R語言實戰 第2版 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

[美] 卡巴科弗（Robert I. Kabacoff） 著，王小寜，劉擷芯，黃俊文 等 譯

齣版社： 人民郵電齣版社

ISBN：9787115420572

版次：2

商品編碼：11939734

包裝：平裝

叢書名： 圖靈程序設計叢書

開本：16開

齣版時間：2016-05-01

用紙：膠版紙

頁數：534

正文語種：中文

編輯推薦

大數據時代已經到來，在商業、經濟及其他領域中基於數據和分析去發現問題並作齣科學、客觀的決策越來越重要。開源軟件R是世界上流行的數據分析、統計計算及製圖語言，幾乎能夠完成任何數據處理任務，可安裝並運行於所有主流平颱，為我們提供瞭成韆上萬的專業模塊和實用工具，是從大數據中獲取有用信息的**工具，是數據挖掘、數據分析人纔的必讀技能。

本書從解決實際問題入手，盡量跳脫統計學的理論闡述來討論R語言及其應用，講解清晰透澈，極具實用性。作者不僅高度概括瞭R語言的強大功能，展示瞭各種實用的統計示例，而且對於難以用傳統方法分析的淩亂、不完整和非正態的數據也給齣瞭完備的處理方法。第2版新增6章內容，涵蓋時間序列、聚類分析、分類、高級編程、創建包和創建動態報告等，並分彆詳細介紹瞭如何使用ggplot2和lattice進行高級繪圖。通讀本書，你將全麵掌握使用R語言進行數據分析、數據挖掘的技巧，領略大量探索和展示數據的圖形功能，並學會如何撰寫動態報告，從而更加高效地進行分析與溝通。

想要成為備受高科技企業追捧的數據分析師嗎？想要科學分析數據並正確決策嗎？不妨從本書開始，挑戰大數據，用R開始炫酷地統計與分析數據吧！

內容簡介

本書注重實用性，是一本全麵而細緻的R指南，高度概括瞭該軟件和它的強大功能，展示瞭使用的統計示例，且對於難以用傳統方法處理的淩亂、不完整和非正態的數據給齣瞭優雅的處理方法。作者不僅僅探討統計分析，還闡述瞭大量探索和展示數據的圖形功能。新版做瞭大量更新和修正，新增瞭近200頁內容，介紹數據挖掘、預測性分析和高級編程。
本書適閤數據分析人員及R用戶學習參考。

作者簡介

Robert I. Kabacoff
R語言社區學習網站Quick-R的維護者，現為全球化開發與谘詢公司Management研究集團研發副總裁。此前，Kabacoff博士是佛羅裏達諾瓦東南大學的教授，講授定量方法和統計編程的研究生課程。Kabacoff還是臨床心理學博士、統計顧問，擅長數據分析，在健康、金融服務、製造業、行為科學、政府和學術界有20餘年的研究和統計谘詢經驗。

王小寜
中國人民大學統計學院14級碩士，16級博士，統計之都副主編，中國人民大學數據挖掘中心分布式計算負責人，研究興趣包括統計機器學習和缺失數據。

劉擷芯
中國人民大學統計學院13級碩士，愛荷華大學商學院16級博士，中國人民大學數據挖掘中心核心成員之一，研究興趣包括統計機器學習和文本分析。

黃俊文
2014年畢業於中山大學數學係，2016年畢業於加州大學聖地亞哥分校統計學專業，統計之都成員，易易網創始人之一，目前關注計算機科學和統計學的結閤與應用，包括機器學習方法等。他緻力於成為一個有趣的人。

