《R語言實(shí)戰(zhàn)》
基本信息
原書名：R in Action:Data Analysis and Graphics with R
作者： (美)Robert I. Kabacoff [作譯者介紹]
譯者： 高濤 肖楠 陳鋼
叢書名： 圖靈程序設(shè)計(jì)叢書
出版社：人民郵電出版社
ISBN：9787115299901
上架時(shí)間：2012-12-10
出版日期：2013 年1月
開本：16開
頁碼：1
版次：1-1
所屬分類：計(jì)算機(jī) > 軟件與程序設(shè)計(jì) > 綜合 > 高級(jí)程序語言設(shè)計(jì)

更多關(guān)于 》》》《 R語言實(shí)戰(zhàn) 》
內(nèi)容簡(jiǎn)介
書籍
　　 《r語言實(shí)戰(zhàn)》注重實(shí)用性，是一本全面而細(xì)致的r 指南，高度概括了該軟件和它的強(qiáng)大功能，展示了實(shí)用的統(tǒng)計(jì)示例，且對(duì)于難以用傳統(tǒng)方法處理的凌亂、不完整和非正態(tài)的數(shù)據(jù)給出了優(yōu)雅的處理方法。作者不僅僅探討統(tǒng)計(jì)分析，還闡述了大量探索和展示數(shù)據(jù)的圖形功能。
　　 《r語言實(shí)戰(zhàn)》適合數(shù)據(jù)分析人員及r 用戶學(xué)習(xí)參考。
目錄
《r語言實(shí)戰(zhàn)》
第一部分 　入 　 　門
第1章 　r語言介紹　　3
1.1 　為何要使用r？　　4
1.2 　r的獲取和安裝　　6
1.3 　r的使用　　7
1.3.1 　新手上路　　7
1.3.2 　獲取幫助　　10
1.3.3 　工作空間　　10
1.3.4 　輸入和輸出　　12
1.4 　包　　14
1.4.1 　什么是包　　14
1.4.2 　包的安裝　　14
1.4.3 　包的載入　　14
1.4.4 　包的使用方法　　15
1.5 　批處理　　15
1.6 　將輸出用為輸入——結(jié)果的重用　　16
1.7 　處理大數(shù)據(jù)集　　16
1.8 　示例實(shí)踐　　17
1.9 　小結(jié)　　18
第2章 　創(chuàng)建數(shù)據(jù)集　　19
2.1 　數(shù)據(jù)集的概念　　19
2.2 　數(shù)據(jù)結(jié)構(gòu)　　20
2.2.1 　向量　　21
2.2.2 　矩陣　　22
2.2.3 　數(shù)組　　23
2.2.4 　數(shù)據(jù)框　　24
2.2.5 　因子　　27
2.2.6 　列表　　29
2.3 　數(shù)據(jù)的輸入　　30
2.3.1 　使用鍵盤輸入數(shù)據(jù)　　31
2.3.2 　從帶分隔符的文本文件導(dǎo)入數(shù)據(jù)　　32
2.3.3 　導(dǎo)入excel數(shù)據(jù)　　33
2.3.4 　導(dǎo)入xml數(shù)據(jù)　　34
2.3.5 　從網(wǎng)頁抓取數(shù)據(jù)　　34
2.3.6 　導(dǎo)入spss數(shù)據(jù)　　34
2.3.7 　導(dǎo)入sas數(shù)據(jù)　　34
2.3.8 　導(dǎo)入stata數(shù)據(jù)　　35
2.3.9 　導(dǎo)入netcdf數(shù)據(jù)　　35
2.3.10 　導(dǎo)入hdf5數(shù)據(jù)　　35
2.3.11 　訪問數(shù)據(jù)庫管理系統(tǒng)　　36
2.3.12 　通過stat/transfer導(dǎo)入數(shù)據(jù)　　37
2.4 　數(shù)據(jù)集的標(biāo)注　　37
2.4.1 　變量標(biāo)簽　　38
2.4.2 　值標(biāo)簽　　38
2.5 　處理數(shù)據(jù)對(duì)象的實(shí)用函數(shù)　　38
2.6 　小結(jié)　　39
第3章 　圖形初階　　40
3.1 　使用圖形　　40
3.2 　一個(gè)簡(jiǎn)單的例子　　42
3.3 　圖形參數(shù)　　43
3.3.1 　符號(hào)和線條　　45
3.3.2 　顏色　　46
3.3.3 　文本屬性　　47
3.3.4 　圖形尺寸與邊界尺寸　　49
3.4 　添加文本、自定義坐標(biāo)軸和圖例　　50
3.4.1 　標(biāo)題　　51
3.4.2 　坐標(biāo)軸　　52
