【现货速发】R语言实战 第2版

本书注重实用性，是一本全面而细致的R指南，高度概括了该软件和它的强大功能，展示了使用的统计示例，且对于难以用传统方法处理的凌乱、不完整和非正态的数据给出了优雅的处理方法。作者不仅仅探讨统计分析，还阐述了大量探索和展示数据的图形功能。新版做了大量更新和修正，新增了近200页内容，介绍数据挖掘、预测性分析和高级编程。本书适合数据分析人员及R用户学习参考。

Robert I. Kabacoff

R语言社区著名学习网站Quick-R的维护者，现为全球化开发与咨询公司Management研究集团研发副总裁。此前，Kabacoff博士是佛罗里达诺瓦东南大学的教授，讲授定量方法和统计编程的研究生课程。Kabacoff还是临床心理学博士、统计顾问，擅长数据分析，在健康、金融服务、制造业、行为科学、政府和学术界有20余年的研究和统计咨询经验。

译者简介：

王小宁

中国人民大学统计学院14级硕士，16级博士，统计之都副主编，中国人民大学数据挖掘中心分布式计算负责人，研究兴趣包括统计机器学习和缺失数据。

刘撷芯

中国人民大学统计学院13级硕士，爱荷华大学商学院16级博士，中国人民大学数据挖掘中心核心成员之一，研究兴趣包括统计机器学习和文本分析。

黄俊文

2014年毕业于中山大学数学系，2016年毕业于加州大学圣地亚哥分校统计学专业，统计之都成员，易易网创始人之一，目前关注计算机科学和统计学的结合与应用，包括机器学习方法等。他致力于成为一个有趣的人。

