R语言数据分析
全新正版 极速发货
￥ 36.89 5.3折 ￥ 69 全新
仅1件
广东广州
认证卖家担保交易快速发货售后保障
作者(美)盖尔盖伊·道罗齐(Gergely Daroczi) 著;潘怡 译
出版社机械工业出版社
ISBN9787111547952
出版时间2016-10
装帧平装
开本16开
定价69元
货号1201414518
上书时间2024-06-18
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
盖尔盖伊·道罗齐(GergelyDar6czi)，统计学副教授，社会学专业博士。他是一位狂热的R包开发者，也rapporter．net网站的创始人及CTO，该网站为人们提供基于R的报表和Web应用程序。他现在就职于洛杉矶网站，担任首席R语言开发及研究的数据专家。
目录
译者序
前言
第1章你好，数据！1
1.1导入一个大小合适的文本文件2
1.2文本文件编译测试平台5
1.3导入文本文件的子集6
1.4从数据库中导入数据8
1.4.1搭建测试环境9
1.4.2MySQL和MariaDB11
1.4.3PostgreSQL15
1.4.4Oracle数据库17
1.4.5访问ODBC数据库22
1.4.6使用图形化用户面连接数据库23
1.4.7其他数据库后台24
1.5从其他统计系统导入数据25
1.6导入Excel电子表格26
1.7小结26
第2章从Web获取数据28
2.1从Internet导入数据集29
2.2其他流行的在线数据格式32
2.3从HTML表中读取数据37
2.4从其他在线来源获取数据39
2.5使用R包与数据源API交互42
2.5.1Socrata的开源数据API43
2.5.2金融API44
2.5.3使用Quandl获取时序数据45
2.5.4Google文档和统计数据46
2.5.5在线搜索的发展趋势47
2.5.6天气历史数据48
2.5.7其他在线数据源49
2.6小结49
第3章数据筛选和汇总50
3.1去掉多余的数据50
3.1.1快速去掉多余数据52
3.1.2快速去掉多余数据的其他方法53
3.2聚集54
3.2.1使用基础的R命令实现快速聚集55
3.2.2方便的辅助函数56
3.2.3高性能的辅助函数57
3.2.4使用data.table完成聚集59
3.3测试59
3.4汇总函数62
3.5小结64
第4章数据重构65
4.1矩阵转置65
4.2基于字符串匹配实现数据筛选66
4.3数据重排序67
4.4dplyr包和data.table包的比较70
4.5创建新变量70
4.5.1内存使用分析71
4.5.2同时创建多个变量72
4.5.3采用dplyr包生成新变量73
4.6数据集合并74
4.7灵活地实现数据整形76
4.7.1将宽表转换为长表77
4.7.2将长表转换为宽表78
4.7.3性能调整80
4.8reshape包的演变80
4.9小结81
第5章建模82
5.1多元模型的由来83
5.2线性回归及连续预测变量83
5.2.1模型解释83
5.2.2多元预测85
5.3模型假定87
5.4回归线的拟合效果90
5.5离散预测变量92
5.6小结95
第6章线性趋势直线外的知识96
6.1工作流建模96
6.2逻辑回归97
6.2.1数据思考100
6.2.2模型拟合的好处101
6.2.3模型比较102
6.3计数模型102
6.3.1泊松回归103
6.3.2负二项回归107
6.3.3多元非线性模型107
6.4小结115
第7章非结构化数据116
7.1导入语料库116
7.2清洗语料库118
7.3展示语料库的高频词121
7.4深度清洗121
7.4.1词干提取122
7.4.2词形还原124
7.5词条关联说明124
7.6其他一些度量125
7.7文档分段126
7.8小结128
第8章数据平滑129
8.1缺失值的类型和来源129
8.2确定缺失值130
8.3忽略缺失值131
8.4去掉缺失值134
8.5在分析前或分析中筛选缺失值136
8.6填补缺失值136
8.6.1缺失值建模138
8.6.2不同填补方法的比较140
8.6.3不处理缺失值141
8.6.4多重填补141
8.7异常值和孤立点141
8.8使用模糊方法144
8.9小结146
第9章从大数据到小数据147
9.1充分性测试148
9.1.1正态性148
9.1.2多元变量正态性149
9.1.3变量间的依赖关系152
9.1.4KMO和Barlett检验154
