R数据科学实战：工具详解与案例分析

　　这是一部能指导零基础的读者快速掌握R语言并利用R语言进入数据科学领域的著作。两位作者在R语言和数据科学领域有丰富的实践经验，首先是非常有针对性地讲解了利用R语言进行数据处理需要掌握和使用的6大类17种工具，然后是结合这些工具的使用给出了5个典型的综合性案例，帮助读者迅速将理论与实践融会贯通。全书一共11章，逻辑上分为两大部分：第一部分 R语言工具箱（第1-6章）首先从数据导入、数据清洗、数据计算、循环和迭代等几个方面详细讲解了R语言中相关的各种常用的工具，然后深入地讲解了R语言中的“超级瑞士军刀”data.table包。掌握这部分内容，能满足R语言数据处理中的基本需求。第二部分 数据科学实战案例（第7-11章）第7章首先对数据科学从业者的现状和未来应该掌握的技术和工具进行了介绍；第8-11章通过4个综合性的案例讲解了使用R语言进行数据处理和分析的一整套流程和方法，与第一部分的内容融会贯通。

　　刘健资深R语言技术专家，数据科学工程师。在新西兰皇家植物与食品研究院工作，参与一项国际和两项国家的级别研究项目，使用R语言开发完成气象数据自动提取和模型文件自动化工具。由此参与编写《Landscape Modelling and Decision Support》（在审）一书；独立开发完成R语言程序包一个。该程序包主要针对模型软件APSIMX的输出数据进行整合及可视化；气象数据自动化报告系统。使用R语言对新西兰不同地区的气象数据进行自动获取、归集和可视化报告。科研上，作为作者发表期刊一篇，作者撰写科研报告两篇；作为R语言技术专家合作撰写期刊一篇，合作撰写科研报告16篇。邬书豪资深R语言用户和数据分析工程师，是数据科学领域10万粉丝的知名公众号人工智能爱好者社区的负责人，公众号文章阅读量破百万。喜欢用SQL、R和Python解决工作中的数据科学问题，致力于成为一名有深度行业实践经验积累的数据科学家。在天善智能社区开设有R语言视频课程《kaggle十大案例精讲课程》。个人公众号：人工智能爱好者社区 。读者可加作者微信号：wshinvest1，进入本书专属读者答疑群。

推荐语

前言

第一部分　工具包篇

第1章　数据导入工具2

1.1　utils—数据读取基本功3

1.1.1　read.csv/csv2—逗号分隔数据读取3

1.1.2　read.delim/delim2—特定分隔符数据读取6

1.1.3　read.table—任意分隔符数据读取7

1.2　readr—进阶数据读取15

1.3　utils vs readr—你喜欢哪个？17

1.4　readxl—Excel文件读取18

1.5　DBI—数据库数据查询、下载21

1.6　pdftools—PDF文件22

1.7　jsonlite—JSON文件25

1.8　foreign package统计软件数据26

1.9　本章小结27

第2章　数据清理工具28

2.1　基本概念29

2.2　tibble包—数据集准备31

2.2.1　为什么使用tibble32

2.2.2　创建tbl格式34

2.2.3　as_tibble—转换已有格式的数据集34

2.2.4　add_row/column—实用小工具37

2.3　tidyr—数据清道夫40

2.3.1　为什么使用tidyr40

2.3.2　gather/spread—“长”“宽”数据转换40

2.3.3　separate/unite—拆分合并列43

2.3.4　replace_na / drop_na/—默认值处理工具44

2.3.5　fill/complete—填坑神器44

2.3.6　separate_rows/nest/unest—行数据处理45

2.4　lubridate日期时间处理47

2.4.1　为什么使用lubridate47

2.4.2　ymd/ymd_hms—年月日还是日月年？48

2.4.3　year/month/week/day/hour/minute/second—时间单位提取49

2.4.4　guess_formats/parse_date_time—时间日期格式分析49

2.5　stringr字符处理工具51

2.5.1　baseR vs stringr51

2.5.2　正则表达式基础53

2.5.3　简易正则表达式创建54

2.5.4　文本挖掘浅析55

第3章　数据计算工具58

3.1　baseR计算工具概览59

3.1.1　基本数学函数59

3.1.2　基本运算符号61

3.1.3　基本统计函数62

3.2　dplyr包实战技巧63

3.2.1　常见实用函数中英对照 63

3.2.2　dplyr—行（Row）数据处理64

3.2.3　dplyr—列（Column）数据处理 73

3.3　文本挖掘实操88

第4章　基本循环—loops和*apply92

4.1　for循环93

4.1.1　基本概念93

4.1.2　基本构建过程94

4.1.3　简单应用97

4.2　while循环98

4.2.1　基本概念98

4.2.2　基本构建过程99

4.2.3　简单应用100

4.3　“*apply”函数家族102

4.3.1　lapply—“线性”数据迭代103

4.3.2　sapply—简约而不简单106

4.3.3　apply—多维数据处理利器107

4.3.4　vapply—迭代的安全模式109

4.3.5　rapply—多层列表数据处理112

4.3.6　mapply—对多个列表进行函数运算115

第5章　优雅的循环—purrr包119

5.1　map函数家族120

5.1.1　map—对单一元素进行迭代运算120

5.1.2　map2和pmap—对两个及以上元素进行迭代运算125

5.1.3　imap—变量名称或位置迭代128

5.1.4　lmap—对列表型数据中的列表元素进行迭代运算130

5.1.5　invoke_map—对多个元素进行多个函数的迭代运算131

5.2　探测函数群134

5.2.1　detect/detect_index—寻找第一个匹配条件的值134

5.2.2　every/some—列表中是否全部或部分元素满足条件？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—满足条件之前和之后的元素138

5.2.5　keep/discard/com-pact—有条件筛选139

5.2.6　prepend—随意插入数据141

5.3　向量操纵工具箱142

5.3.1　accumulate和reduce家族—元素累积运算142

5.3.2　其他工具函数143

5.4　其他实用函数144

5.4.1　set_names—命名向量中的元素144

5.4.2　vec_depth—嵌套列表型数据探测器148

5.5　循环读取、清理和计算149

第6章　data.table—超级“瑞士军刀”152

6.1　data.table简介152

6.2　基本函数153

6.2.1　fread—速读153

6.2.2　DT[i, j, by]—数据处理句式基本结构158

6.2.3　“:=”—急速修改数值162

6.2.4　fwrite—速写，数据输出165

6.3　进阶应用167

6.3.1　有条件的急速行筛选168

6.3.2　列选择的多种可能171

6.3.3　批量处理列及列的分裂与合并173

6.3.4　合并数据集176

6.3.5　“长宽”数据置换177

6.3.6　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182

7.1　案例背景及变量介绍182

7.2　简单数据清洗183

7.3　数据科学从业者探索性数据分析186

7.4　封装绘图函数189

7.5　通过柱状图进行探索性分析数据190

7.6　未来将会学习的机器学习工具193

7.7　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198

8.1　案例简介198

8.2　数据准备及描述性统计分析199

8.3　数据重塑201

8.4　柱状图在数据分析中的简单应用202

8.5　柱状和扇形图在数据分析中的运用204

8.6　折线图在数据分析中的运用207

8.7　相关系数图综合分析209

第9章　星巴克商业案例分析211

9.1　案例背景介绍及变量介绍211

9.2　数据描述性统计量分析212

9.3　数据统计分析213

第10章　学生成绩水平分析220

10.1　数据集220

10.2　探索性数据分析229

第11章　YouTube视频观看分析234

11.1　案例背景及相关内容介绍234

11.2　探索性数据分析237