本書注重實(shí)用性，是一本而細(xì)致的R指南，高度概括了該軟件和它的強(qiáng)大功能，展示了使用的統(tǒng)計(jì)示例，且對(duì)于難以用傳統(tǒng)方法處理的凌亂、不完整和非正態(tài)的數(shù)據(jù)給出了優(yōu)雅的處理方法。作者不僅僅探討統(tǒng)計(jì)分析，還闡述了大量探索和展示數(shù)據(jù)的圖形功能。新版做了大量更新和修正，新增了近200頁內(nèi)容，介紹數(shù)據(jù)挖掘、預(yù)測(cè)性分析和高級(jí)編程。本書適合數(shù)據(jù)分析人員及R用戶學(xué)習(xí)參考。
大數(shù)據(jù)時(shí)代已經(jīng)到來，在商業(yè)、經(jīng)濟(jì)及其他領(lǐng)域中基于數(shù)據(jù)和分析去發(fā)現(xiàn)問題并作出科學(xué)、客觀的決策越來越重要。開源軟件R是世界上流行的數(shù)據(jù)分析、統(tǒng)計(jì)計(jì)算及制圖語言，幾乎能夠完成任何數(shù)據(jù)處理任務(wù)，可安裝并運(yùn)行于所有主流平臺(tái)，為我們提供了成千上萬的專業(yè)模塊和實(shí)用工具，是從大數(shù)據(jù)中獲取有用信息的絕佳工具，是數(shù)據(jù)挖掘、數(shù)據(jù)分析人才的必備技能。
本書從解決實(shí)際問題入手，盡量跳脫統(tǒng)計(jì)學(xué)的理論闡述來討論R語言及其應(yīng)用，講解清晰透澈，具有實(shí)用性。作者不僅高度概括了R語言的強(qiáng)大功能，展示了各種實(shí)用的統(tǒng)計(jì)示例，而且對(duì)于難以用傳統(tǒng)方法分析的凌亂、不完整和非正態(tài)的數(shù)據(jù)也給出了完備的處理方法。第2版新增6章內(nèi)容，涵蓋時(shí)間序列、聚類分析、分類、高級(jí)編程、創(chuàng)建包和創(chuàng)建動(dòng)態(tài)報(bào)告等，并分別詳細(xì)介紹了如何使用ggplot2和lattice進(jìn)行高級(jí)繪圖。通讀本書，你將掌握使用R語言進(jìn)行數(shù)據(jù)分析、數(shù)據(jù)挖掘的技巧，領(lǐng)略大量探索和展示數(shù)據(jù)的圖形功能，并學(xué)會(huì)如何撰寫動(dòng)態(tài)報(bào)告，從而更加高效地進(jìn)行分析與溝通。
想要成為備受高科技企業(yè)追捧的數(shù)據(jù)分析師嗎？想要科學(xué)分析數(shù)據(jù)并正確決策嗎？不妨從本書開始，挑戰(zhàn)大數(shù)據(jù)，用R開始炫酷地統(tǒng)計(jì)與分析數(shù)據(jù)吧！
Robert I. Kabacoff
R語言社區(qū)著名學(xué)習(xí)網(wǎng)站Quick-R的維護(hù)者，現(xiàn)為全球化開發(fā)與咨詢公司Management研究集團(tuán)研發(fā)副總裁。此前，Kabacoff博士是佛羅里達(dá)諾瓦東南大學(xué)的教授，講授定量方法和統(tǒng)計(jì)編程的研究生課程。Kabacoff還是臨床心理學(xué)博士、統(tǒng)計(jì)顧問，擅長(zhǎng)數(shù)據(jù)分析，在健康、金融服務(wù)、制造業(yè)、行為科學(xué)、政府和學(xué)術(shù)界有20余年的研究和統(tǒng)計(jì)咨詢經(jīng)驗(yàn)。
譯者簡(jiǎn)介：
王小寧
中國(guó)人民大學(xué)統(tǒng)計(jì)學(xué)院14級(jí)碩士，16級(jí)博士，統(tǒng)計(jì)之都副主編，中國(guó)人民大學(xué)數(shù)據(jù)挖掘中心分布式計(jì)算負(fù)責(zé)人，研究興趣包括統(tǒng)計(jì)機(jī)器學(xué)習(xí)和缺失數(shù)據(jù)。
劉擷芯
