R语言(第2版)

" 本书深入浅出地介绍了 R 语言在大数据分析应用中的相关知识，全书 分为绪论（第1 章）、基础篇、应用篇和进阶篇。基础篇（第2～10 章） 学习如何用R 语言完成数据处理，包括数据准备、数据探索、数据变换、 数据可视化和数据建模等；应用篇（第11、12 章）学习如何用R 语言完成 实际的数据分析报告撰写，包括背景与目标、指标设计、描述性分析、模 型分析和结论与建议；进阶篇（第13、14 章）学习如何使用R 语言提高大 数据处理性能，包括RHadoop、SparkR。 本书特点如下。（1）知识学习的重点是模型的运用，而不是模型的原理。 （2）注重数据变成价值。（3）关注大数据分析。 （4）向读者提供了书中所用的配套代码、数据及PPT，读者可通过上机实验， 快速掌握书中所介绍的R 语言的使用方法。 第2 版对第1 版的内容和结构都做了较大的调整。 （1）去掉了数据分析师素养等宏观内容，而更加注重实操和解决实际问题。 （2）全书的实验数据以Titanic 项目为切入点，贯穿数据处理的全过程。从实际项目出发讲解相关知识点，因此增强了业务场景的体验。 （3）去掉了大数据处理的章节，因为大数据处理的方法、思维和小数据没有本质区别，只是平台不同。 （4）增加了字符串处理、特征工程、数据建模、模型评估方面的内容。 （5）增加了大量的学习资料：PPT、习题、代码、数据集、扩展阅读、微课视频等。 （6）增加了近几年R 语言的近期新成果：pacman、caret、tidyverse、mlr 等。"

本书通过Titanic数据分析案例，深入浅出地介绍了R语言在大数据分析应用中的相关知识，包括：数据准备、数据清洗、数据探索、数据变换、特征工程、数据建模、模型评估、模型部署等。全书共13章，第1～3章介绍R语言的开发环境和基本语法；第4～8章按数据分析生命周期讨论R语言的实现；第9章高级编程相对独立，主要解决复杂问题可能用到的程序结构；第10、11章与机器学习有关，内容偏难，但通过Rattle包回避了算法底层技术的难点；第12、13章通过两个实际项目，让读者体验数据处理的全过程以及业务对分析的重要性。本书力求以简洁、精练、理论与实践相结合的方式，让读者快速掌握R语言。本书既可作为数据分析相关课程的教材，也可作为数据分析爱好者的参考资料。

"刘鹏，清华大学博士毕业，现任南京云创大数据科技股份有限公司总经理，兼任中国大数据应用联盟人工智能专家委员会主任、中国信息协会教育分会人工智能专家委员会主任、教育部全国普通高校毕业生就业创业指导委员会委员、第45届世界技能大赛中国区云计算选拔赛裁判长/专家指导组组长、2019年全国大学生数据建模比赛命题人、工信部云计算研究中心专家。 程显毅，工学博士，南通大学教授。硅湖职业技术学院特聘教授。江苏省人工智能学会监事会监事，江苏省微电脑学会人工智能专委会副主任委员。长期从事人工智能、自然语言理解领域的教学研究工作。主持国家自然科学基金项目2项。发表论文100多篇、出版教材6部、专著5部。"

第1章 绪论
1.1 R语言概述
1.1.1 R语言现状
1.1.2 R语言主要优势
1.1.3 学R语言的理由
1.2 新手上路
1.3 R语言开发环境部署
1.3.1 安装R
1.3.2 安装RStudio
1.4 获取帮助
1.5 工作空间
1.6 脚本
1.7 R包
习题
第2章 基本语法
2.1 变量
2.1.1 变量及其作用
2.1.2 变量命名
2.1.3 变量赋值
2.1.4 变量值输出
2.2 常量
2.2.1 逻辑常量
2.2.2 符号常量
2.2.3 标量
2.3 向量
2.3.1 向量产生
2.3.2 向量引用
2.3.3 向量化运算
2.3.4 向量排序
2.4 运算符
2.4.1 算术运算符
2.4.2 关系运算符
2.4.3 逻辑运算符
2.4.4 其他运算符
2.5 命令
2.6 重要内置函数
习题
第3章 数据类型
3.1 基本数据类型
3.2 结构数据类型
3.2.1 矩阵
3.2.2 数组
3.2.3 数据框
3.2.4 因子
3.2.5 列表
3.3 字符串操作
3.3.1 分割
3.3.2 拼接
3.3.3 正则表达式
3.3.4 替换
3.3.5 提取
3.3.6 测定字符串长度
3.3.7 匹配
3.4 数据类型判断和转换
3.5 日期和时间数据操作
3.5.1 日期数据基本操作
3.5.2 时间数据基本操作
习题
第4章 数据导入导出
4.1 数据导入
4.1.1 键盘输入数据
……
第5章 数据可视化
第6章 数据清洗
第7章 数据探索
第8章 数据变换
第9章 高级编程
第10章 数据建模
第11章 模型评估
第12章 影响大学平均录取分数线因素分析
第13章 收视率分析
参考文献
附录A
附录B