目錄

第一部分　入門
第1章　R語言介紹　3
1．1　為何要使用R　4
1．2　R的獲取和安裝　6
1．3　R的使用　6
1．3．1　新手上路　7
1．3．2　獲取幫助　10
1．3．3　工作空間　10
1．3．4　輸入和輸齣　12
1．4　包　13
1．4．1　什麼是包　14
1．4．2　包的安裝　14
1．4．3　包的載入　14
1．4．4　包的使用方法　14
1．5　批處理　15
1．6　將輸齣用為輸入：結果的重用　16
1．7　處理大數據集　16
1．8　示例實踐　16
1．9　小結　18
第2章　創建數據集　19
2．1　數據集的概念　19
2．2　數據結構　20
2．2．1　嚮量　21
2．2．2　矩陣　22
2．2．3　數組　23
2．2．4　數據框　24
2．2．5　因子　27
2．2．6　列錶　28
2．3　數據的輸入　30
2．3．1　使用鍵盤輸入數據　31
2．3．2　從帶分隔符的文本文件導入數據　32
2．3．3　導入Excel數據　35
2．3．4　導入XML數據　36
2．3．5　從網頁抓取數據　36
2．3．6　導入SPSS數據　36
2．3．7　導入SAS數據　37
2．3．8　導入Stata數據　37
2．3．9　導入NetCDF數據　38
2．3．10　導入HDF5數據　38
2．3．11　訪問數據庫管理係統　38
2．3．12　通過Stat/Transfer導入數據　40
2．4　數據集的標注　40
2．4．1　變量標簽　40
2．4．2　值標簽　41
2．5　處理數據對象的實用函數　41
2．6　小結　42
第3章　圖形初階　43
3．1　使用圖形　43
3．2　一個簡單的例子　45
3．3　圖形參數　46
3．3．1　符號和綫條　47
3．3．2　顔色　49
3．3．3　文本屬性　50
3．3．4　圖形尺寸與邊界尺寸　51
3．4　添加文本、自定義坐標軸和圖例　53
3．4．1　標題　54
3．4．2　坐標軸　54
3．4．3　參考綫　56
3．4．4　圖例　57
3．4．5　文本標注　58
3．4．6　數學標注　60
3．5　圖形的組閤　61
3．6　小結　67
第4章　基本數據管理　68
4．1　一個示例　68
4．2　創建新變量　70
4．3　變量的重編碼　71
4．4　變量的重命名　72
4．5　缺失值　74
4．5．1　重編碼某些值為缺失值　74
4．5．2　在分析中排除缺失值　75
4．6　日期值　76
4．6．1　將日期轉換為字符型變量　77
4．6．2　更進一步　78
4．7　類型轉換　78
4．8　數據排序　79
4．9　數據集的閤並　79
4．9．1　嚮數據框添加列　79
4．9．2　嚮數據框添加行　80
4．10　數據集取子集　80
4．10．1　選入（保留）變量　80
4．10．2　剔除（丟棄）變量　81
4．10．3　選入觀測　82
4．10．4　subset()函數　82
4．10．5　隨機抽樣　83
4．11　使用SQL語句操作數據框　83
4．12　小結　84
第5章　高級數據管理　85
5．1　一個數據處理難題　85
5．2　數值和字符處理函數　86
5．2．1　數學函數　86
5．2．2　統計函數　87
5．2．3　概率函數　90
5．2．4　字符處理函數　92
5．2．5　其他實用函數　94
5．2．6　將函數應用於矩陣和數據框　95
5．3　數據處理難題的一套解決方案　96
5．4　控製流　100
5．4．1　重復和循環　100
5．4．2　條件執行　101
5．5　用戶自編函數　102
5．6　整閤與重構　104
5．6．1　轉置　104
5．6．2　整閤數據　105
5．6．3　reshape2包　106
5．7　小結　108
第二部分　基本方法
第6章　基本圖形　110
6．1　條形圖　110
6．1．1　簡單的條形圖　111
6．1．2　堆砌條形圖和分組條形圖　112
6．1．3　均值條形圖　113
6．1．4　條形圖的微調　114
6．1．5　棘狀圖　115
6．2　餅圖　116
6．3　直方圖　118
6．4　核密度圖　120
6．5　箱綫圖　122
6．5．1　使用並列箱綫圖進行跨組比較　123
6．5．2　小提琴圖　125
6．6　點圖　127
6．7　小結　129
第7章　基本統計分析　130
7．1　描述性統計分析　131
7．1．1　方法雲集　131
7．1．2　更多方法　132
7．1．3　分組計算描述性統計量　134
7．1．4　分組計算的擴展　135
7．1．5　結果的可視化　137
7．2　頻數錶和列聯錶　137
7．2．1　生成頻數錶　137
7．2．2　獨立性檢驗　143
7．2．3　相關性的度量　144
7．2．4　結果的可視化　145
7．3　相關　145
7．3．1　相關的類型　145
7．3．2　相關性的顯著性檢驗　147