中國(guó)人民大學(xué)統(tǒng)計(jì)學(xué)院13級(jí)碩士，愛荷華大學(xué)商學(xué)院16級(jí)博士，中國(guó)人民大學(xué)數(shù)據(jù)挖掘中心核心成員之一，研究興趣包括統(tǒng)計(jì)機(jī)器學(xué)習(xí)和文本分析。
黃俊文
2014年畢業(yè)于中山大學(xué)數(shù)學(xué)系，2016年畢業(yè)于加州大學(xué)圣地亞哥分校統(tǒng)計(jì)學(xué)專業(yè)，統(tǒng)計(jì)之都成員，易易網(wǎng)創(chuàng)始人之一，目前關(guān)注計(jì)算機(jī)科學(xué)和統(tǒng)計(jì)學(xué)的結(jié)合與應(yīng)用，包括機(jī)器學(xué)習(xí)方法等。他致力于成為一個(gè)有趣的人。
及時(shí)部分 入門
第1章R語言介紹3
1.1為何要使用R4
1.2R的獲取和安裝6
1.3R的使用6
1.3.1新手上路7
1.3.2獲取幫助10
1.3.3工作空間10
1.3.4輸入和輸出12
1.4包13
1.4.1什么是包14
1.4.2包的安裝14
1.4.3包的載入14
1.4.4包的使用方法14
1.5批處理15
1.6將輸出用為輸入：結(jié)果的重用16
1.7處理大數(shù)據(jù)集16
1.8示例實(shí)踐16
1.9小結(jié)18
第2章創(chuàng)建數(shù)據(jù)集19
2.1數(shù)據(jù)集的概念19
2.2數(shù)據(jù)結(jié)構(gòu)20
2.2.1向量21
2.2.2矩陣22
2.2.3數(shù)組23
2.2.4數(shù)據(jù)框24
2.2.5因子27
2.2.6列表28
2.3數(shù)據(jù)的輸入30
2.3.1使用鍵盤輸入數(shù)據(jù)31
2.3.2從帶分隔符的文本文件導(dǎo)入數(shù)據(jù)32
2.3.3導(dǎo)入Excel數(shù)據(jù)35
2.3.4導(dǎo)入XML數(shù)據(jù)36
2.3.5從網(wǎng)頁抓取數(shù)據(jù)36
2.3.6導(dǎo)入SPSS數(shù)據(jù)36
2.3.7導(dǎo)入SAS數(shù)據(jù)37
2.3.8導(dǎo)入Stata數(shù)據(jù)37
2.3.9導(dǎo)入NetCDF數(shù)據(jù)38
2.3.10導(dǎo)入HDF5數(shù)據(jù)38
2.3.11訪問數(shù)據(jù)庫(kù)管理系統(tǒng)38
2.3.12通過Stat/Transfer導(dǎo)入數(shù)據(jù)40
2.4數(shù)據(jù)集的標(biāo)注40
2.4.1變量標(biāo)簽40
2.4.2值標(biāo)簽41
2.5處理數(shù)據(jù)對(duì)象的實(shí)用函數(shù)41
2.6小結(jié)42
第3章圖形初階 43
3.1使用圖形43
3.2一個(gè)簡(jiǎn)單的例子45
3.3圖形參數(shù)46
3.3.1符號(hào)和線條47
3.3.2顏色 49
3.3.3文本屬性50
3.3.4圖形尺寸與邊界尺寸51
3.4添加文本、自定義坐標(biāo)軸和圖例53
3.4.1標(biāo)題 54
3.4.2坐標(biāo)軸54
3.4.3參考線56
3.4.4圖例57
3.4.5文本標(biāo)注58
3.4.6數(shù)學(xué)標(biāo)注60
3.5圖形的組合61
3.6小結(jié)67
第4章基本數(shù)據(jù)管理68
4.1一個(gè)示例68
4.2創(chuàng)建新變量70
4.3變量的重編碼71
4.4變量的重命名72
4.5缺失值74
4.5.1重編碼某些值為缺失值74
4.5.2在分析中排除缺失值75
4.6日期值76
4.6.1將日期轉(zhuǎn)換為字符型變量77
4.6.2更進(jìn)一步78
4.7類型轉(zhuǎn)換78
4.8數(shù)據(jù)排序79
