分　　147

10.4.10　练习　　149

10.4.11　定位匹配内容　　149

10.5　其他类型的模式　　149

10.6　正则表达式的其他应用　　152

10.7　stringi　　152

第11章　使用forcats处理因子　　154

11.1　简介　　154

11.2　创建因子　　154

11.3　综合社会调查　　156

11.4　修改因子水平　　157

第12章　使用lubridate处理日期和时间　　160

12.1　简介　　160

12.2　创建日期或时间　　161

12.2.1　通过字符串创建　　161

12.2.2　通过各个成分创建　　162

12.2.3　通过其他类型数据创建　　164

12.2.4　练习　　165

12.3　日期时间成分　　165

12.3.1　获取成分　　165

12.3.2　舍入　　168

12.3.3　设置成分　　168

12.3.4　练习　　170

12.4　时间间隔　　170

12.4.1　时期　　170

12.4.2　阶段　　171

12.4.3　区间　　173

12.4.4　小结　　173

12.4.5　练习　　174

12.5　时区　　174

第三部分　编程

第13章　使用magrittr进行管道操作　　179

13.1　简介　　179

13.2　管道的替代方式　　179

13.2.1　中间步骤　　180

13.2.2　重写初始对象　　181

13.2.3　函数组合　　181

13.2.4　使用管道　　182

13.3　不适合使用管道的情形　　183

13.4　magrittr中的其他工具　　183

第14章　函数　　185

14.1　简介　　185

14.2　什么时候应该使用函数　　186

14.3　人与计算机的函数　　188

14.4　条件执行　　190

14.4.1　条件　　191

14.4.2　多重条件　　192

14.4.3　代码风格　　192

14.4.4　练习　　193

14.5　函数参数　　194

14.5.1　选择参数名称　　195

14.5.2　检查参数值　　195

14.5.3　点点点（...）　　197

14.5.4　惰性求值　　197

14.5.5　练习　　198

14.6　返回值　　198

14.6.1　显式返回语句　　198

14.6.2　使得函数支持管道　　199

14.7　环境　　200

第15章　向量　　201

15.1　简介　　201

15.2　向量基础　　202

15.3　重要的原子向量　　203

15.3.1　逻辑型　　203

15.3.2　数值型　　203

15.3.3　字符型　　204

15.3.4　缺失值　　204

15.3.5　练习　　204

15.4　使用原子向量　　205

15.4.1　强制转换　　205

15.4.2　检验函数　　206

15.4.3　标量与循环规则　　206

15.4.4　向量命名　　208

15.4.5　向量取子集　　208

15.4.6　练习　　209

15.5　递归向量（列表）　　210

15.5.1　列表可视化　　211

15.5.2　列表取子集　　211

15.5.3　调料列表　　212

15.5.4　练习　　214

15.6　特性　　214

15.7　扩展向量　　216

15.7.1　因子　　216

15.7.2　日期和日期时间　　216

15.7.3　tibble　　217

15.7.4　练习　　218

第16章　使用purrr实现迭代　　219

16.1　简介　　219

16.2　for循环　　220

16.3　for循环的变体　　222

16.3.1　修改现有对象　　222

16.3.2　循环模式　　223

16.3.3　未知的输出长度　　223

16.3.4　未知的序列长度　　224

16.3.5　练习　　225

16.4　for循环与函数式编程　　226

16.5　映射函数　　228

16.5.1　快捷方式　　229

16.5.2　R基础包　　230

16.5.3　练习　　231

16.6　对操作失败的处理　　231

16.7　多参数映射　　233

16.8　游走函数　　236

16.9　for循环的其他模式　　237

16.9.1　预测函数　　237

16.9.2　归约与累计　　238

16.9.3　练习　　239

第四部分　模型

第17章　使用modelr实现基础模型　　243

17.1　简介　　243

17.2　一个简单模型　　244

17.3　模型可视化　　250

17.3.1　预测　　250

17.3.2　残差　　252

17.3.3　练习　　253

17.4　公式和模型族　　254

17.4.1　分类变量　　255

17.4.2　交互项（连续变量与分类变量）　　256

17.4.3　交互项（两个连续变量）　　259

17.4.4　变量转换　　261

17.4.5　练习　　264

17.5　缺失值　　264

17.6　其他模型族　　265

第18章　模型构建　　266

18.1　简介　　266

18.2　为什么质量差的钻石更贵　　267

