R語言實戰 第2版 中文目錄
阿新 • • 發佈：2019-02-20
封面1
數字版權宣告2
作譯者介紹3
扉頁4
版權頁5
版權宣告頁6
對第1版的讚譽7
致謝8
前言10
關於本書12
關於封面圖片17
目錄18
第一部分 入門24
第1章 R語言介紹26
1.1 為何要使用R27
1.2 R的獲取和安裝29
1.3 R的使用29
1.3.1 新手上路30
1.3.2 獲取幫助33
1.3.3 工作空間33
1.3.4 輸入和輸出35
1.4 包36
1.4.1 什麼是包37
1.4.2 包的安裝37
1.4.3 包的載入37
1.4.4 包的使用方法37
1.5 批處理38
1.6 將輸出用為輸入：結果的重用39
1.7 處理大資料集39
1.8 示例實踐39
1.9 小結41
第2章 建立資料集42
2.1 資料集的概念42
2.2 資料結構43
2.2.1 向量44
2.2.2 矩陣45
2.2.3 陣列46
2.2.4 資料框47
2.2.5 因子50
2.2.6 列表51
2.3 資料的輸入53
2.3.1 使用鍵盤輸入資料54
2.3.2 從帶分隔符的文字檔案匯入資料55
2.3.3 匯入Excel資料58
2.3.4 匯入XML資料59
2.3.5 從網頁抓取資料59
2.3.6 匯入SPSS資料59
2.3.7 匯入SAS資料60
2.3.8 匯入Stata資料60
2.3.9 匯入NetCDF資料61
2.3.10 匯入HDF5資料61
2.3.11 訪問資料庫管理系統61
2.3.12 通過Stat/Transfer匯入資料63
2.4 資料集的標註63
2.4.1 變數標籤63
2.4.2 值標籤64
2.5 處理資料物件的實用函式64
2.6 小結65
第3章 圖形初階66
3.1 使用圖形66
3.2 一個簡單的例子68
3.3 圖形引數69
3.3.1 符號和線條70
3.3.2 顏色72
3.3.3 文字屬性73
3.3.4 圖形尺寸與邊界尺寸74
3.4 新增文字、自定義座標軸和圖例76
3.4.1 標題77
3.4.2 座標軸77
3.4.3 參考線79
3.4.4 圖例80
3.4.5 文字標註81
3.4.6 數學標註83
3.5 圖形的組合84
3.6 小結90
第4章 基本資料管理91
4.1 一個示例91
4.2 建立新變數93
4.3 變數的重編碼94
4.4 變數的重新命名95
4.5 缺失值97
4.5.1 重編碼某些值為缺失值97
4.5.2 在分析中排除缺失值98
4.6 日期值99
4.6.1 將日期轉換為字元型變數100
4.6.2 更進一步101
4.7 型別轉換101
4.8 資料排序102
4.9 資料集的合併102
4.9.1 向資料框新增列102
4.9.2 向資料框新增行103
4.10 資料集取子集103
4.10.1 選入（保留）變數103
4.10.2 剔除（丟棄）變數104
4.10.3 選入觀測105
4.10.4 subset()函式105
4.10.5 隨機抽樣106
4.11 使用SQL語句操作資料框106
4.12 小結107
第5章 高階資料管理108
5.1 一個數據處理難題108
5.2 數值和字元處理函式109
5.2.1 數學函式109
5.2.2 統計函式110
5.2.3 概率函式113
5.2.4 字元處理函式115
5.2.5 其他實用函式117
5.2.6 將函式應用於矩陣和資料框118
5.3 資料處理難題的一套解決方案119
5.4 控制流123
5.4.1 重複和迴圈123
5.4.2 條件執行124
5.5 使用者自編函式125
5.6 整合與重構127
5.6.1 轉置127
5.6.2 整合資料128
5.6.3 reshape2包129
5.7 小結131
6.1 條形圖133
6.1.1 簡單的條形圖134
6.1.2 堆砌條形圖和分組條形圖135
6.1.3 均值條形圖136
6.1.4 條形圖的微調137
6.1.5 棘狀圖138
6.2 餅圖139
6.3 直方圖141
