当前位置:首页 > 工业技术
R数据科学实战  工具详解与案例分析
R数据科学实战  工具详解与案例分析

R数据科学实战 工具详解与案例分析PDF电子书下载

工业技术

  • 电子书积分:10 积分如何计算积分?
  • 作 者:(中国)邬书豪,刘健
  • 出 版 社:北京:机械工业出版社
  • 出版年份:2019
  • ISBN:9787111629948
  • 页数:242 页
图书介绍:本书是一本面向初学者的R语言学习实战宝典。作者融合自己丰富的实践经验,详细阐述使用R语言进行数据分析的流程,并深入探讨如何使用常见的R语言程序包和函数对数据进行处理和分析,结合现实问题,一步步地剖析关键R函数的运行原理,提供大量简洁的代码实现,助力读者掌握一套完整的R语言数据分析工具箱。全书共11章,第1章介绍R语言对不同类型的数据读取;第2章介绍使用tidyr包对数据进行清洗;第3章介绍使用dplry包对数据进行计算;第4章集中介绍循环和迭代的概念和简单应用;第5章介绍使用purrr包处理循环和迭代问题;第6章介绍data.table包,深入讨论其优缺点;第7至11章通过实际案例强化使用R语言进行数据处理及分析的一整套流程。
《R数据科学实战 工具详解与案例分析》目录

第一部分 工具包篇 2

第1章 数据导入工具 2

1.1 utils——数据读取基本功 3

1.1.1 read.csv/csv2——逗号分隔数据读取 3

1.1.2 read.delim/delim2——特定分隔符数据读取 6

1.1.3 read.table——任意分隔符数据读取 7

1.2 readr——进阶数据读取 15

1.3 utils vs readr——你喜欢哪个? 17

1.4 readxl——Excel文件读取 18

1.5 DBI——数据库数据查询、下载 21

1.6 pdftools——PDF文件 22

1.7 jsonlite——JSON文件 25

1.8 foreign package统计软件数据 26

1.9 本章小结 27

第2章 数据清理工具 28

2.1 基本概念 29

2.2 tibble包——数据集准备 31

2.2.1 为什么使用tibble 32

2.2.2 创建tbl格式 34

2.2.3 as tibble——转换已有格式的数据集 34

2.2.4 add row/column——实用小工具 37

2.3 tidyr——数据清道夫 40

2.3.1 为什么使用tidyr 40

2.3.2 gather/spread——“长”“宽”数据转换 40

2.3.3 separate/unite——拆分合并列 43

2.3.4 replace_ na/drop_ na/——默认值处理工具 44

2.3.5 fill/complete——填坑神器 44

2.3.6 separate_rows/nest/unest——行数据处理 45

2.4 lubridate日期时间处理 47

2.4.1 为什么使用lubridate 47

2.4.2 ymd/ymd_ hms——年月日还是日月年? 48

2.4.3 year/month/week/day/hour/minute/second——时间单位提取 49

2.4.4 guess_formats/parse_date time——时间日期格式分析 49

2.5 stringr字符处理工具 51

2.5.1 baseR vs stringr 51

2.5.2 正则表达式基础 53

2.5.3 简易正则表达式创建 54

2.5.4 文本挖掘浅析 55

第3章 数据计算工具 58

3.1 baseR计算工具概览 59

3.1.1 基本数学函数 59

3.1.2 基本运算符号 61

3.1.3 基本统计函数 62

3.2 dplyr包实战技巧 63

3.2.1 常见实用函数中英对照 63

3.2.2 dplyr行(Row)数据处理 64

3.2.3 dplyr列(Column)数据处理 73

3.3 文本挖掘实操 88

第4章 基本循环——loops和apply 92

4.1 for循环 93

4.1.1 基本概念 93

4.1.2 基本构建过程 94

4.1.3 简单应用 97

4.2 while循环 98

4.2.1 基本概念 98

4.2.2 基本构建过程 99

4.2.3 简单应用 100

4.3 “apply”函数家族 102

4.3.1 lapply——“线性”数据迭代 103

4.3.2 sapply——简约而不简单 106

4.3.3 apply——多维数据处理利器 107

4.3.4 vapply——迭代的安全模式 109

4.3.5 rapply——多层列表数据处理 112

4.3.6 mapply——对多个列表进行函数运算 115

第5章 优雅的循环——purrr包 119

5.1 map函数家族 120

5.1.1 map——对单一元素进行迭代运算 120

5.1.2 map2和pmap——对两个及以上元素进行迭代运算 125

5.1.3 imap——变量名称或位置迭代 128

5.1.4 lmap——对列表型数据中的列表元素进行迭代运算 130

5.1.5 invoke_map——对多个元素进行多个函数的迭代运算 131

5.2 探测函数群 134

5.2.1 detect/detect index——寻找第一个匹配条件的值 134

5.2.2 every/some——列表中是否全部或部分元素满足条件? 136

5.2.3 has_element——向量中是否存在想要的元素? 137

5.2.4 head/tail while——满足条件之前和之后的元素 138

5.2.5 keep/discard/com-pact——有条件筛选 139

5.2.6 prepend——随意插入数据 141

5.3 向量操纵工具箱 142

5.3.1 accumulate和reduce家族——元素累积运算 142

5.3.2 其他工具函数 143

5.4 其他实用函数 144

5.4.1 set_names——命名向量中的元素 144

5.4.2 vec_depth——嵌套列表型数据探测器 148

5.5 循环读取、清理和计算 149

第6章 data.table——超级“瑞士军刀” 152

6.1 data.table简介 152

6.2 基本函数 153

6.2.1 fread——速读 153

6.2.2 DT[i,j,by]——数据处理句式基本结构 158

6.2.3 “:=”——急速修改数值 162

6.2.4 fwrite——速写,数据输出 165

6.3 进阶应用 167

6.3.1 有条件的急速行筛选 168

6.3.2 列选择的多种可能 171

6.3.3 批量处理列及列的分裂与合并 173

6.3.4 合并数据集 176

6.3.5 “长宽”数据置换 177

6.3.6 计算分析 178

第二部分 案例篇 182

第7章 数据科学从业者调查分析 182

7.1 案例背景及变量介绍 182

7.2 简单数据清洗 183

7.3 数据科学从业者探索性数据分析 186

7.4 封装绘图函数 189

7.5 通过柱状图进行探索性分析数据 190

7.6 未来将会学习的机器学习工具 193

7.7 明年将学习的机器学习方法 194

第8章 共享单车租用频次分析 198

8.1 案例简介 198

8.2 数据准备及描述性统计分析 199

8.3 数据重塑 201

8.4 柱状图在数据分析中的简单应用 202

8.5 柱状和扇形图在数据分析中的运用 204

8.6 折线图在数据分析中的运用 207

8.7 相关系数图综合分析 209

第9章 星巴克商业案例分析 211

9.1 案例背景介绍及变量介绍 211

9.2 数据描述性统计量分析 212

9.3 数据统计分析 213

第10章 学生成绩水平分析 220

10.1 数据集 220

10.2 探索性数据分析 229

第11章 YouTube视频观看分析 234

11.1 案例背景及相关内容介绍 234

11.2 探索性数据分析 237

相关图书
作者其它书籍
返回顶部