《R语言编程指南》（任坤）电子书网盘下载免费在线阅读
链接：>提取码：KXQS
书名: R语言编程指南
作者:任坤
出版社: 人民邮电出版社
译者: 王婷 / 赵孟韬 / 王泽贤
出版年: 2017-10
页数:519
内容简介
R是一个开源、跨平台的科学计算和统计分析软件包，它提供了丰富多样的统计功能和强大的数据分析功能。随着数据科学的快速发展，R已经成为数据分析领域非常流行的语言。本书通过15章内容，向读者全面讲解了R的基础知识和编程技巧。本书不仅介绍了R的安装、基本对象、工作空间管理、基本表达式、基本对象 *** 作、字符串的使用等基础内容，还对数据处理、R的内部机制、元编程、面向对象编程、数据库 *** 作、数据 *** 作进行了讲解，同时也涉及高性能计算、网页爬虫和效率提升等重要主题。
作者简介
在量化交易中使用R以及C++和C#已有4年的时间，他一直致力于开发有用的但社区尚未提供的R包（每天工作8~10小时）。他为其他作者开发的扩展包做出过很多贡献，指出其中存在的问题并给出改进建议。他也是中国R语言大会的重要嘉宾，在R会议上做过多次演讲。在众多社交媒体中，任坤也受到了广泛关注。
本书从实际应用出发，结合实例及应用场景，通过对大量案例进行详细阐述和深入分析，进而指导读者在实际工作中通过R语言对 游戏 数据进行分析和挖掘。这是一本关于数据分析实战的书籍，里面的知识、方法、理论是可以直接应用到整个互联网的。
全书一共13章，分为三篇：基础篇、实战篇和提高篇。
第一篇是基础篇（第1~4章）： 介绍了 游戏 数据分析的基本理论知识、R语言的安装与使用、R语言中的数据结构、常用 *** 作和绘图功能。
第1章主要介绍了 游戏 数据分析的必要性和流程；第2章讲解了R语言和RStudio的安装及使用方法，并对数据对象和数据导入进行了介绍；第3章介绍了R语言绘图基础，包括常用图形参数设置、低级绘图函数和高级绘图函数；第4章介绍了lattice和ggplot2绘图包，并详细介绍了一些基于R语言可用于生成交互式图形的软件包，包括rCharts、recharts、rbokeh、plotly等。
第二篇是实战篇（第5~11章）： 主要介绍了 游戏 数据的预处理、常用分析方法、玩家路径分析和用户分析。
第5章介绍了 游戏 数据预处理常用的手段，包括数据抽样、数据清洗、数据转换和数据哑变量处理；第6章介绍了 游戏 数据分析的常用方法，包括指标数据可视化、 游戏 数据趋势分析、 游戏 数据相关性分析和 游戏 数据中的降维技术；第7章介绍了事件点击行为常用的漏斗分析和路径分析；第8章介绍了留存指标的计算、留存率计算与预测、常用分类算法原理和模型评估；第9章介绍了常用用户指标计算、LTV计算与预测、用户物品购买关联分析、基于用户物品购买智能推荐和 社会 网络分析；第10章介绍了渠道数据分析的必要性和对渠道用户进行质量评级；第11章介绍了常用收入指标计算、利用用户活跃度衡量 游戏 经济状况、RFM模型研究。
第三篇是提高篇（第12~13章）： 介绍了R语言图形界面工具Rattle和Web开发框架shiny包。
第12章介绍了R语言的图形界面工具Rattle，该工具能够在图形化的界面上完成数据导入、数据 探索 、数据可视化、数据建模和模型评估整个数据挖掘流程；第13章介绍了Web开发框架shiny包，使得R的使用者不必太了解CSS、JS，只需要了解一些HTML的知识就可以快速完成Web开发。
关键词： 程序语言，程序设计
完整课程可前往UWA学堂《R语言 游戏 数据分析与挖掘》阅读。
>
《R语言与大数据编程实战》百度网盘pdf最新全集下载:
dj86
简介：本书是一本R语言入门读物，它旨在帮助读者迅速构建起与数据分析相关的知识体系，并学习如何使用R软件实现数据分析方法。
文|程瑞林（山东大学第二医院足踝外科）
来源|（微信公众号）云中瑞麟（ID：ruilinfly）
瑞麟导读：
对于计量资料，临床医学研究中常用的统计分析方法是t检验；而对于计数资料，卡方检验是一个常用的统计分析方法。
最近看到一篇文章，里面分析了骨巨细胞瘤患者术后复发的比例，其中计数资料使用卡方检验（又称χ 2 检验），下面针对卡方检验的使用方法及其R语言实现方法进行简单介绍。