6.4 核密度圖143
6.5 箱線圖145
6.5.1 使用並列箱線圖進行跨組比較146
6.5.2 小提琴圖148
6.6 點圖150
6.7 小結152
第7章 基本統計分析153
7.1 描述性統計分析154
7.1.1 方法雲集154
7.1.2 更多方法155
7.1.3 分組計算描述性統計量157
7.1.4 分組計算的擴充套件158
7.1.5 結果的視覺化160
7.2 頻數表和列聯表160
7.2.1 生成頻數表160
7.2.2 獨立性檢驗166
7.2.3 相關性的度量167
7.2.4 結果的視覺化168
7.3 相關168
7.3.1 相關的型別168
7.3.2 相關性的顯著性檢驗170
7.3.3 相關關係的視覺化172
7.4 t檢驗172
7.4.1 獨立樣本的t檢驗173
7.4.2 非獨立樣本的t檢驗174
7.4.3 多於兩組的情況174
7.5 組間差異的非引數檢驗175
7.5.1 兩組的比較175
7.5.2 多於兩組的比較176
7.6 組間差異的視覺化178
7.7 小結178
8.1 迴歸的多面性182
8.1.1 OLS迴歸的適用情境182
8.1.2 基礎回顧183
8.2 OLS迴歸183
8.2.1 用lm()擬合迴歸模型184
8.2.2 簡單線性迴歸186
8.2.3 多項式迴歸187
8.2.4 多元線性迴歸190
8.2.5 有互動項的多元線性迴歸192
8.3 迴歸診斷194
8.3.1 標準方法195
8.3.2 改進的方法198
8.3.3 線性模型假設的綜合驗證204
8.3.4 多重共線性204
8.4 異常觀測值205
8.4.1 離群點205
8.4.2 高槓杆值點205
8.4.3 強影響點207
8.5 改進措施209
8.5.1 刪除觀測點209
8.5.2 變數變換210
8.5.3 增刪變數211
8.5.4 嘗試其他方法211
8.6 選擇“最佳”的迴歸模型212
8.6.1 模型比較212
8.6.2 變數選擇213
8.7 深層次分析216
8.7.1 交叉驗證216
8.7.2 相對重要性218
8.8 小結220
第9章 方差分析221
9.1 術語速成221
9.2 ANOVA模型擬合224
9.2.1 aov()函式224
9.2.2 表示式中各項的順序225
9.3 單因素方差分析226
9.3.1 多重比較227
9.3.2 評估檢驗的假設條件229
9.4 單因素協方差分析231
9.4.1 評估檢驗的假設條件232
9.4.2 結果視覺化233
9.5 雙因素方差分析234
9.6 重複測量方差分析237
9.7 多元方差分析240
9.7.1 評估假設檢驗241
9.7.2 穩健多元方差分析243
9.8 用迴歸來做ANOVA243
9.9 小結245
第10章 功效分析246
10.1 假設檢驗速覽246
10.2 用pwr包做功效分析248
10.2.1 t檢驗249
10.2.2 方差分析251
10.2.3 相關性251
10.2.4 線性模型252
10.2.5 比例檢驗253
10.2.6 卡方檢驗254
10.2.7 在新情況中選擇合適的效應值255
10.3 繪製功效分析圖形256
10.4 其他軟體包258
10.5 小結259
第11章 中級繪圖260
11.1 散點圖261
11.1.1 散點圖矩陣263
11.1.2 高密度散點圖265
11.1.3 三維散點圖267
11.1.4 旋轉三維散點圖270
11.1.5 氣泡圖271
11.2 折線圖273
11.3 相關圖276
11.4 馬賽克圖281
11.5 小結283
第12章 重抽樣與自助法284
12.1 置換檢驗284
12.2 用coin包做置換檢驗286
12.2.1 獨立兩樣本和K樣本檢驗287
12.2.2 列聯表中的獨立性289
12.2.3 數值變數間的獨立性289
12.2.4 兩樣本和K樣本相關性檢驗290
12.2.5 深入探究290
12.3 lmPerm包的置換檢驗290