4.9數(shù)據(jù)集的合并79
4.9.1向數(shù)據(jù)框添加列79
4.9.2向數(shù)據(jù)框添加行80
4.10數(shù)據(jù)集取子集80
4.10.1選入(保留)變量80
4.10.2剔除(丟棄)變量81
4.10.3選入觀測(cè)82
4.10.4subset()函數(shù)82
4.10.5隨機(jī)抽樣83
4.11使用SQL語句操作數(shù)據(jù)框83
4.12小結(jié)84
第5章高級(jí)數(shù)據(jù)管理85
5.1一個(gè)數(shù)據(jù)處理難題85
5.2數(shù)值和字符處理函數(shù)86
5.2.1數(shù)學(xué)函數(shù)86
5.2.2統(tǒng)計(jì)函數(shù)87
5.2.3概率函數(shù)90
5.2.4字符處理函數(shù)92
5.2.5其他實(shí)用函數(shù)94
5.2.6將函數(shù)應(yīng)用于矩陣和數(shù)據(jù)框95
5.3數(shù)據(jù)處理難題的一套解決方案96
5.4控制流100
5.4.1重復(fù)和循環(huán)100
5.4.2條件執(zhí)行101
5.5用戶自編函數(shù)102
5.6整合與重構(gòu)104
5.6.1轉(zhuǎn)置104
5.6.2整合數(shù)據(jù)105
5.6.3reshape2包106
5.7小結(jié)108
第二部分 基本方法
第6章基本圖形110
6.1條形圖110
6.1.1簡(jiǎn)單的條形圖111
6.1.2堆砌條形圖和分組條形圖112
6.1.3均值條形圖113
6.1.4條形圖的微調(diào)114
6.1.5棘狀圖115
6.2餅圖116
6.3直方圖118
6.4核密度圖120
6.5箱線圖122
6.5.1使用并列箱線圖進(jìn)行跨組比較123
6.5.2小提琴圖125
6.6點(diǎn)圖127
6.7小結(jié)129
第7章基本統(tǒng)計(jì)分析130
7.1描述性統(tǒng)計(jì)分析131
7.1.1方法云集131
7.1.2更多方法132
7.1.3分組計(jì)算描述性統(tǒng)計(jì)量134
7.1.4分組計(jì)算的擴(kuò)展135
7.1.5結(jié)果的可視化137
7.2頻數(shù)表和列聯(lián)表137
7.2.1生成頻數(shù)表137
7.2.2獨(dú)立性檢驗(yàn)143
7.2.3相關(guān)性的度量144
7.2.4結(jié)果的可視化145
7.3相關(guān)145
7.3.1相關(guān)的類型145
7.3.2相關(guān)性的顯著性檢驗(yàn)147
7.3.3相關(guān)關(guān)系的可視化149
7.4t 檢驗(yàn) 149
7.4.1獨(dú)立樣本的t 檢驗(yàn)150
7.4.2非獨(dú)立樣本的t檢驗(yàn)151
7.4.3多于兩組的情況151
7.5組間差異的非參數(shù)檢驗(yàn)152
7.5.1兩組的比較152
7.5.2多于兩組的比較153
7.6組間差異的可視化155
7.7小結(jié)155
第三部分 中級(jí)方法
第8章回歸158
8.1回歸的多面性159
8.1.1OLS回歸的適用情境159
8.1.2基礎(chǔ)回顧160
8.2OLS回歸160
8.2.1用lm()擬合回歸模型161
8.2.2簡(jiǎn)單線性回歸163
8.2.3多項(xiàng)式回歸164
8.2.4多元線性回歸167
8.2.5有交互項(xiàng)的多元線性回歸169
8.3回歸診斷171
8.3.1標(biāo)準(zhǔn)方法172
8.3.2改進(jìn)的方法175
8.3.3線性模型假設(shè)的綜合驗(yàn)證181
8.3.4多重共線性181
8.4異常觀測(cè)值182
8.4.1離群點(diǎn)182
8.4.2高杠桿值點(diǎn)182
