新書推薦：
《
想象的共同体--民族主义的起源与散布（增订版）
》
售價：HK$
77.3
《
医学图形图像处理基于Python VTK的实现
》
售價：HK$
166.9
《
山家清供：小楷插图珍藏本 谦德国学文库系列
》
售價：HK$
143.4
《
政略与战略论
》
售價：HK$
140.0
《
百年词史-（1900-2000（全二册））
》
售價：HK$
333.8
《
RDI人际关系发展疗法：修复孤独症核心障碍，让干预回归生活
》
售價：HK$
99.7
《
金融科技监管的目标、原则和实践：全球视野下加密货币的监管
》
售價：HK$
110.9
《
城市轨道交通绿色低碳规划设计研究——深圳地铁6号线工程创新与实践
》
售價：HK$
221.8
|
| 編輯推薦： |
R是一种用于统计计算与做图的开源软件，同时也是一种编程语言，它广泛应用于企业和学术界的数据分析领域，正在成为最通用的语言之一。由于近几年数据挖掘、大数据等概念的走红，R也越来越多地被人关注。截至本文完成之日，CRAN（http:cran.r-project.org）上共有4383个包，涉及统计、化学、经济、生物、医学、心理、社会学等各个学科。不同类型的公司，比如Google、辉瑞、默克、美国银行、洲际酒店集团和壳牌公司都在使用它，同时以S语言环境为基础的R语言由于其鲜明的特色，一出现就受到了统计专业人士的青睐，成为国外大学里相当标准的统计软件。
一直以来，国内外关于R语言的著作都是以统计学专业的视角来介绍R语言的，对R语言本身的特性讲解得并不详尽，而软件自带的官方文档又显得过于技术，不那么亲民。另一方面，很多接触R的朋友都来自非计算机专业，没有接受过编程训练，他们使用R的时候，编写出来的代码通常只能算是一条条命令的集合，面对更复杂的问题，常常束手无策。记得在某届R语言大会上，有位SAS阵营的朋友说，他看到演讲者所展示的代码里只有函数调用，没有编程的东西，所以他觉得R不能算一种编程语言
|
| 關於作者： |
本书三位主要译者都是统计之都（http:cos.name）的管理员、中国R语言会议理事会成员。
陈堰平毕业于中国人民大学统计学院，现任国家金融信息中心数据中心研发部负责人，从事指数编制、指数化投资、金融衍生品方面的工作，对金融数据分析有多年的研究，博客网址为http:yanping.me。邱怡轩是普度大学统计系在读博士研究生，开发过rarpark、R2SWF、Layer等R语言程序包，博客网址为http:yixuan.cos.name。潘岚峰是爱荷华州立大学统计系在读博士研究生，开发过R语言程序包bignmf。
陈堰平
2013年3月于新华通讯社第三工作区
|
| 目錄：
|
R是一种用于统计计算与做图的开源软件，同时也是一种编程语言，它广泛应用于企业和学术界的数据分析领域，正在成为最通用的语言之一。由于近几年数据挖掘、大数据等概念的走红，R也越来越多地被人关注。截至本文完成之日，CRAN（http:cran.r-project.org）上共有4383个包，涉及统计、化学、经济、生物、医学、心理、社会学等各个学科。不同类型的公司，比如Google、辉瑞、默克、美国银行、洲际酒店集团和壳牌公司都在使用它，同时以S语言环境为基础的R语言由于其鲜明的特色，一出现就受到了统计专业人士的青睐，成为国外大学里相当标准的统计软件。
一直以来，国内外关于R语言的著作都是以统计学专业的视角来介绍R语言的，对R语言本身的特性讲解得并不详尽，而软件自带的官方文档又显得过于技术，不那么亲民。另一方面，很多接触R的朋友都来自非计算机专业，没有接受过编程训练，他们使用R的时候，编写出来的代码通常只能算是一条条命令的集合，面对更复杂的问题，常常束手无策。记得在某届R语言大会上，有位SAS阵营的朋友说，他看到演讲者所展示的代码里只有函数调用，没有编程的东西，所以他觉得R不能算一种编程语言。其实，他错了，此时你手里这本书，覆盖了其他大部分R语言图书没有涉及的编程主题。这本书就如同R语言的九阳神功秘籍，当神功练成，任督二脉一旦打通，再学习针对某一领域应用的函数或包就如庖丁解牛一般。顺便提一下，据微博上的小道消息，前面提到的那位朋友最近也开始学R了。