部分 入门

第1章　R语言介绍　　3

1.1　为何要使用R　　4

1.2　R的获取和安装　　6

1.3　R的使用　　6

1.3.1　新手上路　　7

1.3.2　获取帮助　　10

1.3.3　工作空间　　10

1.3.4　输入和输出　　12

1.4　包　　13

1.4.1　什么是包　　14

1.4.2　包的安装　　14

1.4.3　包的载入　　14

1.4.4　包的使用方法　　14

1.5　批处理　　15

1.6　将输出用为输入：结果的重用　　16

1.7　处理大数据集　　16

1.8　示例实践　　16

1.9　小结　　18

第2章　创建数据集　　19

2.1　数据集的概念　　19

2.2　数据结构　　20

2.2.1　向量　　21

2.2.2　矩阵　　22

2.2.3　数组　　23

2.2.4　数据框　　24

2.2.5　因子　　27

2.2.6　列表　　28

2.3　数据的输入　　30

2.3.1　使用键盘输入数据　　31

2.3.2　从带分隔符的文本文件导入数据　　32

2.3.3　导入Excel数据　　35

2.3.4　导入XML数据　　36

2.3.5　从网页抓取数据　　36

2.3.6　导入SPSS数据　　36

2.3.7　导入SAS数据　　37

2.3.8　导入Stata数据　　37

2.3.9　导入NetCDF数据　　38

2.3.10　导入HDF5数据　　38

2.3.11　访问数据库管理系统　　38

2.3.12　通过Stat/Transfer导入数据　　40

2.4　数据集的标注　　40

2.4.1　变量标签　　40

2.4.2　值标签　　41

2.5　处理数据对象的实用函数　　41

2.6　小结　　42

第3章　图形初阶　　 43

3.1　使用图形　　43

3.2　一个简单的例子　　45

3.3　图形参数　　46

3.3.1　符号和线条　　47

3.3.2　颜色　　 49

3.3.3　文本属性　　50

3.3.4　图形尺寸与边界尺寸　　51

3.4　添加文本、自定义坐标轴和图例　　53

3.4.1　标题　　 54

3.4.2　坐标轴　　54

3.4.3　参考线　　56

3.4.4　图例　　57

3.4.5　文本标注　　58

3.4.6　数学标注　　60

3.5　图形的组合　　61

3.6　小结　　67

第4章　基本数据管理　　68

4.1　一个示例　　68

4.2　创建新变量　　70

4.3　变量的重编码　　71

4.4　变量的重命名　　72

4.5　缺失值　　74

4.5.1　重编码某些值为缺失值　　74

4.5.2　在分析中排除缺失值　　75

4.6　日期值　　76

4.6.1　将日期转换为字符型变量　　77

4.6.2　更进一步　　78

4.7　类型转换　　78

4.8　数据排序　　79

4.9　数据集的合并　　79

4.9.1　向数据框添加列　　79

4.9.2　向数据框添加行　　80

4.10　数据集取子集　　80

4.10.1　选入（保留）变量　　80

4.10.2　剔除（丢弃）变量　　81

4.10.3　选入观测　　82

4.10.4　subset()函数　　82

4.10.5　随机抽样　　83

4.11　使用SQL语句操作数据框　　83

4.12　小结　　84

第5章　高级数据管理　　85

5.1　一个数据处理难题　　85

5.2　数值和字符处理函数　　86

5.2.1　数学函数　　86

5.2.2　统计函数　　87

5.2.3　概率函数　　90

5.2.4　字符处理函数　　92

5.2.5　其他实用函数　　94

5.2.6　将函数应用于矩阵和数据框　　95

5.3　数据处理难题的一套解决方案　　96

5.4　控制流　　100

5.4.1　重复和循环　　100

5.4.2　条件执行　　101

5.5　用户自编函数　　102

5.6　整合与重构　　104

5.6.1　转置　　104

5.6.2　整合数据　　105

5.6.3　reshape2包　　106

5.7　小结　　108

第二部分 基本方法

第6章　基本图形　　110

6.1　条形图　　110

6.1.1　简单的条形图　　111

6.1.2　堆砌条形图和分组条形图　　112

6.1.3　均值条形图　　113

6.1.4　条形图的微调　　114

6.1.5　棘状图　　115

6.2　饼图　　116

6.3　直方图　　118

6.4　核密度图　　120

6.5　箱线图　　122

6.5.1　使用并列箱线图进行跨组比较　　123

6.5.2　小提琴图　　125

6.6　点图　　127

6.7　小结　　129

第7章　基本统计分析　　130

7.1　描述性统计分析　　131

7.1.1　方法云集　　131

7.1.2　更多方法　　132

7.1.3　分组计算描述性统计量　　134

7.1.4　分组计算的扩展　　135

7.1.5　结果的可视化　　137

7.2　频数表和列联表　　137

7.2.1　生成频数表　　137

7.2.2　独立性检验　　143

7.2.3　相关性的度量　　144

7.2.4　结果的可视化　　145

7.3　相关　　145

7.3.1　相关的类型　　145

7.3.2　相关性的显著性检验　　147

7.3.3　相关关系的可视化　　149

7.4　t 检验　　 149

7.4.1　独立样本的t 检验　　150

7.4.2　非独立样本的t检验　　151

7.4.3　多于两组的情况　　151

7.5　组间差异的非参数检验　　152

7.5.1　两组的比较　　152

7.5.2　多于两组的比较　　153

7.6　组间差异的可视化　　155

7.7　小结　　155

第三部分 中级方法

第8章　回归　　158

8.1　回归的多面性　　159

8.1.1　OLS回归的适用情境　　159

8.1.2　基础回顾　　160

8.2　OLS回归　　160

8.2.1　用lm()拟合回归模型　　161

8.2.2　简单线性回归　　163

8.2.3　多项式回归　　164

8.2.4　多元线性回归　　167

8.2.5　有交互项的多元线性回归　　169

8.3　回归诊断　　171

8.3.1　标准方法　　172

8.3.2　改进的方法　　175

8.3.3　线性模型假设的综合验证　　181

8.3.4　多重共线性　　181

8.4　异常观测值　　182

8.4.1　离群点　　182

8.4.2　高杠杆值点　　182

8.4.3　强影响点　　184

8.5　改进措施　　186

8.5.1　删除观测点　　186

8.5.2　变量变换　　187

8.5.3　增删变量　　188