3.4.3 　參考線　　54
3.4.4 　圖例　　54
3.4.5 　文本標(biāo)注　　56
3.5 　圖形的組合　　58
3.6 　小結(jié)　　64
第4章 　基本數(shù)據(jù)管理　　65
4.1 　一個(gè)示例　　65
4.2 　創(chuàng)建新變量　　67
4.3 　變量的重編碼　　68
4.4 　變量的重命名　　69
4.5 　缺失值　　70
4.5.1 　重編碼某些值為缺失值　　71
4.5.2 　在分析中排除缺失值　　72
4.6 　日期值　　73
4.6.1 　將日期轉(zhuǎn)換為字符型變量　　74
4.6.2 　更進(jìn)一步　　74
4.7 　類型轉(zhuǎn)換　　74
4.8 　數(shù)據(jù)排序　　75
4.9 　數(shù)據(jù)集的合并　　76
4.9.1 　添加列　　76
4.9.2 　添加行　　76
4.10 　數(shù)據(jù)集取子集　　77
4.10.1 　選入（保留）變量　　77
4.10.2 　剔除（丟棄）變量　　77
4.10.3 　選入觀測(cè)　　78
4.10.4 　subset()函數(shù)　　79
4.10.5 　隨機(jī)抽樣　　79
4.11 　使用sql語句操作數(shù)據(jù)框　　80
4.12 　小結(jié)　　81
第5章 　高級(jí)數(shù)據(jù)管理　　82
5.1 　一個(gè)數(shù)據(jù)處理難題　　82
5.2 　數(shù)值和字符處理函數(shù)　　83
5.2.1 　數(shù)學(xué)函數(shù)　　83
5.2.2 　統(tǒng)計(jì)函數(shù)　　84
5.2.3 　概率函數(shù)　　86
5.2.4 　字符處理函數(shù)　　89
5.2.5 　其他實(shí)用函數(shù)　　90
5.2.6 　將函數(shù)應(yīng)用于矩陣和數(shù)據(jù)框　　91
5.3 　數(shù)據(jù)處理難題的一套解決方案　　93
5.4 　控制流　　96
5.4.1 　重復(fù)和循環(huán)　　97
5.4.2 　條件執(zhí)行　　97
5.5 　用戶自編函數(shù)　　99
5.6 　整合與重構(gòu)　　101
5.6.1 　轉(zhuǎn)置　　101
5.6.2 　整合數(shù)據(jù)　　101
5.6.3 　reshape包　　102
5.7 　小結(jié)　　105
第二部分 　基本方法
第6章 　基本圖形　　108
6.1 　條形圖　　108
6.1.1 　簡(jiǎn)單的條形圖　　109
6.1.2 　堆砌條形圖和分組條形圖　　110
6.1.3 　均值條形圖　　111
6.1.4 　條形圖的微調(diào)　　112
6.1.5 　棘狀圖　　113
6.2 　餅圖　　114
6.3 　直方圖　　116
6.4 　核密度圖　　118
6.5 　箱線圖　　120
6.5.1 　使用并列箱線圖進(jìn)行跨組比較　　121
6.5.2 　小提琴圖　　124
6.6 　點(diǎn)圖　　125
6.7 　小結(jié)　　128
第7章 　基本統(tǒng)計(jì)分析　　129
7.1 　描述性統(tǒng)計(jì)分析　　130
7.1.1 　方法云集　　130
7.1.2 　分組計(jì)算描述性統(tǒng)計(jì)量　　133
7.1.3 　結(jié)果的可視化　　136
7.2 　頻數(shù)表和列聯(lián)表　　136
7.2.1 　生成頻數(shù)表　　137
7.2.2 　獨(dú)立性檢驗(yàn)　　142
7.2.3 　相關(guān)性的度量　　144
7.2.4 　結(jié)果的可視化　　144
7.2.5 　將表轉(zhuǎn)換為扁平格式　　144
7.3 　相關(guān)　　146
7.3.1 　相關(guān)的類型　　146
7.3.2 　相關(guān)性的顯著性檢驗(yàn)　　148
7.3.3 　相關(guān)關(guān)系的可視化　　150
7.4 　t檢驗(yàn)　　150
7.4.1 　獨(dú)立樣本的t檢驗(yàn)　　150
7.4.2 　非獨(dú)立樣本的t檢驗(yàn)　　151
7.4.3 　多于兩組的情況　　152
7.5 　組間差異的非參數(shù)檢驗(yàn)　　152
7.5.1 　兩組的比較　　152
7.5.2 　多于兩組的比較　　153
7.6 　組間差異的可視化　　155