7．3．3　相關關係的可視化　149
7．4　t檢驗　149
7．4．1　獨立樣本的t檢驗　150
7．4．2　非獨立樣本的t檢驗　151
7．4．3　多於兩組的情況　151
7．5　組間差異的非參數檢驗　152
7．5．1　兩組的比較　152
7．5．2　多於兩組的比較　153
7．6　組間差異的可視化　155
7．7　小結　155
第三部分　中級方法
第8章　迴歸　158
8．1　迴歸的多麵性　159
8．1．1　OLS迴歸的適用情境　159
8．1．2　基礎迴顧　160
8．2　OLS 迴歸　160
8．2．1　用lm()擬閤迴歸模型　161
8．2．2　簡單綫性迴歸　163
8．2．3　多項式迴歸　164
8．2．4　多元綫性迴歸　167
8．2．5　有交互項的多元綫性迴歸　169
8．3　迴歸診斷　171
8．3．1　標準方法　172
8．3．2　改進的方法　175
8．3．3　綫性模型假設的綜閤驗證　181
8．3．4　多重共綫性　181
8．4　異常觀測值　182
8．4．1　離群點　182
8．4．2　高杠杆值點　182
8．4．3　強影響點　184
8．5　改進措施　186
8．5．1　刪除觀測點　186
8．5．2　變量變換　187
8．5．3　增刪變量　188
8．5．4　嘗試其他方法　188
8．6　選擇“最佳”的迴歸模型　189
8．6．1　模型比較　189
8．6．2　變量選擇　190
8．7　深層次分析　193
8．7．1　交叉驗證　193
8．7．2　相對重要性　195
8．8　小結　197
第9章　方差分析　198
9．1　術語速成　198
9．2　ANOVA模型擬閤　201
9．2．1　aov()函數　201
9．2．2　錶達式中各項的順序　202
9．3　單因素方差分析　203
9．3．1　多重比較　204
9．3．2　評估檢驗的假設條件　206
9．4　單因素協方差分析　208
9．4．1　評估檢驗的假設條件　209
9．4．2　結果可視化　210
9．5　雙因素方差分析　211
9．6　重復測量方差分析　214
9．7　多元方差分析　217
9．7．1　評估假設檢驗　218
9．7．2　穩健多元方差分析　220
9．8　用迴歸來做ANOVA　220
9．9　小結　222
第10章　功效分析　223
10．1　假設檢驗速覽　223
10．2　用pwr包做功效分析　225
10．2．1　t檢驗　226
10．2．2　方差分析　228
10．2．3　相關性　228
10．2．4　綫性模型　229
10．2．5　比例檢驗　230
10．2．6　卡方檢驗　231
10．2．7　在新情況中選擇閤適的效應值　232
10．3　繪製功效分析圖形　233
10．4　其他軟件包　235
10．5　小結　236
第11章　中級繪圖　237
11．1　散點圖　238
11．1．1　散點圖矩陣　240
11．1．2　高密度散點圖　242
11．1．3　三維散點圖　244
11．1．4　鏇轉三維散點圖　247
11．1．5　氣泡圖　248
11．2　摺綫圖　250
11．3　相關圖　253
11．4　馬賽剋圖　258
11．5　小結　260
第12章　重抽樣與自助法　261
12．1　置換檢驗　261
12．2　用coin包做置換檢驗　263
12．2．1　獨立兩樣本和K樣本檢驗　264
12．2．2　列聯錶中的獨立性　266
12．2．3　數值變量間的獨立性　266
12．2．4　兩樣本和K樣本相關性檢驗　267
12．2．5　深入探究　267
12．3　lmPerm包的置換檢驗　267
12．3．1　簡單迴歸和多項式迴歸　268
12．3．2　多元迴歸　269
12．3．3　單因素方差分析和協方差分析　270
12．3．4　雙因素方差分析　271
12．4　置換檢驗點評　271
12．5　自助法　272
12．6　boot包中的自助法　272
12．6．1　對單個統計量使用自助法　274
12．6．2　多個統計量的自助法　276
12．7　小結　278
第四部分　高級方法
第13章　廣義綫性模型　280
13．1　廣義綫性模型和glm()函數　281
13．1．1　glm()函數　281
13．1．2　連用的函數　282
13．1．3　模型擬閤和迴歸診斷　283
13．2　Logistic迴歸　284
13．2．1　解釋模型參數　286
13．2．2　評價預測變量對結果概率的影響　287
13．2．3　過度離勢　288
13．2．4　擴展　289
13．3　泊鬆迴歸　289
13．3．1　解釋模型參數　291
13．3．2　過度離勢　292
13．3．3　擴展　294
13．4　小結　295
第14章　主成分分析和因子分析　296
14．1　R中的主成分和因子分析　297
14．2　主成分分析　298
14．2．1　判斷主成分的個數　298
14．2．2　提取主成分　300
