`
belldeep
  • 浏览: 41224 次
  • 性别: Icon_minigender_1
  • 来自: 广州
社区版块
存档分类
最新评论

R语言实战 第2版 中文目录

阅读更多
封面 1
数字版权声明 2
作译者介绍 3
扉页 4
版权页 5
版权声明页 6
对第1版的赞誉 7
致谢 8
前言 10
关于本书 12
关于封面图片 17
目录 18
第一部分 入门 24
第1章 R语言介绍 26
1.1 为何要使用R 27
1.2 R的获取和安装 29
1.3 R的使用 29
1.3.1 新手上路 30
1.3.2 获取帮助 33
1.3.3 工作空间 33
1.3.4 输入和输出 35
1.4 包 36
1.4.1 什么是包 37
1.4.2 包的安装 37
1.4.3 包的载入 37
1.4.4 包的使用方法 37
1.5 批处理 38
1.6 将输出用为输入:结果的重用 39
1.7 处理大数据集 39
1.8 示例实践 39
1.9 小结 41
第2章 创建数据集 42
2.1 数据集的概念 42
2.2 数据结构 43
2.2.1 向量 44
2.2.2 矩阵 45
2.2.3 数组 46
2.2.4 数据框 47
2.2.5 因子 50
2.2.6 列表 51
2.3 数据的输入 53
2.3.1 使用键盘输入数据 54
2.3.2 从带分隔符的文本文件导入数据 55
2.3.3 导入Excel数据 58
2.3.4 导入XML数据 59
2.3.5 从网页抓取数据 59
2.3.6 导入SPSS数据 59
2.3.7 导入SAS数据 60
2.3.8 导入Stata数据 60
2.3.9 导入NetCDF数据 61
2.3.10 导入HDF5数据 61
2.3.11 访问数据库管理系统 61
2.3.12 通过Stat/Transfer导入数据 63
2.4 数据集的标注 63
2.4.1 变量标签 63
2.4.2 值标签 64
2.5 处理数据对象的实用函数 64
2.6 小结 65
第3章 图形初阶 66
3.1 使用图形 66
3.2 一个简单的例子 68
3.3 图形参数 69
3.3.1 符号和线条 70
3.3.2 颜色 72
3.3.3 文本属性 73
3.3.4 图形尺寸与边界尺寸 74
3.4 添加文本、自定义坐标轴和图例 76
3.4.1 标题 77
3.4.2 坐标轴 77
3.4.3 参考线 79
3.4.4 图例 80
3.4.5 文本标注 81
3.4.6 数学标注 83
3.5 图形的组合 84
3.6 小结 90
第4章 基本数据管理 91
4.1 一个示例 91
4.2 创建新变量 93
4.3 变量的重编码 94
4.4 变量的重命名 95
4.5 缺失值 97
4.5.1 重编码某些值为缺失值 97
4.5.2 在分析中排除缺失值 98
4.6 日期值 99
4.6.1 将日期转换为字符型变量 100
4.6.2 更进一步 101
4.7 类型转换 101
4.8 数据排序 102
4.9 数据集的合并 102
4.9.1 向数据框添加列 102
4.9.2 向数据框添加行 103
4.10 数据集取子集 103
4.10.1 选入(保留)变量 103
4.10.2 剔除(丢弃)变量 104
4.10.3 选入观测 105
4.10.4 subset()函数 105
4.10.5 随机抽样 106
4.11 使用SQL语句操作数据框 106
4.12 小结 107
第5章 高级数据管理 108
5.1 一个数据处理难题 108
5.2 数值和字符处理函数 109
5.2.1 数学函数 109
5.2.2 统计函数 110
5.2.3 概率函数 113
5.2.4 字符处理函数 115
5.2.5 其他实用函数 117
5.2.6 将函数应用于矩阵和数据框 118
5.3 数据处理难题的一套解决方案 119
5.4 控制流 123
5.4.1 重复和循环 123
5.4.2 条件执行 124
5.5 用户自编函数 125
5.6 整合与重构 127
5.6.1 转置 127
5.6.2 整合数据 128
5.6.3 reshape2包 129
5.7 小结 131
第二部分 基本方法 132
第6章 基本图形 133
6.1 条形图 133
6.1.1 简单的条形图 134
6.1.2 堆砌条形图和分组条形图 135
6.1.3 均值条形图 136
6.1.4 条形图的微调 137
6.1.5 棘状图 138
6.2 饼图 139
6.3 直方图 141
6.4 核密度图 143
6.5 箱线图 145
6.5.1 使用并列箱线图进行跨组比较 146
6.5.2 小提琴图 148
6.6 点图 150
6.7 小结 152
第7章 基本统计分析 153
7.1 描述性统计分析 154
7.1.1 方法云集 154
7.1.2 更多方法 155
7.1.3 分组计算描述性统计量 157
7.1.4 分组计算的扩展 158
7.1.5 结果的可视化 160
7.2 频数表和列联表 160
7.2.1 生成频数表 160
7.2.2 独立性检验 166