8.5.4　尝试其他方法　　188

8.6　选择“”的回归模型　　189

8.6.1　模型比较　　189

8.6.2　变量选择　　190

8.7　深层次分析　　193

8.7.1　交叉验证　　193

8.7.2　相对重要性　　195

8.8　小结　　197

第9章　方差分析　　 198

9.1　术语速成　　198

9.2　ANOVA模型拟合　　201

9.2.1　aov()函数　　201

9.2.2　表达式中各项的顺序　　202

9.3　单因素方差分析　　203

9.3.1　多重比较　　204

9.3.2　评估检验的假设条件　　206

9.4　单因素协方差分析　　208

9.4.1　评估检验的假设条件　　209

9.4.2　结果可视化　　210

9.5　双因素方差分析　　211

9.6　重复测量方差分析　　214

9.7　多元方差分析　　217

9.7.1　评估假设检验　　218

9.7.2　稳健多元方差分析　　220

9.8　用回归来做ANOVA　　220

9.9　小结　　222

第10章　功效分析　　223

10.1　假设检验速览　　223

10.2　用pwr包做功效分析　　225

10.2.1　t检验　　226

10.2.2　方差分析　　228

10.2.3　相关性　　228

10.2.4　线性模型　　229

10.2.5　比例检验　　230

10.2.6　卡方检验　　231

10.2.7　在新情况中选择合适的效应值　　232

10.3　绘制功效分析图形　　233

10.4　其他软件包　　235

10.5　小结　　236

第11章　中级绘图　　237

11.1　散点图　　238

11.1.1　散点图矩阵　　240

11.1.2　高密度散点图　　242

11.1.3　三维散点图　　244

11.1.4　旋转三维散点图　　247

11.1.5　气泡图　　248

11.2　折线图　　250

11.3　相关图　　253

11.4　马赛克图　　258

11.5　小结　　260

第12章　重抽样与自助法　　261

12.1　置换检验　　261

12.2　用coin包做置换检验　　263

12.2.1　独立两样本和K 样本检验　　264

12.2.2　列联表中的独立性　　266

12.2.3　数值变量间的独立性　　266

12.2.4　两样本和K 样本相关性检验　　267

12.2.5　深入探究　　267

12.3　lmPerm包的置换检验　　267

12.3.1　简单回归和多项式回归　　268

12.3.2　多元回归　　269

12.3.3　单因素方差分析和协方差分析　　270

12.3.4　双因素方差分析　　271

12.4　置换检验点评　　271

12.5　自助法　　272

12.6　boot包中的自助法　　272

12.6.1　对单个统计量使用自助法　　274

12.6.2　多个统计量的自助法　　276

12.7　小结　　278

第四部分 高级方法

第13章　广义线性模型　　280

13.1　广义线性模型和glm()函数　　281

13.1.1　glm()函数　　281

13.1.2　连用的函数　　282

13.1.3　模型拟合和回归诊断　　283

13.2　Logistic回归　　284

13.2.1　解释模型参数　　286

13.2.2　评价预测变量对结果概率的影响　　287

13.2.3　过度离势　　288

13.2.4　扩展　　289

13.3　泊松回归　　289

13.3.1　解释模型参数　　291

13.3.2　过度离势　　292

13.3.3　扩展　　294

13.4　小结　　295

第14章　主成分分析和因子分析　　296

14.1　R 中的主成分和因子分析　　297

14.2　主成分分析　　 298

14.2.1　判断主成分的个数　　298

14.2.2　提取主成分　　300

14.2.3　主成分旋转　　303

14.2.4　获取主成分得分　　304

14.3　探索性因子分析　　305

14.3.1　判断需提取的公共因子数　　306

14.3.2　提取公共因子　　307

14.3.3　因子旋转　　308

14.3.4　因子得分　　312

14.3.5　其他与EFA相关的包　　312

14.4　其他潜变量模型　　312

14.5　小结　　313

第15章　时间序列　　315

15.1　在R中生成时序对象　　317

15.2　时序的平滑化和季节性分解　　319

15.2.1　通过简单移动平均进行平滑处理　　319

15.2.2　季节性分解　　321

15.3　指数预测模型　　326

15.3.1　单指数平滑　　326

15.3.2　Holt指数平滑和Holt-Winters指数平滑　　 329

15.3.3　ets()函数和自动预测　　331

15.4　ARIMA 预测模型　　333

15.4.1　概念介绍　　333

15.4.2　ARMA和ARIMA模型　　334

15.4.3　ARIMA的自动预测　　339

15.5　延伸阅读　　340

15.6　小结　　340

第16章　聚类分析　　342

16.1　聚类分析的一般步骤　　343

16.2　计算距离　　344

16.3　层次聚类分析　　345

16.4　划分聚类分析　　350

16.4.1　K均值聚类　　350

16.4.2　围绕中心点的划分　　354

16.5　避免不存在的类　　356

16.6　小结　　359

第17章　分类　　360

17.1　数据准备　　361

17.2　逻辑回归　　362

17.3　决策树　　363

17.3.1　经典决策树　　364

17.3.2　条件推断树　　366

17.4　随机森林　　368

17.5　支持向量机　　370

17.6　选择预测效果好的解　　374

17.7　用rattle包进行数据挖掘　　376

17.8　小结　　381

第18章　处理缺失数据的高级方法　　382

18.1　处理缺失值的步骤　　383

18.2　识别缺失值　　384

18.3　探索缺失值模式　　385

18.3.1　列表显示缺失值　　385

18.3.2　图形探究缺失数据　　386

18.3.3　用相关性探索缺失值　　389

18.4　理解缺失数据的来由和影响　　391

18.5　理性处理不完整数据　　 391

18.6　完整实例分析（行删除）　　392

18.7　多重插补　　394

18.8　处理缺失值的其他方法　　397

18.8.1　成对删除　　398

18.8.2　简单（非随机）插补　　398

18.9　小结　　399

第五部分 技能拓展

第19章　使用ggplot2进行高级绘图　　402

19.1　R 中的四种图形系统　　40