描述
包 装: 平装国际标准书号ISBN: 9787300269221丛书名: 基于R应用的统计学丛书
内容简介
本书以R语言为实现工具，以数据可视化分析为导向，结合实际数据和案例介绍数据的可视化方法。对于一些常用的绘图函数，书中以表格形式列出了函数参数的详细注释。所有图形均给出了详细的绘图代码。全书包括3个部分和10章内容。
第1部分包括第1章和第2章。第1章介绍R语言的初步使用技能，内容包括R的基本操作、创建R数据、生成频数分布表等。第2章介绍R绘图基础，内容包括R传统绘图包graphics中的绘图函数及基本使用方法。
第2部分包括第3章~第9章。分别介绍数据分析中常用的可视化方法。第3章介绍类别数据可视化方法；第4章~第7章介绍数值数据及按因子分类的数值数据的可视化方法，包括分布特征、变量间关系、样本相似性及时间序列等；第8章介绍线性回归模型和方差分析模型的可视化方法；第9章介绍常用概率分布的可视化方法。
第3部分即第10章，介绍R中两个重要的绘图包lattice和ggplot2的初步使用方法。
除R基础安装中自带的包及其函数外，本书还使用了近30个绘图包、110多个绘图函数和80多个与绘图有关的函数。第1章列出了书中用到的R绘图包，在附录中列出了书中使用的R函数。读者在使用前请先安装好这些包。使用help(package=包名称)可查阅包的详细信息；使用help(函数名称)可查阅相应函数的详细信息。
第1部分包括第1章和第2章。第1章介绍R语言的初步使用技能，内容包括R的基本操作、创建R数据、生成频数分布表等。第2章介绍R绘图基础，内容包括R传统绘图包graphics中的绘图函数及基本使用方法。
第2部分包括第3章~第9章。分别介绍数据分析中常用的可视化方法。第3章介绍类别数据可视化方法；第4章~第7章介绍数值数据及按因子分类的数值数据的可视化方法，包括分布特征、变量间关系、样本相似性及时间序列等；第8章介绍线性回归模型和方差分析模型的可视化方法；第9章介绍常用概率分布的可视化方法。
第3部分即第10章，介绍R中两个重要的绘图包lattice和ggplot2的初步使用方法。
除R基础安装中自带的包及其函数外，本书还使用了近30个绘图包、110多个绘图函数和80多个与绘图有关的函数。第1章列出了书中用到的R绘图包，在附录中列出了书中使用的R函数。读者在使用前请先安装好这些包。使用help(package=包名称)可查阅包的详细信息；使用help(函数名称)可查阅相应函数的详细信息。
目 录
第1章 R语言入门
1.1 R的初步使用
1.1.1 R的下载与安装
1.1.2 对象赋值与运行
1.1.3 编写代码脚本
1.1.4 查看帮助文件
1.1.5 包的安装与加载
1.2 创建R数据
1.2.1 向量、矩阵和数组
1.2.2 数据框
1.2.3 因子和列表
1.3 数据的其他操作
1.3.1 数据读取和保存
1.3.2 数据类型的转换
1.3.3 生成随机数
1.3.4 数据抽样
1.4 生成频数分布表
1.4.1 类别数据频数表
1.4.2 数值数据类别化
1.5 编写R函数
第2章 R绘图基础
2.1 R的基本绘图函数
2.1.1 高级绘图函数
2.1.2 低级绘图函数
2.2 图形参数与图形控制
2.2.1 绘图参数
2.2.2 图形控制
2.2.3 图形颜色
2.3 页面布局与图形组合
2.3.1 用par函数布局页面
2.3.2 用layout函数布局页面
2.3.3 同时打开多个绘图窗口
第3章 类别数据可视化
3.1 一维表的可视化
3.1.1 简单条形图
3.1.2 Pareto图
3.2 二维表的可视化
3.2.1 并列条形图与堆叠条形图
3.2.2 脊形图与百分比条形图
3.2.3 二维关联图
3.2.4 独立性检验的P值图
3.3 高维表的可视化
3.3.1 马赛克图
3.3.2 马赛克图的变种
3.3.3 高维关联图
3.4 其他可视化图形
3.4.1 饼图
3.4.2 环形图
3.4.3 扇形图
第4章 分布特征可视化
4.1 直方图与核密度图
4.1.1 直方图
4.1.2 核密度图
4.1.3 条件密度图
4.2 茎叶图
4.2.1 简单茎叶图
4.2.2 复杂茎叶图
4.3 箱线图和小提琴图
4.3.1 箱线图
4.3.2 小提琴图
4.4 点图、太阳花图和带状图
4.4.1 点图
4.4.2 太阳花图
4.4.3 带状图
4.5 分布概要图
4.6 日历图
第5章 变量间关系可视化
5.1 散点图与散点图矩阵
5.1.1 散点图
5.1.2 散点图矩阵
5.1.3 相关系数矩阵
5.2 条件散点图
5.3 大数据集的散点图
5.4 3D散点图和气泡图
5.4.1 3D散点图
5.4.2 气泡图
5.5 广义配对图阵
第6章 样本相似性可视化
6.1 轮廓图和雷达图
6.1.1 轮廓图
6.1.2 雷达图
6.2 星图和脸谱图
6.2.1 星图
6.2.2 脸谱图
6.3 树状图
6.4 聚类图和热图
6.4.1 聚类图
6.4.2 热图
第7章 时间序列可视化
7.1 探索时间序列模式
7.1.1 用图形解读时间序列
7.1.2 分解序列成分
7.1.3 平滑随机波动成分
7.1.4 画出序列的改变点
7.2 预测结果可视化
7.2.1 指数平滑预测
7.2.2 ARIMA模型预测
7.3 用ggfortify包可视化时间序列
第8章 线性模型可视化
8.1 线性回归模型可视化
8.1.1 回归模型的拟合图
8.1.2 回归系数的森林图
8.1.3 残差分析与模型诊断图
8.2 方差分析模型可视化?
