R語(yǔ)言程序設(shè)計(jì)

基礎(chǔ)篇

第1章R語(yǔ)言概述3

1.1認(rèn)識(shí)R語(yǔ)言3

1.1.1R語(yǔ)言是什么3

1.1.2R語(yǔ)言與數(shù)據(jù)科學(xué)3

1.1.3R語(yǔ)言與計(jì)算思維4

1.2第一個(gè)R語(yǔ)言會(huì)話4

1.2.1開(kāi)發(fā)環(huán)境配置4

1.2.2程序編寫(xiě)運(yùn)行6

1.3R語(yǔ)言包9

1.3.1包的含義9

1.3.2包的安裝和使用9

1.4R語(yǔ)言數(shù)據(jù)集9

1.5綜合實(shí)驗(yàn)10

1.5.1實(shí)驗(yàn)1: R語(yǔ)言軟件安裝10

1.5.2實(shí)驗(yàn)2: RStudio安裝15

1.5.3實(shí)驗(yàn)3: 編寫(xiě)“Hello World!”程序19

1.5.4實(shí)驗(yàn)4: 工作空間的管理和使用20

1.5.5實(shí)驗(yàn)5: 使用rmarkdown包22

思考與練習(xí)25

第2章數(shù)據(jù)對(duì)象27

2.1數(shù)據(jù)類(lèi)型27

2.1.1數(shù)據(jù)類(lèi)型分類(lèi)27

2.1.2數(shù)據(jù)類(lèi)型的轉(zhuǎn)換27

2.1.3數(shù)據(jù)類(lèi)型的查看28

2.2數(shù)據(jù)結(jié)構(gòu)292.3向量30

2.3.1創(chuàng)建向量30

2.3.2向量的運(yùn)算31

2.3.3向量的索引32

2.3.4向量的排序34

2.4矩陣34

2.4.1創(chuàng)建矩陣34

2.4.2矩陣的合并35

2.4.3矩陣的運(yùn)算36

2.4.4矩陣的索引37

2.5數(shù)組38

2.6數(shù)據(jù)框39

2.6.1創(chuàng)建數(shù)據(jù)框40

2.6.2數(shù)據(jù)框的索引40

2.7列表41

2.7.1創(chuàng)建列表41

2.7.2列表的索引41

2.8因子42

2.8.1創(chuàng)建因子42

2.8.2創(chuàng)建有規(guī)律的因子44

2.9綜合實(shí)驗(yàn)44

2.9.1實(shí)驗(yàn)1: 熟悉向量的計(jì)算44

2.9.2實(shí)驗(yàn)2: 靈活使用矩陣45

2.9.3實(shí)驗(yàn)3: 綜合運(yùn)用數(shù)據(jù)框50

2.9.4實(shí)驗(yàn)4: 熟悉因子52

思考與練習(xí)53

〖3〗R語(yǔ)言程序設(shè)計(jì)目錄〖3〗第3章數(shù)據(jù)管理55

3.1控制結(jié)構(gòu)55

3.1.1分支結(jié)構(gòu)55

3.1.2循環(huán)結(jié)構(gòu)56

3.1.3控制語(yǔ)句58

3.2函數(shù)59

3.2.1數(shù)學(xué)運(yùn)算函數(shù)59

3.2.2字符處理函數(shù)62

3.2.3日期處理函數(shù)64

3.2.4自定義函數(shù)66

3.2.5函數(shù)的嵌套68

3.3apply函數(shù)族68

3.3.1函數(shù)族68

3.3.2apply()函數(shù)69

3.3.3tapply()函數(shù)70

3.3.4lapply()函數(shù)71

3.3.5sapply()函數(shù)71

3.4數(shù)據(jù)輸入與輸出71

3.4.1數(shù)據(jù)輸入71

3.4.2數(shù)據(jù)輸出72

3.5綜合實(shí)驗(yàn)73

3.5.1實(shí)驗(yàn)1: 編寫(xiě)自定義函數(shù)73

3.5.2實(shí)驗(yàn)2: 百分制成績(jī)換算75

3.5.3實(shí)驗(yàn)3: 兩種方法實(shí)現(xiàn)數(shù)據(jù)處理76

3.5.4實(shí)驗(yàn)4: 實(shí)現(xiàn)爬蟲(chóng)功能77

思考與練習(xí)78

第4章數(shù)據(jù)可視化79

4.1繪圖基礎(chǔ)79

4.1.1高級(jí)繪圖函數(shù)79

4.1.2低級(jí)繪圖函數(shù)83

4.1.3繪制圖形89

4.2繪圖進(jìn)階93

4.2.1ggplot2繪圖包93

4.2.2使用qplot()函數(shù)繪圖94

4.2.3使用ggplot()函數(shù)繪圖94

4.3繪制更豐富的圖形96

4.4綜合實(shí)驗(yàn)98

4.4.1實(shí)驗(yàn)1: 繪制鳶尾花數(shù)據(jù)圖形98

4.4.2實(shí)驗(yàn)2: 繪制汽車(chē)數(shù)據(jù)圖形100

4.4.3實(shí)驗(yàn)3: 繪制交互式圖形106

思考與練習(xí)110

進(jìn)階篇

第5章數(shù)據(jù)探索113

5.1數(shù)據(jù)描述113

5.1.1數(shù)據(jù)的類(lèi)別113

5.1.2數(shù)據(jù)的集中趨勢(shì)114

5.1.3數(shù)據(jù)的離散程度114

5.1.4數(shù)據(jù)的分布特征115

5.1.5數(shù)據(jù)的相似性117

5.2數(shù)據(jù)清洗118

5.2.1處理缺失數(shù)據(jù)118

