R数据科学实战：工具详解与案例分析

封面

版权信息

推荐语

前言

第一部分 工具包篇

第1章 数据导入工具

1.1 utils——数据读取基本功

1.2 readr——进阶数据读取

1.3 utils vs readr——你喜欢哪个？

1.4 readxl——Excel文件读取

1.5 DBI——数据库数据查询、下载

1.6 pdftools——PDF文件

1.7 jsonlite——JSON文件

1.8 foreign package统计软件数据

1.9 本章小结

第2章 数据清理工具

2.1 基本概念

2.2 tibble包——数据集准备

2.3 tidyr——数据清道夫

2.4 lubridate日期时间处理

2.5 stringr字符处理工具

第3章 数据计算工具

3.1 baseR计算工具概览

3.2 dplyr包实战技巧

3.3 文本挖掘实操

第4章 基本循环——loops和*apply

4.1 for循环

4.2 while循环

4.3 “*apply”函数家族

第5章 优雅的循环——purrr包

5.1 map函数家族

5.2 探测函数群

5.3 向量操纵工具箱

5.4 其他实用函数

5.5 循环读取、清理和计算

第6章 data.table——超级“瑞士军刀”

6.1 data.table简介

6.2 基本函数

6.3 进阶应用

第二部分 案例篇

第7章 数据科学从业者调查初稿

7.1 案例背景及变量介绍

7.2 简单数据清洗

7.3 数据科学从业者探索性数据分析

7.4 封装绘图函数

7.5 通过柱状图进行探索性分析数据

7.6 未来将会学习的机器学习工具

7.7 明年将学习的机器学习方法

第8章 共享单车租用频次分析

8.1 案例简介

8.2 数据准备及描述性统计分析

8.3 数据重塑

8.4 柱状图在数据分析中的简单应用

8.5 柱状和扇形图在数据分析中的运用

8.6 折线图在数据分析中的运用

8.7 相关系数图综合分析

第9章 星巴克商业案例分析

9.1 案例背景介绍及变量介绍

9.2 数据描述性统计量分析

9.3 数据统计分析

第10章 学生成绩水平分析

10.1 数据集

10.2 探索性数据分析

第11章 YouTube视频观看分析

11.1 案例背景及相关内容介绍