第1章 Python、 R和R数据科学简介 1
1.1 什么是Python 1
1.2 什么是R 2
1.3 什么是数据科学 2
1.4 数据科学家的未来 3
1.5 什么是大数据 4
1.6 商务分析与数据科学 5
1.7 数据科学家可用的工具 6
1.8 用于数据科学的Python添加包 7
1.9 Python和R之间的异同 8
1.9.1 为什么R用户应该了解有关Python的更多信息 8
1.9.2 为什么Python用户应该了解有关R的更多信息 9
1.10 教程 9
1.11 同时使用R和Python 9
1.12 其他软件和Python 13
1.13 将SAS与Jupyter一起使用 13
1.14 如何将Python和R用于大数据分析 13
1.15 什么是云计算 15
1.16 如何在云上使用Python和R 15
1.17 Python和R商业版本及其他替代版本 16
1.17.1 数据科学家的常用Linux命令 17
1.17.2 学习Git 18
1.18 数据驱动的决策 32
1.18.1 企业管理战略框架：非MBA和MBA的数据驱动决策指南 32
1.18.2 商务分析的其他框架 37
参考文献 40
第2章 数据输入 41
2.1 pandas中的数据输入 41
2.2 网页抓取数据输入 44
2.3 来自RDBMS的数据输入 48
2.3.1 Windows教程 50
2.3.2 安装 50
2.3.3 配置ODBC 52
第3章 数据检查和数据质量 62
3.1 数据格式 62
3.1.1 将字符串转换为日期和时间 63
3.1.2 将数据框转换为NumPy数组并返回Python 66
3.2 数据质量 68
3.3 数据检查 71
3.4 数据选择 74
3.4.1 随机选择数据 76
3.4.2 条件选择 76
3.5 R中的数据检查 79
3.5.1 来自R ggplot2添加包中的diamond数据集 83
3.5.2 修改R中的日期格式和字符串 86
3.5.3 管理R中的字符串 88
参考文献 88
第4章 探索性数据分析 89
4.1 根据分析分组 89
4.2 数值数据 89
4.3 分类数据 91
第5章 统计建模 102
5.1 回归的概念 102
5.1.1 OLS 103
5.1.2 R方 103
5.1.3 p值 104
5.1.4 异常值 104
5.1.5 多重共线性和异方差性 104
5.2 相关关系不是因果关系 105
5.2.1 关于数据科学家统计的说明 106
5.2.2 中心趋势的度量 107
5.2.3 分散度的度量 107
5.2.4 概率分布 110
5.3 R和Python中的线性回归 114
5.4 R和Python中的Logistic回归 132
5.4.1 其他概念 136
5.4.2 ROC曲线和AUC 137
5.4.3 偏差与方差 137
参考文献 138
第6章 数据可视化 139
6.1 数据可视化的概念 139
6.1.1 数据可视化的历史 139
6.1.2 Anscombe案例研究 140
6.1.3 加载添加包 141
6.1.4 获得均值和标准差 142
6.1.5 结论1 144
6.1.6 数据可视化 144
6.1.7 结论2 146
6.2 Tufte关于数据可视化的工作 147
6.3 Stephen Few关于仪表盘的设计 147
6.4 基本绘图 149
6.5 高级绘图 156
6.6 交互式绘图 160
6.7 空间分析 160
6.8 R中的数据可视化 160
6.8.1 关于RStudio IDE共享R代码的注意事项 166
6.8.2 关于共享Jupyter笔记的注意事项 167
6.8.3 特别说明：关于Python的完整教程 168
参考文献 180
第7章 机器学习变得更容易 181
7.1 删除最终决策树模型中不需要的列 186
7.2 时间序列 207
7.3 关联分析 211
7.4 清洗语料库并制作词袋 221
7.4.1 聚类分析 224
7.4.2 Python中的聚类分析 224
第8章 结论和总结 233