5.2.2處理異常數(shù)據(jù)119

5.2.3處理重復(fù)數(shù)據(jù)121

5.3數(shù)據(jù)集成121

5.3.1數(shù)據(jù)集的合并121

5.3.2數(shù)據(jù)子集的獲取122

5.3.3數(shù)據(jù)的分組匯總123

5.3.4數(shù)據(jù)的頻數(shù)計(jì)算124

5.3.5使用SQL語(yǔ)句125

5.4數(shù)據(jù)規(guī)范125

5.5數(shù)據(jù)重構(gòu)126

5.6綜合實(shí)驗(yàn)128

5.6.1實(shí)驗(yàn)1: 對(duì)mtcars數(shù)據(jù)集的初步探索128

5.6.2實(shí)驗(yàn)2: 處理數(shù)據(jù)集中的缺失值130

5.6.3實(shí)驗(yàn)3: 對(duì)mtcars數(shù)據(jù)集的標(biāo)準(zhǔn)化132

5.6.4實(shí)驗(yàn)4: 數(shù)據(jù)重構(gòu)133

思考與練習(xí)135

第6章數(shù)據(jù)分析137

6.1隨機(jī)數(shù)模擬137

6.1.1生成隨機(jī)數(shù)137

6.1.2特定分布的隨機(jī)數(shù)137

6.1.3隨機(jī)抽樣138

6.2假設(shè)檢驗(yàn)139

6.2.1假設(shè)檢驗(yàn)的方法139

6.2.2均值檢驗(yàn)139

6.2.3相關(guān)性檢驗(yàn)141

6.3方差分析142

6.4線性回歸143

6.4.1變量間關(guān)系144

6.4.2一元線性回歸144

6.4.3多項(xiàng)式回歸146

6.4.4多元線性回歸147

6.5廣義線性模型149

6.5.1廣義線性模型概況149

6.5.2Logistic回歸150

6.5.3泊松回歸153

6.6綜合實(shí)驗(yàn)154

6.6.1實(shí)驗(yàn)1: 假設(shè)檢驗(yàn)的應(yīng)用154

6.6.2實(shí)驗(yàn)2: 方差分析155

6.6.3實(shí)驗(yàn)3: 一元線性回歸分析160

6.6.4實(shí)驗(yàn)4: 多項(xiàng)式回歸分析162

6.6.5實(shí)驗(yàn)5: 泊松回歸分析164

6.6.6實(shí)驗(yàn)6: Logistics回歸分析166

思考與練習(xí)172

第7章數(shù)據(jù)挖掘174

7.1相關(guān)概念174

7.1.1數(shù)據(jù)分析與數(shù)據(jù)挖掘174

7.1.2數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)175

7.1.3數(shù)據(jù)驅(qū)動(dòng)為核心的機(jī)器學(xué)習(xí)175

7.1.4模型評(píng)估176

7.2分類(lèi)與回歸178

7.2.1決策樹(shù)178

7.2.2隨機(jī)森林178

7.2.3KNN178

7.2.4樸素貝葉斯179

7.2.5支持向量機(jī)179

7.2.6人工神經(jīng)網(wǎng)絡(luò)180

7.3聚類(lèi)分析180

7.3.1K均值聚類(lèi)180

7.3.2主成分分析181

7.4可視化挖掘工具181

7.5綜合實(shí)驗(yàn)181

7.5.1實(shí)驗(yàn)1: 決策樹(shù)181

7.5.2實(shí)驗(yàn)2: 隨機(jī)森林183

7.5.3實(shí)驗(yàn)3: KNN186

7.5.4實(shí)驗(yàn)4: 樸素貝葉斯187

7.5.5實(shí)驗(yàn)5: 支持向量機(jī)189

7.5.6實(shí)驗(yàn)6: 人工神經(jīng)網(wǎng)絡(luò)192

7.5.7實(shí)驗(yàn)7: KMeans聚類(lèi)194

7.5.8實(shí)驗(yàn)8: 主成分分析196

思考與練習(xí)199

拓展篇

第8章高級(jí)特性203

8.1面向?qū)ο蟮木幊?03

8.1.1面向?qū)ο蟮暮x203

8.1.2R語(yǔ)言與面向?qū)ο缶幊?04

8.1.3S3類(lèi)206

8.1.4S4類(lèi)207

8.2程序調(diào)試209

8.2.1程序調(diào)試介紹209

8.2.2R語(yǔ)言如何調(diào)試209

8.3性能提升210

8.3.1向量化210

8.3.2語(yǔ)句優(yōu)化212

8.4并行計(jì)算212

8.5綜合實(shí)驗(yàn)213

思考與練習(xí)217

第9章應(yīng)用拓展219

9.1R語(yǔ)言與數(shù)學(xué)219

9.1.1微積分219

9.1.2線性代數(shù)219

9.1.3概率論與數(shù)理統(tǒng)計(jì)220

9.1.4多元統(tǒng)計(jì)分析220

9.1.5數(shù)值計(jì)算220

9.2R語(yǔ)言的應(yīng)用拓展220

9.2.1關(guān)聯(lián)規(guī)則220

9.2.2智能推薦221

9.2.3時(shí)間序列221

9.2.4深度學(xué)習(xí)222

思考與練習(xí)222

附錄A本書(shū)使用的函數(shù)223

參考文獻(xiàn)229