数据科学之编程技术

作品简介

本书围绕使用R进行数据科学编程所需的实际步骤展开。全书着眼于该主题，介绍了有关该主题的工具和技术的整个生态系统。虽然编写代码是成为数据科学家的核心部分，但获得更多的基础技能也是这个过程中必不可少的。数据科学要安装和配置软件以编写、执行和管理代码，跟踪项目版本变动，利用计算机科学的核心概念来理解如何完成给定任务，访问并处理各种不同来源的数据，利用可视化手段来揭示数据中的模式，构建与他人共享观点的应用程序。本书的目的是帮助人们在这些领域打下坚实基础，以便能进入数据科学领域（或将数据科学引入他们工作的领域中）。

本书作者迈克尔·弗里曼（Michael Freeman）、乔尔·罗斯（Joel Ross），译者张燕妮。

作品目录

• 译者序
• 序
• 前言
• 第一部分　开始
• 第1章　设置计算机
• 1.1　设置命令行工具
• 1.2　安装git
• 1.3　创建GitHub账户
• 1.4　选择一个文本编辑器
• 1.5　下载R语言
• 1.6　下载RStudio
• 第2章　使用命令行
• 2.1　访问命令行
• 2.2　浏览文件系统
• 2.3　管理文件
• 2.4　错误处理
• 2.5　重定向输出
• 2.6　网络命令
• 第二部分　项目管理
• 第3章　使用git和GitHub进行版本控制
• 3.1　什么是git
• 3.2　配置和项目设置
• 3.3　跟踪项目变更
• 3.4　在GitHub中存储项目
• 3.5　访问项目历史
• 3.6　忽略项目中的文件
• 第4章　使用Markdown制作文档
• 4.1　编写Markdown
• 4.2　渲染Markdown
• 第三部分　R的基本技能
• 第5章　R语言
• 5.1　用R编程
• 5.2　运行R代码
• 5.3　注释
• 5.4　变量定义
• 5.5　获取帮助
• 第6章　函数
• 6.1　什么是函数
• 6.2　内置R函数
• 6.3　加载函数
• 6.4　编写函数
• 6.5　使用条件语句
• 第7章　向量
• 7.1　什么是向量
• 7.2　向量化操作
• 7.3　向量索引
• 7.4　向量过滤
• 7.5　向量修改
• 第8章　列表
• 8.1　什么是列表
• 8.2　创建列表
• 8.3　访问列表元素
• 8.4　修改列表
• 8.5　lapply()函数
• 第四部分　数据清理
• 第9章　理解数据
• 9.1　数据生成过程
• 9.2　查找数据
• 9.3　数据类型
• 9.4　解释数据
• 9.5　用数据回答问题
• 第10章　数据框
• 10.1　什么是数据框
• 10.2　使用数据框
• 10.3　使用CSV数据
• 第11章　使用dplyr操作数据
• 11.1　操作数据语法
• 11.2　核心dplyr函数
• 11.3　执行顺序操作
• 11.4　按组分析数据框
• 11.5　连接数据框
• 11.6　dplyr实战：分析飞行数据
• 第12章　使用tidyr重塑数据
• 12.1　什么是“整洁”数据
• 12.2　从列到行：gather()
• 12.3　从行到列：spread()
• 12.4　tidyr实战：探索教育统计
• 第13章　访问数据库
• 13.1　关系数据库概述
• 13.2　体验SQL
• 13.3　从R访问数据库
• 第14章　访问Web API
• 14.1　什么是Web API
• 14.2　RESTful请求
• 14.3　从R访问Web API
• 14.4　处理JSON数据
• 14.5　API实战：在西雅图寻找古巴食品
• 第五部分　数据可视化
• 第15章　设计数据可视化
• 15.1　可视化的目的
• 15.2　选择可视化布局
• 15.3　选择有效的图形编码
• 15.4　数据显示的表达力
• 15.5　强化美学
• 第16章　使用ggplot2创建可视化
• 16.1　图形语法
• 16.2　使用ggplot2进行基本绘图
• 16.3　复杂的布局及定制
• 16.4　构建地图
• 16.5　ggplot2实战：绘制旧金山驱逐地图
• 第17章　R中的交互式可视化
• 17.1　plotly包
• 17.2　rbokeh包
• 17.3　leaflet包
• 17.4　交互式可视化实战：展示西雅图的变化
• 第六部分　构建和共享应用程序
• 第18章　使用R Markdown创建动态报告
• 18.1　设置报告
• 18.2　集成Markdown与R代码
• 18.3　在报告中渲染数据与可视化
• 18.4　以网站形式共享报告
• 18.5　R Markdown实战：寿命预测报告
• 第19章　使用Shiny构建交互式Web应用程序
• 19.1　Shiny框架
• 19.2　设计用户界面
• 19.3　开发应用程序服务器
• 19.4　发布Shiny应用程序
• 19.5　Shiny实战：可视化警察致命射击
• 第20章　协同工作
• 20.1　使用分支跟踪代码的不同版本
• 20.2　使用特性分支开发项目
• 20.3　使用集中工作流协作
• 20.4　使用分叉工作流协作
• 第21章　继续学习
• 21.1　统计学习
• 21.2　其他编程语言
• 21.3　道德准则