数据科学之编程技术 使用R进行数据清理、分析与可视化＝PROGRAMMING SKILLS FOR DATA SCIENCE START WRITING CODE TO WRANGPDF电子书下载

第一部分 开始 2

第1章 设置计算机 2

1.1 设置命令行工具 3

1.1.1 Mac上的命令行 3

1.1.2 Windows上的命令行 3

1.1.3 Linux上的命令行 3

1.2 安装git 3

1.3 创建GitHub账户 4

1.4 选择一个文本编辑器 4

1.4.1 Atom 4

1.4.2 Visual Studio Code 5

1.4.3 Sublime Text 5

1.5 下载R语言 5

1.6 下载RStudio 5

第2章 使用命令行 7

2.1 访问命令行 7

2.2 浏览文件系统 8

2.2.1 改变目录 9

2.2.2 列出文件 10

2.2.3 路径 10

2.3 管理文件 12

2.3.1 学习新命令 12

2.3.2 通配符 13

2.4 错误处理 14

2.5 重定向输出 15

2.6 网络命令 16

第二部分 项目管理 20

第3章 使用git和GitHub进行版本控制 20

3.1 什么是git 20

3.1.1 git的核心概念 21

3.1.2 什么是GitHub 21

3.2 配置和项目设置 22

3.2.1 生成一个仓库 22

3.2.2 检查状态 23

3.3 跟踪项目变更 24

3.3.1 添加文件 24

3.3.2 提交 25

3.3.3 审核本地git流程 26

3.4 在GitHub中存储项目 26

3.4.1 分支和克隆 27

3.4.2 推送和拉取 28

3.5 访问项目历史 30

3.5.1 提交历史 30

3.5.2 恢复早期版本 30

3.6 忽略项目中的文件 31

第4章 使用Markdown制作文档 34

4.1 编写Markdown 34

4.1.1 文本格式 34

4.1.2 文本块 34

4.1.3 超链接 35

4.1.4 图像 36

4.1.5 表格 36

4.2 渲染Markdown 36

第三部分 R的基本技能 40

第5章 R语言 40

5.1 用R编程 40

5.2 运行R代码 40

5.2.1 使用RStudio 41

5.2.2 从命令行运行R 42

5.3 注释 44

5.4 变量定义 44

5.4.1 基本数据类型 45

5.5 获取帮助 48

5.5.1 如何学习R 49

第6章 函数 52

6.1 什么是函数 52

6.1.1 R函数语法 53

6.2 内置R函数 53

6.2.1 命名参数 54

6.3 加载函数 55

6.4 编写函数 56

6.4.1 调试函数 58

6.5 使用条件语句 59

第7章 向量 61

7.1 什么是向量 61

7.1.1 创建向量 61

7.2 向量化操作 62

7.2.1 循环 63

7.2.2 多数为向量 64

7.2.3 向量化函数 65

7.3 向量索引 66

7.3.1 多索引 67

7.4 向量过滤 68

7.5 向量修改 69

第8章 列表 71

8.1 什么是列表 71

8.2 创建列表 71

8.3 访问列表元素 72

8.4 修改列表 75

8.4.1 单双括号 75

8.5 lapply()函数 76

第四部分 数据清理 80

第9章 理解数据 80

9.1 数据生成过程 80

9.2 查找数据 81

9.3 数据类型 82

9.3.1 测量尺度 82

9.3.2 数据结构 83

9.4 解释数据 84

9.4.1 获取领域知识 84

9.4.2 了解数据模式 86

9.5 用数据回答问题 87

第10章 数据框 89

10.1 什么是数据框 89

10.2 使用数据框 89

10.2.1 创建数据框 90

10.2.2 数据帧的结构 90

10.2.3 访问数据框 91

10.3 使用CSV数据 92

10.3.1 工作目录 93

10.3.2 因子变量 95

第11章 使用dplyr操作数据 98

11.1 操作数据语法 98

11.2 核心dplyr函数 98

11.2.1 选择 99

11.2.2 过滤 101

11.2.3 修改 102

11.2.4 排序 102

11.2.5 汇总 103

11.3 执行顺序操作 104

11.3.1 管道操作 105

