现代数据科学(R语言·第2版)

第Ⅰ部分 数据科学简介

第1章 序言：为什么有数据科学？ 2

1.1　数据科学是什么 3

1.2　案例学习：棒球资料统计分析

的演变 5

1.3　数据集 6

1.4 扩展资源 7

第2章 数据可视化 8

2.1 2012年联邦大选周期 8

2.1.1 这两组数据有区别吗？ 10

2.1.2 图形变化 11

2.1.3 检查变量之间的关系 12

2.1.4 网络 14

2.2 组成数据图形 15

2.2.1 数据图形分类 15

2.2.2 颜色 17

2.2.3 剖析数据图形 19

2.3 数据图形的重要性：

挑战者号 21

2.4 创建有效的演示 25

2.5 更广阔的数据可视化世界 25

2.6 扩展资源 27

2.7 练习题 28

2.8 附加练习 29

第3章 图形语法 30

3.1 数据图形语法 30

3.1.1 画面 31

3.1.2 刻度 33

3.1.3 指南 35

3.1.4 方面 35

3.1.5 层次 36

3.2 R中的规范数据图形 38

3.2.1 单变量显示 38

3.2.2 多元显示 40

3.2.3 地图 46

3.2.4 网络 46

3.3 扩展示例：历史婴儿名字 47

3.3.1 至今仍活着的人口的

百分比 48

3.3.2 *普通的女性名字 53

3.4 扩展资源 56

3.5 练习题 56

3.6 附加练习 58

第4章 在一张表中整理数据 59

4.1 数据整理语法 59

4.1.1 select()和filter() 59

4.1.2 mutate()和rename() 62

4.1.3 arrange() 64

4.1.4 用group_by()进行

summarize() 66

4.2 扩展示例：Ben在大都会队

(Mets)的时间 67

4.3 扩展资源 75

4.4 练习题 76

4.5 附加练习 79

第5章 多张表的数据整理 80

5.1 inner_join() 80

5.2 left_join() 82

5.3 扩展示例：Manny Ramirez 83

5.4 扩展资源 90

5.5 练习题 90

5.6 附加练习 92

第6章 数据规整 93

6.1 规整数据 93

6.1.1 动机 93

6.1.2 规整的数据是什么 95

6.2 重塑数据 101

6.2.1 用于从宽到窄以及从窄到

宽转换的数据动词 103

6.2.2 pivot_wider()函数 103

6.2.3 pivot_longer()函数 103

6.2.4 list-column 104

6.2.5 示例：中性姓名 108

6.3 命名约定 110

6.4 数据获取 111

6.4.1 数据表友好的格式 111

6.4.2 API 115

6.4.3 清洗数据 115

6.4.4 示例：日本核反应堆 121

6.5 扩展资源 124

6.6 练习题 124

6.7 附加练习 127

第17章 使用地理空间数据 348

17.1 动机：地理空间数据有什么了不起的？ 348

17.2 空间数据结构 351

17.3 制作地图 353

17.3.1 静态地图 353

17.3.2 投影 354

17.3.3 基于leaflet的动态地图 360

17.4 扩展示例：国会选区 362

17.4.1 选举结果 362

17.4.2 国会选区 365

17.4.3 整合所有数据 367

17.4.4 使用ggplot2 368

17.4.5 使用leaflet 369

17.5 有效的地图：如何避免撒谎 370

17.6 投影多边形 371

17.7 有效利用其他技术 373

17.8 扩展资源 374

17.9 练习题 374

17.10 附加练习 374

第18章 地理空间计算 375

18.1 地理空间操作 375

18.1.1 地理编码、路线和距离 375

18.1.2 几何运算 378

18.2 地理空间聚合 384

18.3 地理空间联接 386

18.4 拓展示例：MacLeish中的路径海拔 387

18.5 扩展资源 391

18.6 练习题 391

18.7 附加练习 392

第19章 文本数据 393

19.1 使用Macbeth的正则表达式 393

19.1.1 解析苏格兰戏剧文本 393

19.1.2 Macbeth中的生与死 397

19.2 扩展示例：分析arXiv.org的文本数据 399

19.2.1 语料库 402

19.2.2 词云 404

19.2.3 情感分析 405

19.2.4 bigrams和N-grams 407

19.2.5 文档词项矩阵 408

19.3 获取文本 412

19.4 扩展资源 415

19.5 练习题 416

19.6 附加练习 418

第20章 网络科学 419

20.1 网络科学引言 419

20.1.1 定义 419

20.1.2 网络科学简史 420

20.2 扩展示例：Kristen Stewart的六度空间理论 424

20.2.1 收集好莱坞数据 424

20.2.2 构建好莱坞网络 427

20.2.3 建立Kristen Stewart预言 430

20.3 PageRank 433

20.4 扩展示例：1996年男子大学篮球赛 435

20.5 扩展资源 442

20.6 练习题 442

20.7 附加练习 443

第21章 结束语：走向“大数据” 444

21.1 大数据的一些概念 444

21.2 更大数据的工具 446

21.2.1 大数据的数据和内存结构 446

21.2.2 编译 447

21.2.3 并行和分布式计算 447

21.2.4 SQL的替代方案 454

21.3 R的替代方案 455

21.4 结束语 456

21.5 扩展资源 456

第Ⅳ部分 附录

附录A 本书使用的包 458

附录B R和RStudio简介 465

附录C 算法思维 483

附录D 可再现性分析和工作流程 495

附录E 回归建模 504

附录F 安装数据库服务器 524