卡方检验是一种用途很广的 计数资料 的假设检验方法，由卡尔·皮尔逊提出。它属于非参数检验的范畴，主要是比较两个及两个以上样本率( 构成比）以及两个分类变量的关联性分析。其根本思想就是在于比较理论频数和实际频数的吻合程度或拟合优度问题。
它在分类资料统计推断中的应用，包括：两个率或两个构成比比较的卡方检验；多个率或多个构成比比较的卡方检验以及分类资料的相关分析等。
可以分为成组比较（不配对资料）和个别比较（配对，或同一对象两种处理的比较）两类。
通常卡方检验的应用主要为：
1、 卡方拟合优度检验
2、卡方独立性检验
我们想知道喝牛奶对感冒发病率有没有影响，以下为数据统计的四格表：
通过简单的统计我们得出喝牛奶组和不喝牛奶组的感冒率为3094%和2500%，两者的差别可能是抽样误差导致，也有可能是牛奶对感冒率真的有影响。
为了确定真实原因，我们先假设喝牛奶对感冒发病率是没有影响的，即喝牛奶喝感冒时独立无关的，所以我们可以得出感冒的发病率实际是（43+28）/（43+28+96+84）= 2829%
所以，理论的四格表应该如下表所示：
即下表：
如果喝牛奶喝感冒真的是独立无关的，那么四格表里的理论值和实际值差别应该会很小。
那如何来描述这种差别呢，我们定义卡方值为
其中，A为实际值，T为理论值。
x2用于衡量实际值与理论值的差异程度（也就是卡方检验的核心思想），包含了以下两个信息：
根据卡方检验公式我们可以得出例1的卡方值为：
卡方 = (43 - 393231)平方 / 393231 + (28 - 316848)平方 / 316848 + (96 - 996769)平方 / 996769 + (84 - 803152)平方 / 803152 = 1077
卡方值（理论值与实际值差异大小）的意义是什么呢？为此我们再引入一个概念：
上一步我们得到了卡方的值，但是如何通过卡方的值来判断喝牛奶和感冒是否真的是独立无关的？也就是说，怎么知道无关性假设是否可靠？
答案是，通过查询卡方分布的临界值表。
第一行表示显著性水平α
第一列表示自由度
这里需要用到一个 自由度 的概念，自由度等于V = (行数 - 1) (列数 - 1)，对四格表，自由度V = 1。
对V = 1，喝牛奶和感冒（95%概率）不相关的卡方分布的临界值（最大）是：384。即如果卡方大于384，则认为喝牛奶和感冒（有95%的概率）相关。
瑞麟描述临界值384的意义表示：如果卡方值＞384，则纵列因素与横行因素不相关的的概念＜005（即显著性水平），也即纵列因素与横行因素相关的概念＞095。
显然1077<384，没有达到卡方分布的临界值，所以喝牛奶和感冒独立不相关的假设没有被推翻。
瑞麟 简单说，如果我们计算出的卡方值（表示实际值与理论值的差异，越大表示实际值与理论值越不符，即越有可能纵列因素会影响横行数值）大于临界值（列因素不影响横行值的范围：0~临界值），我们就排斥原假设（H0，即纵列因素不影响横行的因素的变化），接受备择假设（H1：纵列因素对横行的因素变化有影响）；反之，卡方值小于临界值，即在（纵列与横行互不影响这一假设）理论范围内，无法推翻原假设，即无统计差异。
我们想知道不吃晚饭对体重下降有没有影响，并获得以下数据：
H0：r1＝r2，不吃晚饭对体重下降没有影响，即吃不吃晚饭的体重下降率相等；
H1：r1≠r2，不吃晚饭对体重下降有显著影响，即吃不吃晚饭的体重下降率不相等。α=005
瑞麟：H0为纵列因素对横行因素无影响；H1为有影响
3计算卡方值
根据图1所示公式，计算出卡方值为5498
在查表之前应知本题自由度。按卡方检验的自由度v=（行数-1）×（列数-1），则该题的自由度v=（2-1）（2-1）=1，查卡方界值表，找到384，而本题卡方=5498即卡方＞384，P＜005，差异有显著统计学意义，按显著性水平α=005水准，拒绝H0，可以认为两组的体重下降率有明显差别。
通过实例计算，对卡方的基本公式有如下理解：若各理论数与相应实际数相差越小，卡方值越小；如两者相同，则卡方值必为零。
x2值表是数理统计根据正态分布的定义计算出来的。 是一种近似，在自由度大于1、理论数皆大于5时，这种近似很好；当自由度为1时，尤其当1＜T＜5，而n＞40时，应用以下校正公式：
如果观察资料的T＜1或n＜40时，四格表资料用上述校正法也不行，可参考预防医学专业用的医学统计学教材中的精确检验法瑞麟：Fisher检验？直接计算概率以作判断。
