图灵程序设计丛书：学习R

《图灵程序设计丛书：学习R》讲解如何使用R语言及其软件环境分析数据，即使没有编程经验也能看懂。通过这本实用教程，你可以轻松掌握如何使用必要的R工具来分析数据，同时掌握相关数据类型和通用的编程概念。
《图灵程序设计丛书：学习R》后半部分会讲到数据分析的各种实际应用，涵盖导入数据和发布结果。另外，值得一提的是，本书每一章都会结合所讲内容提供精心编制的小测试和练习题，需要编写R代码完成，从而巩固所学的知识。

《图灵程序设计丛书：学习R》分为上下两部分，旨在指导你如何使用R，并提供练习的机会。上半部分主要介绍R的技术细节和使用技巧。每章都简要介绍了一组不同的数据类型(例如第4章介绍向量、矩阵和数组)或概念(例如第8章介绍分支和循环)。下半部分更侧重实践，展示了从输入数据到发布结果这一标准的数据分析流程。
即使你没有任何编程基础，也能顺利阅读《学习R》。

Richard Cotton，是一位通晓化学安全及健康的数据科学家，开发过很多能让非专业用户访问统计模型的工具。他开发了很多R包，如assertive（用于检查变量的状态）和sig（用于确保功能具有合理的API）。他也是The Damned Liars公司的统计学顾问。

“R图书大家庭迎来了一位清新、不落俗套、风趣幽默的新成员。阅读本书是十足的享受，令我大开眼界。”
——John Verzani，纽约州立大学/斯坦顿大学

“这本书读起来感觉棒极了，示例完整清晰，内容通俗易懂，是目前市面上介绍R核心组件最优秀的图书之一。”
——Rebecca Smith，TDX公司分析经理

“本书正是你梦寐以求的R图书！不要只看封面，直接翻开书看内容吧。”
——JD Long，CerebralMastication.com资深博主

译者序XII
前言XIII

第一部分R语言
第1章简介2
1．1本章目标2
1．2R是什么2
1．3安装R3
1．4选择一个IDE4
1．4．1Emacs+ESS4
1．4．2Eclipse/Architect4
1．4．3RStudio5
1．4．4Revolution-R5
1．4．5Live-R5
1．4．6其他IDE和编辑器6
1．5你的第一个程序6
1．6如何从R中获得帮助7
1．7安装其他相关软件9
1．8小结9
1．9知识测试：问题10
1．10知识测试：练习10

第2章科学计算器11
2．1本章目标11
2．2数学运算符和向量11
2．3变量赋值15
2．4特殊数字17
2．5逻辑向量18
2．6小结20
2．7知识测试：问题20
2．8知识测试：练习20

第3章检查变量和工作区22
3．1本章目标22
3．2类22
3．3不同类型的数字23
3．4其他通用类24
3．5检查和更改类26
3．6检查变量29
3．7工作区32
3．8小结33
3．9知识测试：问题33
3．10知识测试：练习34

第4章 向量、矩阵和数组35
4．1本章目标35
4．2向量35
4．2．1序列37
4．2．2长度38
4．2．3命名39
4．2．4索引向量39
4．2．5向量循环和重复41
4．3矩阵和数组43
4．3．1创建数组和矩阵43
4．3．2行、列和维度45
4．3．3行名、列名和维度名46
4．3．4索引数组47
4．3．5合并矩阵47
4．3．6数组算术48
4．4小结50
4．5知识测试：问题50
4．6知识测试：练习51

第5章列表和数据框52
5．1本章目标52
5．2列表52
5．2．1创建列表52
5．2．2原子变量和递归变量54
5．2．3列表的维度和算术运算55
5．2．4索引列表56
5．2．5向量和列表之间的转换58
5．2．6组合列表60
5．3NULL61
5．4成对列表64
5．5数据框65
5．5．1创建数据框65
5．5．2索引数据框68
5．5．3基本数据框操作69
5．6小结71
5．7知识测试：问题71
5．8知识测试：练习72

第6章环境和函数73
6．1本章目标73
6．2环境73
6．3函数76
6．3．1创建和调用函数76
6．3．2向其他函数传递和接收函数80
6．3．3变量的作用域82
6．4小结84
6．5知识测试：问题84
6．6知识测试：练习84

第7章字符串和因子86
7．1本章目标86
7．2字符串86
7．2．1创建和打印字符串87
7．2．2格式化数字88
7．2．3特殊字符90
7．2．4更改大小写91
7．2．5截取字符串91
7．2．6分割字符串92
7．2．7文件路径93
7．3因子94
7．3．1创建因子94
7．3．2更改因子水平96
7．3．3去掉因子水平96
7．3．4有序因子97
7．3．5将连续变量转换为类别98
7．3．6将类别变量转换为连续变量99
7．3．7生成因子水平100
7．3．8合并因子100
7．4小结101
7．5知识测试：问题101
7．6知识测试：练习101

第8章流程控制和循环103
8．1本章目标103
8．2流程控制103
8．2．1if和else103
8．2．2矢量化的if105
8．2．3多个分支106
8．3循环108
8．3．1重复循环108
8．3．2while循环110
8．3．3for循环111
8．4小结113
8．5知识测试：问题113
8．6知识测试：练习113

第9章高级循环115
9．1本章目标115
9．2replication115
9．3遍历列表116
9．4遍历数组122
9．5多个输入的应用函数124
9．6拆分-应用-合并(Split-Apply-Combine)126
9．7plyr包127
9．8小结130
9．9知识测验：问题130
9．10知识测试：练习131

