R数据科学实战:工具详解与案例分析 pdf下载

●目    录推荐语前言第一部分  工具包篇第1章  数据导入工具21.1  utils—数据读取基本功31.1.1  read.csv/csv2—逗号分隔数据读取31.1.2  read.delim/delim2—特定分隔符数据读取61.1.3  read.table—任意分隔符数据读取71.2  readr—进阶数据读取151.3  utils vs readr—你喜欢哪个？171.4  readxl—Excel文件读取181.5  DBI—数据库数据查询、下载211.6  pdftools—PDF文件221.7  jsonlite—JSON文件251.8  foreign package统计软件数据261.9  本章小结27第2章  数据清理工具282.1  基本概念292.2  tibble包—数据集准备312.2.1  为什么使用tibble322.2.2  创建tbl格式342.2.3  as_tibble—转换已有格式的数据集342.2.4  add_row/column—实用小工具372.3  tidyr—数据清道夫402.3.1  为什么使用tidyr402.3.2  gather/spread—“长”“宽”数据转换402.3.3  separate/unite—拆分合并列432.3.4  replace_na / drop_na/—默认值处理工具442.3.5  fill/complete—填坑利器442.3.6  separate_rows/nest/unest—行数据处理452.4  lubridate日期时间处理472.4.1  为什么使用lubridate472.4.2  ymd/ymd_hms—年月日还是日月年？482.4.3  year/month/week/day/hour/minute/second—时间单位提取492.4.4  guess_formats/parse_date_time—时间日期格式分析492.5  stringr字符处理工具512.5.1  baseR vs stringr512.5.2  正则表达式基础532.5.3  简易正则表达式创建542.5.4  文本挖掘浅析55第3章  数据计算工具583.1  baseR计算工具概览593.1.1  基本数学函数593.1.2  基本运算符号613.1.3  基本统计函数623.2  dplyr包实战技巧633.2.1  常见实用函数中英对照 633.2.2  dplyr—行（Row）数据处理643.2.3  dplyr—列（Column）数据处理 733.3  文本挖掘实操88第4章  基本循环—loops和*apply924.1  for循环934.1.1  基本概念934.1.2  基本构建过程944.1.3  简单应用974.2  while循环984.2.1  基本概念984.2.2  基本构建过程994.2.3  简单应用1004.3  “*apply”函数家族1024.3.1  lapply—“线性”数据迭代1034.3.2  sapply—简约而不简单1064.3.3  apply—多维数据处理利器1074.3.4  vapply—迭代的安全模式1094.3.5  rapply—多层列表数据处理1124.3.6  mapply—对多个列表进行函数运算115第5章  优雅的循环—purrr包1195.1  map函数家族1205.1.1  map—对单一元素进行迭代运算1205.1.2  map2和pmap—对两个及以上元素进行迭代运算1255.1.3  imap—变量名称或位置迭代1285.1.4  lmap—对列表型数据中的列表元素进行迭代运算1305.1.5  invoke_map—对多个元素进行多个函数的迭代运算1315.2  探测函数群1345.2.1  detect/detect_index—寻找第一个匹配条件的值1345.2.2  every/some—列表中是否全部或部分元素满足条件？1365.2.3  has_element—向量中是否存在想要的元素？1375.2.4  head/tail_while—满足条件之前和之后的元素1385.2.5  keep/discard/com-pact—有条件筛选1395.2.6  prepend—随意插入数据1415.3  向量操纵工具箱1425.3.1  accumulate和reduce家族—元素累积运算1425.3.2  其他工具函数1435.4  其他实用函数1445.4.1  set_names—命名向量中的元素1445.4.2  vec_depth—嵌套列表型数据探测器1485.5  循环读取、清理和计算149第6章  data.table—超级“瑞士军刀”1526.1  data.table简介1526.2  基本函数1536.2.1  fread—速读1536.2.2  DT[i, j, by]—数据处理句式基本结构1586.2.3  “:=”—急速修改数值1626.2.4  fwrite—速写，数据输出1656.3  进阶应用1676.3.1  有条件的急速行筛选1686.3.2  列选择的多种可能1716.3.3  批量处理列及列的分裂与合并1736.3.4  合并数据集1766.3.5  “长宽”数据置换1776.3.6  计算分析178第二部分  案例篇第7章  数据科学从业者调查分析1827.1  案例背景及变量介绍1827.2  简单数据清洗1837.3  数据科学从业者探索性数据分析1867.4  封装绘图函数1897.5  通过柱状图进行探索性分析数据1907.6  未来将会学习的机器学习工具1937.7  明年将学习的机器学习方法194第8章  共享单车租用频次分析1988.1  案例简介1988.2  数据准备及描述性统计分析1998.3  数据重塑2018.4  柱状图在数据分析中的简单应用2028.5  柱状和扇形图在数据分析中的运用2048.6  折线图在数据分析中的运用2078.7  相关系数图综合分析209第9章  星巴克商业案例分析2119.1  案例背景介绍及变量介绍2119.2  数据描述性统计量分析2129.3  数据统计分析213第10章  学生成绩水平分析22010.1  数据集22010.2  探索性数据分析229第11章  YouTube视频观看分析23411.1  案例背景及相关内容介绍23411.2  探索性数据分析237