9.2主成分分析157
9.2.1PCA算法158
9.2.2确定成分数159
9.2.3成分解释161
9.2.4旋转方法164
9.2.5使用PCA检测孤立点167
9.3因子分析170
9.4主成分分析和因子分析172
9.5多维尺度分析173
9.6小结176
第10章分类和聚类177
10.1聚类分析178
10.1.1层次聚类178
10.1.2确定簇的理想个数181
10.1.3k均值聚类183
10.1.4可视化聚类185
10.2潜类别模型186
10.2.1潜类别分析187
10.2.2LCR模型189
10.3判别分析189
10.4逻辑回归192
10.5机器学习算法194
10.5.1k近邻算法195
10.5.2分类树197
10.5.3随机森林200
10.5.4其他算法201
10.6小结203
第11章基于R的社会网络分析204
11.1装载网络数据204
11.2网络中心性度量206
11.3网络数据的展现207
11.3.1交互网络图210
11.3.2绘制层次图211
11.3.3使用R包来解释包的依赖关系212
11.4更多网络分析资源212
11.5小结213
第12章时序数据分析214
12.1创建时序对象214
12.2展现时序数据215
12.3季节性分解217
12.4Holt-Winters筛选218
12.5自回归积分滑动平均模型220
12.6孤立点检测221
12.7更复杂的时序对象224
12.8高级时序数据分析225
12.9小结225
第13章我们身边的数据226
13.1地理编码226
13.2在空间中展示数据点228
13.3找出数据点的多边形重叠区域230
13.4绘制主题图232
13.5围绕数据点绘制
内容摘要
本书共分为14章，重点探讨了数据预处理的方法，包括数据获取、筛选、重构、建模、平滑以及降维，本书还介绍了分类和聚类等几种主要的数据分析方法，很后探讨了网络数据、时序数据、空间数据及社交媒体数据等一些特殊类型数据的分析处理。
精彩内容
Preface?前 言自20多年前发源于学术界以来，R语言已经成为统计分析的通用语言，活跃于众多产业领域。目前，越来越多的商业项目开始使用R，兼之R用户开发了数以千计易于上手的开发包，都使得R成为数据分析工程师及科学家最常用的工具。
本书将帮助读者熟悉R语言这一开源生态系统，并介绍一些基本的统计背景知识，以及一小部分相关的数学知识。我们将着重探讨使用R语言解决实际的问题。
由于数据科学家在数据的采集、清洗及重构上将耗费大量时间，因此本书首先将通过第一手实例来重点探讨从文件、数据库以及在线资源中导入数据的方法，然后再介绍数据的重构和清洗——不包含实际的数据分析，最后几章将对一些特殊的数据类型以及经典的统计模型和部分机器学习算法进行说明。
本书主要内容第1章从与所有数据相关项目都有关的关键性的第一步——从文本文件和数据库中导入数据开始。重点探讨使用优化的CSV分析器把数据载入R，预筛选数据，并对不同数据库后台对R的支持能力进行比较。
第2章介绍如何使用面向Web服务和API通信的包实现数据的导入，包括如何从主页上整理和抽取数据。还将对处理XML和JSON格式数据进行概括性说明。
第3章继续介绍基础的数据处理知识，包括多种数据筛选和聚集，并对data.table和dplyr这两个常见开发包在性能和使用语法方面进行比较。
第4章介绍更多有关复杂数据类型的转换方法，相关函数包括处理数据子集、数据合并、长宽表数据格式到适合用户需要的工作流源数据格式之间的转换等。
第5章开始介绍真实的统计模型，包括回归的概念、常用回归模型等。这一章篇幅不长，还介绍了模型测试的方法以及基于真实数据集如何解释某个多元线性回归模型结果。
第6章在前述章节的基础上，探讨了预测变量的非线性关联，以及诸如逻辑回归和泊松回归等广义线性模型的样例。
第7章介绍一些新的非结构化数据类型，读者将通过实践文本挖掘算法及对结果的可视化处理，了解使用统计模型来处理类似这样一些非结构化数据的方法。
第8章探讨有关原始数据集的另一个常见问题。大多数时候，数据科学家需要处理脏数据，包括去掉错误数据、孤立点以及其他不正确的值，同时又要将缺失值带来的影响降到最低。
第9章介绍如何从大数据中进行特征提取，假设我们已经装载了一个干净的数据集，并且完成了格式转换，当我们开始处理高维变量时，需要采用一些统计方法来进行降维以及其他包括主成分分析、因子分析和多维尺度分析等方法完成连续变量的转换。
