编辑推荐

如果你打算用R进行统计计算和数据可视化，本书就是关于使用开源R语言（软件环境）快速解决上述问题的实用指导教程。通过本书，你将学会如何编写R函数以及借助R包进行数据预处理、可视化以及数据分析。作者用取自制医学、商业和体育领域的丰富案例对上述问题进行了讲解。
　　 √ 多达数百个实例的R教程，快速入门R语言
　　 √ 探索R语言的语法、对象和其他语言细节
　　 √ 在网站上可找到包括Bioconductor在内的数千个用户共享的R包
　　 √ 学习如何用R完成数据分析预处理
　　 √ 基于R graphics、lattice和ggplot2包 进行数据可视化
　　 √ 使用R语言计算概率分布、统计检验以及拟合模型
　　 √ 基于Hadoop并行编程提升大规模运算的效率
　　 √ 学习R语言的完整参考手册
　　 第二版的内容依据R 2.14和R 2.15进 行了更新，并新增了R高性能计算、基于ggplot2的数据可视化和利用Hadoop做并行运算等章节。
　　

内容简介

　　R 是一款优秀的开源统计应用语言，它直观、易用、低成本，而且还有庞大的社区支持，随着数据挖掘技术的兴起，R 语言得到了广泛的应用。本书介绍从安装R 软件到基本语法以及应用的全过程，可以帮助你全面地学习和使用R。《R语言核心技术手册（第2版）》共6部分，26 章，基本涵盖了R 语言的所有功能，而且提供了大量的实例说明运用R 语言绘图、分析数据以及拟合统计模型的过程。书中虽然涉及很多统计学理论和知识，但并不是本书的重点。
　　《R语言核心技术手册（第2版）》增加了一些处理数据的新章节，将绘图章节集中放在“可视化篇”，同时针对R 的版本变化做了一些升级。

作者简介

　　刘思喆，中国人民大学统计学院科班出身，国内资深R领域专家，拥有10年R语言使用经验，中国R语言会议联合发起人。《153分钟学会R》作者，《Rreferencecard》译者。“统计之都”理事会成员，R语言版版主；电信、互联网、彩票行业资深数据挖掘专家。CSDN大数据技术论坛、DATAWorldForum、中国人民大学数据挖掘中心特邀讲师。

内页插图

精彩书评

　　R是一种免费且功能强大的语言，但不易入门。本书是学习R语言的不二之选，是每个数据科学家必备的案头参考书。
　　——DJPatil
　　Greylock公司房产领域数据科学家

　　R迅速蹿红为数据分析的通用语言，本书堪称是学习R语言的入门书籍。它涵盖了包括数据可视化、时间序列分析等在内的数据科学能包罗的所有领域。
　　——AnthonyGoldbloom
　　Kaggle公司创始人兼CEO

