R语言实战

出版时间：2013-1  出版社：人民邮电出版社  作者：卡巴科弗  页数：388  字数：602000  译者：高涛,肖楠,陈钢  
Tag标签：无  

内容概要

　　R是一个开源项目，具有强大的统计计算及制图能力，是从大数据中获取有用信息的绝佳工具，在各种主流操作系统上都可以安装使用，其基本安装就提供了数以百计的数据管理、统计和图形函数。另外，社区开发的数以千计的扩展(包)为R增加了更多强大功能。《R语言实战》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，展示了实用的统计示例，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。《R语言实战》适合数据分析人员及R用户学习参考。

作者简介

　　Robert I. Kabacoff
R语言社区著名学习网站Quick-Rhttp://www.statmethods.net/）的幕后维护者，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。

书籍目录

目　录
第一部分　入门
第1章　R语言介绍　
1.1　为何要使用R？　
1.2　R的获取和安装　
1.3　R的使用　
1.3.1　新手上路　
1.3.2　获取帮助　
1.3.3　工作空间　
1.3.4　输入和输出　
1.4　包　
1.4.1　什么是包　
1.4.2　包的安装　
1.4.3　包的载入　
1.4.4　包的使用方法　
1.5　批处理　
1.6　将输出用为输入——结果的重用　
1.7　处理大数据集　
1.8　示例实践　
1.9　小结　
第2章　创建数据集　
2.1　数据集的概念　
2.2　数据结构　
2.2.1　向量　
2.2.2　矩阵　
2.2.3　数组　
2.2.4　数据框　
2.2.5　因子　
2.2.6　列表　
2.3　数据的输入　
2.3.1　使用键盘输入数据　
2.3.2　从带分隔符的文本文件导入数据　
2.3.3　导入Excel数据　
2.3.4　导入XML数据　
2.3.5　从网页抓取数据　
2.3.6　导入SPSS数据　
2.3.7　导入SAS数据　
2.3.8　导入Stata数据　
2.3.9　导入netCDF数据　
2.3.10　导入HDF5数据　
2.3.11　访问数据库管理系统　
2.3.12　通过Stat/Transfer导入数据　
2.4　数据集的标注　
2.4.1　变量标签　
2.4.2　值标签　
2.5　处理数据对象的实用函数　
2.6　小结　
第3章　图形初阶　
3.1　使用图形　
3.2　一个简单的例子　
3.3　图形参数　
3.3.1　符号和线条　
3.3.2　颜色　
3.3.3　文本属性　
3.3.4　图形尺寸与边界尺寸　
3.4　添加文本、自定义坐标轴和图例　
3.4.1　标题　
3.4.2　坐标轴　
3.4.3　参考线　
3.4.4　图例　
3.4.5　文本标注　
3.5　图形的组合　
3.6　小结　
第4章　基本数据管理　
4.1　一个示例　
4.2　创建新变量　
4.3　变量的重编码　
4.4　变量的重命名　
4.5　缺失值　
4.5.1　重编码某些值为缺失值　
4.5.2　在分析中排除缺失值　
4.6　日期值　
4.6.1　将日期转换为字符型变量　
4.6.2　更进一步　
4.7　类型转换　
4.8　数据排序　
4.9　数据集的合并　
4.9.1　添加列　
4.9.2　添加行　
4.10　数据集取子集　
4.10.1　选入(保留)变量　
4.10.2　剔除(丢弃)变量　
4.10.3　选入观测　