7.2.3 相关性的度量 167
7.2.4 结果的可视化 168
7.3 相关 168
7.3.1 相关的类型 168
7.3.2 相关性的显著性检验 170
7.3.3 相关关系的可视化 172
7.4 t检验 172
7.4.1 独立样本的t检验 173
7.4.2 非独立样本的t检验 174
7.4.3 多于两组的情况 174
7.5 组间差异的非参数检验 175
7.5.1 两组的比较 175
7.5.2 多于两组的比较 176
7.6 组间差异的可视化 178
7.7 小结 178
第三部分 中级方法 180
第8章 回归 181
8.1 回归的多面性 182
8.1.1 OLS回归的适用情境 182
8.1.2 基础回顾 183
8.2 OLS回归 183
8.2.1 用lm()拟合回归模型 184
8.2.2 简单线性回归 186
8.2.3 多项式回归 187
8.2.4 多元线性回归 190
8.2.5 有交互项的多元线性回归 192
8.3 回归诊断 194
8.3.1 标准方法 195
8.3.2 改进的方法 198
8.3.3 线性模型假设的综合验证 204
8.3.4 多重共线性 204
8.4 异常观测值 205
8.4.1 离群点 205
8.4.2 高杠杆值点 205
8.4.3 强影响点 207
8.5 改进措施 209
8.5.1 删除观测点 209
8.5.2 变量变换 210
8.5.3 增删变量 211
8.5.4 尝试其他方法 211
8.6 选择“最佳”的回归模型 212
8.6.1 模型比较 212
8.6.2 变量选择 213
8.7 深层次分析 216
8.7.1 交叉验证 216
8.7.2 相对重要性 218
8.8 小结 220
第9章 方差分析 221
9.1 术语速成 221
9.2 ANOVA模型拟合 224
9.2.1 aov()函数 224
9.2.2 表达式中各项的顺序 225
9.3 单因素方差分析 226
9.3.1 多重比较 227
9.3.2 评估检验的假设条件 229
9.4 单因素协方差分析 231
9.4.1 评估检验的假设条件 232
9.4.2 结果可视化 233
9.5 双因素方差分析 234
9.6 重复测量方差分析 237
9.7 多元方差分析 240
9.7.1 评估假设检验 241
9.7.2 稳健多元方差分析 243
9.8 用回归来做ANOVA 243
9.9 小结 245
第10章 功效分析 246
10.1 假设检验速览 246
10.2 用pwr包做功效分析 248
10.2.1 t检验 249
10.2.2 方差分析 251
10.2.3 相关性 251
10.2.4 线性模型 252
10.2.5 比例检验 253
10.2.6 卡方检验 254
10.2.7 在新情况中选择合适的效应值 255
10.3 绘制功效分析图形 256
10.4 其他软件包 258
10.5 小结 259
第11章 中级绘图 260
11.1 散点图 261
11.1.1 散点图矩阵 263
11.1.2 高密度散点图 265
11.1.3 三维散点图 267
11.1.4 旋转三维散点图 270
11.1.5 气泡图 271
11.2 折线图 273
11.3 相关图 276
11.4 马赛克图 281
11.5 小结 283
第12章 重抽样与自助法 284
12.1 置换检验 284
12.2 用coin包做置换检验 286
12.2.1 独立两样本和K样本检验 287
12.2.2 列联表中的独立性 289
12.2.3 数值变量间的独立性 289
12.2.4 两样本和K样本相关性检验 290
12.2.5 深入探究 290
12.3 lmPerm包的置换检验 290
12.3.1 简单回归和多项式回归 291
12.3.2 多元回归 292
12.3.3 单因素方差分析和协方差分析 293
12.3.4 双因素方差分析 294
12.4 置换检验点评 294
12.5 自助法 295
12.6 boot包中的自助法 295
12.6.1 对单个统计量使用自助法 297
12.6.2 多个统计量的自助法 299
12.7 小结 301
第四部分 高级方法 302
第13章 广义线性模型 303
13.1 广义线性模型和glm()函数 304
13.1.1 glm()函数 304
13.1.2 连用的函数 305
13.1.3 模型拟合和回归诊断 306
13.2 Logistic回归 307
13.2.1 解释模型参数 309
13.2.2 评价预测变量对结果概率的影响 310
13.2.3 过度离势 311
13.2.4 扩展 312
13.3 泊松回归 312
13.3.1 解释模型参数 314
13.3.2 过度离势 315
13.3.3 扩展 317
13.4 小结 318
第14章 主成分分析和因子分析 319
14.1 R中的主成分和因子分析 320
14.2 主成分分析 321
14.2.1 判断主成分的个数 321
14.2.2 提取主成分 323
14.2.3 主成分旋转 326
14.2.4 获取主成分得分 327
