标签分类 热门分类
当前位置:首页 > 程序设计电子书 > R语言电子书网盘下载
R语言编程指南 R语言编程指南
u012141305

u012141305 提供上传

资源
15
粉丝
16
喜欢
166
评论
19

    R语言编程指南 PDF 完整版

    R语言电子书
    • 发布时间:

    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、编程、指南方面的内容,本书是由人民邮电出版社出版,格式为PDF,资源大小6.8 MB,任坤编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:8.9,更多相关的学习资源可以参阅 程序设计电子书、等栏目。

  • R语言编程指南 PDF 下载
  • 下载地址:https://pan.baidu.com/s/105PYbOn0MesiqHAPLbYS6
  • 分享码:m7u3
  • R语言编程指南 PDF

    R 语言是从事数据科学和统计学需要的工具之一。强大且复杂的 R 对于初学者和不熟悉其独特特性的人来说可能具有一定的挑战性。本书以一种简单且实践性强的方式来教授读者学习R语言,并逐步建立对R语言广泛、一致的理解。通过实际操作实例,亲身体验强大的 R 工具,并总结 R 的使用方法,你能够更深入地了解如何使用数据。通过学习本书,你将掌握 R 的数据结构和相应的数据处理技术,以及可以提高工作效率的流行的 R 扩展包。 我们从 R 的基础开始讲起,然后深入学习编程技术和范例,以便帮助你编写出高品质的 R 代码。更进一步,在学习如何执行一些常见任务(包括数据分析、数据库、网页爬虫、高性能计算和文档编辑)时,我们将快速、深入地了解 R 的行为。学完本书之后,你将成为一名擅长使用正确技术解决问题的、自信的 R 程序员。 通过阅读本书,你将能够: -探索 R 的基本功能,熟悉常用的数据结构; -在R中,使用统计学、数据挖掘和可视化、根查找和zui优化的基本函数来处理数据; -了解 R 的计算模式、环境和元编程技术; -掌握 R 中的面向对象编程; -访问 SQLite 等关系型数据库和MongoDB 等非关系型数据库; -了解 Rcpp 等高性能计算技术; -使用网页爬虫技术提取信息; -创建 R Markdown,使用 Shiny 创建交互式应用程序,使用DiagramR或者ggvis扩展包创建交互式图表等。 

    R 是一个开源、跨平台的科学计算和统计分析软件包,它提供了丰富多样的统计功能和强大的数据分析功能。随着数据科学的快速发展,R已经成为数据分析领域非常流行的语言。 本书通过15章内容,向读者全面讲解了R的基础知识和编程技巧。本书不仅介绍了R的安装、基本对象、工作空间管理、基本表达式、基本对象操作、字符串的使用等基础内容,还对数据处理、R的内部机制、元编程、面向对象编程、数据库操作、数据操作进行了讲解,同时也涉及高性能计算、网页爬虫和效率提升等重要主题。 本书面向数据领域的从业人员,尤其适合想要通过学习R编程及相关工具提升数据处理效率的读者阅读,也适合计算机或统计相关专业的学生参考使用。通过阅读本书,读者将全面掌握R的相关特性及其在数据处理和分析方面的应用,极大地提升自己的专业技能。

