R用户Python学习指南：数据科学方法

作品简介

掌握一门语言、一种工具已不足以应对当今的数据分析任务，本书旨在解决这一问题，针对了解R但不熟悉Python（或了解Python但不熟悉R）的从业人员，详解讲解了两种语言的编程技巧和转换方法，提供大量实战案例，不讨论理论细节。

A.奥利（A.Ohri），数据科学家，访问量超过100万次的知名博主。他曾为多家创业公司提供咨询服务，涉及的领域包括数据分析服务、数据分析教育和数据项目外包等。目前的研究兴趣涵盖开源分析、社交媒体分析、云计算交互等。他还著有《R for Business Analytics》和《R for Cloud Computing》。

作品目录

• 译者序
• 前言
• 第1章　Python、R和R数据科学简介
• 1.1　什么是Python
• 1.2　什么是R
• 1.3　什么是数据科学
• 1.4　数据科学家的未来
• 1.5　什么是大数据
• 1.6　商务分析与数据科学
• 1.7　数据科学家可用的工具
• 1.8　用于数据科学的Python添加包
• 1.9　Python和R之间的异同
• 1.10　教程
• 1.11　同时使用R和Python
• 1.12　其他软件和Python
• 1.13　将SAS与Jupyter一起使用
• 1.14　如何将Python和R用于大数据分析
• 1.15　什么是云计算
• 1.16　如何在云上使用Python和R
• 1.17　Python和R商业版本及其他替代版本
• 1.18　数据驱动的决策
• 参考文献
• 第2章　数据输入
• 2.1　pandas中的数据输入
• 2.2　网页抓取数据输入
• 2.3　来自RDBMS的数据输入
• 第3章　数据检查和数据质量
• 3.1　数据格式
• 3.2　数据质量
• 3.3　数据检查
• 3.4　数据选择
• 3.5　R中的数据检查
• 参考文献
• 第4章　探索性数据分析
• 4.1　根据分析分组
• 4.2　数值数据
• 4.3　分类数据
• 第5章　统计建模
• 5.1　回归的概念
• 5.2　相关关系不是因果关系
• 5.3　R和Python中的线性回归
• 5.4　R和Python中的Logistic回归
• 参考文献
• 第6章　数据可视化
• 6.1　数据可视化的概念
• 6.2　Tufte关于数据可视化的工作
• 6.3　Stephen Few关于仪表盘的设计
• 6.4　基本绘图
• 6.5　高级绘图
• 6.6　交互式绘图
• 6.7　空间分析
• 6.8　R中的数据可视化
• 参考文献
• 第7章　机器学习变得更容易
• 7.1　删除最终决策树模型中不需要的列
• 7.2　时间序列
• 7.3　关联分析
• 7.4　清洗语料库并制作词袋
• 第8章　结论和总结