8.4.3強(qiáng)影響點(diǎn)184
8.5改進(jìn)措施186
8.5.1刪除觀測(cè)點(diǎn)186
8.5.2變量變換187
8.5.3增刪變量188
8.5.4嘗試其他方法188
8.6選擇“”的回歸模型189
8.6.1模型比較189
8.6.2變量選擇190
8.7深層次分析193
8.7.1交叉驗(yàn)證193
8.7.2相對(duì)重要性195
8.8小結(jié)197
第9章方差分析 198
9.1術(shù)語速成198
9.2ANOVA模型擬合201
9.2.1aov()函數(shù)201
9.2.2表達(dá)式中各項(xiàng)的順序202
9.3單因素方差分析203
9.3.1多重比較204
9.3.2評(píng)估檢驗(yàn)的假設(shè)條件206
9.4單因素協(xié)方差分析208
9.4.1評(píng)估檢驗(yàn)的假設(shè)條件209
9.4.2結(jié)果可視化210
9.5雙因素方差分析211
9.6重復(fù)測(cè)量方差分析214
9.7多元方差分析217
9.7.1評(píng)估假設(shè)檢驗(yàn)218
9.7.2穩(wěn)健多元方差分析220
9.8用回歸來做ANOVA220
9.9小結(jié)222
第10章功效分析223
10.1假設(shè)檢驗(yàn)速覽223
10.2用pwr包做功效分析225
10.2.1t檢驗(yàn)226
10.2.2方差分析228
10.2.3相關(guān)性228
10.2.4線性模型229
10.2.5比例檢驗(yàn)230
10.2.6卡方檢驗(yàn)231
10.2.7在新情況中選擇合適的效應(yīng)值232
10.3繪制功效分析圖形233
10.4其他軟件包235
10.5小結(jié)236
第11章中級(jí)繪圖237
11.1散點(diǎn)圖238
11.1.1散點(diǎn)圖矩陣240
11.1.2高密度散點(diǎn)圖242
11.1.3三維散點(diǎn)圖244
11.1.4旋轉(zhuǎn)三維散點(diǎn)圖247
11.1.5氣泡圖248
11.2折線圖250
11.3相關(guān)圖253
11.4馬賽克圖258
11.5小結(jié)260
第12章重抽樣與自助法261
12.1置換檢驗(yàn)261
12.2用coin包做置換檢驗(yàn)263
12.2.1獨(dú)立兩樣本和K 樣本檢驗(yàn)264
12.2.2列聯(lián)表中的獨(dú)立性266
12.2.3數(shù)值變量間的獨(dú)立性266
12.2.4兩樣本和K 樣本相關(guān)性檢驗(yàn)267
12.2.5深入探究267
12.3lmPerm包的置換檢驗(yàn)267
12.3.1簡(jiǎn)單回歸和多項(xiàng)式回歸268
12.3.2多元回歸269
12.3.3單因素方差分析和協(xié)方差分析270
12.3.4雙因素方差分析271
12.4置換檢驗(yàn)點(diǎn)評(píng)271
12.5自助法272
12.6boot包中的自助法272
12.6.1對(duì)單個(gè)統(tǒng)計(jì)量使用自助法274
12.6.2多個(gè)統(tǒng)計(jì)量的自助法276
12.7小結(jié)278
第四部分 高級(jí)方法
第13章廣義線性模型280
13.1廣義線性模型和glm()函數(shù)281
13.1.1glm()函數(shù)281
13.1.2連用的函數(shù)282
13.1.3模型擬合和回歸診斷283
13.2Logistic回歸284
13.2.1解釋模型參數(shù)286
13.2.2評(píng)價(jià)預(yù)測(cè)變量對(duì)結(jié)果概率的影響287
13.2.3過度離勢(shì)288
13.2.4擴(kuò)展289
13.3泊松回歸289
13.3.1解釋模型參數(shù)291
13.3.2過度離勢(shì)292