14.3 探索性因子分析 328
14.3.1 判断需提取的公共因子数 329
14.3.2 提取公共因子 330
14.3.3 因子旋转 331
14.3.4 因子得分 335
14.3.5 其他与EFA相关的包 335
14.4 其他潜变量模型 335
14.5 小结 336
第15章 时间序列 338
15.1 在R中生成时序对象 340
15.2 时序的平滑化和季节性分解 342
15.2.1 通过简单移动平均进行平滑处理 342
15.2.2 季节性分解 344
15.3 指数预测模型 349
15.3.1 单指数平滑 349
15.3.2 Holt指数平滑和Holt-Winters指数平滑 352
15.3.3 ets()函数和自动预测 354
15.4 ARIMA预测模型 356
15.4.1 概念介绍 356
15.4.2 ARMA和ARIMA模型 357
15.4.3 ARIMA的自动预测 362
15.5 延伸阅读 363
15.6 小结 363
第16章 聚类分析 365
16.1 聚类分析的一般步骤 366
16.2 计算距离 367
16.3 层次聚类分析 368
16.4 划分聚类分析 373
16.4.1 K均值聚类 373
16.4.2 围绕中心点的划分 377
16.5 避免不存在的类 379
16.6 小结 382
第17章 分类 383
17.1 数据准备 384
17.2 逻辑回归 385
17.3 决策树 386
17.3.1 经典决策树 387
17.3.2 条件推断树 389
17.4 随机森林 391
17.5 支持向量机 393
17.6 选择预测效果最好的解 397
17.7 用rattle包进行数据挖掘 399
17.8 小结 404
第18章 处理缺失数据的高级方法 405
18.1 处理缺失值的步骤 406
18.2 识别缺失值 407
18.3 探索缺失值模式 408
18.3.1 列表显示缺失值 408
18.3.2 图形探究缺失数据 409
18.3.3 用相关性探索缺失值 412
18.4 理解缺失数据的来由和影响 414
18.5 理性处理不完整数据 414
18.6 完整实例分析(行删除) 415
18.7 多重插补 417
18.8 处理缺失值的其他方法 420
18.8.1 成对删除 421
18.8.2 简单(非随机)插补 421
18.9 小结 422
第五部分 技能拓展 424
第19章 使用ggplot2进行高级绘图 425
19.1 R中的四种图形系统 425
19.2 ggplot2包介绍 426
19.3 用几何函数指定图的类型 430
19.4 分组 434
19.5 刻面 436
19.6 添加光滑曲线 439
19.7 修改ggplot2图形的外观 441
19.7.1 坐标轴 442
19.7.2 图例 443
19.7.3 标尺 444
19.7.4 主题 446
19.7.5 多重图 448
19.8 保存图形 449
19.9 小结 449
第20章 高级编程 450
20.1 R语言回顾 450
20.1.1 数据类型 450
20.1.2 控制结构 456
20.1.3 创建函数 459
20.2 环境 460
20.3 面向对象的编程 462
20.3.1 泛型函数 462
20.3.2 S3模型的限制 464
20.4 编写有效的代码 465
20.5 调试 468
20.5.1 常见的错误来源 468
20.5.2 调试工具 469
20.5.3 支持调试的会话选项 471
20.6 深入学习 474
20.7 小结 474
第21章 创建包 475
21.1 非参分析和npar包 476
21.2 开发包 480
21.2.1 计算统计量 480
21.2.2 打印结果 483
21.2.3 汇总结果 484
21.2.4 绘制结果 486
21.2.5 添加样本数据到包 487
21.3 创建包的文档 489
21.4 建立包 490
21.5 深入学习 494
21.6 小结 494
第22章 创建动态报告 495
22.1 用模版生成报告 497
22.2 用R和Markdown创建动态报告 498
22.3 用R和LaTeX创建动态报告 503
22.4 用R和Open Document创建动态报告 506
22.5 用R和Microsoft Word创建动态报告 508
22.6 小结 512
第23章 使用lattice进行高级绘图 513
23.1 lattice包 513
23.2 调节变量 517
23.3 面板函数 518
23.4 分组变量 521
23.5 图形参数 525
23.6 自定义图形条带 526
23.7 页面布局 527
23.8 深入学习 530
附录A 图形用户界面 531
附录B 自定义启动环境 534
附录C 从R中导出数据 536
附录D R中的矩阵运算 538
附录E 本书中用到的扩展包 540
附录F 处理大数据集 545
附录G 更新R 549
后记:探索R的世界 551
参考文献 553
新书宣传页 558
关注图灵 560
看完了 562
分享到:
评论

