R语言实战第2版 [R in Action:Data Analysis and] pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

店铺： 荣丰通达图书专营店

出版社： 人民邮电出版社

ISBN：9787115420572

商品编码：10419983411

基本信息

R语言实战 第2版

作  者:(美)卡巴科弗(Robert I.Kabacoff) 著;王小宁 等 译定  价:99出 版 社:人民邮电出版社出版日期:2016-05-01页  数:534装  帧:平装ISBN:9787115420572

主编推荐

大数据时代已经到来，在商业、经济及其他领域中基于数据和分析去发现问题并作出科学、客观的决策越来越重要。开源软件R是世界上*流行的数据分析、统计计算及制图语言，几乎能够完成任何数据处理任务，可安装并运行于所有主流平台，为我们提供了成千上万的专业模块和实用工具，是从大数据中获取有用信息的绝JIA工具，是数据挖掘、数据分析人才的推荐技能。

本书从解决实际问题入手，尽量跳脱统计学的理论阐述来讨论R语言及其应用，讲解清晰透澈，极具实用性。作者不仅高度概括了R语言的强大功能，展示了各种实用的统计示例，而且对于难以用传统方法分析的凌乱、不完整和非正态的数据也给出了完备的处理方法。第2版新增6章内容，涵盖时间序列、聚类分析、分类、高级编程、创建包和创建动态报告等，并分别详细介绍了如何使用ggplot2和lattice进行高级绘图。通读本书，你将全面掌握使用R语言进行数据分析、数据挖掘的技巧，领略大量探索和展示数据的图形功能，并学会如何撰写动态报告，从而更加高效地进行分析与沟通。

想要成为备受高科技企业追捧的数据分析师吗？想要科学分析数据并正确决策吗？不妨从本书开始，挑战大数据，用R开始炫酷地统计与分析数据吧！ 

内容简介

本书注重实用性，是一本全面而细致的R指南，高度概括了该软件和它的强大功能，展示了使用的统计示例，且对于难以用传统方法处理的凌乱、不完整和非正态的数据给出了优雅的处理方法。作者不仅仅探讨统计分析，还阐述了大量探索和展示数据的图形功能。新版做了大量更新和修正，新增了近200页内容，介绍数据挖掘、预测性分析和高级编程。 
本书适合数据分析人员及R用户学习参考。

作者简介

Robert I. Kabacoff 
R语言社区学习网站Quick-R的维护者，现为全球化开发与咨询公司Management研究集团研发副总裁。此前，Kabacoff博士是佛罗里达诺瓦东南大学的教授，讲授定量方法和统计编程的研究生课程。Kabacoff还是临床心理学博士、统计顾问，擅长数据分析，在健康、金融服务、制造业、行为科学、政府和学术界有20余年的研究和统计咨询经验。 

王小宁 
中国人民大学统计学院14级硕士，16级博士，统计之都副主编，中国人民大学数据挖掘中心分布式计算负责人，研究兴趣包括统计机器学习和缺失数据。 

刘撷芯 
中国人民大学统计学院13级硕士，爱荷华大学商学院16级博士，中国人民大学数据挖掘中心核心成员之一，研究兴趣包括统计机器学习和文本分析。 

黄俊文 
2014年毕业于中山大学数学系，2016年毕业于加州大学圣地亚哥分校统计学专业，统计之都成员，易易网创始人之一，目前关注计算机科学和统计学的结合与应用，包括机器学习方法等。他致力于成为一个有趣的人。

