R语言实战 第2版pdf

大数据时代已经到来，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，是数据挖掘、数据分析人才的必读技能。

本书从解决实际问题入手，尽量跳脱统计学的理论阐述来讨论R语言及其应用，讲解清晰透澈，极具实用性。作者不仅高度概括了R语言的强大功能，展示了各种实用的统计示例，而且对于难以用传统方法分析的凌乱、不完整和非正态的数据也给出了完备的处理方法。第2版新增6章内容，涵盖时间序列、聚类分析、分类、高级编程、创建包和创建动态报告等，并分别详细介绍了如何使用ggplot2和lattice进行高级绘图。通读本书，你将全面掌握使用R语言进行数据分析、数据挖掘的技巧，领略大量探索和展示数据的图形功能，并学会如何撰写动态报告，从而更加高效地进行分析与沟通。

想要成为备受高科技企业追捧的数据分析师吗？想要科学分析数据并正确决策吗？不妨从本书开始，挑战大数据，用R开始炫酷地统计与分析数据吧！

R语言实战 第2版 内容简介

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。

R语言实战 第2版 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

3.4.6 数学标注

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 向数据框添加列

4.9.2 向数据框添加行

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 reshape2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 更多方法

7.1.3 分组计算描述性统计量

7.1.4 分组计算的扩展

7.1.5 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

7.3 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 旋转三维散点图

11.1.5 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 主成分分析和因子分析

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 时间序列

15.1 在R中生成时序对象

15.2 时序的平滑化和季节性分解

15.2.1 通过简单移动平均进行平滑处理

15.2.2 季节性分解

15.3 指数预测模型

15.3.1 单指数平滑

15.3.2 Holt指数平滑和Holt-Winters指数平滑

15.3.3 ets()函数和自动预测

15.4 ARIMA预测模型

15.4.1 概念介绍

15.4.2 ARMA和ARIMA模型

15.4.3 ARIMA的自动预测

15.5 延伸阅读

15.6 小结

第16章 聚类分析

16.1 聚类分析的一般步骤

16.2 计算距离

16.3 层次聚类分析

16.4 划分聚类分析

16.4.1 K均值聚类

16.4.2 围绕中心点的划分

16.5 避免不存在的类

16.6 小结

第17章 分类

17.1 数据准备

17.2 逻辑回归

17.3 决策树

17.3.1 经典决策树

17.3.2 条件推断树

17.4 随机森林

17.5 支持向量机

17.6 选择预测效果最好的解

17.7 用rattle包进行数据挖掘

17.8 小结

第18章 处理缺失数据的高级方法

18.1 处理缺失值的步骤

18.2 识别缺失值

18.3 探索缺失值模式

18.3.1 列表显示缺失值

18.3.2 图形探究缺失数据

18.3.3 用相关性探索缺失值

18.4 理解缺失数据的来由和影响

18.5 理性处理不完整数据

18.6 完整实例分析（行删除）

18.7 多重插补

18.8 处理缺失值的其他方法

18.8.1 成对删除

18.8.2 简单（非随机）插补

18.9 小结

第五部分 技能拓展

第19章 使用ggplot2进行高级绘图

19.1 R中的四种图形系统

19.2 ggplot2包介绍

19.3 用几何函数指定图的类型

19.4 分组

19.5 刻面

19.6 添加光滑曲线

19.7 修改ggplot2图形的外观

19.7.1 坐标轴

19.7.2 图例

19.7.3 标尺

19.7.4 主题

19.7.5 多重图

19.8 保存图形

19.9 小结

第20章 高级编程

20.1 R语言回顾

20.1.1 数据类型

20.1.2 控制结构

20.1.3 创建函数

20.2 环境

20.3 面向对象的编程

20.3.1 泛型函数

20.3.2 S3模型的限制

20.4 编写有效的代码

20.5 调试

20.5.1 常见的错误来源

20.5.2 调试工具

20.5.3 支持调试的会话选项

20.6 深入学习

20.7 小结

第21章 创建包

21.1 非参分析和npar包

21.2 开发包

21.2.1 计算统计量

21.2.2 打印结果

21.2.3 汇总结果

21.2.4 绘制结果

21.2.5 添加样本数据到包

21.3 创建包的文档

21.4 建立包

21.5 深入学习

21.6 小结

第22章 创建动态报告

22.1 用模版生成报告

22.2 用R和Markdown创建动态报告

22.3 用R和LaTeX创建动态报告

22.4 用R和Open Document创建动态报告

22.5 用R和Microsotft Word创建动态报告

22.6 小结

第23章 使用lattice进行高级绘图

23.1 lattice包

23.2 调节变量

23.3 面板函数

23.4 分组变量

23.5 图形参数

23.6 自定义图形条带

23.7 页面布局

23.8 深入学习

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 R中的矩阵运算

附录E 本书中用到的扩展包

附录F 处理大数据集

附录G 更新R

后记：探索R的世界

参考文献

R语言实战 第2版 精彩文摘

在这个案例中，这些分类器（逻辑回归、传统决策树、条件推断树、随机森林和支持向量机）都表现得相当不错。不过在现实中并不总是这样。

在这个案例中，随机森林的表现相对更好。不过各个分类器的差距较小，因此随机森林的优势可能具有一定的偶然性。随机森林成功鉴别了99%的恶性样本和98%的良性样本，总体来说预测准确率高达99%。96%被判为恶性组织的样本单元确实是恶性的（即4%正例错误率），99%被判为良性组织的样本单元确实是良性的（即1%负例错误率）。从癌症诊断的角度来说，特异性（即成功鉴别恶性样本的概率）这一指标格外重要。

我们也可以从特异性和敏感度的权衡中提高分类的性能，但这不在本书的范围之内。在逻辑回归模型中，predict（）函数可以估计一个样本单元为恶性组织的概率。如果这一概率值大于0.5，则分类器会把这一样本单元判为恶性。这个0.5即阈值（threshold）或门槛值（cutoff value），通过变动这一阈值，我们可以通过牺牲分类器的特异性来增加其敏感度。这同样适用于决策树、随机森林和支持向量机（尽管语句写法上会有差别）。

变动阈值可能带来的影响可以通过ROC（Receiver Operating Characteristic）曲线来进一步观察。ROC曲线可对一个区间内的门槛值匦出特异性和敏感度之间的关系，然后我们就能针对特定问题选择特异性和敏感度的组合。许多R包都可以画ROC曲线，如ROCR、pROC等。这些R包中的函数能帮助我们在面对不同问题时，通过比较不同算法的ROC曲线选择最有效的算法。细节见Kuhn&Johnson（2013），更详尽的讨论见Fawcett（2005）。

到目前为止，我们都是通过执行命令行代码的方式调用这些分类方法。下一节中，我们将介绍一个图像式交互界面，并在可视界面上生成、应用这些预测模型。