本书的特点表现在以下几个方面：
第一，对读者的统计学知识和编程水平要求并不高。与很多R语言书籍不同，这本书并不需要很深的统计学功底，它从纯语言的角度入手来讲解R。对于有一定编程经验却没什么统计学背景的人来说，读这本书会比较顺畅，读者就可以重点关注R语言的特性在数据分析方面的应用。在有的地方，作者也会提醒那些有其他语言编程经验的人应该注意R语言有什么不同之处。而对于没有编程经验又想使用R做数据分析的人来说，这本书也是学习编程的绝佳教材。
第二，专注于R语言编程。作者没有把这本书定位为菜谱式的手册，也不像有些R语言图书那样介绍完统计学某方面应用之后简单地把R语言代码摆出来。翻开这本书的目录，你几乎看不到统计学的术语。本书系统介绍了R语言的各种数据结构和编程结构、面向对象编程方法、socket网络编程、并行计算、代码调试、程序性能提升以及R语言与其他语言的接口等主题。书中也提到了不少编程的小技巧，这都是作者多年编程经验的总结。
第三，丰富的案例分析。作者Matloff教授是位计算机科学家，同时也是位统计学家，有多年的教学经验，也做过统计学方法论的顾问。除了正文中的例子之外，本书还有44个扩展案例，很多案例源自作者亲身参与过的咨询项目。虽然本书没有讲解任何统计模型，但是扩展案例都是和数据分析相关的，比如对鲍鱼数据的重新编码（第2章）、寻找异常值（第3章）、文本词汇索引（第4章）、学习中文方言的辅助工具（第5章）等。通过学习这些案例，读者不仅能学到R语言的每种概念如何运作，也会学到如何把这些概念组合到一起成为有用的程序。比如第10章介绍了socket网络编程之后，就用一个扩展案例讲解如何用socket实现并行计算，这为第16章详细讲解并行计算做好了铺垫。在很多案例里，作者讨论了好几种设计方案，并比较了这几种方案的不同之处，以回答“为什么这样做”，这对于缺少编程经验的人来说，是非常好的安排。
本书第1章简要介绍了R语言的几种数据结构和编程基础，其余章节可分为三大部分。
第一部分（第2～6章）详细介绍R的几种主要的数据结构：向量、矩阵、列表、数据框和因子等。对很多人来说，R复杂多变的数据结构真的是一只拦路虎。而本书从最简单的向量开始，一步一步引导读者认识并掌握各种数据结构。
第二部分（第7～13章）涉及编程方面：编程结构和面向对象特性、输入输出、字符串处理以及绘图。值得一提的是第13章，这章主要讲解的是R语言的调试。很多朋友在实际工作中有这样的经历，你可能用了一个小时就写好代码，却用了一天的时间来调试。可是到目前为止还没有在其他图书上看到与R语言调试相关的内容，甚至也很少见到关于其他编程语言调试的图书。本书刚好填补了这方面的空白。如果读者仔细读完第13章，并实践其中的调试技巧，一定能事半功倍，也就能少熬点儿夜，有延长寿命的功效。本书的作者同时也著有《调试的艺术》（The
Art of Debugging），相信他在R语言调试方面的功力也是相当深厚的。
第三部分（第14～16章）介绍的是更高级的内容，比如执行速度和性能的提升（第14章）、R语言与CC++或Python混合编程（第15章）以及R语言并行计算（第16章），虽然最后一部分属于编程的高级内容，但如果读者从前往后一直学下来，随着能力的提高，也是可以读懂的。
