欢迎光临澳大利亚新华书店网 [登录 | 免费注册]

    • R语言入门与实践
      • 作者:编者:张婷|责编:魏莹
      • 出版社:清华大学
      • ISBN:9787302663966
      • 出版日期:2024/07/01
      • 页数:362
    • 售价:35.6
  • 内容大纲

        本书循序渐进、由浅入深地讲解了R语言开发技术,并通过具体实例讲解了R语言的各个知识点。本书共分12章,其中第1~2章是基础知识部分,讲解了R语言开发的基础知识,包括R语言基础、R语言语法基础;第3~6章是核心语法部分,分别讲解了流程控制语句、函数、数据结构、包和环境空间等知识,这部分内容介绍的是R语言中最重要的语法知识;第7~10章是进阶提高部分,分别讲解了数据输入和导出、数据处理、绘制可视化图、R语言和人工智能等知识,这部分内容是R语言开发技术的重点和核心;第11章和第12章是综合实战部分,讲解了两个大型案例的实现过程,介绍了R语言在大型商业项目中的应用。
        本书不仅可以作为R语言初学者的学习用书,也适合有一定R语言基础的读者学习,还可以作为高等院校相关专业的教学用书和培训机构的教材。
  • 作者介绍

  • 目录

    第1章  R语言基础
      1.1  R语言的发展历程
      1.2  R语言的特点
      1.3  安装R语言运行环境
        1.3.1  Windows系统安装R语言
        1.3.2  在Linux系统和macOS系统安装R语言
      1.4  R语言开发工具:R GUI
        1.4.1  命令行方式运行R程序
        1.4.2  文件方式运行R程序
      1.5  R语言开发工具:RStudio
        1.5.1  安装RStudio
        1.5.2  RStudio界面
        1.5.3  使用RStudio开发R程序
      1.6  认识第一个R程序:石头、剪刀、布游戏
        1.6.1  新建R工程
        1.6.2  编写程序文件
    第2章  R语言语法基础
      2.1  注释
      2.2  标识符和关键字
        2.2.1  标识符
        2.2.2  关键字
      2.3  常量和变量
        2.3.1  常量
        2.3.2  变量
      2.4  数据类型
        2.4.1  数据的分类
        2.4.2  整型
        2.4.3  实数型
        2.4.4  逻辑型
        2.4.5  复数型
        2.4.6  字符串型
        2.4.7  因子型
      2.5  向量
        2.5.1  创建向量
        2.5.2  访问向量中的元素
        2.5.3  修改向量中的元素
        2.5.4  向向量中添加新元素
        2.5.5  向量运算
        2.5.6  向量统计
        2.5.7  类型转换
      2.6  运算符和表达式
        2.6.1  算术运算符
        2.6.2  关系运算符
        2.6.3  逻辑运算符
        2.6.4  赋值运算符
        2.6.5  其他运算符
        2.6.6  运算符的优先级
    第3章  流程控制语句
      3.1  条件语句
        3.1.1  条件语句介绍

        3.1.2  if语句
        3.1.3  if…else语句
        3.1.4  if…elseif…else语句
        3.1.5  switch语句
      3.2  循环语句
        3.2.1  repeat语句
        3.2.2  while语句
        3.2.3  for语句
      3.3  循环控制语句
        3.3.1  break语句
        3.3.2  next语句
    第4章  函数
      4.1  函数基础
        4.1.1  函数的特征和好处
        4.1.2  R语言函数和其他编程语言函数的区别
      4.2  定义函数
        4.2.1  定义函数的语法格式
        4.2.2  函数的参数
        4.2.3  函数的返回值
      4.3  函数调用
        4.3.1  使用位置参数
        4.3.2  使用关键字参数
        4.3.3  使用默认参数
        4.3.4  存储函数返回值
      4.4  内置函数
        4.4.1  数学和统计函数
        4.4.2  字符和字符串处理函数
        4.4.3  文件操作函数
        4.4.4  概率分布函数
        4.4.5  日期和时间函数
    第5章  数据结构
      5.1  矩阵
        5.1.1  创建和访问矩阵
        5.1.2  转置操作
        5.1.3  求和、平均值和总和
        5.1.4  行和列操作
        5.1.5  矩阵运算
        5.1.6  索引和切片
      5.2  列表
        5.2.1  创建和访问列表
        5.2.2  更新列表元素
        5.2.3  遍历列表
      5.3  数组
        5.3.1  创建数组
        5.3.2  访问数组
        5.3.3  修改数组元素
        5.3.4  数组运算
        5.3.5  数组转置
        5.3.6  数组重塑
        5.3.7  数组合并

        5.3.8  数组排序
        5.3.9  数组切片
      5.4  数据框
        5.4.1  创建数据框
        5.4.2  访问数据框
        5.4.3  添加新列
        5.4.4  修改数据框元素
        5.4.5  聚合操作
        5.4.6  排序
      5.5  因子
        5.5.1  创建因子
        5.5.2  因子水平标签
        5.5.3  生成因子水平
      5.6  数据表
        5.6.1  创建数据表
        5.6.2  对数据表的操作
      5.7  时间序列
        5.7.1  创建时间序列
        5.7.2  时间序列的可视化
        5.7.3  时间序列的索引和切片
        5.7.4  时间序列的分析和建模
        5.7.5  时间序列的统计性质
    第6章  包和环境空间
      6.1  包(Package)
        6.1.1  R语言包的管理
        6.1.2  自定义R包
      6.2  环境空间
        6.2.1  环境空间的种类
        6.2.2  环境空间的特征
        6.2.3  使用全局环境
        6.2.4  使用函数环境
        6.2.5  使用用户定义的环境
        6.2.6  使用包环境
        6.2.7  使用临时环境
    第7章  数据输入和导出
      7.1  数据输入和导出介绍
      7.2  使用键盘输入数据
      7.3  操作CSV文件
        7.3.1  CSV文件的优点
        7.3.2  读取CSV文件
        7.3.3  写入CSV文件
        7.3.4  数据转换和处理
      7.4  Excel文件
        7.4.1  R语言和Excel文件
        7.4.2  使用包readxl
        7.4.3  使用包openxlsx
      7.5  XML文件
        7.5.1  使用包XML
        7.5.2  使用包xml
      7.6  JSON文件