4.10.4　subset()函数　
4.10.5　随机抽样　
4.11　使用SQL语句操作数据框　
4.12　小结　
第5章　高级数据管理　
5.1　一个数据处理难题　
5.2　数值和字符处理函数　
5.2.1　数学函数　
5.2.2　统计函数　
5.2.3　概率函数　
5.2.4　字符处理函数　
5.2.5　其他实用函数　
5.2.6　将函数应用于矩阵和数据框　
5.3　数据处理难题的一套解决方案　
5.4　控制流　
5.4.1　重复和循环　
5.4.2　条件执行　
5.5　用户自编函数　
5.6　整合与重构　
5.6.1　转置　
5.6.2　整合数据　
5.6.3　reshape包　
5.7　小结　
第二部分　基本方法
第6章　基本图形　
6.1　条形图　
6.1.1　简单的条形图　
6.1.2　堆砌条形图和分组条形图　
6.1.3　均值条形图　
6.1.4　条形图的微调　
6.1.5　棘状图　
6.2　饼图　
6.3　直方图　
6.4　核密度图　
6.5　箱线图　
6.5.1　使用并列箱线图进行跨组比较　
6.5.2　小提琴图　
6.6　点图　
6.7　小结　
第7章　基本统计分析　
7.1　描述性统计分析　
7.1.1　方法云集　
7.1.2　分组计算描述性统计量　
7.1.3　结果的可视化　
7.2　频数表和列联表　
7.2.1　生成频数表　
7.2.2　独立性检验　
7.2.3　相关性的度量　
7.2.4　结果的可视化　
7.2.5　将表转换为扁平格式　
7.3　相关　
7.3.1　相关的类型　
7.3.2　相关性的显著性检验　
7.3.3　相关关系的可视化　
7.4　t检验　
7.4.1　独立样本的t检验　
7.4.2　非独立样本的t检验　
7.4.3　多于两组的情况　
7.5　组间差异的非参数检验　
7.5.1　两组的比较　
7.5.2　多于两组的比较　
7.6　组间差异的可视化　
7.7　小结　
第三部分　中级方法
第8章　回归　
8.1　回归的多面性　
8.1.1　OLS回归的适用情境　
8.1.2　基础回顾　
8.2　OLS回归　
8.2.1　用lm()拟合回归模型　
8.2.2　简单线性回归　
8.2.3　多项式回归　
8.2.4　多元线性回归　
8.2.5　有交互项的多元线性回归　
8.3　回归诊断　
8.3.1　标准方法　
8.3.2　改进的方法　
8.3.3　线性模型假设的综合验证　
8.3.4　多重共线性　
8.4　异常观测值　
8.4.1　离群点　
8.4.2　高杠杆值点　
8.4.3　强影响点　
8.5　改进措施　
8.5.1　删除观测点　
8.5.2　变量变换　
8.5.3　增删变量　
8.5.4　尝试其他方法　
8.6　选择“最佳”的回归模型　
8.6.1　模型比较　
8.6.2　变量选择　
8.7　深层次分析　
8.7.1　交叉验证　
8.7.2　相对重要性　
8.8　小结　
第9章　方差分析　
9.1　术语速成　
9.2　ANOVA模型拟合　
9.2.1　aov()函数　
9.2.2　表达式中各项的顺序　
9.3　单因素方差分析　
9.3.1　多重比较　
9.3.2　评估检验的假设条件　
9.4　单因素协方差分析　
9.4.1　评估检验的假设条件　
9.4.2　结果可视化　
9.5　双因素方差分析　
9.6　重复测量方差分析　
9.7　多元方差分析　
9.7.1　评估假设检验　
9.7.2　稳健多元方差分析　
9.8　用回归来做ANOVA　
9.9　小结　
第10章　功效分析　
10.1　假设检验速览　
10.2　用pwr包做功效分析　
10.2.1　t检验　
10.2.2　方差分析　
10.2.3　相关性　