    目录

    • 第1章 快速入门 1
    • 1.1 R简介 1
    • 1.1.1 编程语言 2
    • 1.1.2 计算环境 2
    • 1.1.3 社区 2
    • 1.1.4 生态系统 3
    • 1.2 对R的需求 3
    • 1.3 R的安装 5
    • 1.4 RStudio 7
    • 1.4.1 RStudio的用户界面 8
    • 1.4.2 RStudio服务器 13
    • 1.5 入门示例 13
    • 1.6 小结 15
    • 第2章 基本对象 16
    • 2.1 向量 17
    • 2.1.1 数值向量 17
    • 2.1.2 逻辑向量 19
    • 2.1.3 字符向量 20
    • 2.1.4 构建向量子集 21
    • 2.1.5 命名向量 24
    • 2.1.6 提取向量元素 26
    • 2.1.7 识别向量类型 27
    • 2.1.8 转换向量类型 27
    • 2.1.9 数值向量的算术运算符 29
    • 2.2 矩阵 30
    • 2.2.1 创建一个矩阵 30
    • 2.2.2 为行和列命名 31
    • 2.2.3 构建矩阵子集 31
    • 2.2.4 矩阵运算符的使用 33
    • 2.3 数组 34
    • 2.3.1 创建一个数组 35
    • 2.3.2 构建数组子集 36
    • 2.4 列表 37
    • 2.4.1 创建一个列表 37
    • 2.4.2 从列表中提取元素 38
    • 2.4.3 构建列表子集 39
    • 2.4.4 命名列表 40
    • 2.4.5 赋值 40
    • 2.4.6 其他函数 42
    • 2.5 数据框 43
    • 2.5.1 创建一个数据框 43
    • 2.5.2 对行和列命名 44
    • 2.5.3 构建数据框子集 45
    • 2.5.4 赋值 49
    • 2.5.5 因子 50
    • 2.5.6 数据框中的实用函数 52
    • 2.5.7 在硬盘上读写数据 53
    • 2.6 函数 54
    • 2.6.1 创建函数 54
    • 2.6.2 调用函数 55
    • 2.6.3 动态类型 55
    • 2.6.4 泛化函数 56
    • 2.6.5 函数参数的默认值 58
    • 2.7 小结 59
    • 第3章 工作空间管理 60
    • 3.1 R的工作目录 60
    • 3.1.1 在RStudio中创建R
    • 项目 61
    • 3.1.2 绝对路径和相对路径的
    • 比较 62
    • 3.1.3 管理项目文件 63
    • 3.2 检查工作环境 64
    • 3.2.1 检查现有符号 65
    • 3.2.2 查看对象结构 66
    • 3.2.3 删除符号 69
    • 3.3 修改全局选项 70
    • 3.3.1 修改输出位数 70
    • 3.3.2 修改警告级别 72
    • 3.4 管理扩展包库 73
    • 3.4.1 认识扩展包 74
    • 3.4.2 从CRAN中安装包 75
    • 3.4.3 从CRAN中更新包 76
    • 3.4.4 从在线库中安装包 76
    • 3.4.5 使用包中的函数 77
    • 3.4.6 屏蔽和同名冲突 81
    • 3.4.7 检查是否已安装扩展包 82
    • 3.5 小结 83
    • 第4章 基本表达式 84
    • 4.1 赋值表达式 84
    • 4.1.1 其他赋值操作符 85
    • 4.1.2 使用带反引号的非标准
    • 名称 88
    • 4.2 条件表达式 91
    • 4.2.1 使用if语句 91
    • 4.2.2 使用if表达式 95
    • 4.2.3 在if条件句中使用向量 98
    • 4.2.4 使用向量化的
    • if:ifelse 100
    • 4.2.5 使用switch对值进行
    • 分支 101
    • 4.3 循环表达式 102
    • 4.3.1 使用for循环 103
    • 4.3.2 使用while循环 109
    • 4.4 小结 110
    • 第5章 基本对象操作 111
    • 5.1 使用原函数 111
    • 5.1.1 检查对象类型 112
    • 5.1.2 识别数据维度 116
    • 5.2 使用逻辑函数 120
    • 5.2.1 逻辑运算符 120
    • 5.2.2 逻辑函数 122
    • 5.2.3 处理缺失值 125
    • 5.2.4 逻辑强制转换 127
    • 5.3 使用数学函数 127
    • 5.3.1 基础函数 127
    • 5.3.2 取整函数 129
    • 5.3.3 三角函数 129
    • 5.3.4 双曲函数 130
    • 5.3.5 最值函数 131
    • 5.4 应用数值方法 134
    • 5.4.1 根查找 134
    • 5.4.2 微积分 137
    • 5.5 使用统计函数 139
    • 5.5.1 从向量中抽样 139
    • 5.5.2 应用随机分布 140
    • 5.5.3 计算描述性统计量 142
    • 5.6 使用apply函数族 146
    • 5.6.1 lapply 147
    • 5.6.2 sapply 148
    • 5.6.3 vapply 149
    • 5.6.4 mapply 150
    • 5.6.5 apply 151
    • 5.7 小结 152
    • 第6章 字符串的使用 153
    • 6.1 字符串入门 153
    • 6.1.1 打印文本 153
    • 6.1.2 连接字符串 157
    • 6.1.3 转换文本 158
    • 6.1.4 格式化文本 163
    • 6.2 格式化日期/时间 165
    • 6.2.1 将文本解析为日期/
    • 时间 166
    • 6.2.2 格式化日期/时间为
    • 字符串 169
    • 6.3 使用正则表达式 171
    • 6.3.1 寻找字符串模式 172