13.3.3擴(kuò)展294
13.4小結(jié)295
第14章主成分分析和因子分析296
14.1R 中的主成分和因子分析297
14.2主成分分析 298
14.2.1判斷主成分的個(gè)數(shù)298
14.2.2提取主成分300
14.2.3主成分旋轉(zhuǎn)303
14.2.4獲取主成分得分304
14.3探索性因子分析305
14.3.1判斷需提取的公共因子數(shù)306
14.3.2提取公共因子307
14.3.3因子旋轉(zhuǎn)308
14.3.4因子得分312
14.3.5其他與EFA相關(guān)的包312
14.4其他潛變量模型312
14.5小結(jié)313
第15章時(shí)間序列315
15.1在R中生成時(shí)序?qū)ο?17
15.2時(shí)序的平滑化和季節(jié)性分解319
15.2.1通過簡(jiǎn)單移動(dòng)平均進(jìn)行平滑處理319
15.2.2季節(jié)性分解321
15.3指數(shù)預(yù)測(cè)模型326
15.3.1單指數(shù)平滑326
15.3.2Holt指數(shù)平滑和Holt-Winters指數(shù)平滑 329
15.3.3ets()函數(shù)和自動(dòng)預(yù)測(cè)331
15.4ARIMA 預(yù)測(cè)模型333
15.4.1概念介紹333
15.4.2ARMA和ARIMA模型334
15.4.3ARIMA的自動(dòng)預(yù)測(cè)339
15.5延伸閱讀340
15.6小結(jié)340
第16章聚類分析342
16.1聚類分析的一般步驟343
16.2計(jì)算距離344
16.3層次聚類分析345
16.4劃分聚類分析350
16.4.1K均值聚類350
16.4.2圍繞中心點(diǎn)的劃分354
16.5避免不存在的類356
16.6小結(jié)359
第17章分類360
17.1數(shù)據(jù)準(zhǔn)備361
17.2邏輯回歸362
17.3決策樹363
17.3.1經(jīng)典決策樹364
17.3.2條件推斷樹366
17.4隨機(jī)森林368
17.5支持向量機(jī)370
17.6選擇預(yù)測(cè)效果好的解374
17.7用rattle包進(jìn)行數(shù)據(jù)挖掘376
17.8小結(jié)381
第18章處理缺失數(shù)據(jù)的高級(jí)方法382
18.1處理缺失值的步驟383
18.2識(shí)別缺失值384
18.3探索缺失值模式385
18.3.1列表顯示缺失值385
18.3.2圖形探究缺失數(shù)據(jù)386
18.3.3用相關(guān)性探索缺失值389
18.4理解缺失數(shù)據(jù)的來由和影響391
18.5理性處理不完整數(shù)據(jù) 391
18.6完整實(shí)例分析(行刪除)392
18.7多重插補(bǔ)394
18.8處理缺失值的其他方法397
18.8.1成對(duì)刪除398
18.8.2簡(jiǎn)單(非隨機(jī))插補(bǔ)398
18.9小結(jié)399
第五部分 技能拓展
第19章使用ggplot2進(jìn)行高級(jí)繪圖402
19.1R 中的四種圖形系統(tǒng)402
19.2ggplot2包介紹403
19.3用幾何函數(shù)指定圖的類型407
19.4分組411
19.5刻面413
19.6添加光滑曲線416
19.7修改ggplot2圖形的外觀418
19.7.1坐標(biāo)軸419
19.7.2圖例420
19.7.3標(biāo)尺421
19.7.4主題423
19.7.5多重圖425
19.8保存圖形426
19.9小結(jié)426
第20章高級(jí)編程427
20.1R 語言回顧427
20.1.1數(shù)據(jù)類型427
20.1.2控制結(jié)構(gòu)433
20.1.3創(chuàng)建函數(shù)436
20.2環(huán)境437