8.2.1 绘制方差分析表
8.2.2 绘制各组均值和多重比较图
8.2.3 绘制模型诊断图
第9章 概率分布可视化
9.1 离散型概率分布的可视化
9.1.1 二项分布
9.1.2 Poisson分布
9.2 连续型概率分布的可视化
9.2.1 正态分布
9.2.2 χ2分布
9.2.3 t分布
9.2.4 F分布
9.2.5 均匀分布?
第10章 R中的其他可视化包
10.1 lattice包简介
10.
1.1 R的初步使用
1.1.1 R的下载与安装
1.1.2 对象赋值与运行
1.1.3 编写代码脚本
1.1.4 查看帮助文件
1.1.5 包的安装与加载
1.2 创建R数据
1.2.1 向量、矩阵和数组
1.2.2 数据框
1.2.3 因子和列表
1.3 数据的其他操作
1.3.1 数据读取和保存
1.3.2 数据类型的转换
1.3.3 生成随机数
1.3.4 数据抽样
1.4 生成频数分布表
1.4.1 类别数据频数表
1.4.2 数值数据类别化
1.5 编写R函数
第2章 R绘图基础
2.1 R的基本绘图函数
2.1.1 高级绘图函数
2.1.2 低级绘图函数
2.2 图形参数与图形控制
2.2.1 绘图参数
2.2.2 图形控制
2.2.3 图形颜色
2.3 页面布局与图形组合
2.3.1 用par函数布局页面
2.3.2 用layout函数布局页面
2.3.3 同时打开多个绘图窗口
第3章 类别数据可视化
3.1 一维表的可视化
3.1.1 简单条形图
3.1.2 Pareto图
3.2 二维表的可视化
3.2.1 并列条形图与堆叠条形图
3.2.2 脊形图与百分比条形图
3.2.3 二维关联图
3.2.4 独立性检验的P值图
3.3 高维表的可视化
3.3.1 马赛克图
3.3.2 马赛克图的变种
3.3.3 高维关联图
3.4 其他可视化图形
3.4.1 饼图
3.4.2 环形图
3.4.3 扇形图
第4章 分布特征可视化
4.1 直方图与核密度图
4.1.1 直方图
4.1.2 核密度图
4.1.3 条件密度图
4.2 茎叶图
4.2.1 简单茎叶图
4.2.2 复杂茎叶图
4.3 箱线图和小提琴图
4.3.1 箱线图
4.3.2 小提琴图
4.4 点图、太阳花图和带状图
4.4.1 点图
4.4.2 太阳花图
4.4.3 带状图
4.5 分布概要图
4.6 日历图
第5章 变量间关系可视化
5.1 散点图与散点图矩阵
5.1.1 散点图
5.1.2 散点图矩阵
5.1.3 相关系数矩阵
5.2 条件散点图
5.3 大数据集的散点图
5.4 3D散点图和气泡图
5.4.1 3D散点图
5.4.2 气泡图
5.5 广义配对图阵
第6章 样本相似性可视化
6.1 轮廓图和雷达图
6.1.1 轮廓图
6.1.2 雷达图
6.2 星图和脸谱图
6.2.1 星图
6.2.2 脸谱图
6.3 树状图
6.4 聚类图和热图
6.4.1 聚类图
6.4.2 热图
第7章 时间序列可视化
7.1 探索时间序列模式
7.1.1 用图形解读时间序列
7.1.2 分解序列成分
7.1.3 平滑随机波动成分
7.1.4 画出序列的改变点
7.2 预测结果可视化
7.2.1 指数平滑预测
7.2.2 ARIMA模型预测
7.3 用ggfortify包可视化时间序列
第8章 线性模型可视化
8.1 线性回归模型可视化
8.1.1 回归模型的拟合图
8.1.2 回归系数的森林图
8.1.3 残差分析与模型诊断图
8.2 方差分析模型可视化?