12.3.1 簡單迴歸和多項式迴歸291
12.3.2 多元迴歸292
12.3.3 單因素方差分析和協方差分析293
12.3.4 雙因素方差分析294
12.4 置換檢驗點評294
12.5 自助法295
12.6 boot包中的自助法295
12.6.1 對單個統計量使用自助法297
12.6.2 多個統計量的自助法299
12.7 小結301
13.1 廣義線性模型和glm()函式304
13.1.1 glm()函式304
13.1.2 連用的函式305
13.1.3 模型擬合和迴歸診斷306
13.2 Logistic迴歸307
13.2.1 解釋模型引數309
13.2.2 評價預測變數對結果概率的影響310
13.2.3 過度離勢311
13.2.4 擴充套件312
13.3 泊松迴歸312
13.3.1 解釋模型引數314
13.3.2 過度離勢315
13.3.3 擴充套件317
13.4 小結318
第14章 主成分分析和因子分析319
14.1 R中的主成分和因子分析320
14.2 主成分分析321
14.2.1 判斷主成分的個數321
14.2.2 提取主成分323
14.2.3 主成分旋轉326
14.2.4 獲取主成分得分327
14.3 探索性因子分析328
14.3.1 判斷需提取的公共因子數329
14.3.2 提取公共因子330
14.3.3 因子旋轉331
14.3.4 因子得分335
14.3.5 其他與EFA相關的包335
14.4 其他潛變數模型335
14.5 小結336
第15章 時間序列338
15.1 在R中生成時序物件340
15.2 時序的平滑化和季節性分解342
15.2.1 通過簡單移動平均進行平滑處理342
15.2.2 季節性分解344
15.3 指數預測模型349
15.3.1 單指數平滑349
15.3.2 Holt指數平滑和Holt-Winters指數平滑352
15.3.3 ets()函式和自動預測354
15.4 ARIMA預測模型356
15.4.1 概念介紹356
15.4.2 ARMA和ARIMA模型357
15.4.3 ARIMA的自動預測362
15.5 延伸閱讀363
15.6 小結363
第16章 聚類分析365
16.1 聚類分析的一般步驟366
16.2 計算距離367
16.3 層次聚類分析368
16.4 劃分聚類分析373
16.4.1 K均值聚類373
16.4.2 圍繞中心點的劃分377
16.5 避免不存在的類379
16.6 小結382
第17章 分類383
17.1 資料準備384
17.2 邏輯迴歸385
17.3 決策樹386
17.3.1 經典決策樹387
17.3.2 條件推斷樹389
17.4 隨機森林391
17.5 支援向量機393
17.6 選擇預測效果最好的解397
17.7 用rattle包進行資料探勘399
17.8 小結404
第18章 處理缺失資料的高階方法405
18.1 處理缺失值的步驟406
18.2 識別缺失值407
18.3 探索缺失值模式408
18.3.1 列表顯示缺失值408
18.3.2 圖形探究缺失資料409
18.3.3 用相關性探索缺失值412
18.4 理解缺失資料的來由和影響414
18.5 理性處理不完整資料414
18.6 完整例項分析（行刪除）415
18.7 多重插補417
18.8 處理缺失值的其他方法420
18.8.1 成對刪除421
18.8.2 簡單（非隨機）插補421
18.9 小結422
19.1 R中的四種圖形系統425
19.2 ggplot2包介紹426
19.3 用幾何函式指定圖的型別430
19.4 分組434
19.5 刻面436
19.6 新增光滑曲線439
19.7 修改ggplot2圖形的外觀441
19.7.1 座標軸442
19.7.2 圖例443
19.7.3 標尺444
19.7.4 主題446
19.7.5 多重圖448
19.8 儲存圖形449
19.9 小結449