相关推荐

    R语言实战中文完整版PDF+对应代码_R语言实战_

    《R语言实战》就是这样一本带领读者深入了解R语言,并通过实际案例教学,提升读者数据处理和分析能力的实用指南。 本书从实际问题出发,一改传统教材偏重统计学理论的写作模式,转而聚焦于R语言在数据分析中的实际...

    R语言实战代码1.zip

    《R语言实战》一书是R语言学习者的重要参考资料,其第二版更是深入浅出地介绍了R语言在实际数据分析和统计建模中的应用。书中的原版代码是学习过程中的重要辅助工具,可以帮助读者理解并实践书中讲解的各种方法和...

    《R语言实战(第2版)》_RiA2-master.zip

    《R语言实战(第2版)》_RiA2-master

    《R语言实战(第2版)》同步笔记

    综上所述,《R语言实战(第2版)》不仅系统地介绍了R语言的基础知识,还覆盖了大量的数据分析技术和方法,对于初学者来说是一本非常全面且实用的指南书籍。通过学习本书,读者可以掌握利用R语言进行数据分析的核心技能...

    《c程序设计语言 第2版 新版》中英文电子档以及课后习题解答

    C程序设计语言(第2版·新版)习题解答4份电子档,其中C程序设计语言(第2版·新版)习题解答是对Brian W.Kernighan和Dennis M.Ritchie所著的《c程序设计语言第二版》所有课后练习题的解答,是极佳的变成实战指导书...

    R 实战 (英文版)

    《R实战》是一本专为R语言初学者设计的书籍,旨在帮助读者快速掌握R语言的基本操作和数据分析技能。本书作者罗伯特·I·卡巴科夫(Robert I. Kabacoff)在书中详细介绍了如何使用R进行数据处理、分析以及绘图等核心...

    C程序设计语言第2版新版习题解答

    《C程序设计语言第2版新版习题解答》(原书第2版)是对Brian W.Kernighan和Dennis M.Ritchie所著的《C程序设计语言(第2版·新版)》所有练习题的解答,是极佳的编程实战辅导书。K&R的著作是C语言方面的经典教材,而这...

    [R语言数据挖掘方法及应用][薛薇][配套资料].rar.zip

    薛薇所著的《R语言数据挖掘方法及应用》一书,详细地介绍了如何使用R语言进行数据挖掘的各种方法和技巧,不仅适合初学者入门,也能够帮助经验丰富的数据分析师提升自己的实战能力。 在本书中,薛薇首先带领读者进入...

