第 1章 引言 1 1.1　R的起源與發(fā)展　2 1.1.1　R的產(chǎn)生與演化　2 1.1.2　R的特點　3 1.2　安裝與運行R系統(tǒng)　6 1.2.1　R的獲取與安裝　7 1.2.2　運行R　7 1.3　安裝與使用包　10 1.3.1　什么是包　10 1.3.2　安裝包　12 1.3.3　載入、使用、卸載包　12 1.3.4　包的命名空間　13 1.4　工作空間管理　14 1.5　R語言的集成開發(fā)環(huán)境 RStudio　16 1.5.1　什么是集成開發(fā)環(huán)境　16 1.5.2　RStudio的使用方法　16 1.6　使用幫助系統(tǒng)　18 1.7　R語言與數(shù)據(jù)科學　19 1.7.1　R與大數(shù)據(jù)平臺　19 1.7.2　R在數(shù)據(jù)科學中的應用　22 習題　23 第 2章　數(shù)據(jù)與運算　25 2.1　基礎知識　26 2.1.1　向量　26 2.1.2　對象　27 2.1.3　函數(shù)　29 2.1.4　標識符與保留字　30 2.2　數(shù)據(jù)類型與數(shù)據(jù)表示　31 2.2.1　基本數(shù)據(jù)類型　31 2.2.2　變量　34 2.2.3　常量　34 2.2.4　特殊值　35 2.3　基本運算　36 2.3.1　運算符　36 2.3.2　算術運算　37 2.3.3　關系運算　37 2.3.4　邏輯運算　38 2.3.5　賦值運算　39 2.4　數(shù)據(jù)類型轉(zhuǎn)換與R中常見的數(shù)據(jù) 結構　40 2.4.1　數(shù)據(jù)類型轉(zhuǎn)換　41 2.4.2　常見的數(shù)據(jù)結構　43 習題　45 第3章　程序設計基礎　47 3.1　控制流　48 3.1.1　順序結構　48 3.1.2　分支結構　49 3.1.3　循環(huán)結構　51 3.1.4　選擇結構　53 3.2　函數(shù)設計　54 3.2.1　聲明、定義與調(diào)用　54 3.2.2　返回值　56 3.2.3　函數(shù)中的輸入/輸出　57 3.2.4　環(huán)境與范圍　59 3.2.5　遞歸函數(shù)　62 3.3　編程規(guī)范與性能優(yōu)化　65 3.3.1　使用腳本文件　65 3.3.2　編程規(guī)范　66 3.3.3　性能優(yōu)化　67 習題　68 第4章　類與對象　70 4.1　面向?qū)ο蟪绦蛟O計方法　71 4.1.1　結構化程序設計方法回顧　71 4.1.2　對象與類的概念　71 4.1.3　面向?qū)ο蟪绦蛟O計的特點　72 4.1.4　R中類的體系　73 4.2　S3類　74 4.2.1　S3類的定義　74 4.2.2　創(chuàng)建S3類對象　74 4.2.3　S3類的泛型函數(shù)　76 4.2.4　定義S3類的方法　77 4.2.5　編寫S3類的泛型函數(shù)　78 4.3　S4類　79 4.3.1　S4類的定義　79 4.3.2　創(chuàng)建S4類對象　81 4.3.3　訪問插槽　82 4.3.4　S4類的泛型函數(shù)　83 4.3.5　定義S4類的方法　84 4.4　引用類　84 4.4.1　定義引用類　84 4.4.2　創(chuàng)建引用類對象　85 4.4.3　訪問與修改引用類對象的域　86 4.4.4　引用類的方法　88 4.5　繼承　90 4.5.1　S3類中的繼承　90 4.5.2　S4類中的繼承　91 4.5.3　引用類中的繼承　92 4.5.4　多重繼承　93 習題　94 第5章　數(shù)據(jù)結構與數(shù)據(jù)處理　96 5.1　向量　97 5.1.1　創(chuàng)建向量　97 5.1.2　使用索引訪問向量元素　98 5.1.3　循環(huán)補齊　99 5.1.4　向量的比較　100 5.1.5　按條件提取元素　101 5.2　矩陣與數(shù)組　101 5.2.1　創(chuàng)建矩陣　102 5.2.2　線性代數(shù)運算　103 5.2.3　使用矩陣索引　105 5.2.4　apply函數(shù)族　106 5.2.5　多維數(shù)組　107 5.3　數(shù)據(jù)框　108 5.3.1　創(chuàng)建數(shù)據(jù)框　