R语言数据高效处理指南

第1 部分 基础知识...................1
第1 章 数据处理总论.......................... 2
1.1　数据处理的定义 ....................2
1.2　数据处理的意义 ...................3
1.3　数据处理基本工具 ..................3
第2 章 R 语言编程基础.................. 6
2.1　下载安装 ...................6
2.2　包的使用 ..................7
2.3　数据类型 .........................8
2.4　数据结构 ........................10
2.5　程序控制 ........................15
2.6　函数式编程 ....................17
第3 章 数据处理基本范式....................... 19
第2 部分 快速入门...................24
第4 章 base-r：基本数据处理................. 25
4.1　数据集及其基本探索 .....................25
4.2　基本范式实现 ................27
4.2.1　创建（read.csv/data.frame） ................................27
4.2.2　删除（rm） .........................28
4.2.3　检索（DF[i,j]） ...................28
4.2.4　插入（rbind/cbind） ........................31
4.2.5　排序（order） .....................33
4.2.6　过滤（DF[condition,]） ...................35
4.2.7　汇总（apply） .....................36
4.2.8　分组（aggregate） ...........................36
4.2.9　连接（merge） ....................37
第5 章 tidyverse 生态系统：简洁高效数据处理.................... 40
5.1　tidyverse 生态系统简介 ........................40
5.2　基本范式实现 ............................41
5.2.1　包的加载（p_load） ........................41
5.2.2　创建（read_csv/tibble） ..................42
5.2.3　删除（rm） .........................45
5.2.4　检索（select/slice） .........................46
5.2.5　插入（add/bind） ................50
5.2.6　排序（arrange） ..................54
5.2.7　过滤（filter） ......................56
5.2.8　汇总（summarise） .........................59
5.2.9　分组（group_by） ...........................61
5.2.10 连接（join） .....................63
5.3　高级处理工具 ................67
5.3.1 长宽数据变换（gather/spread） ..........................68
5.3.2　集合运算（intersect/union/setdiff） .....................70
5.3.3　窗口函数（rank/lead/lag/cum） ...........................74
5.3.4　连接数据库：对SQL 的支持（dbplyr） .........................81
5.3.5　巧妙写函数：变量的引用 ...............85
第3 部分 高级进阶...................93
第6 章 data.table：高速数据处理............... 94
6.1　data.table 简介 ...............94
6.2　基本范式实现 ................96
6.3　高级特性探索 ............................... 116
第7 章 sparklyr: 分布式数据处理.................................. 128
7.1　连接R 与Spark：sparklyr 包简介 ...............................128
7.2　基本操作指南 ...............................130
7.3　存储机制简介 ...............................135
7.4　分布式计算 ..................136
第4 部分 实战应用................. 139
第8 章 航班飞行数据演练..................... 140
8.1　nycflights13 数据集探索 ...........................140
8.2　flights14 数据集探索 ....................148
第9 章 测试..................... 155
第10 章 实用数据处理技巧..................... 157
10.1　数据存取 ....................157
10.1.1　令人头疼的编码格式（encoding） ..............................157
10.1.2　读写性能竞速赛（fst/feather & data.table/readr） ....................158
10.1.3　数据存取转换的瑞士军刀（rio） ...................162
10.2　并行计算（doParallel） .........................164
10.3　混合编程 ....................168
第11 章 实战案例：网络爬虫与文本挖掘............................. 173
11.1　网络爬取（rvest） .....................174
11.2　文本挖掘（tidytext）.................177
第12 章 实战案例：数据塑型与可视化（ggplot2）.....................180
12.1　数据准备 ....................181
12.2　柱状图（geom_bar） .................182
12.3　折线图（geom_line） ................183
12.4　饼图（ggpie） ............................184
12.5　一行代码实现一页多图（gridExtra） .......................186
第13 章 实战案例：机器学习.................. 193
13.1　机器学习概述 .............................193
13.2　为什么要做机器学习 .................193
13.3　如何入门机器学习 .....................194
13.4　数据处理与机器学习 .................195
13.5　案例分析：信贷风险预测模型构建 ...........................195
致谢..............................204