本書以R語(yǔ)言為基礎(chǔ)，介紹做任何分析都繞不開的數(shù)據(jù)處理基本操作。從基本包入手，循序漸進(jìn)地引導(dǎo)讀者一步一步進(jìn)行學(xué)習(xí)。首先介紹tidyverse生態(tài)系統(tǒng)的dplyr包，并在其后引入難度稍高但是性能更加優(yōu)秀的data.table包，然后介紹支持分布式數(shù)據(jù)處理的sparklyr包。在本書的zui后部分還提供了實(shí)戰(zhàn)的案例，并介紹了一些非常實(shí)用的數(shù)據(jù)處理技巧。
本書分為四個(gè)部分：di yi部分介紹基本的概念，介紹數(shù)據(jù)處理的基本概念和R語(yǔ)言編程基礎(chǔ)，讓零基礎(chǔ)的讀者也能迅速入門；第二部分是快速入門部分，介紹如何使用base-r基本包和tidyverse生態(tài)系統(tǒng)來(lái)解決基本的數(shù)據(jù)處理問(wèn)題，讓讀者能夠快速上手；第三部分是高級(jí)進(jìn)階內(nèi)容，對(duì)于追求數(shù)據(jù)處理的速度和規(guī)模的用戶而言，需要進(jìn)階學(xué)習(xí)data.table和sparklyr兩個(gè)R包，從而獲得更高的效率；第四部分是實(shí)戰(zhàn)案例，利用航班數(shù)據(jù)進(jìn)行演練，并對(duì)前面所學(xué)的技巧進(jìn)行測(cè)試，而且分享了在R中進(jìn)行數(shù)據(jù)處理的實(shí)用技巧。
本書不僅是需要用R語(yǔ)言進(jìn)行數(shù)據(jù)分析的讀者快速入門的教程，而且是數(shù)據(jù)分析人員常備的案頭參考工具書，具備強(qiáng)大的索引查詢功能。
黃天元，復(fù)旦大學(xué)博士生，研究方向?yàn)樯鷳B(tài)信息科學(xué)與數(shù)據(jù)科學(xué)。精通R語(yǔ)言及其在數(shù)據(jù)處理中的高效運(yùn)用，已發(fā)表學(xué)術(shù)論文兩篇，知乎專欄“R語(yǔ)言數(shù)據(jù)挖掘”作者。
第1 部分 基礎(chǔ)知識(shí)...................1
第1 章 數(shù)據(jù)處理總論.......................... 2
1.1 數(shù)據(jù)處理的定義 ....................2
1.2 數(shù)據(jù)處理的意義 ...................3
1.3 數(shù)據(jù)處理基本工具 ..................3
第2 章 R 語(yǔ)言編程基礎(chǔ).................. 6
2.1 下載安裝 ...................6
2.2 包的使用 ..................7
2.3 數(shù)據(jù)類型 .........................8
2.4 數(shù)據(jù)結(jié)構(gòu) ........................10
2.5 程序控制 ........................15
2.6 函數(shù)式編程 ....................17
第3 章 數(shù)據(jù)處理基本范式....................... 19
第2 部分 快速入門...................24
第4 章 base-r：基本數(shù)據(jù)處理................. 25
4.1 數(shù)據(jù)集及其基本探索 .....................25
4.2 基本范式實(shí)現(xiàn) ................27
4.2.1 創(chuàng)建（read.csv/data.frame） ................................27
4.2.2 刪除（rm） .........................28
4.2.3 檢索（DF[i,j]） ...................28
4.2.4 插入（rbind/cbind） ........................31
4.2.5 排序（order） .....................33
4.2.6 過(guò)濾（DF[condition,]） ...................35
4.2.7 匯總（apply） .....................36
4.2.8 分組（aggregate） ...........................36
4.2.9 連接（merge） ....................37
第5 章 tidyverse 生態(tài)系統(tǒng)：簡(jiǎn)潔高效數(shù)據(jù)處理.................... 40
5.1 tidyverse 生態(tài)系統(tǒng)簡(jiǎn)介 ........................40
5.2 基本范式實(shí)現(xiàn) ............................41
5.2.1 包的加載（p_load） ........................41
5.2.2 創(chuàng)建（read_csv/tibble） ..................42
5.2.3 刪除（rm） .........................45
5.2.4 檢索（select/slice） .........................46
5.2.5 插入（add/bind） ................50
5.2.6 排序（arrange） ..................54