目录

前言 xvi
I 基础篇
第1 章获取和安装R
R 版本
R 的安装
Windows
Mac OS X
Linux 和UNIX 系统
第2 章R 的用户界面
R 的图形用户界面
Windows
Mac OS X
Linux 和UNIX 程序
R 控制台
命令行编辑
批处理模式
在Excel 中使用R
RStudio
其他运行R 的方式
第3 章简短的示例
基本操作
函数
变量
数据结构简介
对象和类
模型和公式
图表
获得帮助
第4 章R 包
R 包概览
列示本地库中的R 包
加载R 包
在Windows 和Linux 系统下加载R 包
在Mac OS X 系统下加载R 包
搜索R 包资源库
探索网络上的R 包资源库
基于R 界面搜寻和安装包
从其他资源库安装R 包
定制R 包
创建包目录
创建R 包
II 语言篇
第5 章R 语言概览
表达式
对象
符号
函数
在赋值语句中，对象会被复制
R 中一切皆为对象
特殊值
NA
Inf 和-Inf
NaN
NULL
强制转换
R 解释器
观察R 是如何工作的
第6 章R 语法
常量
数值向量
字符向量
符号
运算符
运算顺序
赋值操作
表达式
分离型表达式
括号
花括号
控制结构
条件语句
循环
访问数据结构
数据结构操作符
通过整数向量引用
通过逻辑向量引用
通过名字进行引用
R 编程标准
第7 章R 对象
基本对象类型
向量
列表
其他对象
矩阵
数组
因子
数据框
公式
时间序列
Shingle 对象
日期和时间对象
连接对象
属性
类
第8 章符号和环境
符号
环境
全局环境
环境和函数
调用堆栈
在不同的环境中对函数求值
向环境中添加对象
异常
提示错误
捕获错误
第9 章函数
函数的关键字
参数
返回值
函数参数
匿名函数
函数的属性
参数顺序和具名实参
副作用
改变其他环境
输入/输出
图形
第10 章面向对象编程
R 的面向对象编程概览
核心概念
实现的例子
R 的面向对象编程：S4
类的定义
对象的新建
槽的存取
对象的操作
创建强制转换方法
方法
方法的管理
基本类型
更多的帮助
守旧派的OOP：S3
S3 的类
S3 方法
在S4 的类中使用S3 的类
查找隐藏的S3 方法
III 数据篇
第11 章数据的存取和编辑
在R 中输入数据
用R 命令输入数据
用图形界面输入数据
保存和读入R 对象
用save 保存对象
从外部文件导入数据
文本文件
其他软件
导出数据
从数据库获取数据
导出然后导入
数据库连接包
RODBC
DBI
TSDBI
从Hadoop 中获取数据
第12 章准备数据
合并数据集
粘贴数据结构
通过共同字段合并数据
数据转换
变量重新赋值
转换函数
对对象的每个元素进行函数运算
数据分段
shingle
Cut
利用分组变量合并对象
子集
中括号索引的方式
subset 函数
随机抽样
汇总函数
tapply 与aggregate
用rowsum 聚合表格
计数
数据修整
数据清洗
查找和删除重复数据
排序
IV 可视化篇
第13 章图形
R Graphics 概述
散点图
时间序列
柱状图
饼图
分类数据绘图
三维数据
绘制分布图
箱线图
画图设备
自定义图形
绘图函数常见参数
图形参数
基本图形函数
第14 章Lattice 绘图
历史
lattice 包概述
lattice 的工作原理
例子
使用lattice 函数
定制面板函数
高级lattice 函数
单一的网格作图
二元网格作图
三元图
其他图形
定制lattice 图
lattice 函数的常用参数
trellisskeleton
指定如何绘制坐标轴
参数
plottrellis
stripdefault
simpleKey
低级函数
低级绘图函数
面板函数
第15 章ggplot2
一个简短的介绍
图形语法
一个更复杂的例子：医保数据
快速绘图
用ggplot2 绘图
更多信息
V 统计篇
第16 章数据分析
描述性统计
相关系数和协方差
主成分分析
因子分析
bootstrap 重抽样
第17 章概率分布
正态分布
常见分布的参数
分布函数族
第18 章统计检验
连续型数据
基于正态分布的检验
不依赖分布的检验
离散数据
比例检验
二项式检验
列联表检验
列联表非参数检验
第19 章功效检验
实验设计示例
t 检验实验设计
比例实验设计
方差分析设计
第20 章回归模型
简单的线性模型示例
拟合模型
指定模型的工具函数
获取模型信息
更新模型
lm 函数的详述
最小二乘回归的假设
稳健回归和阻力回归
子集选取和Shrinkage 回归
变量的逐步选取
岭回归
Lasso 和最小角回归
弹性网络
主成分回归和偏最小二乘回归
非线性模型
广义线性模型
glmnet 包
非线性最小二乘
生存模型
平滑
样条线
拟合多项式曲面
核平滑
回归的机器学习算法
回归树模型
MARS 算法
神经网络
投影寻踪回归
广义可加模型
支持向量机
第21 章分类模型
线性分类模型
logistic 回归
线性判别分析
对数线性模型
机器学习分类模型
k 近邻
分类树模型
神经网络
支持向量机
随机森林
第22 章机器学习
购物篮分析
聚类
距离度量
聚类算法
第23 章时间序列分析
自相关函数
时间序列模型
VI 其他主题
第24 章优化R 程序性能
R 程序性能的测量
时间测定
性能分析
监控内存的使用
内存性能分析
优化你的R 代码
使用向量操作
R 中查找的性能
使用数据库查询大数据集
内存预分配
清理内存
大数据集的函数
加速R 的其他方法
R 字节码编译器
高性能的R 版本
第25 章Bioconductor
例子
加载原始的表达数据
从GEO 读取数据
匹配表型数据
分析表达数据
关键的Bioconductor 包
数据结构
eSet
AssayData
AnnotatedDataFrame
MIAME
Bioconductor 包使用的其他类
如何进一步学习
Bioconductor 之外的资源
教程
课程
相关图书
第26 章R 和Hadoop
R 和Hadoop
Hadoop 简介
RHadoop
Hadoop streaming
了解更多
一些其他的用R 做并行计算的包
Segue
doMC
从哪里我们可以了解更多6
参考文献
索引