本人从2007年开始接触R语言，那时候市面上几乎没有R语言方面的书籍。当时我关于R语言的所有信息几乎都是来自统计之都（http:cos.name）和谢益辉的博客（http:yihui.name）。2008年冬天，统计之都成功举办了“第一届中国R语言会议”，来自各地的R语言用户们齐聚一堂，交流心得。从那以后，每年的R语言会议都会在北京和上海举办。这几年来，统计之都的队伍也逐渐壮大，比如本书的其他三位主要译者：邱怡轩、潘岚锋和熊熹，当年他们参加R语言会议的时候还是人大统计学院大一、大二的学生，后来也成为R语言社区的领军人物。去年我们接到本书的翻译任务时，他们三人分别收到了美国普度大学、爱荷华州立大学以及明尼苏达大学的录取通知，现在已经在美国留学深造。希望有越来越多的人加入统计之都的大家庭，和大家一起成长，为中国统计事业的发展尽自己的一份力。
在翻译过程中，几位译者力求忠实于原文，但纠正了原书的几处错误，同时也兼顾中文表达的流畅，不过译文中可能仍有不当之处，欢迎读者予以指正。
除了本人以及前面提到的三位译者之外，统计之都的三位老朋友林宇、严紫丹和程豪也参与了本书部分章节的校审和初稿翻译，在此表示感谢。全书译文最后由本人统稿，如有错误之处，均由本人承担。
也感谢机械工业出版社的吴怡编辑，她给予了我们细心的帮助。
统计之都的图书出版栏目（网址是http:cos.namebooks
）有本书的页面，读者可以在这里下载本书的数据和代码，也可以留言提问。
|
| 內容試閱：
|
第1章
快速入门
如前言所述，R是一种针对统计分析和数据科学的功能全面的开源统计语言。它在商业、工业、政府部门、医药和科研等涉及数据分析的领域都有广泛的应用。
本章将给出R的简单介绍——如何调用、能做什么以及使用什么文件。这里只介绍你在理解后面几章的例子时所需的基础知识，具体的细节将会在后面的章节中加以介绍。
如果你的公司或大学允许，R可能已经安装在你的系统中。如果还没安装，请参考附录A中的安装指南。
1.1 怎样运行R
R可以在两种模式下运行：交互模式和批处理模式。常用的是交互模式。在这种模式下，你键入命令，R将显示结果，然后你再键入新的命令，如此反复进行操作。而批处理模式不需要与用户进行互动。这对于生产工作是非常有帮助的，比如一个程序必须定期重复运行，如每天运行一次，用批处理模式则可以让处理过程自动运行。
1.1.1 交互模式
在Linux或Mac的系统中，只需在终端窗口的命令行中键入R，就可以开始一个R会话。在Windows系统下，点击R图标来启动R。
启动后显示的是欢迎语，以及R提示符，也就是符号。屏幕的显示内容如下：
现在就可以开始执行R命令了。这时候显示的窗口叫做R控制台。
举个简单例子，考虑一个标准正态分布，其均值为0且方差为1。如果随机变量X服从这个标准正态分布，那么它的取值将以0为中心，或正或负，平均值为0。现在要生成一个新的随机变量Y=|X|。因为我们已经取了绝对值，Y的值将不会以0为中心，并且Y的均值也将是正值。
下面来计算Y的均值。我们的方法基于模拟N0,1分布随机变量的取值：
这行代码将会生成100个随机变量，计算它们的绝对值，然后计算它们绝对值的均值。
标签[1]表示这行的第一项是输出结果的第一项。在这个例子中，输出结果只有一行（且只有一项），所以标签[1]显得有点多余。但是当输出结果有很多项会占据很多行时，这种标签会很有帮助。例如，输出结果有两行，且每行最多有6项，则第二行将会以标签[7]开头。
在这里，输出结果有10个数值，举例来说，第二行的标签[7]可以让你快速判断出0.687701是输出结果的第8项。
也可以把R的命令保存在文件里。通常，R代码文件都会有后缀.R或者.r。如果你创建一个名为z.R的文档，可以键入下面的命令来执行该文件中的代码：
1.1.2 批处理模式
有时候自动处理R会话能带来便利。例如，你可能希望运行一个用来绘图的R脚本，而不需要你亲自启动R来执行脚本，这时就要用批处理模式运行R。