7.7 　小結(jié)　　155
第三部分 　中級(jí)方法
第8章 　回歸　　158
8.1 　回歸的多面性　　159
8.1.1 　ols回歸的適用情境　　159
8.1.2 　基礎(chǔ)回顧　　160
8.2 　ols回歸　　160
8.2.1 　用lm()擬合回歸模型　　161
8.2.2 　簡(jiǎn)單線性回歸　　162
8.2.3 　多項(xiàng)式回歸　　164
8.2.4 　多元線性回歸　　167
8.2.5 　有交互項(xiàng)的多元線性回歸　　169
8.3 　回歸診斷　　171
8.3.1 　標(biāo)準(zhǔn)方法　　171
8.3.2 　改進(jìn)的方法　　175
8.3.3 　線性模型假設(shè)的綜合驗(yàn)證　　180
8.3.4 　多重共線性　　181
8.4 　異常觀測(cè)值　　181
8.4.1 　離群點(diǎn)　　182
8.4.2 　高杠桿值點(diǎn)　　182
8.4.3 　強(qiáng)影響點(diǎn)　　183
8.5 　改進(jìn)措施　　186
8.5.1 　刪除觀測(cè)點(diǎn)　　186
8.5.2 　變量變換　　186
8.5.3 　增刪變量　　187
8.5.4 　嘗試其他方法　　188
8.6 　選擇“最佳”的回歸模型　　188
8.6.1 　模型比較　　188
8.6.2 　變量選擇　　189
8.7 　深層次分析　　193
8.7.1 　交叉驗(yàn)證　　193
8.7.2 　相對(duì)重要性　　194
8.8 　小結(jié)　　197
第9章 　方差分析　　198
9.1 　術(shù)語速成　　198
9.2 　anova模型擬合　　201
9.2.1 　aov()函數(shù)　　201
9.2.2 　表達(dá)式中各項(xiàng)的順序　　201
9.3 　單因素方差分析　　202
9.3.1 　多重比較　　204
9.3.2 　評(píng)估檢驗(yàn)的假設(shè)條件　　206
9.4 　單因素協(xié)方差分析　　208
9.4.1 　評(píng)估檢驗(yàn)的假設(shè)條件　　209
9.4.2 　結(jié)果可視化　　210
9.5 　雙因素方差分析　　211
9.6 　重復(fù)測(cè)量方差分析　　214
9.7 　多元方差分析　　216
9.7.1 　評(píng)估假設(shè)檢驗(yàn)　　217
9.7.2 　穩(wěn)健多元方差分析　　219
9.8 　用回歸來做anova　　219
9.9 　小結(jié)　　221
第10章 　功效分析　　222
10.1 　假設(shè)檢驗(yàn)速覽　　222
10.2 　用pwr包做功效分析　　225
10.2.1 　t檢驗(yàn)　　225
10.2.2 　方差分析　　227
10.2.3 　相關(guān)性　　227
10.2.4 　線性模型　　228
10.2.5 　比例檢驗(yàn)　　229
10.2.6 　卡方檢驗(yàn)　　229
10.2.7 　在新情況中選擇合適的效應(yīng)值　　230
10.3 　繪制功效分析圖形　　232
10.4 　其他軟件包　　234
10.5 　小結(jié)　　235
第11章 　中級(jí)繪圖　　236
11.1 　散點(diǎn)圖　　237
11.1.1 　散點(diǎn)圖矩陣　　239
11.1.2 　高密度散點(diǎn)圖　　244
11.1.3 　三維散點(diǎn)圖　　247
11.1.4 　氣泡圖　　250
11.2 　折線圖　　252
11.3 　相關(guān)圖　　255
11.4 　馬賽克圖　　259
11.5 　小結(jié)　　261
第12章 　重抽樣與自助法　　263
12.1 　置換檢驗(yàn)　　263
12.2 　用coin包做置換檢驗(yàn)　　265
12.2.1 　獨(dú)立兩樣本和k樣本檢驗(yàn)　　266
12.2.2 　列聯(lián)表中的獨(dú)立性　　267
12.2.3 　數(shù)值變量間的獨(dú)立性　　268
12.2.4 　兩樣本和k樣本相關(guān)性檢驗(yàn)　　268
12.2.5 　深入探究　　269
12.3 　lmperm包的置換檢驗(yàn)　　269
12.3.1 　簡(jiǎn)單回歸和多項(xiàng)式回歸　　269
12.3.2 　多元回歸　　271
12.3.3 　單因素方差分析和協(xié)方差分析　　271