精彩书摘

　　从我首次接触R 算起来，已经有10 年的光景。那时我还是DoubleClick 公司一名年轻的产品研发经理，我们公司出售用于管理网络广告销售的软件，而我当时主要负责库存预测，根据给定的搜索词、网页或者人口特征来估计广告的点击次数。我想自己独立地分析数据，但是我们买不起SAS 或者MATLAB 这样昂贵的软件。我尝试着去寻找一个开源的统计软件包，很快R 进入了我的视野。相比现在，那时的R 还是有些稚嫩，很多的功能（如统计函数、绚丽的绘图）都还不具备。但是，它很直观、易用，我入迷了。从那时起，我一直利用R 来处理各种各样的问题：估计信贷风险，分析棒球比赛统计数据，或者寻找互联网安全威胁的来源。从数据中我学习到了很多，并慢慢成长为一名经验丰富的数据分析师。
　　在过去的10 年中，R 同样也成熟了许多。如今世界上最大的科技公司（包括谷歌、微软和Facebook），最大的制药公司（包括强生、默克和辉瑞）以及其他数以百计的公司都在使用R。同时，它也被世界各地大学的统计专业的学生，以及乐于尝试新技术和算法的统计研究人员所使用。
　　为什么写这本书
　　这本书可以看作R 的一个简明指南，它并不是关于统计的书，也不是关于R 的大全书。在本书中，我尽力列出R 可以完成的所有事情，并且用实例来说明其处理过程。这本书可以用作一本很好的随身参考书。
　　写这本书是因为我喜欢R。R 是有趣而直观的，这是其他解决方案都没有的特点。只需要几行R 代码就能够完成Excel 几个小时的工作，同样，几行的R 代码还能够完成几页Java 代码做的事情。市面上有很多优秀的R 语言方面的书籍，但是我找不到一本不太贵而且能全面讲述R 的书。希望这本可以帮助你来学习和使用R。
　　什么时候使用R
　　我认为R 是一款强大的软件，但是它不一定是解决所有问题最好的工具。显然，用R 来写一个视频游戏是可笑的。甚至对于与数据相关的问题，它也不见得就是最好的工具。
　　R 擅长绘图、分析数据以及利用数据来拟合统计模型。它并不擅长存储复杂的数据结构，也不擅长高效地查询数据，或者处理超过内存能力的数据。通常情况下，在使用R 前，我使用Perl、Python 或者Ruby 等脚本语言来预处理大文件（如果文件很大，我就会使用Pig）。R 也可以逐行读取文件以及正则表达式来处理这些问题，但是它的效率略差。对于大数据，我通常使用Hadoop，有时候我也使用一些数据库，如MySQL、PostgreSQL、SQLite或者Oracle（如果有人愿意为我提供正版Oracel 的话）。
　　第2 版有什么新内容
　　这个第2 版并不是对第1 版的重写。但是我从很多方面改善了这本书的内容，包括：
　　增加了关于ggplot2，以及在Hadoop 中使用R 的新章节。
　　对代码的版式及样式做了修改，更便于阅读。
　　对章节顺序做了微调，把介绍绘图的几个章节放在了一起。
　　针对R 2.14 到R 2.15 的版本变化，做了一些细微的升级。
　　增加了一些处理数据的新章节，比如plyr 和reshape。
　　修正了一些错误。
　　R 许可条款
　　R 是一个开源软件包，在GNU 通用公共许可下授权。注1这意味着，你可以在所有的台式机和服务器上免费安装R 软件（同类的商业软件包售价上百或者上千美元）。如果R 无法替代商业软件包的功能，它可能没有什么吸引力。不过，我认为R 在许多方面都优于那些商业软件。
　　扩展性
　　在R 中，你可以找到数百（甚至上千）的统计和数据分析的算法实现。没有哪一个商业软件包能像它这样通过CRAN（Comprehensive R Archive Network）提供这么多功能。
　　社区
　　目前世界范围内有数以十万计（也可能是百万计）的R 用户。使用R，能保证你和同事使用的是相同的软件。
　　性能
　　R 的性能可以媲美甚至优于大多数的商业分析软件包。R 需要你在预处理时，把数据集加载到内存中。如果你有足够的内存来处理数据，R的执行非常快。幸运的是，内存很便宜。购买一个32 GB的服务器内存比买一个桌面版的商业统计软件包要便宜得多。