举个例子，文件z.R中是绘图的代码，内容如下：
以#标记的部分是注释，它们会被R解释器忽略掉。注释的作用是以更易读的形式来提示代码的用途。
下面一步步讲解前面代码的作用：
调用pdf函数告诉R我们想把创建的图形保存在PDF文件xh.pdf中。
调用rnorm函数（rnorm代表random normal）生成100个服从N0,1分布的随机变量。
对这些随机变量调用hist函数生成直方图。
调用dev.off函数关闭正在使用的图形“设备”，也就是本例中的xh.pdf文件。这就是实际上把文件写入磁盘的机制。
我们可以自动运行上面的代码，而不用进入R的交互模式，只需要调用一条操作系统shell命令（例如通常在Linux系统中使用的$命令提示符）来调用R：
用PDF阅读器打开保存的文件，可看到直方图（这里展示的只是简单的不加修饰的直方图，R可以生成更加复杂的图形），这表明上面的代码已执行。
1.2 第一个R会话
用数字1、2、4生成一个简单的数据集（用R的说法就是“向量”），将其命名为x：
R语言的标准赋值运算符是-。也可以用=，不过并不建议用它，因为在有些特殊的情况下它会失灵。注意，变量的类型并不是固定不变的。在这里，我们把一个向量赋值给x，也许之后会把其他类型的值赋给它。我们会在1.4节介绍向量和其他类型。
c表示“连接”（英文是concatenate）。在这里，我们把数字1、2、4连接起来。更精确地说，连接的是分别包含三个数字的三个一元向量。这是因为可以把任何数字看作一元向量。
接下来我们也可以这样做：
这样就把q赋值为1,2,4,1,2,4,8（没错，还包括了x的副本）。
我们来确认一下数据是不是真的在x中。要在屏幕上打印向量，只需直接键入它的名称。如果你在交互模式下键入某个变量名（或更一般的，某个表达式），R就会打印出变量的值（或表达式的值）。熟悉其他语言（比如Python）的程序员会觉得这个特性很熟悉。例如，输入下面的命令：
果然，x包含数字1、2、4。
向量的个别元素靠[ ]来访问。下面来看看如何打印x的第三个元素：
正如在其他语言里一样，称选择器（这里的3）为索引（index）或者下标（subscript）。这些概念与ALGOL家族的语言（比如C和C++）类似。值得注意的是，R向量的元素的索引（下标）是从1开始的，而非0。
提取子集是向量的一个非常重要的运算。下面是个例子：
表达式x[2:3]代表由x的第2个至第3个元素组成的子向量，在这里也就是2和4组成的子向量。
可以很容易求得本例中数据集的均值和标准差，如下：
这里再次展示了在命令提示符下键入表达式来打印表达式的值。在第一行，表达式调用的是函数meanx。函数的返回值会自动打印出来，而不需要调用R的print函数。
如果想把求得的均值保存在变量里，而不是打印在屏幕上，可以执行下面的代码：
同样，我们来确认一下y是否真的包含x的均值：
正如前面提到过的，我们用#来加上注释，如下：
注释对于写有程序代码的文档是很有价值的，不过在交互式会话中注释也很有用，因为R会记录命令历史（1.6节会讨论这一点）。如果你保存了会话，之后又恢复会话，注释可以帮你回忆起当时在做什么。
最后，我们从R的内置数据集（这些数据集是用来做演示的）里取出一个做些操作。你可以用下面的命令得出一份这些数据集的列表：
其中一个数据集名为Nile，包含尼罗河水流量的数据。我们来计算这个数据集的均值和标准差：
我们还可以画出数据的直方图：
此时会弹出一个包含直方图的窗口，如图1-1所示。这幅图是极其简单的，不过R有各种可选的变量来修饰图形。例如，可以通过设定breaks变量来改变分组；调用histz,breaks=12可以画出数据集z的带有12个分组的直方图；还可以创建更漂亮的标签、改变颜色，以及其他一些改变来创建更有信息量且吸引眼球的图形。当你更熟悉R之后，就有能力构建更复杂、绚丽多彩的精美图形。