第20章 高階程式設計450
20.1 R語言回顧450
20.1.1 資料型別450
20.1.2 控制結構456
20.1.3 建立函式459
20.2 環境460
20.3 面向物件的程式設計462
20.3.1 泛型函式462
20.3.2 S3模型的限制464
20.4 編寫有效的程式碼465
20.5 除錯468
20.5.1 常見的錯誤來源468
20.5.2 除錯工具469
20.5.3 支援除錯的會話選項471
20.6 深入學習474
20.7 小結474
第21章 建立包475
21.1 非參分析和npar包476
21.2 開發包480
21.2.1 計算統計量480
21.2.2 列印結果483
21.2.3 彙總結果484
21.2.4 繪製結果486
21.2.5 新增樣本資料到包487
21.3 建立包的文件489
21.4 建立包490
21.5 深入學習494
21.6 小結494
第22章 建立動態報告495
22.1 用模版生成報告497
22.2 用R和Markdown建立動態報告498
22.3 用R和LaTeX建立動態報告503
22.4 用R和Open Document建立動態報告506
22.5 用R和Microsoft Word建立動態報告508
22.6 小結512
第23章 使用lattice進行高階繪圖513
23.1 lattice包513
23.2 調節變數517
23.3 面板函式518
23.4 分組變數521
23.5 圖形引數525
23.6 自定義圖形條帶526
23.7 頁面佈局527
23.8 深入學習530
附錄A 圖形使用者介面531
附錄B 自定義啟動環境534
附錄C 從R中匯出資料536
附錄D R中的矩陣運算538
附錄E 本書中用到的擴充套件包540
附錄F 處理大資料集545
附錄G 更新R549
後記：探索R的世界551
參考文獻553
新書宣傳頁558
關注圖靈560
看完了562
數字版權宣告2
作譯者介紹3
扉頁4
版權頁5
版權宣告頁6
對第1版的讚譽7
致謝8
前言10
關於本書12
關於封面圖片17
目錄18
第一部分 入門24
第1章 R語言介紹26
1.1 為何要使用R27
1.2 R的獲取和安裝29
1.3 R的使用29
1.3.1 新手上路30
1.3.2 獲取幫助33
1.3.3 工作空間33
1.3.4 輸入和輸出35
1.4 包36
1.4.1 什麼是包37
1.4.2 包的安裝37
1.4.3 包的載入37
1.4.4 包的使用方法37
1.5 批處理38
1.6 將輸出用為輸入：結果的重用39
1.7 處理大資料集39
1.8 示例實踐39
1.9 小結41
第2章 建立資料集42
2.1 資料集的概念42
2.2 資料結構43
2.2.1 向量44
2.2.2 矩陣45
2.2.3 陣列46
2.2.4 資料框47
2.2.5 因子50
2.2.6 列表51
2.3 資料的輸入53
2.3.1 使用鍵盤輸入資料54
2.3.2 從帶分隔符的文字檔案匯入資料55
2.3.3 匯入Excel資料58
2.3.4 匯入XML資料59
2.3.5 從網頁抓取資料59
2.3.6 匯入SPSS資料59
2.3.7 匯入SAS資料60
2.3.8 匯入Stata資料60
2.3.9 匯入NetCDF資料61
2.3.10 匯入HDF5資料61
2.3.11 訪問資料庫管理系統61
2.3.12 通過Stat/Transfer匯入資料63
2.4 資料集的標註63
2.4.1 變數標籤63
2.4.2 值標籤64
2.5 處理資料物件的實用函式64
2.6 小結65
第3章 圖形初階66
3.1 使用圖形66
3.2 一個簡單的例子68
3.3 圖形引數69
3.3.1 符號和線條70
3.3.2 顏色72
3.3.3 文字屬性73
3.3.4 圖形尺寸與邊界尺寸74
3.4 新增文字、自定義座標軸和圖例76
3.4.1 標題77
3.4.2 座標軸77
3.4.3 參考線79
3.4.4 圖例80