第10章包133
10．1本章目标133
10．2加载包133
10．2．1搜索路径135
10．2．2库和已安装的包136
10．3安装包137
10．4维护包139
10．5小结139
10．6知识测试：问题140
10．7知识测试：练习140

第11章日期和时间141
11．1本章目标141
11．2日期和时间类141
11．2．1POSIX日期和时间142
11．2．2Date类143
11．2．3其他日期类144
11．3日期与字符串的相互转换144
11．3．1解析日期144
11．3．2格式化日期145
11．4时区145
11．5日期和时间的算术运算147
11．6lubridate149
11．7小结153
11．8知识测试：问题153
11．9知识测试：练习153

第二部分数据分析工作流
第12章获取数据156
12．1本章目标156
12．2内置的数据集156
12．3读取文本文件157
12．3．1CSV和制表符分隔(Tab-Delimited)文件157
12．3．2非结构化文本文件161
12．3．3XML和HTML文件161
12．3．4JSON和YAML文件163
12．4读取二进制文件165
12．4．1读取Excel文件165
12．4．2读取SAS、Stata、SPSS和MATLAB文件167
12．4．3读取其他文件类型167
12．5Web数据168
12．5．1拥有API的网站168
12．5．2抓取网页169
12．6访问数据库171
12．7小结174
12．8知识测试：问题174
12．9知识测试：练习174

第13章数据清理和转换175
13．1本章目标175
13．2清理字符串175
13．3操作数据框180
13．3．1添加和替换列180
13．3．2处理缺失值181
13．3．3在宽和长表格之间进行转换182
13．3．4使用SQL183
13．4排序184
13．5函数式编程185
13．6小结188
13．7知识测试：问题188
13．8知识测试：练习189

第14章探索和可视化190
14．1本章目标190
14．2汇总统计190
14．3三种绘图系统194
14．4散点图195
14．4．1第一种方法：base绘图法195
14．4．2第二种方法：lattice图形系统200
14．4．3第三种方法：ggplot2图形系统207
14．5线图212
14．6直方图220
14．7箱线图232
14．8条形图236
14．9其他的绘图包和系统242
14．10小结243
14．11知识测试：问题243
14．12知识测试：练习244

第15章分布与建模245
15．1本章目标245
15．2随机数246
15．2．1示例函数246
15．2．2从分布中抽样247
15．3分布248
15．4公式248
15．5第一个模型：线性回归250
15．5．1比较和更新模型252
15．5．2绘图和模型检查257
15．6其他模型类型261
15．7小结262
15．8知识测试：问题263
15．9知识测试：练习263

第16章程序设计264
16．1本章目标264
16．2信息、警告和错误264
16．3错误处理267
16．4调试270
16．5测试273
16．5．1RUnit273
16．5．2testthat276
16．6魔法277
16．6．1将字符串转换成代码277
16．6．2把代码转换成字符串279
16．7面向对象编程280
16．7．1S3类281
16．7．2引用类282
16．8小结287
16．9知识测试：问题287
16．10知识测试：练习288

第17章制作程序包289
17．1本章目标289
17．2为什么要创建软件包289
17．3先决条件289
17．4包目录结构290
17．5你的第一个包291
17．6为包撰写文档293
17．7检查和构建包296
17．8包的维护297
17．9小结298
17．10知识测试：问题299
17．11知识测试：练习299

第三部分附录
附录A变量的属性302
附录BR中其他可做的事情305
附录C问题答案307
附录D练习答案315

参考文献339
关于封面341

R 是一种编程语言，也是用于数据分析和统计的软件环境。它是一个GNU 项目，这意味着它是自由的开源软件。它正在以指数级的速度不断成长——普遍认为，它的用户人数可能超过了100 万，它有4000 多个由开发社区贡献的附件包，而且每年以约25% 的速度增加。在本书创作之时，它在Tiobe 编程社区指数（Tiobe Programming Community Index）的开发语言流行榜上已排至第24 位，大致与SAS 和MATLAB 看齐。
R 广泛地应用在每一个需要统计或数据分析的领域，涵盖了金融、市场营销、医药、基因组学、流行病学、社会科学、教学以及许多其他较小的领域。
关于本书
因为R 主要用于统计分析，所以很多关于R 的书都在指导你如何计算统计或模型数据集。然而，这些书忽视了数据分析应用的实际情况。事实上，除非你做的是尖端研究，否则你所用到的统计技术往往只需用于常规任务，而且你的模型可能也不大。完整的数据分析流程更像是这样：
（1） 取得一些数据；
（2） 清理数据；
（3） 探索和可视化数据；
（4） 数据建模并做出预测；
（5） 展示或发布你的结果。
当然，每个阶段都可能碰到一些有趣的问题，以至于你需要更多的数据，或者要以不同的方式处理现有数据，这会使你的工作倒退一步。工作流是可以迭代的，但每个步骤都不可或缺。
本书的第一部分会从头开始教你R——你不需要任何编程语言的经验。实际上，虽然完全没有编程经验也无妨，但有一些基本的编程知识会更好。例如，本书介绍了如何注释代码以及编写for 循环，但没有作更详细的解释。因此，如果你想要找本真正的编程入门课本，那么Jason R。 Briggs 写的Python for Kids 非常合适！
本书的第二部分将展示R 语言的完整数据分析流程，这里需要一些基本的统计知识。例如，你应该了解平均值和标准差等术语，以及什么是条形图（bar chart）。
本书最后将介绍R 的一些高级主题，例如面向对象编程和包的创建。Garrett Grolem 的Data Analysis with R 将会在本书的基础上深入探讨数据分析流程。