目录

目录 

**部分  入门 
**章  R语言介绍  3 
1.1  为何要使用R  4 
1.2  R的获取和安装  6 
1.3  R的使用  6 
1.3.1  新手上路  7 
1.3.2  获取帮助  10 
1.3.3  工作空间  10 
1.3.4  输入和输出  12 
1.4  包  13 
1.4.1  什么是包  14 
1.4.2  包的安装  14 
1.4.3  包的载入  14 
1.4.4  包的使用方法  14 
1.5  批处理  15 
1.6  将输出用为输入：结果的重用  16 
1.7  处理大数据集  16 
1.8  示例实践  16 
1.9  小结  18 
第2章  创建数据集  19 
2.1  数据集的概念  19 
2.2  数据结构  20 
2.2.1  向量  21 
2.2.2  矩阵  22 
2.2.3  数组  23 
2.2.4  数据框  24 
2.2.5  因子  27 
2.2.6  列表  28 
2.3  数据的输入  30 
2.3.1  使用键盘输入数据  31 
2.3.2  从带分隔符的文本文件导入数据  32 
2.3.3  导入Excel数据  35 
2.3.4  导入XML数据  36 
2.3.5  从网页抓取数据  36 
2.3.6  导入SPSS数据  36 
2.3.7  导入SAS数据  37 
2.3.8  导入Stata数据  37 
2.3.9  导入NetCDF数据  38 
2.3.10  导入HDF5数据  38 
2.3.11  访问数据库管理系统  38 
2.3.12  通过Stat/Transfer导入数据  40 
2.4  数据集的标注  40 
2.4.1  变量标签  40 
2.4.2  值标签  41 
2.5  处理数据对象的实用函数  41 
2.6  小结  42 
第3章  图形初阶  43 
3.1  使用图形  43 
3.2  一个简单的例子  45 
3.3  图形参数  46 
3.3.1  符号和线条  47 
3.3.2  颜色  49 
3.3.3  文本属性  50 
3.3.4  图形尺寸与边界尺寸  51 
3.4  添加文本、自定义坐标轴和图例  53 
3.4.1  标题  54 
3.4.2  坐标轴  54 
3.4.3  参考线  56 
3.4.4  图例  57 
3.4.5  文本标注  58 
3.4.6  数学标注  60 
3.5  图形的组合  61 
3.6  小结  67 
第4章  基本数据管理  68 
4.1  一个示例  68 
4.2  创建新变量  70 
4.3  变量的重编码  71 
4.4  变量的重命名  72 
4.5  缺失值  74 
4.5.1  重编码某些值为缺失值  74 
4.5.2  在分析中排除缺失值  75 
4.6  日期值  76 
4.6.1  将日期转换为字符型变量  77 
4.6.2  更进一步  78 
4.7  类型转换  78 
4.8  数据排序  79 
4.9  数据集的合并  79 
4.9.1  向数据框添加列  79 
4.9.2  向数据框添加行  80 
4.10  数据集取子集  80 
4.10.1  SHOU*选入（保留）变量  80 
4.10.2  剔除（丢弃）变量  81 
4.10.3  SHOU*选入观测  82 
4.10.4  subset()函数  82 
4.10.5  随机抽样  83 
4.11  使用SQL语句操作数据框  83 
4.12  小结  84 
第5章  高级数据管理  85 
5.1  一个数据处理难题  85 
5.2  数值和字符处理函数  86 
5.2.1  数学函数  86 
5.2.2  统计函数  87 
5.2.3  概率函数  90 
5.2.4  字符处理函数  92 
5.2.5  其他实用函数  94 
5.2.6  将函数应用于矩阵和数据框  95 
5.3  数据处理难题的一套解决方案  96 
5.4  控制流  100 
5.4.1  重复和循环  100 
5.4.2  条件执行  101 
5.5  用户自编函数  102 
5.6  整合与重构  104 
5.6.1  转置  104 
5.6.2  整合数据  105 
5.6.3  reshape2包  106 
5.7  小结  108 
第二部分  基本方法 
第6章  基本图形  110 
6.1  条形图  110 
6.1.1  简单的条形图  111 
6.1.2  堆砌条形图和分组条形图  112 
6.1.3  均值条形图  113 
6.1.4  条形图的微调  114 
6.1.5  棘状图  115 
6.2  饼图  116 
6.3  直方图  118 
6.4  核密度图  120 
6.5  箱线图  122 
6.5.1  使用并列箱线图进行跨组比较  123 
6.5.2  小提琴图  125 
6.6  点图  127 
6.7  小结  129 
第7章  基本统计分析  130 
7.1  描述性统计分析  131 
7.1.1  方法云集  131 
7.1.2  更多方法  132 
7.1.3  分组计算描述性统计量  134 
7.1.4  分组计算的扩展  135 
7.1.5  结果的可视化  137 
7.2  频数表和列联表  137 
7.2.1  生成频数表  137 
7.2.2  独立性检验  143 
7.2.3  相关性的度量  144 
7.2.4  结果的可视化  145 
7.3  相关  145 
7.3.1  相关的类型  145 
7.3.2  相关性的显著性检验  147 
7.3.3  相关关系的可视化  149 