11.4 按组分析数据框 106

11.5 连接数据框 108

11.6 dplyr实战：分析飞行数据 111

第12章 使用tidyr重塑数据 116

12.1 什么是“整洁”数据 116

12.2 从列到行：gather() 117

12.3 从行到列：spread() 119

12.4 tidyr实战：探索教育统计 120

第13章 访问数据库 125

13.1 关系数据库概述 125

13.1.1 什么是关系数据库 125

13.1.2 建立关系数据库 127

13.2 体验SQL 128

13.3 从R访问数据库 131

第14章 访问Web API 135

14.1 什么是Web API 135

14.2 RESTful请求 136

14.2.1 URI（统一资源标识符） 136

14.2.2 HTTP动词 140

14.3 从R访问Web API 141

14.4 处理JSON数据 142

14.4.1 解析JSON 144

14.4.2 展平数据 145

14.5 API实战：在西雅图寻找古巴食品 147

第五部分 数据可视化 154

第15章 设计数据可视化 154

15.1 可视化的目的 154

15.2 选择可视化布局 156

15.2.1 可视化单个变量 156

15.2.2 可视化多个变量 159

15.2.3 可视化分层数据 162

15.3 选择有效的图形编码 162

15.3.1 有效颜色 165

15.3.2 利用前注意属性 167

15.4 数据显示的表达力 168

15.5 强化美学 170

第16章 使用ggplot2创建可视化 171

16.1 图形语法 171

16.2 使用ggplot2进行基本绘图 172

16.2.1 指定几何图形 174

16.2.2 美学映射 176

16.3 复杂的布局及定制 176

16.3.1 位置调整 176

16.3.2 标度样式 178

16.3.3 坐标系 180

16.3.4 分面 181

16.3.5 标签和注释 182

16.4 构建地图 184

16.4.1 分级统计（Choropleth）地图 184

16.4.2 点分布地图 186

16.5 ggplot2实战：绘制旧金山驱逐地图 187

第17章 R中的交互式可视化 191

17.1 plotly包 192

17.2 rbokeh包 194

17.3 leaflet包 196

17.4 交互式可视化实战：展示西雅图的变化 198

第六部分 构建和共享应用程序 204

第18章 使用R Markdown创建动态报告 204

18.1 设置报告 204

18.1.1 新建.Rmd文件 204

18.1.2 编织（Knit）文档 206

18.2 集成Markdown与R代码 207

18.2.1 R代码块 207

18.2.2 内联代码 208

18.3 在报告中渲染数据与可视化 208

18.3.1 渲染字符串 208

18.3.2 渲染Markdown列表 209

18.3.3 渲染表格 210

18.3.4 渲染绘图 211

18.4 以网站形式共享报告 212

18.5 R Markdown实战：寿命预测报告 213

第19章 使用Shiny构建交互式Web应用程序 217

19.1 Shiny框架 217

19.1.1 Shiny核心概念 218

19.1.2 程序结构 218

19.2 设计用户界面 221

19.2.1 静态内容 222

19.2.2 动态输入 223

19.2.3 动态输出 224

19.2.4 布局 225

19.3 开发应用程序服务器 227

19.4 发布Shiny应用程序 229

19.5 Shiny实战：可视化警察致命射击 230

第20章 协同工作 237

20.1 使用分支跟踪代码的不同版本 237

20.1.1 不同分支 238

20.1.2 合并分支 241

20.1.3 合并冲突 242

20.1.4 GitHub的合并 243

20.2 使用特性分支开发项目 244

20.3 使用集中工作流协作 246

20.3.1 新建一个集中仓库 246

20.3.2 在集中工作流中使用特性分支 247

20.4 使用分叉工作流协作 249

第21章 继续学习 252

21.1 统计学习 252

21.1.1 评估关系 252

21.1.2 预测 252

21.2 其他编程语言 253

21.3 道德准则 253