3.4.5 文字標註81
3.4.6 數學標註83
3.5 圖形的組合84
3.6 小結90
第4章 基本資料管理91
4.1 一個示例91
4.2 建立新變數93
4.3 變數的重編碼94
4.4 變數的重新命名95
4.5 缺失值97
4.5.1 重編碼某些值為缺失值97
4.5.2 在分析中排除缺失值98
4.6 日期值99
4.6.1 將日期轉換為字元型變數100
4.6.2 更進一步101
4.7 型別轉換101
4.8 資料排序102
4.9 資料集的合併102
4.9.1 向資料框新增列102
4.9.2 向資料框新增行103
4.10 資料集取子集103
4.10.1 選入（保留）變數103
4.10.2 剔除（丟棄）變數104
4.10.3 選入觀測105
4.10.4 subset()函式105
4.10.5 隨機抽樣106
4.11 使用SQL語句操作資料框106
4.12 小結107
第5章 高階資料管理108
5.1 一個數據處理難題108
5.2 數值和字元處理函式109
5.2.1 數學函式109
5.2.2 統計函式110
5.2.3 概率函式113
5.2.4 字元處理函式115
5.2.5 其他實用函式117
5.2.6 將函式應用於矩陣和資料框118
5.3 資料處理難題的一套解決方案119
5.4 控制流123
5.4.1 重複和迴圈123
5.4.2 條件執行124
5.5 使用者自編函式125
5.6 整合與重構127
5.6.1 轉置127
5.6.2 整合資料128
5.6.3 reshape2包129
5.7 小結131
第二部分 基本方法132
6.1 條形圖133
6.1.1 簡單的條形圖134
6.1.2 堆砌條形圖和分組條形圖135
6.1.3 均值條形圖136
6.1.4 條形圖的微調137
6.1.5 棘狀圖138
6.2 餅圖139
6.3 直方圖141
6.4 核密度圖143
6.5 箱線圖145
6.5.1 使用並列箱線圖進行跨組比較146
6.5.2 小提琴圖148
6.6 點圖150
6.7 小結152
第7章 基本統計分析153
7.1 描述性統計分析154
7.1.1 方法雲集154
7.1.2 更多方法155
7.1.3 分組計算描述性統計量157
7.1.4 分組計算的擴充套件158
7.1.5 結果的視覺化160
7.2 頻數表和列聯表160
7.2.1 生成頻數表160
7.2.2 獨立性檢驗166
7.2.3 相關性的度量167
7.2.4 結果的視覺化168
7.3 相關168
7.3.1 相關的型別168
7.3.2 相關性的顯著性檢驗170
7.3.3 相關關係的視覺化172
7.4 t檢驗172
7.4.1 獨立樣本的t檢驗173
7.4.2 非獨立樣本的t檢驗174
7.4.3 多於兩組的情況174
7.5 組間差異的非引數檢驗175
7.5.1 兩組的比較175
7.5.2 多於兩組的比較176
7.6 組間差異的視覺化178
7.7 小結178
第三部分 中級方法180
8.1 迴歸的多面性182
8.1.1 OLS迴歸的適用情境182
8.1.2 基礎回顧183
8.2 OLS迴歸183
8.2.1 用lm()擬合迴歸模型184
8.2.2 簡單線性迴歸186
8.2.3 多項式迴歸187
8.2.4 多元線性迴歸190
8.2.5 有互動項的多元線性迴歸192
8.3 迴歸診斷194
8.3.1 標準方法195
8.3.2 改進的方法198
8.3.3 線性模型假設的綜合驗證204
8.3.4 多重共線性204
8.4 異常觀測值205
8.4.1 離群點205
8.4.2 高槓杆值點205
8.4.3 強影響點207
8.5 改進措施209
8.5.1 刪除觀測點209
8.5.2 變數變換210
8.5.3 增刪變數211
8.5.4 嘗試其他方法211
8.6 選擇“最佳”的迴歸模型212
8.6.1 模型比較212
8.6.2 變數選擇213
8.7 深層次分析216
