R數(shù)據(jù)科學(xué)實(shí)戰(zhàn)：工具詳解與案例分析

推薦語

前言

第一部分　工具包篇

第1章　數(shù)據(jù)導(dǎo)入工具2

1.1　utils—數(shù)據(jù)讀取基本功3

1.1.1　read.csv/csv2—逗號分隔數(shù)據(jù)讀取3

1.1.2　read.delim/delim2—特定分隔符數(shù)據(jù)讀取6

1.1.3　read.table—任意分隔符數(shù)據(jù)讀取7

1.2　readr—進(jìn)階數(shù)據(jù)讀取15

1.3　utils vs readr—你喜歡哪個(gè)？17

1.4　readxl—Excel文件讀取18

1.5　DBI—數(shù)據(jù)庫數(shù)據(jù)查詢、下載21

1.6　pdftools—PDF文件22

1.7　jsonlite—JSON文件25

1.8　foreign package統(tǒng)計(jì)軟件數(shù)據(jù)26

1.9　本章小結(jié)27

第2章　數(shù)據(jù)清理工具28

2.1　基本概念29

2.2　tibble包—數(shù)據(jù)集準(zhǔn)備31

2.2.1　為什么使用tibble32

2.2.2　創(chuàng)建tbl格式34

2.2.3　as_tibble—轉(zhuǎn)換已有格式的數(shù)據(jù)集34

2.2.4　add_row/column—實(shí)用小工具37

2.3　tidyr—數(shù)據(jù)清道夫40

2.3.1　為什么使用tidyr40

2.3.2　gather/spread—“長”“寬”數(shù)據(jù)轉(zhuǎn)換40

2.3.3　separate/unite—拆分合并列43

2.3.4　replace_na / drop_na/—默認(rèn)值處理工具44

2.3.5　fill/complete—填坑神器44

2.3.6　separate_rows/nest/unest—行數(shù)據(jù)處理45

2.4　lubridate日期時(shí)間處理47

2.4.1　為什么使用lubridate47

2.4.2　ymd/ymd_hms—年月日還是日月年？48

2.4.3　year/month/week/day/hour/minute/second—時(shí)間單位提取49

2.4.4　guess_formats/parse_date_time—時(shí)間日期格式分析49

2.5　stringr字符處理工具51

2.5.1　baseR vs stringr51

2.5.2　正則表達(dá)式基礎(chǔ)53

2.5.3　簡易正則表達(dá)式創(chuàng)建54

2.5.4　文本挖掘淺析55

第3章　數(shù)據(jù)計(jì)算工具58

3.1　baseR計(jì)算工具概覽59

3.1.1　基本數(shù)學(xué)函數(shù)59

3.1.2　基本運(yùn)算符號61

3.1.3　基本統(tǒng)計(jì)函數(shù)62

3.2　dplyr包實(shí)戰(zhàn)技巧63

3.2.1　常見實(shí)用函數(shù)中英對照 63

3.2.2　dplyr—行（Row）數(shù)據(jù)處理64

3.2.3　dplyr—列（Column）數(shù)據(jù)處理 73

3.3　文本挖掘?qū)嵅?8

第4章　基本循環(huán)—loops和*apply92

4.1　for循環(huán)93

4.1.1　基本概念93

4.1.2　基本構(gòu)建過程94

4.1.3　簡單應(yīng)用97

4.2　while循環(huán)98

4.2.1　基本概念98

4.2.2　基本構(gòu)建過程99

4.2.3　簡單應(yīng)用100

4.3　“*apply”函數(shù)家族102

4.3.1　lapply—“線性”數(shù)據(jù)迭代103

4.3.2　sapply—簡約而不簡單106

4.3.3　apply—多維數(shù)據(jù)處理利器107

4.3.4　vapply—迭代的安全模式109

4.3.5　rapply—多層列表數(shù)據(jù)處理112