20.3面向?qū)ο蟮木幊?39
20.3.1泛型函數(shù)439
20.3.2S3模型的限制441
20.4編寫有效的代碼442
20.5調(diào)試445
20.5.1常見的錯(cuò)誤來源445
20.5.2調(diào)試工具446
20.5.3支持調(diào)試的會(huì)話選項(xiàng)448
20.6深入學(xué)習(xí)451
20.7小結(jié)451
第21章創(chuàng)建包452
21.1非參分析和npar包453
21.2開發(fā)包457
21.2.1計(jì)算統(tǒng)計(jì)量457
21.2.2打印結(jié)果460
21.2.3匯總結(jié)果461
21.2.4繪制結(jié)果463
21.2.5添加樣本數(shù)據(jù)到包464
21.3創(chuàng)建包的文檔466
21.4建立包467
21.5深入學(xué)習(xí)471
21.6小結(jié)471
第22章創(chuàng)建動(dòng)態(tài)報(bào)告472
22.1用模版生成報(bào)告474
22.2用R和Markdown創(chuàng)建動(dòng)態(tài)報(bào)告475
22.3用R和LaTeX創(chuàng)建動(dòng)態(tài)報(bào)告480
22.4用R和Open Document創(chuàng)建動(dòng)態(tài)報(bào)告483
22.5用R和Microsoft Word創(chuàng)建動(dòng)態(tài)報(bào)告485
22.6小結(jié)489
第23章使用lattice進(jìn)行高級(jí)繪圖490
23.1lattice包490
23.2調(diào)節(jié)變量494
23.3面板函數(shù)495
23.4分組變量498
23.5圖形參數(shù)502
23.6自定義圖形條帶503
23.7頁面布局504
23.8深入學(xué)習(xí)507
附錄A圖形用戶界面508
附錄B自定義啟動(dòng)環(huán)境511
附錄C從R中導(dǎo)出數(shù)據(jù)513
附錄DR中的矩陣運(yùn)算515
附錄E本書中用到的擴(kuò)展包517
附錄F處理大數(shù)據(jù)集522
附錄G更新R526
后記：探索R的世界528
參考文獻(xiàn)530
“對(duì)于所有使用R語言進(jìn)行數(shù)據(jù)分析的人來講，本書都是必不可少的，不論用于業(yè)內(nèi)實(shí)踐還是學(xué)術(shù)研究。”——Cristofer Weber，NeoGrid軟件架構(gòu)師
“一般R語言問題與許多統(tǒng)計(jì)學(xué)問題的參考。”——George Gaines，KYOS Systems公司首席運(yùn)營(yíng)官
“語言易懂，示例真實(shí)，代碼清晰。”——Samuel D. McQuillin，休斯頓大學(xué)心理學(xué)院助理教授
“為R語言初學(xué)者提供了柔和的學(xué)習(xí)曲線。”——Indrajit Sen Gupta, 就職于Mu Sigma數(shù)據(jù)分析公司
這本書非常詳細(xì)，是新手小白最適合的書，我感覺很好用，而且這本書的編寫者非常有名，寫的非常認(rèn)真。我推薦大家購(gòu)買，很適合新手，也很適合R語言有一定基礎(chǔ)的人。
權(quán)威性毋庸置疑，學(xué)習(xí)軟件的同時(shí)還可以學(xué)習(xí)統(tǒng)計(jì)思想，何樂而不為呢~
封膜到手就已經(jīng)破了，書的中間有一個(gè)很深的類似指甲蓋的印，封面左上角已經(jīng)起皺了。。。書不錯(cuò)，內(nèi)容非常好。就是書本質(zhì)量不行
這次購(gòu)物給滿分，物流速度快，書的人包裝也很給力。贊一個(gè)！
今天剛收到還沒有使用，是別人推薦的據(jù)說很不錯(cuò)，期待
