R语言高效能实战 更多数据和更快速度

图书标准信息

• 作者 刘艺非
• 出版社 人民邮电出版社
• 出版时间 2022-03
• 版次 1
• ISBN 9787115584403
• 定价 79.90元
• 装帧 平装
• 开本 其他
• 纸张 胶版纸
• 页数 258页
• 字数 360千字

【内容简介】

本书将目标设定为“在一台笔记本电脑上使用R语言处理较大的数据集”，从单机大型数据集处理策略、提升计算性能、其他工具和技巧3个方面介绍了使用R语言处理数据时的实用方法。包括数据集占用空间、善用data.table处理数据、数据分块处理、提升硬盘资源使用效率、并行编程技术、提升机器学习性能，以及其他资源管理和提高性能的实用策略。帮助读者处理较大的数据集、挖掘R的开发潜能。
  本书适合有一定R语言基础的读者阅读，也适合作为R语言实践工具书。

【作者简介】

刘艺非，中山大学社会学硕士，8年数据科学相关工作经历，曾在公益慈善、房地产、电信运营商等行业担任过数据分析师及数据挖掘工程师。在工作过程中对R语言、Python、SAS、STATA、SPSS等主流数据科学工具均有使用经验和心得。

【目录】

第 1章　简单直接的策略—

减少数据占用空间1

1.1　保留必要的数据1

1.1.1　保留必要的列2

1.1.2　保留必要的行4

1.2　设置合适的数据类型13

1.3　本章小结15

第 2章　简单直接的策略—

减少数据占用空间1

1.1　保留必要的数据1

1.1.1　保留必要的列2

1.1.2　保留必要的行4

1.2　设置合适的数据类型13

1.3　本章小结15

第3章　基于内存的“快工具”—

data.table16

2.1　数据读入操作17

2.1.1　读入单个数据17

2.1.2　读入多个数据20

2.2　数据基本行列操作23

2.3　数据合并、分组汇总操作32

2.4　dtplyr：data.table和dplyr的结合39

2.5　本章小结46

第4章　逐块击破—数据分块处理47

3.1　使用iotools库实现分块处理47

3.2　使用readr库实现分块处理57

3.3　本章小结60

第4章　突破内存限制—

利用硬盘资源61

4.1　实现R与关系型数据库管理

系统协作61

4.2　使用bigmemory体系处理大型矩阵66

4.3　使用ff体系处理大型数据框73

4.3.1　ff体系基本数据操作73

4.3.2　ff体系与关系型数据库

系统协作81

4.4　新一代工具disk.frame83

4.5　本章小结93

第5章　友好的可视化工具—

trelliscope94

5.1　实现交互式大型分面可视化94

5.2　本章小结100

第6章　让R更快—并行编程101

6.1　R并行编程技术概览101

6.2　并行计算第三方库103

6.2.1　snow库104

6.2.2　multicore库104

6.2.3　parallel库105

6.2.4　future库106

6.2.5　foreach库107

6.3　网络数据爬取案例108

6.3.1　利用foreach并行循环

进行爬取109

6.3.2　利用tidyverse和future相结合

进行爬取119

6.3.3　文本分词及整洁化处理125

6.4　本章小结132

第7章　提升机器学习效能—

R的基础策略134

7.1　使用foreach实现并行循环136

7.2　使用更优化的第三方库140

7.3　使用caret框架结合并行计算145

7.4　本章小结157

第8章　整洁流畅的框架—

tidymodels158

8.1　建立简单工作流159

8.2　工作流比较166

8.3　工作流超参数调优169

8.4　多工作流同时调优176

8.5　本章小结180

第9章　灵活强大的框架—mlr3181

9.1　数据及模型的创建182

9.2　利用future支持mlr3计算任务190

9.3　嵌套重抽样过程201

9.4　以图管理机器学习工作流204

9.5　本章小结213

第 10章　强强联合—利用

reticulate库借力Python214

10.1　配置Python环境215

10.2　在R中用Python代码编程217

10.3　以R编程方式使用Python223

10.4　本章小结227

第 11章　简单高效的自动机器学习

工具—H2O228

11.1　H2O基本使用方法229

11.2　H2O自动机器学习242

11.3　本章小结247

第 12章　善其事，利其器—

其他策略和工具248

12.1　内存及硬盘资源管理类策略248

12.1.1　读取压缩文件248

12.1.2　以rds格式保存中间结果250

12.1.3　垃圾回收机制251

12.1.4　R的内存管理工具251

12.1.5　使用pryr库252

12.2　计算效能提升类策略254

12.2.1　函数编译255

12.2.2　使用benchmarkme库256

12.3　使用R的增强发行版本258

12.3.1　Microsoft R Open258

12.3.2　Microsoft R Client260

12.4　其他数据科学工具261

12.4.1　SAS（Statistical Analysis 

System）261

12.4.2　Python262

12.5　本章小结264