5.2.7 過(guò)濾（filter） ......................56
5.2.8 匯總（summarise） .........................59
5.2.9 分組（group_by） ...........................61
5.2.10 連接（join） .....................63
5.3 高級(jí)處理工具 ................67
5.3.1 長(zhǎng)寬數(shù)據(jù)變換（gather/spread） ..........................68
5.3.2 集合運(yùn)算（intersect/union/setdiff） .....................70
5.3.3 窗口函數(shù)（rank/lead/lag/cum） ...........................74
5.3.4 連接數(shù)據(jù)庫(kù)：對(duì)SQL 的支持（dbplyr） .........................81
5.3.5 巧妙寫函數(shù)：變量的引用 ...............85
第3 部分 高級(jí)進(jìn)階...................93
第6 章 data.table：高速數(shù)據(jù)處理............... 94
6.1 data.table 簡(jiǎn)介 ...............94
6.2 基本范式實(shí)現(xiàn) ................96
6.3 高級(jí)特性探索 ............................... 116
第7 章 sparklyr: 分布式數(shù)據(jù)處理.................................. 128
7.1 連接R 與Spark：sparklyr 包簡(jiǎn)介 ...............................128
7.2 基本操作指南 ...............................130
7.3 存儲(chǔ)機(jī)制簡(jiǎn)介 ...............................135
7.4 分布式計(jì)算 ..................136
第4 部分 實(shí)戰(zhàn)應(yīng)用................. 139
第8 章 航班飛行數(shù)據(jù)演練..................... 140
8.1 nycflights13 數(shù)據(jù)集探索 ...........................140
8.2 flights14 數(shù)據(jù)集探索 ....................148
第9 章 測(cè)試..................... 155
第10 章 實(shí)用數(shù)據(jù)處理技巧..................... 157
10.1 數(shù)據(jù)存取 ....................157
10.1.1 令人頭疼的編碼格式（encoding） ..............................157
10.1.2 讀寫性能競(jìng)速賽（fst/feather & data.table/readr） ....................158
10.1.3 數(shù)據(jù)存取轉(zhuǎn)換的瑞士軍刀（rio） ...................162
10.2 并行計(jì)算（doParallel） .........................164
10.3 混合編程 ....................168
第11 章 實(shí)戰(zhàn)案例：網(wǎng)絡(luò)爬蟲與文本挖掘............................. 173
11.1 網(wǎng)絡(luò)爬�。╮vest） .....................174
11.2 文本挖掘（tidytext）.................177
第12 章 實(shí)戰(zhàn)案例：數(shù)據(jù)塑型與可視化（ggplot2）.....................180
12.1 數(shù)據(jù)準(zhǔn)備 ....................181
12.2 柱狀圖（geom_bar） .................182
12.3 折線圖（geom_line） ................183
12.4 餅圖（ggpie） ............................184
12.5 一行代碼實(shí)現(xiàn)一頁(yè)多圖（gridExtra） .......................186
第13 章 實(shí)戰(zhàn)案例：機(jī)器學(xué)習(xí).................. 193
13.1 機(jī)器學(xué)習(xí)概述 .............................193
13.2 為什么要做機(jī)器學(xué)習(xí) .................193
13.3 如何入門機(jī)器學(xué)習(xí) .....................194
13.4 數(shù)據(jù)處理與機(jī)器學(xué)習(xí) .................195
13.5 案例分析：信貸風(fēng)險(xiǎn)預(yù)測(cè)模型構(gòu)建 ...........................195
致謝..............................204
書單推薦