    • 6.3.2 使用分组提取数据 174
    • 6.3.3 以自定义的方式读取
    • 数据 176
    • 6.4 小结 177
    • 第7章 数据处理 178
    • 7.1 读写数据 178
    • 7.1.1 读写文件中的文本格式
    • 数据 178
    • 7.1.2 读写Excel工作表 183
    • 7.1.3 读写原生数据文件 185
    • 7.1.4 加载内置数据集 188
    • 7.2 数据可视化 191
    • 7.2.1 创建散点图 191
    • 7.2.2 创建折线图 197
    • 7.2.3 创建柱状图 201
    • 7.2.4 创建饼状图 203
    • 7.2.5 创建直方图和密度图 203
    • 7.2.6 创建箱线图 206
    • 7.3 数据分析 207
    • 7.3.1 拟合线性模型 207
    • 7.3.2 拟合回归树 212
    • 7.4 小结 215
    • 第8章 R的内部机制 216
    • 8.1 惰性求值 216
    • 8.2 复制—修改机制 221
    • 8.3 词法作用域 227
    • 8.4 环境的工作方式 232
    • 8.4.1 环境对象 232
    • 8.4.2 创建并链接环境 233
    • 8.4.3 链接环境 235
    • 8.4.4 与函数相关的环境 240
    • 8.5 小结 243
    • 第9章 元编程 244
    • 9.1 函数式编程 244
    • 9.1.1 创建和使用闭包 244
    • 9.1.2 使用高阶函数 249
    • 9.2 基于语言的计算 255
    • 9.2.1 捕获和修改表达式 256
    • 9.2.2 执行表达式 263
    • 9.2.3 非标准计算 267
    • 9.3 小结 273
    • 第10章 面向对象编程 274
    • 10.1 面向对象编程简介 274
    • 10.1.1 类和方法 275
    • 10.1.2 继承 275
    • 10.2 S3对象 276
    • 10.2.1 泛型函数和方法分派 276
    • 10.2.2 内置类和方法 279
    • 10.2.3 为现有类定义泛型
    • 函数 287
    • 10.2.4 定义新类并创建对象 288
    • 10.3 S4对象系统 300
    • 10.3.1 定义S4类 300
    • 10.3.2 S4继承 306
    • 10.3.3 定义S4泛型函数 307
    • 10.3.4 多重分派 309
    • 10.4 引用类(RC) 312
    • 10.5 R6 314
    • 10.6 小结 317
    • 第11章 数据库操作 319
    • 11.1 操作关系型数据库 319
    • 11.1.1 创建一个SQLite
    • 数据库 320
    • 11.1.2 访问表和表中字段 323
    • 11.1.3 用SQL对关系型数据库
    • 进行查询 325
    • 11.1.4 分块提取查询结果 335
    • 11.1.5 出于一致性考虑的事务
    • 操作 336
    • 11.1.6 将多个文件的数据存入
    • 一个数据库 342
    • 11.2 操作非关系型数据库 345
    • 11.2.1 MongoDB操作 346
    • 11.2.2 使用Redis 362
    • 11.3 小结 368
    • 第12章 数据操作 369
    • 12.1 使用内置函数操作数据框 369
    • 12.1.1 使用内置函数操作
    • 数据框 370
    • 12.1.2 使用reshape2重塑
    • 数据框 378
    • 12.2 通过sqldf包使用SQL查询
    • 数据框 383
    • 12.3 使用data.table包操作数据 387
    • 12.3.1 使用键获取行 394
    • 12.3.2 对数据分组汇总 396
    • 12.3.3 重塑data.table 399
    • 12.3.4 使用原地设置函数 401
    • 12.3.5 data.table中的动态
    • 作用域 403
    • 12.4 使用dplyr管道操作处理
    • 数据框 408
    • 12.5 使用rlist包处理嵌套数据
    • 结构 416
    • 12.6 小结 421
    • 第13章 高性能计算 423
    • 13.1 理解代码性能问题 423
    • 13.2 代码的性能分析 432
    • 13.2.1 用Rprof进行性能
    • 分析 432
    • 13.2.2 用profvis进行性能
    • 分析 436
    • 13.2.3 理解代码为什么
    • 会慢 438
    • 13.3 提高代码性能 440
    • 13.3.1 使用内置函数 440
    • 13.3.2 使用向量化 443
    • 13.3.3 使用字节码编译器 445
    • 13.3.4 使用由Intel MKL
    • 支持的R 447
    • 13.3.5 使用并行计算 447
    • 13.3.6 使用Rcpp 457
    • 13.4 小结 465
    • 第14章 网页爬虫 467
    • 14.1 查阅网页内容 467
    • 14.2 使用CSS选择器从网页中
    • 提取数据 473
    • 14.3 使用XPath选择器 476
    • 14.4 分析HTML代码并提取
    • 数据 481
    • 14.5 小结 489
    • 第15章 效率提升 491
    • 15.1 编写R Markdown文档 491
    • 15.1.1 了解markdown 491
    • 15.1.2 将R整合到
    • markdown中 497
    • 15.1.3 嵌入表格和图表 499
    • 15.2 创建交互式应用程序 506
    • 15.2.1 创建shiny应用程序 507
    • 15.2.2 使用shinydashboard 511
    • 15.3 小结 515
    • 附录 术语表 516