1一般认为行×列表中不宜有1/5以上格子的理论数小于5，或有小于1的理论数。当理论数太小可采取下列方法处理：①增加样本含量以增大理论数；②删去上述理论数太小的行和列；③将太小理论数所在行或列与性质相近的邻行邻列中的实际数合并，使重新计算的理论数增大。由于后两法可能会损失信息，损害样本的随机性，不同的合并方式有可能影响推断结论，故不宜作常规方法。另外，不能把不同性质的实际数合并，如研究血型时，不能把不同的血型资料合并。
2如检验结果拒绝检验假设，只能认为各总体率或总体构成比之间总的来说有差别，但不能说明它们彼此之间都有差别，或某两者间有差别。
R语言自带卡方检测的方法，只要调用方法chisqtest()，会自行输出X-squared卡方值, df自由度, p-value概率。
判断5种品牌啤酒的爱好者有无显著差异：
P值越大，支持原假设的证据就越强，给定显著性水平α（取005）, 当P值小于α时，就拒绝原假设。
H0：两种药物疗效相同
H1：有效率不等
为何会提示算法可能不准确呢？计算理论值：
文献1中的数据列表为
文章提及计数资料使用χ 2 检验，而数据列表中多处数据小于5，显然应该视理论值大小选择连续性修正的卡方检验或Fisher检验更合适一些。
参考文献：
1同志超，等。四肢骨巨细胞瘤的外科治疗分析。中华解剖与临床杂志，2018，23（3）
2snowdroptulip, 统计学——卡方检验和卡方分布 , CDSN博客，2017
3lijinxiu123， 卡方检验及R语言实现 ，CDSN博客，2017-3-27
4Knowlege_上下求索， 卡方检验x2检验（chi-square test） ，CSDN博客，2016-7-7
5x2yline， 统计学第七章 卡方检验R语言实现 ，，20171011
6嘉儿jy 《卡方检验中非连续性校正与连续性校正的区别！》 百度知道，2016-1-19
7薛毅、陈立萍 编著《统计建模与R软件》，清华大学出版社，2006
8qazonly123 《求助，下面几种状况SPSS交叉表分别该使用哪一种卡方分析，是Pearson卡方，还是Fisher‘s,还是连续性校正》 ，百度知道，2016-5-11
201808282046更新
R语言和Python的区别：
1、适用场景
R适用于数据分析任务需要独立计算或单个服务器的应用场景。Python作为一种粘合剂语言，在数据分析任务中需要与Web应用程序集成或者当一条统计代码需要插入到生产数据库中时，使用Python更好。
2、任务
在进行探索性统计分析时，R语言比Python更好用。它非常适合初学者，统计模型仅需几行代码即可实现。Python作为一个完整而强大的编程语言，是部署用于生产使用的算法的有力工具。
3、数据处理能力
有了大量针对专业程序员以及非专业程序员的软件包和库的支持，不管是执行统计测试还是创建机器学习模型，R语言都得心应手。
Python最初在数据分析方面不是特别擅长，但随着NumPy、Pandas以及其他扩展库的推出，它已经逐渐在数据分析领域获得了广泛的应用。
4、开发环境
对于R语言，需要使用R Studio。对于Python，有很多Python IDE可供选择，其中Spyder和IPython Notebook是最受欢迎的。
扩展资料
R语言的特点：
1、R是自由软件。这意味着它是完全免费，开放源代码的。可以在它的网站及其镜像中下载任何有关的安装程序、源代码、程序包及其源代码、文档资料。标准的安装文件身自身就带有许多模块和内嵌统计函数，安装好后可以直接实现许多常用的统计功能。
2、R是一种可编程的语言。作为一个开放的统计编程环境，语法通俗易懂，很容易学会和掌握语言的语法。而且学会之后，我们可以编制自己的函数来扩展现有的语言。
3、 所有R的函数和数据集是保存在程序包里面的。只有当一个包被载入时，它的内容才可以被访问。一些常用、基本的程序包已经被收入了标准安装文件中，随着新的统计分析方法的出现，标准安装文件中所包含的程序包也随着版本的更新而不断变化。
4、R具有很强的互动性。除了图形输出是在另外的窗口处，它的输入输出窗口都是在同一个窗口进行的，输入语法中如果出现错误会马上在窗口中得到提示，对以前输入过的命令有记忆功能，可以随时再现、编辑修改以满足用户的需要。
参考资料：
百度百科-R语言
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）