R語言核心技術手冊（第2版）

前言 xvi
I 基礎篇
第1 章獲取和安裝R
R 版本
R 的安裝
Windows
Mac OS X
Linux 和UNIX 系統(tǒng)
第2 章R 的用戶界面
R 的圖形用戶界面
Windows
Mac OS X
Linux 和UNIX 程序
R 控制臺
命令行編輯
批處理模式
在Excel 中使用R
RStudio
其他運行R 的方式
第3 章簡短的示例
基本操作
函數(shù)
變量
數(shù)據(jù)結(jié)構簡介
對象和類
模型和公式
圖表
獲得幫助
第4 章R 包
R 包概覽
列示本地庫中的R 包
加載R 包
在Windows 和Linux 系統(tǒng)下加載R 包
在Mac OS X 系統(tǒng)下加載R 包
搜索R 包資源庫
探索網(wǎng)絡上的R 包資源庫
基于R 界面搜尋和安裝包
從其他資源庫安裝R 包
定制R 包
創(chuàng)建包目錄
創(chuàng)建R 包
II 語言篇
第5 章R 語言概覽
表達式
對象
符號
函數(shù)
在賦值語句中，對象會被復制
R 中一切皆為對象
特殊值
NA
Inf 和-Inf
NaN
NULL
強制轉(zhuǎn)換
R 解釋器
觀察R 是如何工作的
第6 章R 語法
常量
數(shù)值向量
字符向量
符號
運算符
運算順序
賦值操作
表達式
分離型表達式
括號
花括號
控制結(jié)構
條件語句
循環(huán)
訪問數(shù)據(jù)結(jié)構
數(shù)據(jù)結(jié)構操作符
通過整數(shù)向量引用
通過邏輯向量引用
通過名字進行引用
R 編程標準
第7 章R 對象
基本對象類型
向量
列表
其他對象
矩陣
數(shù)組
因子
數(shù)據(jù)框
公式
時間序列
Shingle 對象
日期和時間對象
連接對象
屬性
類
第8 章符號和環(huán)境
符號
環(huán)境
全局環(huán)境
環(huán)境和函數(shù)
調(diào)用堆棧
在不同的環(huán)境中對函數(shù)求值
向環(huán)境中添加對象
異常
提示錯誤
捕獲錯誤
第9 章函數(shù)
函數(shù)的關鍵字
參數(shù)
返回值
函數(shù)參數(shù)
匿名函數(shù)
函數(shù)的屬性
參數(shù)順序和具名實參
副作用
改變其他環(huán)境
輸入/輸出
圖形
第10 章面向?qū)ο缶幊?br />R 的面向?qū)ο缶幊谈庞[
核心概念
實現(xiàn)的例子
R 的面向?qū)ο缶幊蹋篠4
類的定義
對象的新建
槽的存取
對象的操作
創(chuàng)建強制轉(zhuǎn)換方法
方法
方法的管理
基本類型
更多的幫助
守舊派的OOP：S3
S3 的類
S3 方法
在S4 的類中使用S3 的類
查找隱藏的S3 方法
III 數(shù)據(jù)篇
第11 章數(shù)據(jù)的存取和編輯
在R 中輸入數(shù)據(jù)
用R 命令輸入數(shù)據(jù)
用圖形界面輸入數(shù)據(jù)
保存和讀入R 對象
用save 保存對象
從外部文件導入數(shù)據(jù)
文本文件
其他軟件
導出數(shù)據(jù)
從數(shù)據(jù)庫獲取數(shù)據(jù)
導出然后導入
數(shù)據(jù)庫連接包
RODBC
DBI
TSDBI
從Hadoop 中獲取數(shù)據(jù)
第12 章準備數(shù)據(jù)
合并數(shù)據(jù)集
粘貼數(shù)據(jù)結(jié)構
通過共同字段合并數(shù)據(jù)
數(shù)據(jù)轉(zhuǎn)換
變量重新賦值
轉(zhuǎn)換函數(shù)
對對象的每個元素進行函數(shù)運算
數(shù)據(jù)分段
shingle
Cut
利用分組變量合并對象
子集
中括號索引的方式
subset 函數(shù)
隨機抽樣
匯總函數(shù)
tapply 與aggregate
用rowsum 聚合表格
計數(shù)
數(shù)據(jù)修整
數(shù)據(jù)清洗