    R语言数据分析与数据挖掘实战第2章代码

    在本章"R语言数据分析与数据挖掘实战"中,我们将深入探讨R语言在数据分析和数据挖掘领域的应用。R语言作为一种强大的统计分析工具,因其开源、免费且拥有丰富的库支持,深受广大数据科学家和统计学者的喜爱。 首先...

    R语言数据分析与数据挖掘实战第15章代码

    在本资源"R语言数据分析与数据挖掘实战第15章代码"中,主要涉及的是电商评论数据的收集、预处理、文本分词以及模型构建,这些都是数据科学领域中非常重要的环节,特别是在情感分析中。接下来,我们将深入探讨这些...

    《C程序设计语言》英文第2版课后答案.CHM

    《C程序设计语言第2版新版习题解答》(原书第2版)是对Brian W.Kernighan和Dennis M.Ritchie所著的《C程序设计语言(第2版·新版)》所有练习题的解答,是极佳的编程实战辅导书。K&R的著作是C语言方面的经典教材,而这...

    商务数据分析与应用——基于R(第2版)数据文件和程序代码.zip

    《商务数据分析与应用——基于R(第2版)数据文件和程序代码》是针对商务分析领域的一本实用教材,旨在帮助读者掌握如何运用R语言进行高效的数据分析和应用。R语言作为一款强大的统计分析工具,已被广泛应用于商业...

    R语言资料合集()

    5. **R语言实战(第2版)_完整版带目录.pdf**:这本书可能是全面的R语言教程,包含从入门到进阶的所有主题,包括基础语法、数据类型、控制结构、数据分析流程、机器学习算法以及与其他工具的接口,如Python和Hadoop...

    精品版基于MATLAB R语言 SAS SPSS软件的 数据分析与挖掘实战 完整课程PPT课件 第2章 (共40页)数据挖掘常用工具之基于MATLAB.pptx

    《MATLAB数据分析与挖掘实战》课程内容概览 MATLAB,全称为MATrix LABoratory,是由美国MathWorks公司开发的一款强大的工程与科学计算软件。它以其矩阵为基础,为用户提供了一个高级的技术计算语言和交互式环境,...

    时间序列分析——基于R(第2版)案例数据

    在“时间序列分析——基于R(第2版)案例数据”中,我们将会深入探讨如何利用R语言进行有效的时序分析。R语言是一种强大的开源编程环境,特别适合于数据分析、统计计算和图形绘制。以下是关于这个主题的一些关键知识...

    Go并发编程实战(第2版)

    《Go并发编程实战(第2版)》这本书深入探讨了Go语言中的并发编程技术,Go语言,也称为Golang,是Google开发的一种静态类型的、编译型的、并发型的、垃圾回收的、C风格的编程语言。其设计目标是为了提高开发者的生产...

    R 语言学习资料包.rar

    3. **R语言实战(第2版)PDF完整版带书签目录.pdf**:这是一本全面介绍R语言编程的书籍,适合初学者和有一定经验的用户。书中可能涵盖了R的基础语法、数据处理、统计分析、函数编程、调试技巧等多个方面,并且带有...

    精品版基于MATLAB R语言 SAS SPSS软件的 数据分析与挖掘实战 完整课程PPT课件 第2章 (共38页)数据挖掘常用工具之R.pptx

    R语言作为一款强大的统计分析工具,不仅提供命令行接口,还有如RStudio这样的图形化开发环境,使得数据分析和挖掘工作更加便捷。其丰富的R包生态系统是其在数据科学领域广泛应用的关键。掌握R语言的基本操作和常用的...

    数据可视化——基于R语言-例题和习题数据.zip

    通过这个压缩包,你可以学习如何使用R语言和ggplot2库创建各种图表类型,如散点图、线图、柱状图、箱线图、热力图等。 1. **基础概念**:了解图形语法的基本元素,包括数据、坐标轴、几何对象、统计变换、主题和...

    精品版基于MATLAB R语言 SAS SPSS软件的 数据分析与挖掘实战 完整课程PPT课件 第5章 (共82页)挖掘建模之分类与预测.pptx

    《基于MATLAB R语言 SAS SPSS的 数据分析与挖掘实战》第五章主要讲解了数据分析中的核心概念——分类与预测。分类是将数据对象依据特定属性分配到预定义的类别中,例如将信用卡申请者分为低、中、高风险等级。预测则...

Global site tag (gtag.js) - Google Analytics