第10章讨论使用监督及非监督统计和机器学习方法来处理样本分组问题。这些方法包括层次聚类、k均值聚类、潜类别模型、判别分析、逻辑回归和k近邻算法，以及分类树和回归树。
第11章重点探讨一类特殊的数据结构，包括其基本概念以及可视化网络分析技术，igraph包是该章的重点。
第12章展示如何通过平滑、季节性分解以及ARIMA等方法处理分析时间-日期数据及其相关值，同时还将讨论有关预测和孤立点检测等技术。
第13章探讨一类重要的数据维度——空间维，重点会放在通过主题图、交互图、等高线和冯洛诺伊图完成空间数据的可视化。
第14章提供了一个更完整的样例，该样例中包含了很多前述章节中提到的方法来帮助读者复习这本书所学习到的主要内容，以及应对未来工作中可能遇到的问题和困难。
附录给出了R语言的帮助索引，以及对前述章节中涉及内容的补充阅读。
阅读准备本书所展示的代码都应该在R控制台内运行，读者需要事先安装好R，可以从http://r-project.org下载免费软件以及为所有主流操作系统准备的安装指南。
本书并不会探讨其他更深入的内容，例如在集成开发环境（Integrated Development Environment IDE）下使用R的方法，尽管IDE为诸如Emacs、Eclipse、vi、NotePad++都提供了非常棒的插件和扩展。当然，我们还是建议读者能够使用RStudio，这是一个为R开发的开源免费IDE，访问地址为https://www.rstudio.com/products/RStudio。
除了基础的R包，我们还会使用到部分用户自己提供的R包，它们大多都可以很容易地从R综合典藏网（Comprehensive R Archive Network，CRAN）处下载安装。附录中列出了本书用到的开发包以及多个版本。
如果要从CRAN安装包，读者要确保网络通畅。假如要下载二进制文件，可以在R控制台调用install.packages命令：
本书中所提到的部分包在CRAN上下载不了，但也许可以从Bitbucket或者GitHub处找到安装文件，然后再通过调用devtools包的install_bitbucket和install_github函数完成安装。Windows用户则需首先从https://cran.r-project.org/bin/windows/Rtools处安装rtools包。
安装完毕后，我们应该在使用包之前先将其装载到R会话中，附录中列出了所有包的目录，而每一章的一开始则对相关的源码和R命令做了介绍：
我们极力建议读者下载安装本书的样例源码（可以参考前言的“样例源码下载”小节），这样读者就可以在R控制台很容易地复制和粘贴相关命令，而不需要再按照书中文字输入代码。
如果读者之前没用过R语言，最好能够先从R主页上阅读一些免费的介绍性文章和帮助手册，本书附录中也列出了一些推荐阅读材料。
读者人群如果你是数据科学家或者是R开发人员，希望更多地了解有关R的高级功能及工具，那么这本书就是为你而写。本书希望读者已经具备基础的R语言知识，了解数据库的逻辑。如果你是数据科学家、工程师或分析师，希望提高自己对R语言的开发能力，那么这本书也适合你。尽管需要掌握一些基本的R知识，本书还是为你提供了相关参考文档，能够帮助你快速进入角色并掌握相关技术。
本书约定本书中任何将在R控制台输入或输出的命令行将采用如下格式：
符号“>”有提示的意思，指此处R控制台正在等待要输入执行的命令。如果命令长度超过一行，则第一行还是用“>”开头，但剩下的其余行都要在行首添加符号“+”，代表该行不是一个完整的命令（例如，缺圆括号或引号）。命令的输出不需要增加任何首字母，字体采用和输入文本相同的等宽字体。
新出现的术语和重要的文字将用粗体表示。
警告或重要提示将跟在这样的符号后面。
小窍门或诀窍将跟在这样的符号后面。
样例源码下载你可以从http://www.packtpub.com通过个人账号下载你所购买书籍的样例源码。如果你是从其他途径购买的，可以访问http://www.packtpub.com/support，完成账号注册，就可以直接通过邮件方式获得相关文件。
你也可以访问华章图书官网：http://www.hzbook.com，通过注册并登录个人账号，下载本书的源代码。
下载书中彩图我们还为读者准备了一个PDF文件，该文件包含了本书所有截图和样图，可以更好地帮助读者理解输出的变化。你可以从以下地址下载：
http://www.packtpub.com/sites/default/files/downloads/1234OT_ColorImages.pdf
— 没有更多了 —
以下为对购买帮助不大的评价