7.4  t检验  149 
7.4.1  独立样本的t检验  150 
7.4.2  非独立样本的t检验  151 
7.4.3  多于两组的情况  151 
7.5  组间差异的非参数检验  152 
7.5.1  两组的比较  152 
7.5.2  多于两组的比较  153 
7.6  组间差异的可视化  155 
7.7  小结  155 
第三部分  中级方法 
第8章  回归  158 
8.1  回归的多面性  159 
8.1.1  OLS回归的适用情境  159 
8.1.2  基础回顾  160 
8.2  OLS 回归  160 
8.2.1  用lm()拟合回归模型  161 
8.2.2  简单线性回归  163 
8.2.3  多项式回归  164 
8.2.4  多元线性回归  167 
8.2.5  有交互项的多元线性回归  169 
8.3  回归诊断  171 
8.3.1  标准方法  172 
8.3.2  改进的方法  175 
8.3.3  线性模型假设的综合验证  181 
8.3.4  多重共线性  181 
8.4  异常观测值  182 
8.4.1  离群点  182 
8.4.2  高杠杆值点  182 
8.4.3  强影响点  184 
8.5  改进措施  186 
8.5.1  删除观测点  186 
8.5.2  变量变换  187 
8.5.3  增删变量  188 
8.5.4  尝试其他方法  188 
8.6  SHOU*选择“*佳”的回归模型  189 
8.6.1  模型比较  189 
8.6.2  变量SHOU*选择  190 
8.7  深层次分析  193 
8.7.1  交叉验证  193 
8.7.2  相对重要性  195 
8.8  小结  197 
第9章  方差分析  198 
9.1  术语速成  198 
9.2  ANOVA模型拟合  201 
9.2.1  aov()函数  201 
9.2.2  表达式中各项的顺序  202 
9.3  单因素方差分析  203 
9.3.1  多重比较  204 
9.3.2  评估检验的假设条件  206 
9.4  单因素协方差分析  208 
9.4.1  评估检验的假设条件  209 
9.4.2  结果可视化  210 
9.5  双因素方差分析  211 
9.6  重复测量方差分析  214 
9.7  多元方差分析  217 
9.7.1  评估假设检验  218 
9.7.2  稳健多元方差分析  220 
9.8  用回归来做ANOVA  220 
9.9  小结  222 
**0章  功效分析  223 
10.1  假设检验速览  223 
10.2  用pwr包做功效分析  225 
10.2.1  t检验  226 
10.2.2  方差分析  228 
10.2.3  相关性  228 
10.2.4  线性模型  229 
10.2.5  比例检验  230 
10.2.6  卡方检验  231 
10.2.7  在新情况中SHOU*选择合适的效应值  232 
10.3  绘制功效分析图形  233 
10.4  其他软件包  235 
10.5  小结  236 
**1章  中级绘图  237 
11.1  散点图  238 
11.1.1  散点图矩阵  240 
11.1.2  高密度散点图  242 
11.1.3  三维散点图  244 
11.1.4  旋转三维散点图  247 
11.1.5  气泡图  248 
11.2  折线图  250 
11.3  相关图  253 
11.4  马赛克图  258 
11.5  小结  260 
**2章  重抽样与自助法  261 
12.1  置换检验  261 
12.2  用coin包做置换检验  263 
12.2.1  独立两样本和K样本检验  264 
12.2.2  列联表中的独立性  266 
12.2.3  数值变量间的独立性  266 
12.2.4  两样本和K样本相关性检验  267 
12.2.5  深入探究  267 
12.3  lmPerm包的置换检验  267 
12.3.1  简单回归和多项式回归  268 
12.3.2  多元回归  269 
12.3.3  单因素方差分析和协方差分析  270 
12.3.4  双因素方差分析  271 
12.4  置换检验点评  271 
12.5  自助法  272 
12.6  boot包中的自助法  272 
12.6.1  对单个统计量使用自助法  274 
12.6.2  多个统计量的自助法  276 
12.7  小结  278 
第四部分  高级方法 
**3章  广义线性模型  280 
13.1  广义线性模型和glm()函数  281 
13.1.1  glm()函数  281 
13.1.2  连用的函数  282 
13.1.3  模型拟合和回归诊断  283 
13.2  Logistic回归  284 
13.2.1  解释模型参数  286 
13.2.2  评价预测变量对结果概率的影响  287 
13.2.3  过度离势  288 
13.2.4  扩展  289 
13.3  泊松回归  289 
13.3.1  解释模型参数  291 
13.3.2  过度离势  292 
13.3.3  扩展  294 
13.4  小结  295 
**4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  判断主成分的个数  298 
14.2.2  提取主成分  300 
14.2.3  主成分旋转  303 
14.2.4  获取主成分得分  304 
14.3  探索性因子分析  305 
14.3.1  判断需提取的公共因子数  306 
