R语言基础与数据科学应用【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

R语言基础与数据科学应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 引言1

1.1 R的起源与发展2

1.1.1 R的产生与演化2

1.1.2 R的特点3

1.2 安装与运行R系统6

1.2.1 R的获取与安装7

1.2.2 运行R7

1.3 安装与使用包10

1.3.1 什么是包10

1.3.2 安装包12

1.3.3 载入、使用、卸载包12

1.3.4 包的命名空间13

1.4 工作空间管理14

1.5 R语言的集成开发环境RStudio16

1.5.1 什么是集成开发环境16

1.5.2 RStudio的使用方法16

1.6 使用帮助系统18

1.7 R语言与数据科学19

1.7.1 R与大数据平台19

1.7.2 R在数据科学中的应用22

习题23

第2章 数据与运算25

2.1 基础知识26

2.1.1 向量26

2.1.2 对象27

2.1.3 函数29

2.1.4 标识符与保留字30

2.2 数据类型与数据表示31

2.2.1 基本数据类型31

2.2.2 变量34

2.2.3 常量34

2.2.4 特殊值35

2.3 基本运算36

2.3.1 运算符36

2.3.2 算术运算37

2.3.3 关系运算37

2.3.4 逻辑运算38

2.3.5 赋值运算39

2.4 数据类型转换与R中常见的数据结构40

2.4.1 数据类型转换41

2.4.2 常见的数据结构43

习题45

第3章 程序设计基础47

3.1 控制流48

3.1.1 顺序结构48

3.1.2 分支结构49

3.1.3 循环结构51

3.1.4 选择结构53

3.2 函数设计54

3.2.1 声明、定义与调用54

3.2.2 返回值56

3.2.3 函数中的输入/输出57

3.2.4 环境与范围59

3.2.5 递归函数62

3.3 编程规范与性能优化65

3.3.1 使用脚本文件65

3.3.2 编程规范66

3.3.3 性能优化67

习题68

第4章 类与对象70

4.1 面向对象程序设计方法71

4.1.1 结构化程序设计方法回顾71

4.1.2 对象与类的概念71

4.1.3 面向对象程序设计的特点72

4.1.4 R中类的体系73

4.2 S3类74

4.2.1 S3类的定义74

4.2.2 创建S3类对象74

4.2.3 S3类的泛型函数76

4.2.4 定义S3类的方法77

4.2.5 编写S3类的泛型函数78

4.3 S4类79

4.3.1 S4类的定义79

4.3.2 创建S4类对象81

4.3.3 访问插槽82

4.3.4 S4类的泛型函数83

4.3.5 定义S4类的方法84

4.4 引用类84

4.4.1 定义引用类84

4.4.2 创建引用类对象85

4.4.3 访问与修改引用类对象的域86

4.4.4 引用类的方法88

4.5 继承90

4.5.1 S3类中的继承90

4.5.2 S4类中的继承91

4.5.3 引用类中的继承92

4.5.4 多重继承93

习题94

第5章 数据结构与数据处理96

5.1 向量97

5.1.1 创建向量97

5.1.2 使用索引访问向量元素98

5.1.3 循环补齐99

5.1.4 向量的比较100

5.1.5 按条件提取元素101

5.2 矩阵与数组101

5.2.1 创建矩阵102

5.2.2 线性代数运算103

5.2.3 使用矩阵索引105

5.2.4 apply函数族106

5.2.5 多维数组107

5.3 数据框108

5.3.1 创建数据框108

5.3.2 访问数据框中的元素109

5.3.3 使用SQL语句查询数据框110

5.4 因子111

5.5 列表112

5.6 数据导入与导出113

5.6.1 数据文件的读写113

5.6.2 rio包116

5.6.3 数据编辑器118

5.7 数据清洗118

5.7.1 数据排序119

5.7.2 数据清洗的一般方法120

5.7.3 mice包122

习题127

第6章 绘图与数据可视化128

6.1 基本图形与绘图函数129

6.1.1 基础图形的创建129

6.1.2 新增绘图窗口131

6.1.3 导出图形131

6.2 调整绘图参数133

6.2.1 自定义特征133

6.2.2 调整符号与线条134

6.2.3 调整颜色135

6.2.4 调整标签与标题文本137

6.3 其他自定义元素140

6.3.1 坐标轴140

6.3.2 次要刻度线140

6.3.3 网格线141

6.3.4 叠加绘图143

6.3.5 图例144

6.3.6 标注145

6.4 描述性统计图146

6.4.1 柱状图146

6.4.2 饼图149

6.4.3 直方图150

6.4.4 箱形图151

6.4.5 三维绘图152

6.5 动态图形155

6.5.1 保存为GIF格式155

6.5.2 gganimate包157

习题160

第7章 统计与回归分析162

7.1 定性数据与定量数据163

7.1.1 定性数据163

7.1.2 定量数据166

7.2 数据的数值度量173

7.2.1 均值173

7.2.2 中位值173

7.2.3 四分位数173

7.2.4 百分位数174

7.2.5 变化范围174

7.2.6 四分位距174

7.2.7 方差与标准差175

7.2.8 协方差175

7.2.9 相关系数176

7.3 概率分布与假设检验176

7.3.1 二项式分布177

7.3.2 泊松分布178

7.3.3 连续均匀分布178

7.3.4 指数分布179

7.3.5 正态分布180

7.3.6 x2分布181

7.3.7 学生t分布182

7.3.8 统计假设检验182

7.4 回归分析187

7.4.1 简单线性回归187

7.4.2 多元线性回归192

7.4.3 逻辑回归196

习题199

第8章 统计机器学习201

8.1 特征空间与距离203

8.1.1 距离的定义203

8.1.2 KNN分类207

8.2 聚类算法209

8.2.1 k均值聚类209

8.2.2 层次聚类211

8.2.3 密度聚类216

8.3 分类算法219

8.3.1 决策树219

8.3.2 朴素贝叶斯方法225

8.3.3 支持向量机229

8.4 集成学习233

8.4.1 基本方法233

8.4.2 随机森林234

8.4.3 堆叠式集成学习238

习题245

第9章 神经网络与深度学习247

9.1 基本原理249

9.1.1 神经元249

9.1.2 多层感知器模型250

9.1.3 反向传播算法251

9.2 感知器模型252

9.2.1 neuralnet包252

9.2.2 非线性回归254

9.2.3 分类256

9.3 深度神经网络261

9.3.1 深度神经网络的形式261

9.3.2 MXNetR包264

9.3.3 keras包272

习题280

附录1 常用函数速查表281

附录2 《R语言基础与数据科学应用》配套实验课程方案简介285

参考文献286