剛收到，物流包裝都很好， 應(yīng)該是正版的 ，看后再評(píng)吧
有第一版的電子版，第二版直接買了，還需要好好研讀，很好的一本書！
之前只有第一版的電子版，一直想買紙質(zhì)版，沒貨。看到第二版比第一版厚實(shí)了些，接下來就是好好學(xué)習(xí)了！！！
書的紙質(zhì)沒有第一版好，偏黃，但書的內(nèi)容比較好
不錯(cuò)啊，唯一的缺點(diǎn)就是書中的圖都是黑白的，講得特別細(xì)致，極力推薦哦
昨天晚上下的單，今天中午左右到了，蠻快的。書的質(zhì)量和內(nèi)容目前沒發(fā)現(xiàn)什么大問題
想學(xué)數(shù)據(jù)分析，買來一本看，我先學(xué)完SPSS后，準(zhǔn)備攻讀
作為初學(xué)者完全沒什么可借鑒性，不實(shí)用理論性太強(qiáng)，已經(jīng)轉(zhuǎn)為視頻學(xué)習(xí)了，好很多
服務(wù)很到位，書的質(zhì)量很好，不過我有一個(gè)小請(qǐng)求，能不能重新寄一張發(fā)票呀，我弄錯(cuò)了，發(fā)票抬頭應(yīng)該是我的單位，好尷尬呀！
絕對(duì)經(jīng)典，看起來專業(yè)性極強(qiáng)，以后得下功夫加倍努力了。
看了前兩章，作者寫得挺好的，特別是介紹的一些補(bǔ)充內(nèi)容對(duì)初學(xué)者很有用
表揚(yáng)一下快遞小哥，現(xiàn)在很少送樓下了，搞的每次去門口大媽拿，欠著人家似的。當(dāng)當(dāng)自營(yíng)，還是放心，推薦
學(xué)習(xí)R都推薦這本書，已經(jīng)在學(xué)習(xí)了，跟著書一起敲敲代碼，書很實(shí)用。
適合有一定統(tǒng)計(jì)和r語言基礎(chǔ)的人 內(nèi)容很不錯(cuò) 難度適中
很好的一本書，對(duì)R語言介紹的很詳細(xì)，值得一看
物流很快，書的紙質(zhì)很好，沒有什么缺頁之類的問題存在，包裝也很好，這本書內(nèi)容豐富，適合學(xué)習(xí)
R語言基礎(chǔ)，可以讓你對(duì)R語言學(xué)習(xí)有較為全面的認(rèn)知，畢竟是圖靈出版
R語言入門經(jīng)典書，在學(xué)校圖書館看過第一版，第二版出來以后果斷購(gòu)買作為工具書。
很好很好，字體清晰，內(nèi)容豐富系統(tǒng)。早點(diǎn)開始學(xué)習(xí)這本書就好了
整體而言，書的內(nèi)容還可以，就是發(fā)貨速度，很讓人無語，當(dāng)當(dāng)網(wǎng)曾經(jīng)的當(dāng)日達(dá)，隔日達(dá)實(shí)現(xiàn)不了了。業(yè)績(jī)下滑不是沒有理由。
實(shí)用 難度適中 把前面基礎(chǔ)章學(xué)完后 基本可以在網(wǎng)上照著教程自學(xué) 但是想玩好的話還是得有數(shù)學(xué)和編程基礎(chǔ)
這是一本好書，我非常喜歡，對(duì)我計(jì)算機(jī)網(wǎng)絡(luò)和數(shù)學(xué)算法的幫助極大。R需要很牛叉
很經(jīng)典的一本書，淺顯易懂，適合初學(xué)者學(xué)習(xí)簡(jiǎn)單的統(tǒng)計(jì)分析之用。
這本書是學(xué)R語言的經(jīng)典教材，講的很直白。但是對(duì)于我這種電腦小白還有點(diǎn)小難度。要網(wǎng)絡(luò)上找相關(guān)視頻，與此書結(jié)合學(xué)習(xí)。
一直想學(xué)習(xí)一下R語言，這本書據(jù)說是學(xué)R語言必備的一本書，深入淺出，非常通俗易懂。如果做統(tǒng)計(jì)分析，R語言是一門可以讓你提高效率的程序語言。
十分好用啊啊啊！！上金融建模買的那本統(tǒng)計(jì)建模與r軟件，但是作為一個(gè)對(duì)r一無所知的上課還老不聽講的人來說，我還是適合這本書……。大作業(yè)終于做完了_(:3」∠?)_。書挺大的挺厚的。與mini的對(duì)比圖_(:з」∠)_
