R语言数据分析与可视化_计算机科学

1

前言

一、本书目的数据可视化是基于现代视觉设计和人机交互理论,将数据或信息以生动又简洁的形式呈现,进而通过多样的叙述手段增强决策者认知的新兴技术,也是数据挖掘、计算...

2

第1篇　方法篇

...

4

第1章　R语言概述

本章为全书的导入章节,主要介绍R语言及其发展现状、开发环境配置与常用第三方包的安装与使用方法。首先,本章简要介绍大数据时代的数据分析流程,让读者了解数据分析的主...

5

1.1　大数据时代的数据分析流程

在大数据时代背景下,无论是教学、科研还是职场工作,都需要具备强大的数据采集、数据预处理、数据分析、数据可视化、数据报告/数据产品制作的能力。传统数据挖掘和数据分...

6

1.1.1　数据获取

在大数据时代背景下,数据来源十分广泛,有从互联网等公开渠道获取的,也有从组织内部渠道获取的。数据获取在方法选择、软件工具选择上有所不同。互联网上的数据主要用网...

7

1.1.2　数据存储

从互联网上爬取来的数据,如果数据量不大(如万条以内),可以以xls文件的形式存放,之后直接在Excel中处理。不过仍然建议用R语言来处理,因为R语言中的dply...

8

1.1.3　数据预处理

从互联网上获取的数据大多是含有噪声的数据(Dirty Data),这种数据要么有缺失值,要么字段不规范,如果不先做数据预处理就进行数据分析,那么,就会印证数据分...

9

1.1.4　数据建模

在国内外众多数据分析工具软件中,专业数据分析人员一般使用R和Python,下面介绍这两个软件的共同之处和不同之处。 R和Python的共同之处如下。 (1)二者...

10

1.1.5　数据可视化

数据分析的成果只有用生动的图表展现出来,才能体现数据分析工作的质量和成效。国外喜欢用d3.js来做可视化图表,但需要大量时间学习。Tableau也可用来绘制可视...

11

1.1.6　数据产品发布

数据分析的最后一步是将成果进行展示。数据分析的最终成果可以以数据报告(WORD、PDF等形式)或网站页面(HTML5等动态页面形式)的形式交付或部署。 1.数据...

12

1.2　R语言特点

R语言是国外大学统计学和数据科学的推荐分析软件,具有开源免费、源包众多、面向应用、持续迭代等优点。R语言是解释型编程语言,采用函数式编程、向量化运算,代码采用脚...

13

1.3　R及RStudio的安装

作为学术界和企业界广为流行的开源数据分析软件,R语言支持Windows、Mac OS、Linux等多个操作系统,一次编码后,不用修改就可以在不同操作系统中运行。...

14

1.4　常用R包的安装、使用与卸载

R包是函数、数据和文档的集合,是对R基础功能的拓展。只有学会如何使用R包,才能真正掌握R语言的精华。使用R语言的过程可以用一句话来描述:用别人的包讲自己的故事。...

15

1.4.1　R语言常用包

本小节对R语言数据分析常用的包进行了汇总,具体如下。 (1)数据读写:readr、readxl包 ①readr包:把不同格式的数据读入R中,比传统方法的速度快1...

16

1.4.2　R包的安装

R包的来源一般有两种:分布在世界各地的CRAN镜像和Git Hub网站。安装CRAN上的包可以使用install.packages(‘NAME’)命令,NAM...

17

1.4.3　R包的卸载

使用detach(‘package:ggplot2’)可以将ggplot2包卸除,注意不是将R包从本地删除,而是把已经加载的包卸除,使它不再加载。如果想彻底将...

18

1.4.4　R包的集群管理

如果要一次安装、加载多个R包,可以使用R包集群管理工具——pacman包。该包能够减少大量packages单个导入的烦琐操作。以library()函数为基础,p...

19

1.5　RStudio的常用功能

RStudio的安装十分简单,但安装完成后,有必要配置一些参数,这样不仅方便后续使用,也可降低报错的可能性。以下是RStudio的几个常用功能。 (1)RStu...

20

1.6　本章小结

通过本章学习,需要重点掌握的内容包括:大数据时代下的数据分析;从数据获取到数据分析产品部署的完整流程;R和Python两种开源数据分析工具软件的功能异同与操作差...

21

第2章　R语言基本对象

在上一章的基础上,本章主要讲解R语言的常用数据类型、数据对象与数据结构,为后续章节介绍R语言编码语法做准备。首先,本章介绍了R语言常用的4种数据类型(数值型、字...