14.3.2  提取公共因子  307 
14.3.3  因子旋转  308 
14.3.4  因子得分  312 
14.3.5  其他与EFA相关的包  312 
14.4  其他潜变量模型  312 
14.5  小结  313 
**5章  时间序列  315 
15.1  在R 中生成时序对象  317 
15.2  时序的平滑化和季节性分解  319 
15.2.1  通过简单移动平均进行平滑处理  319 
15.2.2  季节性分解  321 
15.3  指数预测模型  326 
15.3.1  单指数平滑  326 
15.3.2  Holt 指数平滑和Holt-Winters指数平滑  329 
15.3.3  ets()函数和自动预测  331 
15.4  ARIMA预测模型  333 
15.4.1  概念介绍  333 
15.4.2  ARMA和ARIMA模型  334 
15.4.3  ARIMA的自动预测  339 
15.5  延伸阅读  340 
15.6  小结  340 
**6章  聚类分析  342 
16.1  聚类分析的一般步骤  343 
16.2  计算距离  344 
16.3  层次聚类分析  345 
16.4  划分聚类分析  350 
16.4.1  K均值聚类  350 
16.4.2  围绕中心点的划分  354 
16.5  避免不存在的类  356 
16.6  小结  359 
**7章  分类  360 
17.1  数据准备  361 
17.2  逻辑回归  362 
17.3  决策树  363 
17.3.1  经典决策树  364 
17.3.2  条件推断树  366 
17.4  随机森林  368 
17.5  支持向量机  370 
17.6  SHOU*选择预测效果*好的解  374 
17.7  用rattle包进行数据挖掘  376 
17.8  小结  381 
**8章  处理缺失数据的高级方法  382 
18.1  处理缺失值的步骤  383 
18.2  识别缺失值  384 
18.3  探索缺失值模式  385 
18.3.1  列表显示缺失值  385 
18.3.2  图形探究缺失数据  386 
18.3.3  用相关性探索缺失值  389 
18.4  理解缺失数据的来由和影响  391 
18.5  理性处理不完整数据  391 
18.6  完整实例分析（行删除）  392 
18.7  多重插补  394 
18.8  处理缺失值的其他方法  397 
18.8.1  成对删除  398 
18.8.2  简单（非随机）插补  398 
18.9  小结  399 
第五部分  技能拓展 
**9章  使用ggplot2进行高级绘图  402 
19.1  R 中的四种图形系统  402 
19.2  ggplot2包介绍  403 
19.3  用几何函数指定图的类型  407 
19.4  分组  411 
19.5  刻面  413 
19.6  添加光滑曲线  416 
19.7  修改ggplot2图形的外观  418 
19.7.1  坐标轴  419 
19.7.2  图例  420 
19.7.3  标尺  421 
19.7.4  主题  423 
19.7.5  多重图  425 
19.8  保存图形  426 
19.9  小结  426 
第20章  高级编程  427 
20.1  R语言回顾  427 
20.1.1  数据类型  427 
20.1.2  控制结构  433 
20.1.3  创建函数  436 
20.2  环境  437 
20.3  面向对象的编程  439 
20.3.1  泛型函数  439 
20.3.2  S3模型的限制  441 
20.4  编写有效的代码  442 
20.5  调试  445 
20.5.1  常见的错误来源  445 
20.5.2  调试工具  446 
20.5.3  支持调试的会话SHOU*选项  448 
20.6  深入学习  451 
20.7  小结  451 
第21章  创建包  452 
21.1  非参分析和npar 包  453 
21.2  开发包  457 
21.2.1  计算统计量  457 
21.2.2  打印结果  460 
21.2.3  汇总结果  461 
21.2.4  绘制结果  463 
21.2.5  添加样本数据到包  464 
21.3  创建包的文档  466 
21.4  建立包  467 
21.5  深入学习  471 
21.6  小结  471 
第22章  创建动态报告  472 
22.1  用模版生成报告  474 
22.2  用R和Markdown创建动态报告  475 
22.3  用R和LaTeX创建动态报告  480 
22.4  用R和Open Document创建动态报告  483 
22.5  用R和Microsoft Word创建动态报告  485 
22.6  小结  489 
第23章  使用lattice进行高级绘图  490 
23.1  lattice包  490 
23.2  调节变量  494 
23.3  面板函数  495 
23.4  分组变量  498 
23.5  图形参数  502 
23.6  自定义图形条带  503 
23.7  页面布局  504 
23.8  深入学习  507 
附录A  图形用户界面  508 
附录B  自定义启动环境  511 
附录C  从R中导出数据  513 
附录D  R中的矩阵运算  515 
附录E  本书中用到的扩展包  517 
附录F  处理大数据集  522 
附录G  更新R  526 
后记：探索R的世界  528 
参考文献  530

