R语言程序设计_周围、崔濒月_9787302626503

本书分为基础篇、进阶篇、拓展篇三个模块，共9个章节，包括R语言基础知识、常用模型和特色应用。同时，本书将R语言和数据科学相结合，讲解了数据获取、数据描述、数据预处理、数据分析、数据挖掘、数据可视化的理论知识以及R语言的实现方法。除第9章外，每章配有综合实验，引导学生解决应用问题。本书是学习R语言、数据科学类课程的基础教材，配有完备的教学资料，支持多种教学模式，可作为各类高等院校开设R语言、数据科学类课程的通识基础教材，也可供数据科学、R语言爱好者自学使用。

大数据时代已经到来，基于数据科学的方法发现问题并做出科学客观的决策越来越重要。R是世界上应用广泛的数据分析、数据挖掘及数据可视化语言，是从大数据中获取信息的重要工具。它是开源、免费、跨平台、第三方支持的语言，在程序设计语言类排名中位于前十，在经济、金融、管理、生物、医学等众多领域发挥着巨大作用。近年来随着大数据、数据科学、机器学习、开源平台的发展，R语言的功能不断丰富，几乎能够完成任何数据处理任务，可安装运行于所有主流平台，是科学研究、大数据人才培养的重要工具。
国内外有丰富的R语言开放论坛、在线平台等资源，例如，RStudio网站中Resources专栏涵盖了从基础入门到高级R编程的丰富内容，Kaggle、Datacmap等在线平台从课程到项目再到竞赛一应俱全，国外很多高校公开了R语言的课程和学习资料库。相对而言，我国开设R语言程序设计的通识课程还不多，相关教材和实验资源较少。编者所在的北京交通大学设置了全校信息技术通识课R语言程序设计，面向大学低年级学生选修。本书结合此课程的教学目标和教学实践编写，有以下特点。
（1）本书帮助学生较为全面地了解R语言，包括R语言基础知识、常用模型和特色应用，是读者学习和拓展R语言应用的基础资料。
（2）本书将R语言和数据科学相结合，内容涵盖数据获取、数据描述、数据预处理、数据分析、数据挖掘、数据可视化的理论知识和R语言的主要实现方法，每章配有综合实验，引导学生利用所学知识解决问题。理论和实践相结合，为学生后续课程中的数据处理打下基础。
（3）本书分为基础篇、进阶篇、拓展篇三个模块，共9个章节，支持32～64学时的R语言程序设计数据科学等信息技术类通识课程，支持个性化教学、分层教学、混合式教学等多种教学模式。
（4）为帮助师生更好地使用本书，本书配有完备的教学资料，包括教学大纲、PPT课件和习题。本课程在中国大学MOOC（春季学期）上开课，方便学习。
本书可作为各类高等院校开设R语言、数据科学等通识类课程的教材，也可供数据科学、R语言爱好者自学使用。感谢为本书的编写提供直接或间接帮助的各位朋友。在编写过程中，李皓维、卢静、蒋方冰、廖云飞、陈晓瑜、罗叙卿参与了资料收集、案例测试等工作，北京交通大学R语言程序设计选修课的同学们参与了本书的实验测试，并对教材内容进行了反馈，在此表示感谢。R语言的实用性很强，同学们在今后的科研实践活动中能用得上，有些同学使用R语言参加建模方面的竞赛，获得一些成绩，作为教师非常高兴。面对日新月异的大数据时代，希望读者以此书为起点，学有所获，让学习常态化，不断进取。
在本书的编写过程中，编者总能发现有很多值得完善的地方，今后会在中国大学MOOC的在线课程中不断优化完善。由于水平和精力所限，书中难免有错误和不足之处，恳请广大读者批评指正。