        7.6.1  JSON包
        7.6.2  使用包jsonlite
        7.6.3  使用包RJSONIO
        7.6.4  使用包tidyjson
      7.7  MySQL数据库连接
        7.7.1  和MySQL相关的包
        7.7.2  使用包RMySQL
        7.7.3  使用包RMariaDB
        7.7.4  使用包DBI
        7.7.5  包dplyr和包dbplyr
      7.8  从网页抓取数据
        7.8.1  R语言和网络爬虫
        7.8.2  使用包rvest抓取数据
        7.8.3  使用包httr抓取数据
        7.8.4  使用包XML抓取数据
        7.8.5  使用包jsonlite抓取数据
    第8章  数据处理
      8.1  R语言和数据处理
        8.1.1  R语言的优势
        8.1.2  数据处理和数据分析的区别
      8.2  内置数据处理函数
        8.2.1  查看、筛选和编辑数据
        8.2.2  合并数据
        8.2.3  分组和汇总
        8.2.4  排序
        8.2.5  转换
      8.3  apply函数族
        8.3.1  apply函数族中的函数
        8.3.2  函数apply()
        8.3.3  函数lapply()
        8.3.4  函数sapply()
        8.3.5  函数vapply()
        8.3.6  函数mapply()
    第9章  绘制可视化图
      9.1  R语言绘图系统
        9.1.1  常用的绘图包
        9.1.2  基本绘图函数plot()
      9.2  单变量绘图
        9.2.1  绘制直方图
        9.2.2  绘制条形图
        9.2.3  绘制饼形图
        9.2.4  绘制箱线图
        9.2.5  绘制密度图
      9.3  双变量绘图
        9.3.1  绘制双变量条形图
        9.3.2  绘制双变量散点图
        9.3.3  绘制双变量折线图
        9.3.4  绘制双变量箱线图
      9.4  绘制多变量图
        9.4.1  绘制多变量气泡图

        9.4.2  绘制多变量热力图
      9.5  文件数据的可视化
        9.5.1  CSV文件数据的可视化
        9.5.2  Excel文件数据的可视化
        9.5.3  XML文件数据的可视化
        9.5.4  JSON文件数据的可视化
        9.5.5  MySQL数据库数据的可视化
    第10章  R语言和人工智能
      10.1  机器学习
        10.1.1  机器学习相关包
        10.1.2  包caret
        10.1.3  包randomForest
        10.1.4  包e
        10.1.5  包glmnet
        10.1.6  包xgboost
      10.2  深度学习
        10.2.1  包keras
        10.2.2  包tensorflow
    第11章  心力衰竭数据分析系统
      11.1  背景介绍
        11.1.1  数据分析在医疗行业的作用
        11.1.2  心力衰竭临床记录介绍
      11.2  需求分析
      11.3  系统介绍
        11.3.1  系统功能模块
        11.3.2  系统模块结构
      11.4  技术分析
        11.4.1  Web包Shiny
        11.4.2  交互式表格包DT
        11.4.3  集成可视化包tidyverse
        11.4.4  图形排列包gridExtra
      11.5  UI界面
        11.5.1  导入包
        11.5.2  设计UI
      11.6  Server服务器端
        11.6.1  准备工作
        11.6.2  数据预处理
        11.6.3  数据可视化
        11.6.4  数据导出
      11.7  调试运行
    第12章  基于机器学习的患者再入院预测分析系统
      12.1  背景介绍
      12.2  需求分析
      12.3  系统分析
      12.4  系统介绍
        12.4.1  系统功能介绍
        12.4.2  系统模块结构
      12.5  技术分析
        12.5.1  dplyr:数据预处理
        12.5.2  psych:心理学和社会科学研究

        12.5.3  ROSE:不平衡处理
        12.5.4  caret模型训练和评估
      12.6  数据处理
        12.6.1  导入数据集
        12.6.2  数据预处理
      12.7  第一方案
        12.7.1  划分训练集和测试集
        12.7.2  数据集平衡
        12.7.3  交叉验证
        12.7.4  模型比较
      12.8  第二方案
        12.8.1  数据集拆分和数据平衡
        12.8.2  逻辑回归模型拟合和预测
        12.8.3  计算处理
        12.8.4  逻辑回归模型的拟合、预测和评估
        12.8.5  使用交叉验证方法训练决策树模型
        12.8.6  使用交叉验证方法训练随机森林模型
        12.8.7  实现朴素贝叶斯模型
      12.9  模型训练和评估
        12.9.1  数据预处理
        12.9.2  逻辑回归模型的训练和评估
        12.9.3  决策树模型的训练和评估
        12.9.4  随机森林模型的训练和评估
        12.9.5  朴素贝叶斯模型的训练和评估
      12.10  结论