18.2.1　价格与重量　　268

18.2.2　一个更复杂的模型　　271

18.2.3　练习　　273

18.3　哪些因素影响了每日航班数量　　273

18.3.1　一周中的每一天　　274

18.3.2　季节性星期六效应　　277

18.3.3　计算出的变量　　280

18.3.4　年度时间：另一种方法　　281

18.3.5　练习　　282

18.4　学习更多模型知识　　282

第19章　使用purrr和broom处理多个模型　　284

19.1　简介　　284

19.2　列表列　　285

19.3　创建列表列　　286

19.3.1　使用嵌套　　286

19.3.2　使用向量化函数　　287

19.3.3　使用多值摘要　　288

19.3.4　使用命名列表　　288

19.3.5　练习　　289

19.4　简化列表列　　290

19.4.1　列表转换为向量　　290

19.4.2　嵌套还原　　291

19.4.3　练习　　292

19.5　使用broom生成整洁数据　　292

第五部分　沟通

第20章　R Markdown　　295

20.1　简介　　295

20.2　R Markdown基础　　295

20.3　使用Markdown格式化文本　　298

20.4　代码段　　299

20.4.1　代码段名称　　300

20.4.2　代码段选项　　300

20.4.3　表格　　301

20.4.4　缓存　　301

20.4.5　全局选项　　302

20.4.6　内联代码　　303

20.4.7　练习　　303

20.5　排错　　304

20.6　YAML文件头　　304

20.6.1　文档参数　　304

20.6.2　参考文献与引用　　306

20.7　更多学习资源　　307

第21章　使用ggplot2进行图形化沟通　　308

21.1　简介　　308

21.2　标签　　309

21.3　注释　　311

21.4　标度　　316

21.4.1　坐标轴刻度与图例项目　　316

21.4.2　图例布局　　318

21.4.3　标度替换　　320

21.4.4　练习　　324

21.5　缩放　　325

21.6　主题　　326

21.7　保存图形　　328

21.7.1　图形大小　　328

21.7.2　其他重要选项　　330

21.8　更多学习资源　　330

第22章　R Markdown输出类型　　331

22.1　简介　　331

22.2　输出选项　　332

22.3　文档　　332

22.4　笔记本　　333

22.5　演示文稿　　333

22.6　仪表盘　　334

22.7　交互元素　　335

22.7.1　htmlwidgets　　335

22.7.2　Shiny　　336

22.8　网站　　337

22.9　其他类型　　338

22.10　更多学习资源　　338

第23章　R Markdown工作流　　339

作者简介　　341

封面简介　　341

Hadley Wickham，RStudio首席科学家，统计学家，斯坦福大学、奥克兰大学、莱斯大学兼职统计学教授。ggplot2等多款知名R包的开发者，一直致力于让普罗大众更容易上手数据分析，被R社区誉为“改变了R的人”。另著有《R包开发》等书。

Garrett Grolemund，RStudio数据科学家、知名R培训师，曾受邀在Google、eBay等诸多公司讲授R语言和数据科学，在DataCamp开授的R相关课程备受R开发者喜爱。另著有《R语言入门与实践》。

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：R数据科学在线阅读

在线听书地址：R数据科学在线收听

在线购买地址：R数据科学在线购买

正确问题的近似答案通常是模糊的，但它远远胜过错误问题的确切答案，尽管后者总是很精确。——John Tukey

正如Jamie Zawinsk下面所说

当遇到一个问题时，有些人会这样想：“我可以用正则表达式来搞定它。”于是，原来的一个问题就变成了两个问题。

ggplot2只能同时使用六种形状，默认情况下，当使用这种图形属性时，多出的变量值将不会出现图中。

只要将一个图形属性映射为一个离散变量，就会自动对数据进行分组来绘制多个几何对象。

使用RStudio快捷键RStudio：Alt+-（Alt加上减号）……会自动在复制的两端加上空格，这是一个非常好的编码习惯。读代码是苦中作乐的一件事情，因此，用空格让你的眼睛稍感轻松吧。

支持管道操作是tidyverse中的R包的核心原则之一。唯一的例外就是ggplot2：它是在发现管道方式前开发的。ggplot2的下一个版本ggvis支持管道操作，遗憾的是其还没有达到成熟完备的程度。

书籍介绍

本书的目标是教会读者使用最重要的数据科学工具，从而为实施数据科学奠定坚实的基础。读完本书后，你将掌握R语言的精华，并能够熟练使用多种工具来解决各种数据科学难题。每一章都按照这样的顺序组织内容：先给出一些引人入胜的示例，以便你可以整体了解这一章的内容，然后再深入细节。本书的每一节都配有习题，以帮助你实践所学到的知识。