10.2.4　线性模型　
10.2.5　比例检验　
10.2.6　卡方检验　
10.2.7　在新情况中选择合适的效应值　
10.3　绘制功效分析图形　
10.4　其他软件包　
10.5　小结　
第11章　中级绘图　
11.1　散点图　
11.1.1　散点图矩阵　
11.1.2　高密度散点图　
11.1.3　三维散点图　
11.1.4　气泡图　
11.2　折线图　
11.3　相关图　
11.4　马赛克图　
11.5　小结　
第12章　重抽样与自助法　
12.1　置换检验　
12.2　用coin包做置换检验　
12.2.1　独立两样本和K样本检验　
12.2.2　列联表中的独立性　
12.2.3　数值变量间的独立性　
12.2.4　两样本和K样本相关性检验　
12.2.5　深入探究　
12.3　lmPerm包的置换检验　
12.3.1　简单回归和多项式回归　
12.3.2　多元回归　
12.3.3　单因素方差分析和协方差分析　
12.3.4　双因素方差分析　
12.4　置换检验点评　
12.5　自助法　
12.6　boot包中的自助法　
12.6.1　对单个统计量使用自助法　
12.6.2　多个统计量的自助法　
12.7　小结　
第四部分　高级方法
第13章　广义线性模型　
13.1　广义线性模型和glm()函数　
13.1.1　glm()函数　
13.1.2　连用的函数　
13.1.3　模型拟合和回归诊断　
13.2　Logistic回归　
13.2.1　解释模型参数　
13.2.2　评价预测变量对结果概率的影响　
13.2.3　过度离势　
13.2.4　扩展　
13.3　泊松回归　
13.3.1　解释模型参数　
13.3.2　过度离势　
13.3.3　扩展　
13.4　小结　
第14章　主成分和因子分析　
14.1　R中的主成分和因子分析　
14.2　主成分分析　
14.2.1　判断主成分的个数　
14.2.2　提取主成分　
14.2.3　主成分旋转　
14.2.4　获取主成分得分　
14.3　探索性因子分析　
14.3.1　判断需提取的公共因子数　
14.3.2　提取公共因子　
14.3.3　因子旋转　
14.3.4　因子得分　
14.3.5　其他与EFA相关的包　
14.4　其他潜变量模型　
14.5　小结　
第15章　处理缺失数据的高级方法　
15.1　处理缺失值的步骤　
15.2　识别缺失值　
15.3　探索缺失值模式　
15.3.1　列表显示缺失值　
15.3.2　图形探究缺失数据　
15.3.3　用相关性探索缺失值　
15.4　理解缺失数据的来由和影响　
15.5　理性处理不完整数据　
15.6　完整实例分析(行删除)　
15.7　多重插补　
15.8　处理缺失值的其他方法　
15.8.1　成对删除　
15.8.2　简单(非随机)插补　
15.9　小结　
第16章　高级图形进阶　
16.1　R中的四种图形系统　
16.2　lattice包　
16.2.1　条件变量　
16.2.2　面板函数　
16.2.3　分组变量　
16.2.4　图形参数　
16.2.5　页面摆放　
16.3　ggplot2包　
16.4　交互式图形　
16.4.1　与图形交互：鉴别点　
16.4.2　playwith　
16.4.3　latticist　
16.4.4　iplots包的交互图形　
16.4.5　rggobi　
16.5　小结　
后记：探索R的世界　
附录A　图形用户界面　
附录B　自定义启动环境　
附录C　从R中导出数据　
附录D　制作出版级品质的输出　
附录E　R中的矩阵运算　
附录F　本书中用到的扩展包　
附录G　处理大数据　
附录H　更新R　
参考文献