14．2．3　主成分鏇轉　303
14．2．4　獲取主成分得分　304
14．3　探索性因子分析　305
14．3．1　判斷需提取的公共因子數　306
14．3．2　提取公共因子　307
14．3．3　因子鏇轉　308
14．3．4　因子得分　312
14．3．5　其他與EFA相關的包　312
14．4　其他潛變量模型　312
14．5　小結　313
第15章　時間序列　315
15．1　在R 中生成時序對象　317
15．2　時序的平滑化和季節性分解　319
15．2．1　通過簡單移動平均進行平滑處理　319
15．2．2　季節性分解　321
15．3　指數預測模型　326
15．3．1　單指數平滑　326
15．3．2　Holt 指數平滑和Holt-Winters指數平滑　329
15．3．3　ets()函數和自動預測　331
15．4　ARIMA預測模型　333
15．4．1　概念介紹　333
15．4．2　ARMA和ARIMA模型　334
15．4．3　ARIMA的自動預測　339
15．5　延伸閱讀　340
15．6　小結　340
第16章　聚類分析　342
16．1　聚類分析的一般步驟　343
16．2　計算距離　344
16．3　層次聚類分析　345
16．4　劃分聚類分析　350
16．4．1　K均值聚類　350
16．4．2　圍繞中心點的劃分　354
16．5　避免不存在的類　356
16．6　小結　359
第17章　分類　360
17．1　數據準備　361
17．2　邏輯迴歸　362
17．3　決策樹　363
17．3．1　經典決策樹　364
17．3．2　條件推斷樹　366
17．4　隨機森林　368
17．5　支持嚮量機　370
17．6　選擇預測效果最好的解　374
17．7　用rattle包進行數據挖掘　376
17．8　小結　381
第18章　處理缺失數據的高級方法　382
18．1　處理缺失值的步驟　383
18．2　識彆缺失值　384
18．3　探索缺失值模式　385
18．3．1　列錶顯示缺失值　385
18．3．2　圖形探究缺失數據　386
18．3．3　用相關性探索缺失值　389
18．4　理解缺失數據的來由和影響　391
18．5　理性處理不完整數據　391
18．6　完整實例分析（行刪除）　392
18．7　多重插補　394
18．8　處理缺失值的其他方法　397
18．8．1　成對刪除　398
18．8．2　簡單（非隨機）插補　398
18．9　小結　399
第五部分　技能拓展
第19章　使用ggplot2進行高級繪圖　402
19．1　R 中的四種圖形係統　402
19．2　ggplot2包介紹　403
19．3　用幾何函數指定圖的類型　407
19．4　分組　411
19．5　刻麵　413
19．6　添加光滑麯綫　416
19．7　修改ggplot2圖形的外觀　418
19．7．1　坐標軸　419
19．7．2　圖例　420
19．7．3　標尺　421
19．7．4　主題　423
19．7．5　多重圖　425
19．8　保存圖形　426
19．9　小結　426
第20章　高級編程　427
20．1　R語言迴顧　427
20．1．1　數據類型　427
20．1．2　控製結構　433
20．1．3　創建函數　436
20．2　環境　437
20．3　麵嚮對象的編程　439
20．3．1　泛型函數　439
20．3．2　S3模型的限製　441
20．4　編寫有效的代碼　442
20．5　調試　445
20．5．1　常見的錯誤來源　445
20．5．2　調試工具　446
20．5．3　支持調試的會話選項　448
20．6　深入學習　451
20．7　小結　451
第21章　創建包　452
21．1　非參分析和npar 包　453
21．2　開發包　457
21．2．1　計算統計量　457
21．2．2　打印結果　460
21．2．3　匯總結果　461
21．2．4　繪製結果　463
21．2．5　添加樣本數據到包　464
21．3　創建包的文檔

評分☆☆☆☆☆

好好學習天天嚮上嚮錢看看看看看看

評分☆☆☆☆☆

給寶寶看的寶寶看的津津有味，應該是有編程的有天賦很簡單的書，看兩頁就會瞭。

評分☆☆☆☆☆

R語言實戰 第2版

評分☆☆☆☆☆

稍微有點損傷，但沒太大問題，估計因為是用塑料袋包裝造成的。

評分☆☆☆☆☆

買瞭一堆書，這本R語言講的還行，適閤我們這些初學者。

評分☆☆☆☆☆

感覺是很好的R語言教程，慢慢去學習。

評分☆☆☆☆☆

這本書確實挺好的，贊一個！

評分☆☆☆☆☆

如今能夠用於機器學習，數據挖掘的計算機編程語言越來越多，每種語言有自己得天獨厚的優勢，也是不同的適用方麵，所以選擇一種特定的語言就顯得非常必要。

評分☆☆☆☆☆

這本書講的挺好的，被這麼多人推薦果然有道理