图1-1 尼罗河数据的简单展示
最后调用q函数以退出R（另一种方法是，在Linux中按下快捷键CTRL-D，或者在Mac中按下CMD-D）：
最后一句提示是询问你是否希望保存变量以待下次运行时继续处理。如果回答y，则所有对象将会在下次启动R的时候自动加载。这是非常重要的特性，特别是在处理庞大的数据集或很多数据集时。回答y也会保存会话的命令历史。1.6节会继续介绍如何保存工作空间（workspace）和命令历史。
1.3 函数入门
和大多数编程语言一样，R语言编程的核心是编写“函数”。函数就是一组指令的集合，用来读取输入、执行计算、返回结果。
我们先定义一个函数oddcount，以此简单介绍函数的用法。这个函数的功能是计算整数向量中奇数的个数。一般情况下，我们会用文本编辑器编写好函数代码并保存在文件中，不过在这个简单粗略的例子中，我们只需要在R的交互模式中一行行输入代码。接下来，我们还会在几个测试案例中调用这个函数：
首先，我们告诉R想定义一个名为oddcount的函数，该函数有一个参数x。左花括号引出了函数体的开始部分。本例中，每行写一条R语句。
在函数体结束前，R会用+作为提示符，而不是用平常的，以提醒用户现在还在定义函数。（实际上，+是续行符号，不是新输入的提示符。）在你键入右花括号来结束函数体之后，R又恢复使用提示符。
定义完函数之后，本例调用了两次oddcount函数。由于向量1,3,5中有3个奇数，所以调用oddcountc1,3,5的返回值为3。1,2,3,7,9有4个奇数，所以第二次调用的返回值为4。
注意，在R中取余数的求模运算符是%%，见上面例子中的注释。例如，38除以7的余数为3。
例如，我们看看下面代码的运行结果：
首先，把x[1]赋值给n，然后测试n是奇数还是偶数。如果像本例中那样，n是奇数，则计数变量k增加。接着把x[2]赋值给n，测试其是奇数还是偶数，以此类推，重复后面的过程。
顺便说一句，CC++程序员也许会把前面的循环写成这样：
在这里，lengthx是x的元素个数。假设x有25个元素。则1:lengthx就是1:25，意思是依次取1、2、3、……、25。上面的代码也能奏效（除非x的长度为0），但是R语言编程的戒律之一就是要尽可能避免使用循环，如果不能避免，就要让循环更简洁。重新看看这段代码原来的版本：
它更简单清晰，因为我们不需要使用length函数和数组下标。
在代码的末尾，我们使用了return语句。
这条语句把k的计算结果返回给调用它的代码。不过，直接像下面这样写也可以达到目的：
在没有显式调用return时，R语言的函数会返回最后计算的值。不过，这个方法必须慎重使用，7.4.1节会详细讨论这个问题。
在编程语言的术语里，x是函数oddcount的形式参数（英文名称是formal argument或formal
parameter，简称“形参”）。在前面例子第一次调用函数时，c1,3,5称为实际参数（actual
argument，简称“实参”）。这两个术语暗示了这样的事实：函数定义中的x只是个占位符，而c1,3,5才是在计算中实际用到的参数。同样，在第二次调用函数时，c1,2,3,7,9是实际参数。
1.3.1 变量的作用域
只在函数体内部可见的变量对这个函数来说是“局部变量”。在oddcount中，k和n都是局部变量。它们在函数返回值以后就撤销了：
需要注意的是，R函数中的形式参数是局部变量，这点非常重要。比如运行下面的命令：
现在，假如oddcount
的代码改变了x的值，则z的值不会改变。调用oddcount之后，z的取值还和之前一样。在计算函数调用的取值时，R会把每个实际参数复制给对应的局部参数变量，继而改变那些在函数外不可见的变量的取值。本书第7章将详细介绍“作用域法则”，上面提到的这些只是简单的例子。