章节摘录

版权页：   插图：   这种方法的交互性很强。他拟合了一系列模型，检验它们是否符合相应的统计假设，探索了所有异常的发现，最终从许多可能的模型中选择了“最佳”的模型。如果成功，那么结果将会帮助他完成以下任务。 在众多变量中判断哪些对预测桥梁退化是有用的，得到它们的相对重要性，从而关注重要的变量。 根据回归所得的等式预测新的桥梁的退化情况（预测变量的值已知，但是桥梁退化程度未知），找出那些可能会有麻烦的桥梁。 利用对异常桥梁的分析，获得一些意外的信息。比如他发现某些桥梁的退化速度比预测的更快或更慢，那么研究这些“离群点”可能会有重大的发现，能够帮助理解桥梁退化的机制。 可能桥梁的例子并不能引起你的兴趣。而我是从事临床心理学和统计的，对土木工程也是一无所知，但是这其中蕴含的一般性思想适用于物理、生物和社会科学的许多问题。以下问题都可以通过OLS方法进行处理。

媒体关注与评论

　　“本书从务实的角度出发，清晰阐释了R的基本知识及统计数据分析，为我提供了很大帮助。”　　——读者评论

用户评论 (总计120条)

•   R是一个开源项目，具有强大的统计计算及制图能力，是从大数据中获取有用信息的绝佳工具，在各种主流操作系统上都可以安装使用，其基本安装就提供了数以百计的数据管理、统计和图形函数。另外，社区开发的数以千计的扩展(包)为R增加了更多强大功能。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，展示了实用的统计示例，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。
•   很不错，不过对于想学空间统计的人来讲，还有点不足
•   这个书的图形输出很详细，涉及了R语言实战的很多问题
•   r语言实战 真是实战 理解性强
•   学习R语言，这是一个很好的起点，同时也是一个很好的补充。讲解非常细致，翻译的质量也很出色，真的是非常棒，哪怕你毫无R语言基础，边读边练也能有很不错的收获
•   这是一本逐步学习R语言的实用书
•   虽然还没读，不过这是本学习R语言的入门级书籍。
•   学习r语言很好的教程
•   好，是一本入门级的经典好书，希望学R语言的，强烈推荐！
•   实战系列书籍都不错哈
•   实战效果不错
•   物流不给力，自己放在门卫，居然不通知我。我上网查看才知道已经被签收。你放门卫无所谓，但是得跟我说啊！还好，客服处理很迅速，马上解决了。对方物流公司也马上打电话过来道歉。后续处理还是不错。
•   是R语言类最权威的一本著作。
•   初学R语言的一本好书，不要奢求过多，慢慢将这本书吃透；然后一步步得从易到难！
•   书挺特别的 对R语言也挺感兴趣的 但是书最后一页有很严重的折痕 不知道是怎么回事 但不影响阅读 就无所谓了
•   是一本R语言入门的好书。
•   关于R语言的书，这本可能是最好的了
•   对于R语言的初学者来说，太简单的没兴趣看，太难的看不下去。而这本书的难易程度则刚好。
•   讲解详细，实际操作强，学习必备的好书！
•   这本书很不错！适合初学者学习。比较系统。
•   对于学习R软件，是本不错的启蒙书
•   不适合入门，没有一本书适合入门。。。。。项目导向才是王道
•   很好的书适合学习，国外的始终要专业的多
•   纸质很好，操作步骤还配有图画，很适合实践，步骤为主。
•   很实用，不熟悉基本操作的可以当入门读物
•   实用性强，学到不少东西
•   一本不错的R入门书籍，由浅到深，由低级方法到高级方法，循序渐进，挺好的一本书
•   写的很好，也比较全面。初学者很容易上手。对高手来说看了也有收获。
•   非常好用的一本书，而且纸质非常好。现在在努力的学习中~~~
•   应该不错，R软件的中文书不多，一有我就买
•   很好，老外的研究很到位，有很好的程序包
•   不错的书，好好研究下
•   难得找到的一本好书，内容很好，慢慢研究。
•   结构设置跟基础统计学相通，可以按部就班学习。
•   还没来得及细看，翻译感觉尚可。好好学习，天天向上...
•   学习R的好书 就是价格太贵了
•   这本书还可以的适合初学
•   纸张不错，很适合一读。。
•   相当不错的一本书，适合入门和中级
•   别人推荐的，就买回来看看。是适合初学者的一本书
