R语言数据分析

图书标准信息

• 作者 [美]哥格利·达罗克兹 著；潘怡 译
• 出版社 机械工业出版社
• 出版时间 2016-10
• 版次 1
• ISBN 9787111547952
• 定价 69.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 279页
• 字数 350千字
• 丛书 数据分析与决策技术丛书

【内容简介】

　　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，zui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。

【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。
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
...

【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 
1.4.2　MySQL和MariaDB 11 
1.4.3　PostgreSQL 15 
1.4.4　Oracle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 
2.5.1　Socrata的开源数据API 43 
2.5.2　金融API 44 
2.5.3　使用Quandl获取时序数据 45 
2.5.4　Google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 
4.4　dplyr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 
4.8　reshape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 
9.1.4　KMO和Barlett检验 154 
9.2　主成分分析 157 
9.2.1　PCA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 
10.1.3　k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 
10.2.2　LCR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 
10.5.1　k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 
12.4　Holt-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　围绕数据点绘制多边形 233 
13.5.1　等高线 234 
13.5.2　冯洛诺伊图 236 
13.6　卫星图 237 
13.7　交互图 238 
13.7.1　查询Google地图 238 
13.7.2　Java脚本地图库 240 
13.8　其他绘图方法 242 
13.9　空间数据分析 244 
13.10　小结 246 
第14章　分析R社区 247 
14.1　R创始团队的成员 247 
14.2　R开发包的维护人员 249 
14.3　R-help邮件列表 253 
14.3.1　R-help邮件列表的规模 256 
14.3.2　预测未来的邮件规模 258 
14.4　分析用户列表的重叠部分 260 
14.5　社交媒体内的R用户数 262 
14.6　社交媒体中与R相关的贴子 263 
14.7　小结 266 
附录 267