全局变量是在函数之外创建的变量，在函数内部也可以访问。下面是个例子：
这里的y就是全局变量。
可以用R的“超赋值运算符”（superassignment
operator）-在函数内部给全局变量赋值，将在第7章详细介绍。
1.3.2 默认参数
R语言也经常用到“默认参数”。考虑下面这样的函数定义：
如果程序员没有在函数调用时给y设定一个值，则y将初始化为2。同理，z也有默认值TRUE。
现在考虑下面的调用：
这里，数值12是x的实际参数，而且我们接受了y的默认值2，不过我们覆盖了z的默认值，将其设定为FALSE。
上面这个例子也表明：与其他编程语言一样，R语言也有“布尔类型”，包括TRUE和FALSE两个逻辑值。
注意 R语言允许TRUE和FALSE缩写为T和F。不过，如果你有名为T或F的变量，那么为了避免麻烦还是最好不要使用这样的缩写形式。
1.4 R语言中一些重要的数据结构
R有多种数据结构。本节将简单介绍几种常用的数据结构，使读者在深入细节之前先对R语言有个大概的认识。这样，读者至少可以开始尝试一些很有意义的例子，即使这些例子背后更多的细节还需要过一段时间才能揭晓。
1.4.1 向量，R语言中的战斗机
向量类型是R语言的核心。很难想象R语言代码或者R交互式会话可以一点都不涉及向量。
向量的元素必须属于某种“模式”（mode），或者说是数据类型。一个向量可以由三个字符串组成（字符模式），或者由三个整数元素组成（整数模式），但不可以由一个整数元素和两个字符串元素组成。
第2章将详细介绍向量。
标量
标量，或单个的数，其实在R中并不存在。正如前面提到的，单个的数实际上是一元向量。请看下面的命令：
前面提到过，符号[1]表示后面这行的开头是向量的第一个元素，本例中为x[1]。所以可以看出，R语言确实把x当做向量来看，也就是只有一个元素的向量。
1.4.2 字符串
字符串实际上是字符模式（而不是数值模式）的单元素向量。
第一个例子创建了数值向量x，也就是数值模式的。然后创建了两个字符模式的向量：y是单元素（也就是一个字符串）的向量，z由两个字符串组成。
R语言有很多种字符串操作函数。其中有些函数可以把字符串连接到一起或者把它们拆开，比如下面的两个函数：
第11章将会介绍字符串的细节。
1.4.3 矩阵
R中矩阵的概念与数学中一样：矩形的数值数组。从技术层面说，矩阵是向量，不过矩阵还有两个附加的属性：行数和列数。下面是一些例子：
首先，使用函数rbind（rbind是row
bind的缩写，意思是按行绑定）把两个向量结合成一个矩阵，这两个向量是矩阵的行，并把矩阵保存在m中（另一个函数cbind把若干列结合成矩阵）。然后键入变量名，我们知道这样可以打印出变量，以此确认生成了我们想要的矩阵。最后，计算向量1,1和m的矩阵积。你也许已经在线性代数课程中学过矩阵乘法运算，在R语言中它的运算符是*。
矩阵使用双下标作为索引，这点与CC++非常相似，只不过下标是从1开始，而不是0。
R语言的一个非常有用的特性是，可以从矩阵中提取出子矩阵，这与从向量中提取子向量非常相似。例子如下：
第3章将会详细介绍矩阵。
1.4.4 列表
和R语言的向量类似，R语言中的列表也是值的容器，不过其内容中的各项可以属于不同的数据类型（CC++程序员可以把它与C语言的结构体做类比）。可以通过两部分组成的名称来访问列表的元素，其中用到了美元符号$。下面是个简单的例子：
表达式x$u指的是列表x中的组件u。列表x还包含另一个组件v。
列表的一种常见用法是把多个值打包组合到一起，然后从函数中返回。这对统计函数特别有用，因为统计函数
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