108 5.3.2　訪問數(shù)據(jù)框中的元素　109 5.3.3　使用SQL語句查詢數(shù)據(jù)框　110 5.4　因子　111 5.5　列表　112 5.6　數(shù)據(jù)導入與導出　113 5.6.1　數(shù)據(jù)文件的讀寫　113 5.6.2　rio包　116 5.6.3　數(shù)據(jù)編輯器　118 5.7　數(shù)據(jù)清洗　118 5.7.1　數(shù)據(jù)排序　119 5.7.2　數(shù)據(jù)清洗的一般方法　120 5.7.3　mice包　122 習題　127 第6章　繪圖與數(shù)據(jù)可視化　128 6.1　基本圖形與繪圖函數(shù)　129 6.1.1　基礎圖形的創(chuàng)建　129 6.1.2　新增繪圖窗口　131 6.1.3　導出圖形　131 6.2　調(diào)整繪圖參數(shù)　133 6.2.1　自定義特征　133 6.2.2　調(diào)整符號與線條　134 6.2.3　調(diào)整顏色　135 6.2.4　調(diào)整標簽與標題文本　137 6.3　其他自定義元素　140 6.3.1　坐標軸　140 6.3.2　次要刻度線　140 6.3.3　網(wǎng)格線　141 6.3.4　疊加繪圖　143 6.3.5　圖例　144 6.3.6　標注　145 6.4　描述性統(tǒng)計圖　146 6.4.1　柱狀圖　146 6.4.2　餅圖　149 6.4.3　直方圖　150 6.4.4　箱形圖　151 6.4.5　三維繪圖　152 6.5　動態(tài)圖形　155 6.5.1　保存為GIF格式　155 6.5.2　gganimate包　157 習題　160 第7章　統(tǒng)計與回歸分析　162 7.1　定性數(shù)據(jù)與定量數(shù)據(jù)　163 7.1.1　定性數(shù)據(jù)　163 7.1.2　定量數(shù)據(jù)　166 7.2　數(shù)據(jù)的數(shù)值度量　173 7.2.1　均值　173 7.2.2　中位值　173 7.2.3　四分位數(shù)　173 7.2.4　百分位數(shù)　174 7.2.5　變化范圍　174 7.2.6　四分位距　174 7.2.7　方差與標準差　175 7.2.8　協(xié)方差　175 7.2.9　相關系數(shù)　176 7.3　概率分布與假設檢驗　176 7.3.1　二項式分布　177 7.3.2　泊松分布　178 7.3.3　連續(xù)均勻分布　178 7.3.4　指數(shù)分布　179 7.3.5　正態(tài)分布　180 7.3.6　? 2分布　181 7.3.7　學生t分布　182 7.3.8　統(tǒng)計假設檢驗　182 7.4　回歸分析　187 7.4.1　簡單線性回歸　187 7.4.2　多元線性回歸　192 7.4.3　邏輯回歸　196 習題　199 第8章　統(tǒng)計機器學習　201 8.1　特征空間與距離　203 8.1.1　距離的定義　203 8.1.2　KNN分類　207 8.2　聚類算法　209 8.2.1　k均值聚類　209 8.2.2　層次聚類　211 8.2.3　密度聚類　216 8.3　分類算法　219 8.3.1　決策樹　219 8.3.2　樸素貝葉斯方法　225 8.3.3　支持向量機　229 8.4　集成學習　233 8.4.1　基本方法　233 8.4.2　隨機森林　234 8.4.3　堆疊式集成學習　238 習題　245 第9章　神經(jīng)網(wǎng)絡與深度學習　247 9.1　基本原理　249 9.1.1　神經(jīng)元　249 9.1.2　多層感知器模型　250 9.1.3　反向傳播算法　251 9.2　感知器模型　252 9.2.1　neuralnet包　252 9.2.2　非線性回歸　254 9.2.3　分類　256 9.3　深度神經(jīng)網(wǎng)絡　261 9.3.1　深度神經(jīng)網(wǎng)絡的形式　261 9.3.2　MXNetR包　264 9.3.3　keras包　272 習題　280 附錄1　常用函數(shù)速查表　281 附錄2　《R語言基礎與數(shù)據(jù)科學 應用》配套實驗課程方案簡介　285 參考文獻　286