8.2.1 绘制方差分析表
8.2.2 绘制各组均值和多重比较图
8.2.3 绘制模型诊断图
第9章 概率分布可视化
9.1 离散型概率分布的可视化
9.1.1 二项分布
9.1.2 Poisson分布
9.2 连续型概率分布的可视化
9.2.1 正态分布
9.2.2 χ2分布
9.2.3 t分布
9.2.4 F分布
9.2.5 均匀分布?
第10章 R中的其他可视化包
10.1 lattice包简介
10.
免费在线读
数据可视化是数据分析的基础，也是数据分析的一个重要组成部分.可视化本身既是对数据的展示过程，也是对数据信息的再提取过程，它不仅可以帮助我们理解数据，探索数据的特征和模式，也可以提供数据本身难以发现的额外信息.
本书以目前最流行的数据分析语言R作为实现工具，以数据可视化分析作为写作重点，结合实际数据和案例介绍数据的可视化方法.对于一些常用的绘图函数，书中以表格形式列出了函数参数的详细注释.所有图形均给出了详细的绘图代码.全书包括3个部分和10章内容.
第1部分包括第1章和第2章.第1章介绍R语言的初步使用技能，内容包括R的基本操作、创建R数据、生成频数分布表等.第2章介绍R绘图基础，内容包括R传统绘图包graphics中的绘图函数及基本使用方法.
第2部分包括第3章～第9章，分别介绍数据分析中常用的可视化方法.第3章介绍类别数据可视化方法；第4章～第7章介绍数值数据及按因子分类的数值数据的可视化方法，包括分布特征、变量间关系、样本相似性及时间序列等；第8章介绍线性回归模型和方差分析模型的可视化方法；第9章介绍常用概率分布的可视化方法.
第3部分即第10章，介绍R中两个重要的绘图包lattice和ggplot2的初步使用方法.
除R基础安装中自带的包及其函数外，本书还使用了近30个绘图包、110多个绘图函数和80多个与绘图有关的函数.第1章列出了书中用到的R绘图包，在附录中列出了书中使用的R函数.读者在使用前请先安装好这些包.使用help (package=包名称)可查阅包的详细信息；使用help (函数名称)可查阅相应函数的详细信息.
在复杂的数据分析领域和功能强大的R面前，用一本书全面介绍数据的可视化方法的作法显得苍白无力，再加之作者的数据分析和R知识有限，书中难免存在诸多不当甚至错误之处.只要能起到抛砖引玉的作用，就达到了本书的目标.
本书可作为数据分析工作者和高等院校统计学专业及经济管理类各专业学生学习R语言和可视化分析的参考书.
书中的例题数据可在中国人民大学出版社网站下载，网址：http://www.rdjg.com.cn.
贾俊平
中国人民大学统计学院
本书以目前最流行的数据分析语言R作为实现工具，以数据可视化分析作为写作重点，结合实际数据和案例介绍数据的可视化方法.对于一些常用的绘图函数，书中以表格形式列出了函数参数的详细注释.所有图形均给出了详细的绘图代码.全书包括3个部分和10章内容.
第1部分包括第1章和第2章.第1章介绍R语言的初步使用技能，内容包括R的基本操作、创建R数据、生成频数分布表等.第2章介绍R绘图基础，内容包括R传统绘图包graphics中的绘图函数及基本使用方法.
第2部分包括第3章～第9章，分别介绍数据分析中常用的可视化方法.第3章介绍类别数据可视化方法；第4章～第7章介绍数值数据及按因子分类的数值数据的可视化方法，包括分布特征、变量间关系、样本相似性及时间序列等；第8章介绍线性回归模型和方差分析模型的可视化方法；第9章介绍常用概率分布的可视化方法.
第3部分即第10章，介绍R中两个重要的绘图包lattice和ggplot2的初步使用方法.
除R基础安装中自带的包及其函数外，本书还使用了近30个绘图包、110多个绘图函数和80多个与绘图有关的函数.第1章列出了书中用到的R绘图包，在附录中列出了书中使用的R函数.读者在使用前请先安装好这些包.使用help (package=包名称)可查阅包的详细信息；使用help (函数名称)可查阅相应函数的详细信息.
在复杂的数据分析领域和功能强大的R面前，用一本书全面介绍数据的可视化方法的作法显得苍白无力，再加之作者的数据分析和R知识有限，书中难免存在诸多不当甚至错误之处.只要能起到抛砖引玉的作用，就达到了本书的目标.
本书可作为数据分析工作者和高等院校统计学专业及经济管理类各专业学生学习R语言和可视化分析的参考书.
书中的例题数据可在中国人民大学出版社网站下载，网址：http://www.rdjg.com.cn.
贾俊平
中国人民大学统计学院
评论
还没有评论。