R语言：从数据思维到数据实战

给大家带来的一篇关于R语言相关的电子书资源，介绍了关于R语言、数据实战方面的内容，我们还提供了样章在线阅读，本书是由中国人民大学出版社出版，格式为PDF，资源大小125.55MB，朱雪宁编写，目前豆瓣、亚马逊、当当、京东等电子书综合评分为：9.3分

Tags：R语言　数据实战　

内容介绍

R语言：从数据思维到数据实战

R作者： 朱雪宁 等

出版时间： 2018

如何从数据中挖掘价值？一是要锻炼数据思维；二是需要选择一个便利快捷的工具。R语言在数据分析方面有着灵活、高效的优势。本书以R语言为基础，深度讲解从数据思维到实战的全过程。在章节组织上，本从R语言简介及优势入手，再到数据读取、清洗、描述、建模等数据分析的各个环节，由浅入深逐个讲解，是一本实务分析中的“R语言指南”。同时，本书采用大量实际案例辅以说明，既有助于上手分析，也可用于教学使用。本书所有代码、数据可在狗熊会官网（http：//www.xiong99.com.cn/create.php）免费下载。同时，关注狗熊会微信公众号，可获取更多扩展资源。

目录

• 第1章初识R语言
• 1．1初识R语言
• 1．2安装R语言
• 1．3获取R帮助文档
• 第2章R语言数据操作
• 2．1R中的数据类型
• 2．2数据读入
• 第3章R语言与统计分析
• 3．1描述分析及可视化
• 3．2统计检验
• 3．3回归分析
• 3．4代码规范与文档撰写
• 第4章R语言与非结构化数据分析
• 4．1文本分析
• 4．2图像分析
• 第5章R语言与机器学习
• 5．1机器学习概述
• 5．2数据预处理
• 5．3模型训练与调参
• 5．4模型训练与集成
• 第6章R语言爬虫初介
• 6．1HTML基础与R语言解析
• 6．2XML与XPath表达式以及R爬虫应用
• 6．3HTTP协议
• 6．4AJAX与网页动态加载
• 6．5正则表达式与字符串处理函数
• 6．6R语言爬虫实战
   

读书笔记

r语言和python有必要都学吗

R和Python是目前最流行的两款高级编程语言，被大量运用于数据科学领域。两者都是开源的，也都有非常活跃的社区来支撑。那么问题来了：r语言和python有必要都学吗

R:

R语言由新西兰奥克兰大学的Ross Ihaka和Robert Gentleman于1995设计出来(由于两人的名字均以 ‘R’ 字母开头，因此命名为R语言)，现在由“R核心开发团队“负责开发。

虽然R主要用于数据分析、绘图以及数据挖掘，但也有人用作矩阵计算。其计算速度可媲美专用于矩阵计算的开源软件GNU Octave和商业软件MATLAB。

起初R主要在学术研究中使用，但近年来在企业界也表现突出，这使得R成为企业中使用的全球发展最快的统计语言之一。对于数据科学任务，R的语法更直观形象

对于数据处理任务，很多时候R的语法会更简单。函数和参数的命名设计也更好，很容易记住和使用。

举个例子，我们将分别用R和Python来删掉Iris数据框中的两个变量（由于R和Python都有Iris数据框，因此我们使用这个数据框）。

我们来看看各自的语法：

Python

import seaborn as sns
import pandas as pd
iris = sns.load_dataset('iris')
iris.drop(['sepal_length', 'species'], axis = 1)

R

library(dplyr)
select(iris, -sepal_length, -species)

为了删除变量，Python中使用了drop函数，而R中使用了select函数。我们来对比这两个函数(都在最后一行代码)的语法。

先讲Python，drop函数命名得很好，容易记住。但是参数设计得很复杂。

第一个参数是包含想要删除变量的列表，Python中用方括号[ ]代表列表。这里你必须要用方括号，而且变量一定要用引号' '，要不然代码会运行错误。

在数据可视化方面，R非常优秀

可视化是选择数据分析软件的一个重要的标准。

除了擅长数据分析外，R的另外一个闪光点就是它的画图能力特别强，几乎可以绘制出所有类型的图。不信的话，你可以Google一下，输入 'R visualization' 关键字。

Python的优势

对于数据科学初学者，尽管我强烈推荐学R，但也不是唯一的选择。

对于某些人，Python可能是最好的选择。下面讲一下哪些情况下选择Python更好。

如果你有软件开发或计算机科学基础，学Python

如果你曾经有软件开发经验或者你是计算机科学专业的话，我认为Python会更适合你。因为你已经有编程经验了，使用Python会让你更舒服。

想开发软件，学Python

我已经说了R更擅长数据科学。如果你想建立软件系统的话，我认为Python更合适。Python的闪光点就是写软件，效率很高。就像一些专家所说的那样，写Python代码就如同写伪代码。

此外，Python是一门通用语言，基本啥都能干。然而R比较专，只是擅长统计分析和可视化。

我想澄清一下，不是说R不能写软件。只是更多人喜欢用Python去建立产品软件。因此作为数据科学家，如果你想创立软件系统，我觉得Python比R更合适。

想搞机器学习，学Python

如果你想长期从事机器学习方面的研究，我建议你学Python。

其实R也有机器学习生态系统。特别地，R的caret 包开发得很好，它有能力完成各种机器学习任务。比如：使用caret包建立回归模型（regression model）、支持向量机（SVM）、决策树（包括回归和分类）以及执行交叉验证（cross validation）等等。总之，R的机器学习生态系统发展得很好。

但是，Python在机器学习方面的支持出现更早。为实现各种不同机器学习方法，Python的scikit-learn库提供了一套更加简洁和易读的语法。而R中caret包的语法有时有点拙劣。尤其，caret包与Tidyverse包兼容得不是很好，输出的结果有时也很难处理。相反，Python的scikit-learn库与Python生态环境整合得很好。

市面上有关机器学习的书籍，其算法实现很多都是用Python写的。

总之，如果你想致力于机器学习，我认为Python会更好。

想搞深度学习，学Python

深度学习可谓是目前人工智能领域最热门的技术之一，而Python是深度学习使用最热门的语言。

大多数深度学习框架都有Python接口，比如：TensorFlow，Keras，Pytorch，Theano，MXNET等等。

Python与各框架兼容得非常好，拥有大量贡献者、搜索结果、相关书籍和学术文章；Github上的深度学习项目大多数都是用Python写的。如果你是刚入门深度学习的新手，使用Keras是不错的选择。

相比较，R对深度学习框架兼容方面表现不佳。因此如果你想专注深度学习，Python可能更适合。

学R还是Python？主要还是依耐你的背景以及你的目标。

如果你没有任何编程经验，建议你先学R；如果你想学数据可视化，我认为R的ggplot2包是最好的工具；如果你想专门从事数据分析和数据挖掘，R表现更优秀。

如果你想成为机器学习专家，Python的scikit-learn库可以好好研究一下；如果你想开发软件系统，Python更合适。

俗话说，技多不压身，你还有第三个选择：R和Python都学。实际上很多顶尖数据科学家这两门语言都会。不过对于新手，一次只学一门。同时学两门会让你很混乱，学习周期会拉长，事倍功半。

以上就是r语言和python有必要都学吗的详细内容，更多请关注码农之家其它相关文章！

以上就是本次介绍的R语言电子书的全部相关内容，希望我们整理的资源能够帮助到大家，感谢大家对码农之家的支持。

上一篇：Unity案例开发大全(第2版)

下一篇：Hadoop大数据开发实战