查找和刪除重復數(shù)據(jù)
排序
IV 可視化篇
第13 章圖形
R Graphics 概述
散點圖
時間序列
柱狀圖
餅圖
分類數(shù)據(jù)繪圖
三維數(shù)據(jù)
繪制分布圖
箱線圖
畫圖設備
自定義圖形
繪圖函數(shù)常見參數(shù)
圖形參數(shù)
基本圖形函數(shù)
第14 章Lattice 繪圖
歷史
lattice 包概述
lattice 的工作原理
例子
使用lattice 函數(shù)
定制面板函數(shù)
高級lattice 函數(shù)
單一的網(wǎng)格作圖
二元網(wǎng)格作圖
三元圖
其他圖形
定制lattice 圖
lattice 函數(shù)的常用參數(shù)
trellisskeleton
指定如何繪制坐標軸
參數(shù)
plottrellis
stripdefault
simpleKey
低級函數(shù)
低級繪圖函數(shù)
面板函數(shù)
第15 章ggplot2
一個簡短的介紹
圖形語法
一個更復雜的例子：醫(yī)保數(shù)據(jù)
快速繪圖
用ggplot2 繪圖
更多信息
V 統(tǒng)計篇
第16 章數(shù)據(jù)分析
描述性統(tǒng)計
相關系數(shù)和協(xié)方差
主成分分析
因子分析
bootstrap 重抽樣
第17 章概率分布
正態(tài)分布
常見分布的參數(shù)
分布函數(shù)族
第18 章統(tǒng)計檢驗
連續(xù)型數(shù)據(jù)
基于正態(tài)分布的檢驗
不依賴分布的檢驗
離散數(shù)據(jù)
比例檢驗
二項式檢驗
列聯(lián)表檢驗
列聯(lián)表非參數(shù)檢驗
第19 章功效檢驗
實驗設計示例
t 檢驗實驗設計
比例實驗設計
方差分析設計
第20 章回歸模型
簡單的線性模型示例
擬合模型
指定模型的工具函數(shù)
獲取模型信息
更新模型
lm 函數(shù)的詳述
最小二乘回歸的假設
穩(wěn)健回歸和阻力回歸
子集選取和Shrinkage 回歸
變量的逐步選取
嶺回歸
Lasso 和最小角回歸
彈性網(wǎng)絡
主成分回歸和偏最小二乘回歸
非線性模型
廣義線性模型
glmnet 包
非線性最小二乘
生存模型
平滑
樣條線
擬合多項式曲面
核平滑
回歸的機器學習算法
回歸樹模型
MARS 算法
神經(jīng)網(wǎng)絡
投影尋蹤回歸
廣義可加模型
支持向量機
第21 章分類模型
線性分類模型
logistic 回歸
線性判別分析
對數(shù)線性模型
機器學習分類模型
k 近鄰
分類樹模型
神經(jīng)網(wǎng)絡
支持向量機
隨機森林
第22 章機器學習
購物籃分析
聚類
距離度量
聚類算法
第23 章時間序列分析
自相關函數(shù)
時間序列模型
VI 其他主題
第24 章優(yōu)化R 程序性能
R 程序性能的測量
時間測定
性能分析
監(jiān)控內(nèi)存的使用
內(nèi)存性能分析
優(yōu)化你的R 代碼
使用向量操作
R 中查找的性能
使用數(shù)據(jù)庫查詢大數(shù)據(jù)集
內(nèi)存預分配
清理內(nèi)存
大數(shù)據(jù)集的函數(shù)
加速R 的其他方法
R 字節(jié)碼編譯器
高性能的R 版本
第25 章Bioconductor
例子
加載原始的表達數(shù)據(jù)
從GEO 讀取數(shù)據(jù)
匹配表型數(shù)據(jù)
分析表達數(shù)據(jù)
關鍵的Bioconductor 包
數(shù)據(jù)結(jié)構
eSet
AssayData
AnnotatedDataFrame
MIAME
Bioconductor 包使用的其他類
如何進一步學習
Bioconductor 之外的資源
教程
課程
相關圖書
第26 章R 和Hadoop
R 和Hadoop
Hadoop 簡介
RHadoop
Hadoop streaming
了解更多
一些其他的用R 做并行計算的包
Segue
doMC
從哪里我們可以了解更多6
參考文獻
索引