内容推荐
大数据时代,数据成为决策最为重要的参考之一,数据分析行业迈入了一个全新的阶段。R是一款非常优秀的统计分析软件,《数据分析:R语言实战》侧重于使用R进行数据的处理、整理和分析,重点讲述了R的数据分析流程、算法包的使用以及相关工具的应用,同时结合大量精选的数据分析问题对R软件进行科学、准确和全面的介绍,以便使读者能深刻理解R的精髓和灵活、高效的使用技巧。
通过《数据分析:R语言实战》,读者不仅能掌握使用R及相关的算法包来快速解决实际问题,而且能学会从实际问题分析入手,到利用R进行求解,以及对结果进行分析。
《数据分析:R语言实战》可作为计算机、互联网、机器学习、信息、数学、经济金融、管理、运筹、统计以及有关理工科专业的本科生、研究生的学习用书,也能帮助市场营销、金融、财务、人力资源管理人员及产品经理解决实际问题,还能帮助从事咨询、研究、分析行业的人士及各级管理人员提高专业水平。
目录
第0章 致敬,R! 1
致敬,肩膀! 1
致敬,时代! 3
致敬,人才! 3
致敬,R瑟! 5
上篇 数据分析的前期准备
第1章 数据分析导引 8
1.1 数据分析概述 8
1.1.1 数据分析的原则 8
1.1.2 数据分析的步骤 9
1.1.3 数据分析的过程 10
1.1.4 数据分析的对象 11
1.2 大数据分析 11
1.2.1 大数据分析的流程 11
1.2.2 大数据分析的基本方面 12
1.2.3 大数据分析的应用 13
1.3 数据分析常用工具 13
1.4 R在数据分析中的优势 14
第2章 数据的读取与保存 16
2.1 数据读取 16
2.1.1 读取内置数据集 16
2.1.2 读取文本文件 17
2.1.3 读取固定宽度格式的文件 20
2.1.4 读取Excel数据 21
2.1.5 读取数据库文件 22
2.1.6 读取网页数据 26
2.1.7 读入R格式的文件 28
2.1.8 从其他统计软件读入数据 28
2.2 数据保存 31
2.2.1 使用函数cat() 31
2.2.2 保存为文本文件 32
2.2.3 保存R格式文件 33
2.2.4 保存为其他类型文件 33
第3章 数据预处理 34
3.1 基本函数 34
3.2 数据修改 38
3.2.1 修改数据标签 38
3.2.2 行列删除 38
3.3 缺失值处理 38
3.3.1 判断缺失数据 39
3.3.2 判断缺失模式 39
3.3.3 处理缺失数据 41
3.4 数据整理 44
3.4.1 数据合并 44
3.4.2 选取数据的子集 46
3.4.3 数据排序 47
3.5 长宽格式的转换 48
3.5.1 揉数据函数 48
3.5.2 揉数据的最佳伴侣 49
中篇 基本分析及应用
第4章 数据的图形描述 54
4.1 R绘图概述 54
4.2 绘图区域分割 55
4.2.1 函数par() 55
4.2.2 函数layout() 56
4.2.3 函数split.screen() 57
4.3 二维图形 58
4.3.1 高级绘图函数 58
4.3.2 多元数据绘图 61
4.3.3 低级绘图函数 63
4.3.4 图形美化 64
4.3.5 交互式绘图命令 65
4.4 三维图形 67
4.5 lattice程序包 69
4.6 ggplot2程序包 73
4.6.1 快速绘图 74
4.6.2 分图层绘图 76
4.7 图形保存 84
4.8 实战实例:数据地图 84
第5章 数据的描述性分析 88
5.1 R内置的分布 88
5.2 集中趋势的分析 90
5.2.1 集中趋势的测度 90
5.2.2 R语言实现 91
5.3 离散趋势的分析 93
5.3.1 离散趋势的测度 93
5.3.2 R语言实现 94
5.4 数据的分布分析 95
5.4.1 分布情况的测度 95
5.4.2 R语言实现 96
5.5 图形分析及R实现 97
5.5.1 直方图和密度函数图 97
5.5.2 QQ图 98
5.5.3 茎叶图 100
5.5.4 箱线图 100
5.5.5 经验分布图 102
5.6 多组数据分析及R实现 102
5.6.1 多组数据的统计分析 102
5.6.2 多组数据的图形分析 103
第6章 参数估计及R实现 112
6.1 点估计及R实现 112
6.1.1 矩估计 112
6.1.2 极大似然估计 116
6.2 单正态总体的区间估计 122
6.2.1 均值 的区间估计 122
6.2.2 方差 的区间估计 125
6.3 两正态总体的区间估计 126
6.3.1 均值差 的区间估计 127
6.3.2 两方差比 的区间估计 130
6.4 关于比率的区间估计 131
第7章 假设检验及R实现 134
7.1 假设检验概述 134
7.1.1 理论依据 135
7.1.2 检验步骤 135
7.1.3 两类错误 136
7.2 单正态总体的检验 137
7.2.1 均值 的检验 138
7.2.2 方差 的检验 141
7.3 两正态总体的检验 142
7.3.1 均值差 的检验 143
7.3.2 成对数据的t检验 146
7.3.3 两总体方差的检验 147
7.4 比率的检验 148
7.4.1 比率的二项分布检验 148
7.4.2 比率的近似检验 149
7.5 非参数的检验 149
7.5.1 总体分布的 检验 150
7.5.2 Kolmogrov-Smirnov检验 153
第8章 方差分析及R实现 157
8.1 单因素方差分析及R实现 157
8.1.1 基本假设的检验 157
8.1.2 单因素方差分析 160
8.1.3 多重t检验 164
8.1.4 Kruskal-Wallis秩和检验 166
8.2 双因素方差分析及R实现 168
8.2.1 无交互作用的分析 169