22

2.1　R语言常用数据类型

R语言常用的数据类型主要包括:数值型、字符型、逻辑型、复数型。由于在常用的数据分析中,不会涉及复数型的数据,因此本书并未对复数型的数据进行详细介绍。常用数据类...

23

2.2　数据对象

R语言是一种基于对象的语言。对象是指可以赋值给变量的任何事物,包括常量、数据结构、函数甚至是图形。对象类型则是R语言组织和管理内部元素的不同方式。R语言中有多种...

24

2.2.1　向量

向量是用于存储数值型、字符型或者逻辑型数据的一维数组,是R语言进行所有数据分析所用的基础数据结构之一。在R语言中,没有正式对标量类型的数据进行定义,标量是只含一...

25

2.2.2　矩阵

矩阵是一个二维数组,也可以说是一个二维向量,所以在矩阵中同样只能保存相同类型的数据。在R语言中,一般使用matrix()函数来创建矩阵,创建矩阵的方式有两种: ...

26

2.2.3　数组

数组是向量和矩阵的自然推广,由三维或三维以上的数据构成。本质上来说,数组仍然是一个向量,所以数组依然具有向量的性质,只能存储相同的数据类型。在R语言中,我们可以...

27

2.2.4　数据框

在R语言中,数据框(Dataframe)的数据结构与矩阵相似,但是其各列的数据类型可以不同。一般情况下,数据框的每列是一个变量,每行是一个观测样本。虽然数据框内...

28

2.2.5　列表

列表(list)是R语言中最为复杂的一种数据结构。列表可以理解为广义的向量,它是一些对象的有序集合,可以包含各种类型的对象,甚至是其他列表。在R语言中,可以使用...

29

2.3　数据类型判别及转换

在R语言中,可以用is.xxx()系列函数来判别数据是否为指定类型,用as.xxx()系列函数将数据转换为指定类型。不同数据类型的判别及转换函数如表2-2所示。...

30

2.4　本章小结

本章介绍了R语言的3种数据类型:数值型、逻辑型和字符型,以及R语言的5种数据对象:向量、矩阵、数组、数据框和列表。其中,数据框和列表是进行数据分析最常使用的类型...

《R语言数据分析与可视化》简介

前言

目录

第1篇　方法篇

第1章　R语言概述

1.1　大数据时代的数据分析流程

1.1.1　数据获取

1.1.2　数据存储

1.1.3　数据预处理

1.1.4　数据建模

1.1.5　数据可视化

1.1.6　数据产品发布

1.2　R语言特点

1.3　R及RStudio的安装

1.4　常用R包的安装、使用与卸载

1.4.1　R语言常用包

1.4.2　R包的安装

1.4.3　R包的卸载

1.4.4　R包的集群管理

1.5　RStudio的常用功能

1.6　本章小结

第2章　R语言基本对象

2.1　R语言常用数据类型

2.2　数据对象

2.2.1　向量

2.2.2　矩阵

2.2.3　数组

2.2.4　数据框

2.2.5　列表

2.3　数据类型判别及转换

2.4　本章小结

《R语言数据分析与可视化》简介

前言

目录

第1篇 方法篇

第1章 R语言概述

1.1 大数据时代的数据分析流程

1.1.1 数据获取

1.1.2 数据存储

1.1.3 数据预处理

1.1.4 数据建模

1.1.5 数据可视化

1.1.6 数据产品发布

1.2 R语言特点

1.3 R及RStudio的安装

1.4 常用R包的安装、使用与卸载

1.4.1 R语言常用包

1.4.2 R包的安装

1.4.3 R包的卸载

1.4.4 R包的集群管理

1.5 RStudio的常用功能

1.6 本章小结

第2章 R语言基本对象

2.1 R语言常用数据类型

2.2 数据对象

2.2.1 向量

2.2.2 矩阵

2.2.3 数组

2.2.4 数据框

2.2.5 列表

2.3 数据类型判别及转换

2.4 本章小结

第1篇　方法篇

第1章　R语言概述

1.1　大数据时代的数据分析流程

1.1.1　数据获取

1.1.2　数据存储

1.1.3　数据预处理

1.1.4　数据建模

1.1.5　数据可视化

1.1.6　数据产品发布

1.2　R语言特点

1.3　R及RStudio的安装

1.4　常用R包的安装、使用与卸载

1.4.1　R语言常用包

1.4.2　R包的安装

1.4.3　R包的卸载

1.4.4　R包的集群管理

1.5　RStudio的常用功能

1.6　本章小结

第2章　R语言基本对象

2.1　R语言常用数据类型

2.2　数据对象

2.2.1　向量

2.2.2　矩阵

2.2.3　数组

2.2.4　数据框

2.2.5　列表

2.3　数据类型判别及转换

2.4　本章小结