    上一篇:从Lucene到Elasticsearch:全文检索实战  下一篇:3D游戏与计算机图形学中的数学方法

    展开 +

    收起 -

    R语言 相关电子书
    关于R语言的学习笔记
    网友NO.709576

    r语言和python什么意思

    R语言 1、R是一个有着统计分析功能及强大作图功能的软件系统。R内含了许多实用的统计分析及作图参数。作图参数能将产生的展示在一个独立的窗口中。并能将之保存为各种形式的文件(jpg,png,bmp,ps,pdf,emf,pictex,xfig),具体形式取决于操作系统。统计分析的结果也能被直接显示出来,一些中间(如P-值,回归系统,残差等)既可保存到专门的文件中,也可以直接用作进一步的分析 2、在R语言中,使用者可以使用循环语句来连续分析多个数据集,也可将多个不同的统计函数结合在一个语句中执行更复杂的分析。R使用者还可以借鉴网上提供的用S编写的大量程序,而且大多数都能被R直接调用。 python语言 Python是一种计算机程序设计语言。是一种面向对象的动态类型语言,最初被设计用于编写自动化脚本(shell),随着版本的不断更新和语言新功能的添加,越来越多被用于独立的、大型项目的开发。 Python是完全面向对象的语言。函数、模块、数字、字符串都是对象。并且完全支持继承、重载、派生、多继承,有益于增强源代码的复用性。Python支持重载运算符和动态类型。相对于Lisp这种传统的函数式编程语言,Python对函数式设计只提供了有限的支持。有两个标准库(functools, itertools)提供了Haskell和Standard ML中久经考验的函数式程序设计……

    网友NO.751873

    r语言和python的详细对比

    r语言和python的对比,两者各有千秋,究竟要学哪一个,可根据自己的实际需求来作出选择,当然,最好是两者都学。 相关推荐:《python视频》 01 开发目的 R语言 R是由统计学家开发的,它的出生就肩负着统计分析、绘图、数据挖掘的重要使命。因此在R的语言体系里,有非常多统计学的原理和知识。 如果你具备一些统计背景,R会令你使用各类model和复杂的公式时更加愉悦有爽感,因为你总能找到对应的package,并且几行代码就可以调用搞定。 Python Python的创始人初衷,是为非专业程序员设计的一种开放型的语言。优雅,明确,简单,是它的标签。因此,总有人高唱「人生苦短,我用Python」。 数据分析、网络爬虫、编程开发、人工智能等,作为一门多功能的胶水语言,Python的使用目的和学习路径更加多样化。 02 适用人群 尽管都是数据科学界的当红炸子鸡,工具的选择会因为你的领域和你想解决的问题因人而异。 R语言 起初R在学术研究和调查工作中使用比较多,逐渐延伸至企业商业界。使用人群不一定需要计算机背景,统计、金融、经济、核电、环境、医疗、物流管理,乃至人文学科,都有R语言的立足之地。 同样,鉴于R 在数据探索、统计分析上,是一种更高效的独立数据分析工具,具备良好数理统计知识背景的人使用起来……

    网友NO.517370

    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 snsimport pandas as pdiris = 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……

    网友NO.772912

    简述:我为什么选择Python而不是Matlab和R语言

    做数据分析、科学计算等离不开工具、语言的使用,目前最流行的数据语言,无非是MATLAB,R语言,Python这三种语言,但今天小编简单总结了python语言的一些特点及平常使用的工具等。 为什么Python比MATLAB、R语言好呢? 其实,这三种语言都很多数据分析师在用,但更推荐python,主要是有以下几点: 1、python易学、易读、易维护,处理速度也比R语言要快,无需把数据库切割; 2、python势头猛,众多大公司需要,市场前景广阔;而MATLAB语言比较局限,专注于工程和科学计算方面,而且MATLAB价格贵,免费版或盗版都只能玩玩学习用; 3、python具有丰富的扩展库,这个是其他两个不能比的; python版本选择 初学者版本选择是很多人都会问的,我们也不会偏向某个版本,主要根据自己的所需,但建议是选择最新版本Python3.x,这样很多新功能和旧功能都会有的,但是目前很多第三方库仍然不支持Python3,因为Python2.x已经停止继续开发,不意味着不能使用。 IDE选择 Spyder 这个正是我现在在用的: Spyder界面 它具有模仿MATLAB的工作空间的功能,可以很方便地观察和修改数组的值。显示哪些窗口可以自定义,很方便。 使用中出现了一些小问题,比如说str()函数报错,cmdprompt乱码之类的,后来就没有用Spyder跑过比较长的代码了,调试起来太麻烦了,……

    Copyright 2018-2019 xz577.com 码农之家

    版权责任说明