8.2.2 有交互作用的分析 172
8.3 协方差分析及R实现 176
第9章 回归分析及R实现 180
9.1 一元线性回归 180
9.1.1 模型理论 180
9.1.2 显著性检验 181
9.1.3 R语言实现 181
9.2 多元线性回归 187
9.2.1 模型理论 187
9.2.2 显著性检验 188
9.2.3 R语言实现 189
9.2.4 逐步回归 192
9.3 回归诊断及R实现 194
9.3.1 残差诊断 195
9.3.2 影响分析 198
9.3.3 多重共线性诊断 201
9.4 岭回归及R实现 203
9.5 广义线性模型 206
9.5.1 模型理论 206
9.5.2 R语言实现 207
第10章 主成分分析与因子分析 211
10.1 主成分分析 211
10.1.1 理论基础 211
10.1.2 R语言实现 215
10.2 因子分析 221
10.2.1 理论模型 221
10.2.2 因子载荷矩阵的估计方法 223
10.2.3 R语言实现 225
第11章 典型相关分析和对应分析 230
11.1 典型相关分析 230
11.1.1 理论基础 230
11.1.2 典型相关分析的应用 232
11.1.3 R语言实现 233
11.2 对应分析 236
11.2.1 理论基础 236
11.2.2 对应分析的步骤 237
11.2.3 R语言实现 238
第12章 判别分析和聚类分析 242
12.1 判别分析及R实现 242
12.1.1 距离判别法 243
12.1.2 距离判别法的R实现 244
12.1.3 Fisher判别法 247
12.1.4 Fisher判别法的R实现 248
12.1.5 贝叶斯判别法 251
12.1.6 贝叶斯判别法的R实现 252
12.2 聚类分析及R实现 252
12.2.1 理论概述 253
12.2.2 R实现举例 254
第13章 时间序列分析及R实现 260
13.1 时间序列的基本分析 260
13.1.1 平稳性与非平稳性 260
13.1.2 R实现的基本步骤 261
13.2 时间序列的分解 262
13.2.1 分解非季节性数据 263
13.2.2 分解季节性数据 265
13.3 指数平滑法预测分析 268
13.3.1 简单指数平滑法 269
13.3.2 残差的白噪声检验 272
13.3.3 Holt指数平滑法 275
13.3.4 Winters指数平滑法 277
13.4 ARIMA模型分析 280
13.4.1 基本思想 280
13.4.2 平稳化处理 281
13.4.3 建模 282
13.4.4 模型的参数估计 284
13.4.5 模型预测及检验 284
下篇 综合实例
第14章 R在金融数据分析中的应用 288
14.1 投资组合最优化实例 288
14.1.1 概述 288
14.1.2 均值-方差模型 289
14.1.3 模拟退火算法 292
14.2 构造投资组合的有效前沿 298
14.2.1 R中的算法包 298
14.2.2 计算分析 298
14.3 股票聚类分析 301
14.3.1 概述 301
14.3.2 K-means聚类分析 302
14.3.3 层次聚类分析 304
第15章 R在数据预测中的应用 306
15.1 回归分析预测 306
15.1.1 概述 306
15.1.2 实战案例 306
15.2 时间序列预测 318
15.2.1 概述 318
15.2.2 实战案例 318
显示部分信息
在线试读部分章节
大数据时代,数据成为决策最为重要的参考之一,数据分析随着大数据概念的普及而日益得到重视,数据分析行业迈入了一个全新的阶段。
数据分析的软件如雨后春笋般地涌现,其中R软件的发展备受瞩目。R是一个免费开源软件,它提供了首屈一指的统计计算和绘图功能,尤其是大量的统计分析、数据挖掘方面的算法包,使得它成为一款优秀的、不可多得的数据分析工具软件。
本书的主要目的是向读者介绍如何用R进行数据分析,通过大量的精选实例,循序渐进、全面系统地讲述R在数据分析领域的应用。
全书分为15章,主要内容从数据分析的前期准备、基本分析及应用和综合实例这三篇展开。
(1)上篇 数据分析的前期准备
由第1~3章组成,首先简要介绍数据分析的原则、步骤和过程,常用工具及R在数据分析中的优势,然后介绍R中数据整理等数据预处理的基本函数及方法。这些内容是使用R进行数据分析的最基础内容。
(2)中篇 基本分析及应用
由第4~13章组成,主要讲述数据分析的基本算法及应用,包括数据的图形描述、描述性分析、参数估计、假设检验,以及方差分析、回归分析、主成分分析、典型相关分析、判别分析、聚类分析和时间序列分析等,这些分析方法也是数据分析中使用得最多、最普遍的算法。R中提供了丰富的、功能强大的算法包和实现函数,数据分析的初级和中级用户务必掌握。
(3)下篇 综合实例
由第14~15章组成,主要结合两个大例子,综合讲述数据分析在金融数据分析和数据预测中的应用,以及如何使用R中的方法和工具进行应用。对于中高级的用户,可以深入学习一下。
R的特点是入门非常容易,使用也非常简单,因此本书也不需要读者具备R和数据挖掘的基础知识,不管是R初学者,还是熟练的R用户都能从书中找到对自己有用的内容,从而快速入门和提高。读者既可以把本书作为学习如何应用R的一本优秀教材,也可以作为数据分析的工具书。
全书以实际问题、解决方案和对解决方案的讨论为主线来组织内容,脉络清晰,并且各章自成体系。读者可以从头至尾逐章学习,也可以根据自己的需要进行学习,找到自己实际问题的解决方案。
本书所编的源程序,都通过了反复的调试,读者可在www.broadview.com.cn/23714网站下载,方便读者使用。