8.7.1 交叉驗證216
8.7.2 相對重要性218
8.8 小結220
第9章 方差分析221
9.1 術語速成221
9.2 ANOVA模型擬合224
9.2.1 aov()函式224
9.2.2 表示式中各項的順序225
9.3 單因素方差分析226
9.3.1 多重比較227
9.3.2 評估檢驗的假設條件229
9.4 單因素協方差分析231
9.4.1 評估檢驗的假設條件232
9.4.2 結果視覺化233
9.5 雙因素方差分析234
9.6 重複測量方差分析237
9.7 多元方差分析240
9.7.1 評估假設檢驗241
9.7.2 穩健多元方差分析243
9.8 用迴歸來做ANOVA243
9.9 小結245
第10章 功效分析246
10.1 假設檢驗速覽246
10.2 用pwr包做功效分析248
10.2.1 t檢驗249
10.2.2 方差分析251
10.2.3 相關性251
10.2.4 線性模型252
10.2.5 比例檢驗253
10.2.6 卡方檢驗254
10.2.7 在新情況中選擇合適的效應值255
10.3 繪製功效分析圖形256
10.4 其他軟體包258
10.5 小結259
第11章 中級繪圖260
11.1 散點圖261
11.1.1 散點圖矩陣263
11.1.2 高密度散點圖265
11.1.3 三維散點圖267
11.1.4 旋轉三維散點圖270
11.1.5 氣泡圖271
11.2 折線圖273
11.3 相關圖276
11.4 馬賽克圖281
11.5 小結283
第12章 重抽樣與自助法284
12.1 置換檢驗284
12.2 用coin包做置換檢驗286
12.2.1 獨立兩樣本和K樣本檢驗287
12.2.2 列聯表中的獨立性289
12.2.3 數值變數間的獨立性289
12.2.4 兩樣本和K樣本相關性檢驗290
12.2.5 深入探究290
12.3 lmPerm包的置換檢驗290
12.3.1 簡單迴歸和多項式迴歸291
12.3.2 多元迴歸292
12.3.3 單因素方差分析和協方差分析293
12.3.4 雙因素方差分析294
12.4 置換檢驗點評294
12.5 自助法295
12.6 boot包中的自助法295
12.6.1 對單個統計量使用自助法297
12.6.2 多個統計量的自助法299
12.7 小結301
第四部分 高階方法302
13.1 廣義線性模型和glm()函式304
13.1.1 glm()函式304
13.1.2 連用的函式305
13.1.3 模型擬合和迴歸診斷306
13.2 Logistic迴歸307
13.2.1 解釋模型引數309
13.2.2 評價預測變數對結果概率的影響310
13.2.3 過度離勢311
13.2.4 擴充套件312
13.3 泊松迴歸312
13.3.1 解釋模型引數314
13.3.2 過度離勢315
13.3.3 擴充套件317
13.4 小結318
第14章 主成分分析和因子分析319
14.1 R中的主成分和因子分析320
14.2 主成分分析321
14.2.1 判斷主成分的個數321
14.2.2 提取主成分323
14.2.3 主成分旋轉326
14.2.4 獲取主成分得分327
14.3 探索性因子分析328
14.3.1 判斷需提取的公共因子數329
14.3.2 提取公共因子330
14.3.3 因子旋轉331
14.3.4 因子得分335
14.3.5 其他與EFA相關的包335
14.4 其他潛變數模型335
14.5 小結336
第15章 時間序列338
15.1 在R中生成時序物件340
15.2 時序的平滑化和季節性分解342
15.2.1 通過簡單移動平均進行平滑處理342
15.2.2 季節性分解344
15.3 指數預測模型349
15.3.1 單指數平滑349
15.3.2 Holt指數平滑和Holt-Winters指數平滑352
15.3.3 ets()函式和自動預測354
15.4 ARIMA預測模型356