周围崔濒月2023年2月

基础篇
第1章R语言概述3
1.1认识R语言3
1.1.1R语言是什么3
1.1.2R语言与数据科学3
1.1.3R语言与计算思维4
1.2第一个R语言会话4
1.2.1开发环境配置4
1.2.2程序编写运行6
1.3R语言包9
1.3.1包的含义9
1.3.2包的安装和使用9
1.4R语言数据集9
1.5综合实验10
1.5.1实验1: R语言软件安装10
1.5.2实验2: RStudio安装15
1.5.3实验3: 编写Hello World!程序19
1.5.4实验4: 工作空间的管理和使用20
1.5.5实验5: 使用rmarkdown包22
思考与练习25
第2章数据对象27
2.1数据类型27
2.1.1数据类型分类27
2.1.2数据类型的转换27
2.1.3数据类型的查看28
2.2数据结构292.3向量30
2.3.1创建向量30
2.3.2向量的运算31
2.3.3向量的索引32
2.3.4向量的排序34
2.4矩阵34
2.4.1创建矩阵34
2.4.2矩阵的合并35
2.4.3矩阵的运算36
2.4.4矩阵的索引37
2.5数组38
2.6数据框39
2.6.1创建数据框40
2.6.2数据框的索引40
2.7列表41
2.7.1创建列表41
2.7.2列表的索引41
2.8因子42
2.8.1创建因子42
2.8.2创建有规律的因子44
2.9综合实验44
2.9.1实验1: 熟悉向量的计算44
2.9.2实验2: 灵活使用矩阵45
2.9.3实验3: 综合运用数据框50
2.9.4实验4: 熟悉因子52
思考与练习53
〖3〗R语言程序设计目录〖3〗第3章数据管理55
3.1控制结构55
3.1.1分支结构55
3.1.2循环结构56
3.1.3控制语句58
3.2函数59
3.2.1数学运算函数59
3.2.2字符处理函数62
3.2.3日期处理函数64
3.2.4自定义函数66
3.2.5函数的嵌套68
3.3apply函数族68
3.3.1函数族68
3.3.2apply()函数69
3.3.3tapply()函数70
3.3.4lapply()函数71
3.3.5sapply()函数71
3.4数据输入与输出71
3.4.1数据输入71
3.4.2数据输出72
3.5综合实验73
3.5.1实验1: 编写自定义函数73
3.5.2实验2: 百分制成绩换算75
3.5.3实验3: 两种方法实现数据处理76
3.5.4实验4: 实现爬虫功能77
思考与练习78
第4章数据可视化79
4.1绘图基础79
4.1.1高级绘图函数79
4.1.2低级绘图函数83
4.1.3绘制图形89
4.2绘图进阶93
4.2.1ggplot2绘图包93
4.2.2使用qplot()函数绘图94
4.2.3使用ggplot()函数绘图94
4.3绘制更丰富的图形96
4.4综合实验98
4.4.1实验1: 绘制鸢尾花数据图形98
4.4.2实验2: 绘制汽车数据图形100
4.4.3实验3: 绘制交互式图形106
思考与练习110
进阶篇
第5章数据探索113
5.1数据描述113
5.1.1数据的类别113
5.1.2数据的集中趋势114
5.1.3数据的离散程度114
5.1.4数据的分布特征115
5.1.5数据的相似性117
5.2数据清洗118
5.2.1处理缺失数据118
5.2.2处理异常数据119
5.2.3处理重复数据121
5.3数据集成121
5.3.1数据集的合并121
5.3.2数据子集的获取122
5.3.3数据的分组汇总123
5.3.4数据的频数计算124
5.3.5使用SQL语句125
5.4数据规范125
5.5数据重构126
5.6综合实验128
5.6.1实验1: 对mtcars数据集的初步探索128
5.6.2实验2: 处理数据集中的缺失值130
5.6.3实验3: 对mtcars数据集的标准化132
5.6.4实验4: 数据重构133
思考与练习135
第6章数据分析137
6.1随机数模拟137
6.1.1生成随机数137
6.1.2特定分布的随机数137
6.1.3随机抽样138
6.2假设检验139
6.2.1假设检验的方法139
6.2.2均值检验139
6.2.3相关性检验141
6.3方差分析142
6.4线性回归143
6.4.1变量间关系144
6.4.2一元线性回归144
6.4.3多项式回归146
6.4.4多元线性回归147
6.5广义线性模型149
6.5.1广义线性模型概况149
6.5.2Logistic回归150
6.5.3泊松回归153
6.6综合实验154
6.6.1实验1: 假设检验的应用154
6.6.2实验2: 方差分析155
6.6.3实验3: 一元线性回归分析160
6.6.4实验4: 多项式回归分析162
6.6.5实验5: 泊松回归分析164
6.6.6实验6: Logistics回归分析166
思考与练习172
第7章数据挖掘174
7.1相关概念174
7.1.1数据分析与数据挖掘174
7.1.2数据挖掘与机器学习175
7.1.3数据驱动为核心的机器学习175
7.1.4模型评估176
7.2分类与回归178
7.2.1决策树178
7.2.2随机森林178
7.2.3KNN178
7.2.4朴素贝叶斯179
7.2.5支持向量机179
7.2.6人工神经网络180
7.3聚类分析180
7.3.1K均值聚类180
7.3.2主成分分析181
7.4可视化挖掘工具181
7.5综合实验181
7.5.1实验1: 决策树181
7.5.2实验2: 随机森林183
7.5.3实验3: KNN186
7.5.4实验4: 朴素贝叶斯187
7.5.5实验5: 支持向量机189
7.5.6实验6: 人工神经网络192
7.5.7实验7: KMeans聚类194
7.5.8实验8: 主成分分析196
思考与练习199
拓展篇
第8章高级特性203
8.1面向对象的编程203
8.1.1面向对象的含义203
8.1.2R语言与面向对象编程204
8.1.3S3类206
8.1.4S4类207
8.2程序调试209
8.2.1程序调试介绍209
8.2.2R语言如何调试209
8.3性能提升210
8.3.1向量化210
8.3.2语句优化212
8.4并行计算212
8.5综合实验213
思考与练习217
第9章应用拓展219
9.1R语言与数学219
9.1.1微积分219
9.1.2线性代数219
9.1.3概率论与数理统计220
9.1.4多元统计分析220
9.1.5数值计算220
9.2R语言的应用拓展220
9.2.1关联规则220
9.2.2智能推荐221
9.2.3时间序列221
9.2.4深度学习222
思考与练习222
附录A本书使用的函数223
参考文献229

你还可能感兴趣

我要评论