•   看起来很好，还没正式学
•   只能看进去一部分，对于没有正经学过的人来说，有点深奥了
•   最近一直看这本书，感觉看完能学到很多东西，强烈推荐购买
•   看过这么多本有关R的书，还是觉得这本书不错，例子很好，作者讲的很详细，收获很大，再次推荐一下。
•   只是看了一点，觉得应该会不错吧，不过比我预想的薄了点，希望自己能把R学好，还是谢谢翻译者和作者了！
•   这个给朋友买的，不知道内容咋样
•   看别人推荐的，还不错
•   书是正版，质量不错，很期待。
•   一直没怎么看呢，不过貌似书还是很专业的。
•   同学推荐的这本书，内容不错，物流也很快，包装不错，挺好的。
•   师兄介绍的，应该不错吧！看看咯！
•   必备的，很好，很详细，翻译也很好
•   很全很详细，还有例子
•   不错的书，当当到货快，很给力
•   书不错，就是封面搞怪了点。不知道里面翻译的如何。
•   非常多的实践机会
•   不错，支持!
•   很不错的一本R入门的书，还有不少小技巧
•   书是正版，就是定价比较高，折扣比较少。。。。
•   排版很好，印刷和纸质都很赞，慕名购买此书作为案头工具书之一。
•   cos成员翻译的 差不到哪儿去
•   这本书看了下，基本上不错！从基础到深入都有！
•   物流很给力，内容也很好
•   还没细看，但整体感觉不错~
•   本书对于R快速入门很有帮助，里面还有一些小技巧，可以在起步阶段作为参考书。翻译质量和书本质量包括内容都很赞。
•   刚收到，刚刚看了两眼，书的内容不错，但纸张的质量一般！
•   这几本书都不错，就有太薄了，感觉相对价格有些贵了。但只要内容好，也就值了。物流非常快，20个小时送到，很牛X
•   书和物流都给力
•   书的质量不错，发货速度也挺快，昨天买的今天到了
•   价格有点贵，内容还是不错的
•   看了几章觉得讲的还不错
•   从今天起，这本书成了我的R宝典了。。
•   还是不错的，就是贵
•   挺好的，网上买就是便宜，质量也不错
•   书还没开始读，不过感觉挺好的
•   值得看的一本入门书
•   性价比高，很好用，性价比高，很好用
•   内容很好，送货非常快，满意
•   书随手翻了还不错，就是卷了好不爽
•   还不错，希望能有所收获
•   收到的时候外包装有个洞，导致书的一边脏了，还破了，其他的还可以
•   帮日本留学的同学买的
•   还不错，东西很好
•   买的课本，翻译的很好，但是真的好难&;hellip;
•   原书很好，翻译的也很好。推荐
•   这本书里R程序的例子很丰富，而且讲的非常详细
•   不错很好值得拥有
•   数据时代已经到来，但数据分析、数据挖掘人才却十分短缺。由于“大数据”对每个领域的决定性影响，　相对于经验和直觉，在商业、经济及其他领域中基于数据和分析去发现问题并作出科学、客观的决策越来越重要。开源软件R是世界上最流行的数据分析、统计计算及制图语言，几乎能够完成任何数据处理任务，可安装并运行于所有主流平台，为我们提供了成千上万的专业模块和实用工具，是从大数据中获取有用信息的绝佳工具。这本书真的不错，不过买来了已经压过的痕迹。不过瑕不掩瑜，总体还是不错的，而且还是在限时抢的，希望当当以后能多搞点活动，真的好喜欢啊。
•   R语言实战,适合各种水平的读者
•   R语言入门级书籍。其实内容，在其官网上很多都有。只是觉得翻书会方便些。
•   计算机白痴看不懂。学校课程需要买的。
•   很不错，有例子，也容易看得懂。
•   很专业的一本书，有点难度，努力学习中。
•   还不错，挺好的，对于学习R很有帮助
•   这些年来，一直没能认真的学习下，感觉这本书是个好教材，对初学者来说
•   说老实话，R不错，书也不错，只是我的统计学学得不好，读起来有点吃力。
•   书内容必须不错。
  不过书皮又破了...当当你运的时候能不能用点心？
•   这是本好书，值得一读。但R的内容太多了，感觉学无止境啊
•   我以前没学过编程。但这本书看了，感觉很容易理解，而且能做的计算和统计很多，如果英文不够好，这本书一定要看。对提高R的实际运用很有帮助。
•   很喜欢这本书，之前看评论说纸质不好像是盗版的，但还是买了，结果发现纸质挺好的，也很清晰，绝对正版。