4.3.6　mapply—對多個(gè)列表進(jìn)行函數(shù)運(yùn)算115

第5章　優(yōu)雅的循環(huán)—purrr包119

5.1　map函數(shù)家族120

5.1.1　map—對單一元素進(jìn)行迭代運(yùn)算120

5.1.2　map2和pmap—對兩個(gè)及以上元素進(jìn)行迭代運(yùn)算125

5.1.3　imap—變量名稱或位置迭代128

5.1.4　lmap—對列表型數(shù)據(jù)中的列表元素進(jìn)行迭代運(yùn)算130

5.1.5　invoke_map—對多個(gè)元素進(jìn)行多個(gè)函數(shù)的迭代運(yùn)算131

5.2　探測函數(shù)群134

5.2.1　detect/detect_index—尋找第一個(gè)匹配條件的值134

5.2.2　every/some—列表中是否全部或部分元素滿足條件？136

5.2.3　has_element—向量中是否存在想要的元素？137

5.2.4　head/tail_while—滿足條件之前和之后的元素138

5.2.5　keep/discard/com-pact—有條件篩選139

5.2.6　prepend—隨意插入數(shù)據(jù)141

5.3　向量操縱工具箱142

5.3.1　accumulate和reduce家族—元素累積運(yùn)算142

5.3.2　其他工具函數(shù)143

5.4　其他實(shí)用函數(shù)144

5.4.1　set_names—命名向量中的元素144

5.4.2　vec_depth—嵌套列表型數(shù)據(jù)探測器148

5.5　循環(huán)讀取、清理和計(jì)算149

第6章　data.table—超級“瑞士軍刀”152

6.1　data.table簡介152

6.2　基本函數(shù)153

6.2.1　fread—速讀153

6.2.2　DT[i, j, by]—數(shù)據(jù)處理句式基本結(jié)構(gòu)158

6.2.3　“:=”—急速修改數(shù)值162

6.2.4　fwrite—速寫，數(shù)據(jù)輸出165

6.3　進(jìn)階應(yīng)用167

6.3.1　有條件的急速行篩選168

6.3.2　列選擇的多種可能171

6.3.3　批量處理列及列的分裂與合并173

6.3.4　合并數(shù)據(jù)集176

6.3.5　“長寬”數(shù)據(jù)置換177

6.3.6　計(jì)算分析178

第二部分　案例篇

第7章　數(shù)據(jù)科學(xué)從業(yè)者調(diào)查分析182

7.1　案例背景及變量介紹182

7.2　簡單數(shù)據(jù)清洗183

7.3　數(shù)據(jù)科學(xué)從業(yè)者探索性數(shù)據(jù)分析186

7.4　封裝繪圖函數(shù)189

7.5　通過柱狀圖進(jìn)行探索性分析數(shù)據(jù)190

7.6　未來將會學(xué)習(xí)的機(jī)器學(xué)習(xí)工具193

7.7　明年將學(xué)習(xí)的機(jī)器學(xué)習(xí)方法194

第8章　共享單車租用頻次分析198

8.1　案例簡介198

8.2　數(shù)據(jù)準(zhǔn)備及描述性統(tǒng)計(jì)分析199

8.3　數(shù)據(jù)重塑201

8.4　柱狀圖在數(shù)據(jù)分析中的簡單應(yīng)用202

8.5　柱狀和扇形圖在數(shù)據(jù)分析中的運(yùn)用204

8.6　折線圖在數(shù)據(jù)分析中的運(yùn)用207

8.7　相關(guān)系數(shù)圖綜合分析209

第9章　星巴克商業(yè)案例分析211

9.1　案例背景介紹及變量介紹211

9.2　數(shù)據(jù)描述性統(tǒng)計(jì)量分析212

9.3　數(shù)據(jù)統(tǒng)計(jì)分析213

第10章　學(xué)生成績水平分析220

10.1　數(shù)據(jù)集220

10.2　探索性數(shù)據(jù)分析229

第11章　YouTube視頻觀看分析234

11.1　案例背景及相關(guān)內(nèi)容介紹234

11.2　探索性數(shù)據(jù)分析237