　　例子
　　本书提供了许多实用的R 代码。我有意新增了一些例子，而并未全部使用R 自带的数据集。并不是说R 自带的实例不够好，它们都不错，只是我希望能为读者们提供更多的实例。它们都比较短小而且简单，也并未提供全部的源代码下载。但是我把实例所用到的数据和稍长一些的实例代码放在nutshell R 包中了，可以通过CRAN 得到。要加载nutshell 包，可以通过在R 控制台输入下面的命令：
　　> install.packages（”“nutshell”“）
　　注1 关于GPL 授权的软件，以及GPL 对于公司用户的含义，目前还存在一些争议。有些用户担心他们编写的R 代码会受GPL 的限制，如果你不打算为R 编写扩展包，就不需要担心这一点。R 是一种解释器，不能仅仅因为某个程序使用了基于GPL 的解释器而这个程序就适用GPL。
　　如果你打算为R 编写扩展包，它们可能会受GPL 的限制。更多信息可参阅： http：//www.gnu.org/licenses/gplfaq。如果你想得到确切的答案，可咨询律师。
　　本书的结构
　　我将本书分为6 个部分：
　　？ I“基础篇”介绍关于安装和运行R 的基础知识。如果你是R 新用户，它旨在帮助你运行R，以及帮助你了解R 的功能。
　　？ II“语言篇”介绍第1 部分中没有涵盖的内容，详细介绍R 语言。
　　？ III“数据篇”包括使用R 进行数据预处理：加载数据、数据变换和汇总数据。
　　？ IV“可视化篇”介绍如何使用R 绘图。
　　？ V“统计篇”介绍用R 进行统计检验和建模。
　　？ VI“其他主题”包含一些不太常见的主题，如R 程序调优，编写并行的R 程序，以及Bioconductor 基础知识。
　　如果你是一个R 的新用户，可以从第3章开始学习安装R，然后阅读第5章学习一些R 语言的规则。如果你使用R 来绘图，统计检验或者统计建模，可自行选择合适的章节来阅读。不要跳过每章的头几节，因为通常这些节都提供对所有相关的函数的概述（如，在阅读第471页的“回归的随机森林算法”一节之前，要先阅读第422页的“简单的线性模型示例”一节）。
　　本书的一些约定
　　本书中的字体遵循如下约定：
　　斜体（Italic）
　　表示新术语、网址、电子邮件地址、文件名和文件扩展名。
　　等宽体（Constant width）
　　表示程序清单，以及正文中引用的程序元素，如变量名或函数名、数据库、数据类型、环境变量、语句和关键字。（在R 的控制台显示输入和输出时，我用等宽体文本显示提示符以及R 解释器生成的其他信息。）
　　等宽粗体（Constant width bold）
　　表示应该由用户自行输入的命令或其他文本。（在R 的控制台显示输入和输出时，我用等宽粗体显示我输入的内容，包括注释。）
　　等宽斜体（Constant width italic）
　　表示应该用用户提供的值替换或由上下文确定的值。
　　代表此处是一个小技巧、建议或者一般性提示。
　　代表此处是一个警告或注意事项。
　　在本书中，有时显示的是我在自己机器的操作系统中输入的命令（如Linux的bash shell），有时显示的是我在R 控制台中输入的命令。对于前者，在书中用$ 代表命令提示符，而对于后者，用> 或+ 代表提示符。（不管哪种情况，都无须输入这些提示符。）
　　使用代码示例
　　本书旨在帮助你完成你的工作。总的来说，可以在程序和文档中使用本书的代码。如果你使用了本书大部分的代码，那么就需要联系我们获得许可。
　　……

前言/序言

书不错，买了很多，以后慢慢看

才刚买就降价了。out了

很好啊

包装破了！书后面磨掉一条。。。。

不错不错，值得一看，书不错，天天学习。

学习R语言，介绍得不错，需要好好学习拜读。

3、这种书就是入门级，定价70算滥竽充数，定价20还可以考虑；

哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈

比较经典的一本书。还没看呢