PYTHON与R语言数据科学实践

前言 xiii

第I部分 探索新的语言

第 1章 概述 3

1.1 R的起源 3

1.2 Python的起源 4

1.3 语言战争的开端 5

1.4 数据科学主导权之战 6

1.5 合作与社区建设的融合 8

1.6 *后的想法 8





第II部分 两种编程语言I：新学习一门语言

第 2章 针对Python用户的R 13

2.1 启动和运行R 13

2.2 项目和第三方库 15

2.3 Tibbles的胜利 20

2.4 关于数据类型和数据探索 23

2.5 关于命名（内部） 25

2.6 列表 27

2.7 关于因子 29

2.8 如何查找 30

2.9 重复迭代 37

2.10 *后的想法 38



第3章 针对R用户的Python 40

3.1 版本和构建 41

3.2 标准工具 42

3.3 虚拟环境 46

3.4 安装第三方库 50

3.5 笔记本 52

3.6 从编程语言角度对比Python和R 53

3.7 导入数据集 55

3.8 检查数据 55

3.9 数据结构和描述性统计 57

3.10 数据结构：回归基础 58

3.11 索引和逻辑表达式 60

3.12 绘图 61

3.13 推理统计 61

3.14 *后的想法 62





第III部分 两种编程语言II：现代的环境

第4章 数据格式环境 65

4.1 外部第三方库与基础库 67

4.2 图像数据 69

4.3 文本数据 74

4.4 时间序列数据 77

4.4.1 基础R 77

4.4.2 Prophet第三方库 79

4.5 空间数据 80

4.6 *后的想法 82



第5章 工作流程环境 83

5.1 定义工作流程 83

5.2 探索式数据分析 85

5.2.1 统计可视化 85

5.2.2 交互可视化 88

5.3 机器学习 89

5.4 数据工程 93

5.5 报表 97

5.5.1 静态报表 97

5.5.2 互动式报表 98

5.6 *后的想法 101





第IV部分 两种编程语言III：学会协同

第6章 协同使用两种语言 105

6.1 虚拟的互操作性 105

6.2 互操作性 107

6.3 深入互操作性 112

6.3.1 在R Markdown文档中R和Python之间传递对象 112

6.3.2 在R Markdown文档中调用Python 113

6.3.3 使用来源命令调用Python 114

6.3.4 使用REPL调用Python 115

6.3.5 在交互式文档中使用动态输入调用Python 115

6.4 *后的想法 117



第7章 两种编程语言数据科学案例研究 118

7.1 24年188万场野火 118

7.2 设置和导入数据 121

7.3 EDA和数据可视化 122

7.4 机器学习 126

7.4.1 设置Python环境 126

7.4.2 特征工程 127

7.4.3 模型训练 128

7.5 推理和用户界面 129

7.6 *后的想法 131



附录 Python-R双语词典 133

第三方库管理 133

赋值运算符 134

类型 136

数学运算符 137

属性 137

关键字 138

函数和方法 138

编码风格和命名约定 139

数据存储对象类比 140

数据帧 142

逻辑表达式 145

索引 147



关于作者 152

关于封面 152