12.3.4 　雙因素方差分析　　272
12.4 　置換檢驗(yàn)點(diǎn)評(píng)　　273
12.5 　自助法　　273
12.6 　boot包中的自助法　　274
12.6.1 　對(duì)單個(gè)統(tǒng)計(jì)量使用自助法　　275
12.6.2 　多個(gè)統(tǒng)計(jì)量的自助法　　277
12.7 　小結(jié)　　279
第四部分 　高級(jí)方法
第13章 　廣義線性模型　　282
13.1 　廣義線性模型和glm()函數(shù)　　282
13.1.1 　glm()函數(shù)　　283
13.1.2 　連用的函數(shù)　　284
13.1.3 　模型擬合和回歸診斷　　285
13.2 　logistic回歸　　285
13.2.1 　解釋模型參數(shù)　　288
13.2.2 　評(píng)價(jià)預(yù)測(cè)變量對(duì)結(jié)果概率的影響　　289
13.2.3 　過度離勢(shì)　　290
13.2.4 　擴(kuò)展　　291
13.3 　泊松回歸　　291
13.3.1 　解釋模型參數(shù)　　293
13.3.2 　過度離勢(shì)　　294
13.3.3 　擴(kuò)展　　295
13.4 　小結(jié)　　297
第14章 　主成分和因子分析　　298
14.1 　r中的主成分和因子分析　　299
14.2 　主成分分析　　300
14.2.1 　判斷主成分的個(gè)數(shù)　　300
14.2.2 　提取主成分　　302
14.2.3 　主成分旋轉(zhuǎn)　　305
14.2.4 　獲取主成分得分　　306
14.3 　探索性因子分析　　307
14.3.1 　判斷需提取的公共因子數(shù)　　308
14.3.2 　提取公共因子　　309
14.3.3 　因子旋轉(zhuǎn)　　310
14.3.4 　因子得分　　313
14.3.5 　其他與efa相關(guān)的包　　313
14.4 　其他潛變量模型　　314
14.5 　小結(jié)　　314
第15章 　處理缺失數(shù)據(jù)的高級(jí)方法　　316
15.1 　處理缺失值的步驟　　317
15.2 　識(shí)別缺失值　　318
15.3 　探索缺失值模式　　319
15.3.1 　列表顯示缺失值　　319
15.3.2 　圖形探究缺失數(shù)據(jù)　　320
15.3.3 　用相關(guān)性探索缺失值　　322
15.4 　理解缺失數(shù)據(jù)的來由和影響　　324
15.5 　理性處理不完整數(shù)據(jù)　　325
15.6 　完整實(shí)例分析（行刪除）　　326
15.7 　多重插補(bǔ)　　327
15.8 　處理缺失值的其他方法　　331
15.8.1 　成對(duì)刪除　　331
15.8.2 　簡(jiǎn)單（非隨機(jī)）插補(bǔ)　　332
15.9 　小結(jié)　　332
第16章 　高級(jí)圖形進(jìn)階　　333
16.1 　r中的四種圖形系統(tǒng)　　333
16.2 　lattice包　　334
16.2.1 　條件變量　　338
16.2.2 　面板函數(shù)　　339
16.2.3 　分組變量　　342
16.2.4 　圖形參數(shù)　　345
16.2.5 　頁面擺放　　346
16.3 　ggplot2包　　347
16.4 　交互式圖形　　351
16.4.1 　與圖形交互：鑒別點(diǎn)　　351
16.4.2 　playwith　　352
16.4.3 　latticist　　353
16.4.4 　iplots包的交互圖形　　354
16.4.5 　rggobi　　355
16.5 　小結(jié)　　356
后記：探索r的世界　　357
附錄a 　圖形用戶界面　　359
附錄b 　自定義啟動(dòng)環(huán)境　　362
附錄c 　從r中導(dǎo)出數(shù)據(jù)　　364
附錄d 　制作出版級(jí)品質(zhì)的輸出　　366
附錄e 　r中的矩陣運(yùn)算　　374
附錄f 　本書中用到的擴(kuò)展包　　376
附錄g 　處理大數(shù)據(jù)　　381
附錄h 　更新r　　383
參考文獻(xiàn)　　385

?

?

本 圖書 信息來源： 中國(guó)互動(dòng)出版 網(wǎng)

R語言實(shí)戰(zhàn)