15.4.1 概念介紹356
15.4.2 ARMA和ARIMA模型357
15.4.3 ARIMA的自動預測362
15.5 延伸閱讀363
15.6 小結363
第16章 聚類分析365
16.1 聚類分析的一般步驟366
16.2 計算距離367
16.3 層次聚類分析368
16.4 劃分聚類分析373
16.4.1 K均值聚類373
16.4.2 圍繞中心點的劃分377
16.5 避免不存在的類379
16.6 小結382
第17章 分類383
17.1 資料準備384
17.2 邏輯迴歸385
17.3 決策樹386
17.3.1 經典決策樹387
17.3.2 條件推斷樹389
17.4 隨機森林391
17.5 支援向量機393
17.6 選擇預測效果最好的解397
17.7 用rattle包進行資料探勘399
17.8 小結404
第18章 處理缺失資料的高階方法405
18.1 處理缺失值的步驟406
18.2 識別缺失值407
18.3 探索缺失值模式408
18.3.1 列表顯示缺失值408
18.3.2 圖形探究缺失資料409
18.3.3 用相關性探索缺失值412
18.4 理解缺失資料的來由和影響414
18.5 理性處理不完整資料414
18.6 完整例項分析（行刪除）415
18.7 多重插補417
18.8 處理缺失值的其他方法420
18.8.1 成對刪除421
18.8.2 簡單（非隨機）插補421
18.9 小結422
第五部分 技能拓展424
第19章 使用ggplot2進行高階繪圖42519.1 R中的四種圖形系統425
19.2 ggplot2包介紹426
19.3 用幾何函式指定圖的型別430
19.4 分組434
19.5 刻面436
19.6 新增光滑曲線439
19.7 修改ggplot2圖形的外觀441
19.7.1 座標軸442
19.7.2 圖例443
19.7.3 標尺444
19.7.4 主題446
19.7.5 多重圖448
19.8 儲存圖形449
19.9 小結449
第20章 高階程式設計450
20.1 R語言回顧450
20.1.1 資料型別450
20.1.2 控制結構456
20.1.3 建立函式459
20.2 環境460
20.3 面向物件的程式設計462
20.3.1 泛型函式462
20.3.2 S3模型的限制464
20.4 編寫有效的程式碼465
20.5 除錯468
20.5.1 常見的錯誤來源468
20.5.2 除錯工具469
20.5.3 支援除錯的會話選項471
20.6 深入學習474
20.7 小結474
第21章 建立包475
21.1 非參分析和npar包476
21.2 開發包480
21.2.1 計算統計量480
21.2.2 列印結果483
21.2.3 彙總結果484
21.2.4 繪製結果486
21.2.5 新增樣本資料到包487
21.3 建立包的文件489
21.4 建立包490
21.5 深入學習494
21.6 小結494
第22章 建立動態報告495
22.1 用模版生成報告497
22.2 用R和Markdown建立動態報告498
22.3 用R和LaTeX建立動態報告503
22.4 用R和Open Document建立動態報告506
22.5 用R和Microsoft Word建立動態報告508
22.6 小結512
第23章 使用lattice進行高階繪圖513
23.1 lattice包513
23.2 調節變數517
23.3 面板函式518
23.4 分組變數521
23.5 圖形引數525
23.6 自定義圖形條帶526
23.7 頁面佈局527
23.8 深入學習530
附錄A 圖形使用者介面531
附錄B 自定義啟動環境534
附錄C 從R中匯出資料536
附錄D R中的矩陣運算538
附錄E 本書中用到的擴充套件包540
附錄F 處理大資料集545
附錄G 更新R549
後記：探索R的世界551
參考文獻553
新書宣傳頁558
關注圖靈560
看完了562