媒体评论

“对于所有使用R语言进行数据分析的人来讲，本书都是必不可少的，不论用于业内实践还是学术研究。” 
——Cristofer Weber，NeoGrid软件架构师 
“一般R语言问题与许多统计学问题的推荐阅读参考。” 
——George Gaines，KYOS Systems公司首席运营官 

“语言易懂，示例真实，代码清晰。” 
——Samuel D. McQuillin，休斯顿大学心理学院助理教授 

“为R语言初学者提供了柔和的学习曲线。” 
——Indrajit Sen Gupta, 就职于Mu Sigma数据分析公司

促销语

学懂分析 玩转大数据 用R轻松实现数据挖掘 数据可视化 从实际数据分析出发 全面掌握R编程 新增预测性分析 简化多变量数据等近200页内容

评分☆☆☆☆☆

很不错的书，适合初学者练手

评分☆☆☆☆☆

书很好，价格也能接受。

评分☆☆☆☆☆

书很好，真的很好！

评分☆☆☆☆☆

还没有看,囤着慢慢来吧

评分☆☆☆☆☆

不错的书

评分☆☆☆☆☆

很好 东西很不错 物流很给力

评分☆☆☆☆☆

很实用的一本书！

评分☆☆☆☆☆

买回来，慢慢专研，非常好！

评分☆☆☆☆☆

不错的书