第1章 R語言與統計分析概述 1
1.1 寫在前面的話 1
1.1.1 大數據的廣義概念 1
1.1.2 目標定位 2
1.1.3 初識R 3
1.2 R語言入門 3
1.2.1 R中的基本概念 3
1.2.2 R的下載安裝 5
1.2.3 R程序的運行 6
1.2.4 R使用的其他方面 10
1.3 Rstudio簡介 12
1.4 從大數據分析案例看統計分析的基本框架 13
1.4.1 數據集 14
1.4.2 分析目標和數據預處理 16
1.4.3 數據的基本分析 17
1.4.4 總體特征的推斷 17
1.4.5 推斷多個變量間的總體相關性 18
1.4.6 數據的聚類 19
1.5 本章涉及的R函數 19
第2章 R的數據組織 20
2.1 R的數據對象 20
2.1.1 R對象的類型劃分 20
2.1.2 創建和管理R對象 21
2.2 R數據組織的基本方式 22
2.2.1 R向量及其創建與訪問 22
2.2.2 R矩陣和數組及其創建與訪問 27
2.2.3 R數據框及其創建與訪問 32
2.2.4 R列表及其創建與訪問 36
2.3 R數據組織的其他問題 37
2.3.1 R對象數據的保存 37
2.3.2 通過鍵盤讀入數據 38
2.3.3 共享R自帶的數據包 39
2.4 大數據案例的數據結構和R組織 39
2.4.1 讀文本文件數據到R數據框 39
2.4.2 大數據分析案例：北京市空氣質量監測數據 40
2.4.3 大數據分析案例：美食餐館食客點評數據 41
2.4.3 大數據分析案例：超市顧客購買行為數據 42
2.5 本章涉及的R函數 43
第3章 R的數據整理和編程基礎 45
3.1 從大數據分析案例看數據整理 45
3.1.1 美食餐館食客點評數據的整理問題 45
3.1.2 超市顧客購買行為數據的整理問題 45
3.1.3 北京市空氣質量監測數據的整理問題 46
3.2 數據的初步整理 46
3.2.1 數據整合 46
3.2.2 數據篩選 46
3.2.3 大數據分析案例：美食餐館食客點評數據的初步整理 47
3.3 數據質量評估 49
3.3.1 缺失數據報告 49
3.3.2 異常值排查 50
3.3.3 大數據分析案例：美食餐館食客點評數據的質量評估 50
3.4 數據加工 52
3.4.1 數據加工管理中的常用函數 53
3.4.2 數據分組和重編碼 59
3.4.3 大數據分析案例：利用數據加工尋找“人氣”餐館 60
3.5 數據管理中的R編程基礎 61
3.5.1 分支結構的流程控制及示例——促銷折扣的計算 61
3.5.2 循環結構的流程控制及示例：等差數列的求和 63
3.5.3 用戶自定義函數及示例：匯總數據還原為原始數據 65
3.5.4 R編程大數據分析案例：超市顧客購買行為數據的RFM計算 67
3.5.5 R編程大數據分析案例：北京市空氣質量監測數據的整理 68
3.6 本章涉及的R函數 70
第4章 R的基本分析和統計圖形 71
4.1 從大數據分析案例看數據基本分析 71
4.1.1 美食餐館食客點評數據的基本分析 71
4.1.2 北京市空氣質量監測數據的基本分析 72
4.2 R的繪圖基礎 73
4.2.1 圖形設備和圖形文件 73
4.2.2 圖形組成和圖形參數 74
4.3 分類型單變量的基本分析 78
4.3.1 計算頻數分布表 78
4.3.2 分類型變量的基本統計圖形 78
4.3.3 大數據分析案例：主打菜的餐館分布有怎樣的特點 79
4.4 數值型單變量的基本分析 80
4.4.1 計算基本描述統計量 80
4.4.2 數值型變量的基本統計圖形 81
4.4.3 大數據分析案例：餐館評分的分布有怎樣的特點 83
4.5 大數據分析案例綜合：北京市空氣質量監測數據的基本分析 85
4.6 本章涉及的R函數 88
第5章 R的變量相關性分析和統計圖形 89
5.1 分類型變量相關性的分析 89
5.1.1 分類型變量相關性的描述 89
5.1.2 分類型變量相關性的統計圖形 93
5.1.3 大數據分析案例：餐館的區域分布與主打菜分布是否具有相關性 93
5.2 數值型變量相關性的分析 94
5.2.1 數值型變量相關性的描述 94
5.2.2 數值型變量相關性的統計圖形 95
5.2.3 大數據分析案例：餐館各打分之間、打分與人均消費之間是否具有相關性 96
5.3 大數據分析案例綜合：北京市空氣質量監測數據的相關性分析 100
5.4 本章涉及的R函數 102
第6章 R的均值檢驗：單個總體的均值推斷及兩個總體均值的對比 104
6.1 從大數據分析案例看推斷統計 104
6.1.1 美食餐館食客點評數據分析中的推斷統計問題 104
6.1.2 北京市空氣質量監測數據分析中的推斷統計問題 105
6.2 單個總體的均值推斷 106
6.2.1 以PM2.5總體均值推斷為例看假設檢驗基本原理 106
6.2.2 大數據案例分析：估計供暖季北京市PM2.5濃度的總體均值 110
6.3 兩個總體均值的對比：基于獨立樣本的常規t檢驗 111
6.3.1 兩個獨立樣本均值t檢驗的原理和R實現 111
6.3.2 深入問題：方差齊性檢驗和R實現 114
6.3.3 大數據分析案例：兩個區域美食餐館人均消費金額是否存在差異 115
6.4 兩個總體均值的對比：置換檢驗 117
6.4.1 兩個獨立樣本均值差的置換檢驗原理和R實現 117
6.4.2 大數據分析案例：利用置換檢驗對比兩個區域美食餐館人均消費金額的總體均值 118
6.5 兩個總體的均值對比：自舉法檢驗 118
6.5.1 兩個獨立樣本均值差的自舉法檢驗原理和R實現 118
6.5.2 大數據分析案例：利用自舉法對比兩個區域美食餐館人均消費金額的總體均值 120
6.6 兩個總體的均值對比：基于配對樣本的常規t檢驗 121
6.6.1 兩個配對樣本均值t檢驗的原理和R實現 121
6.6.2 大數據分析案例：兩個區域美食餐館口味評分與就餐環境評分的均值是否存在差異 122
6.7 大數據分析案例綜合：北京市空氣質量監測數據的均值研究 123
6.8 本章涉及的R函數 125
第7章 R的方差分析：多個總體均值的對比 127
7.1 從大數據分析案例看方差分析 127
7.1.1 美食餐館食客點評數據分析中的方差分析問題 127
7.1.2 北京市空氣質量監測數據分析中的方差分析問題 128
7.2 多個總體均值的對比：單因素方差分析 128
7.2.1 單因素方差分析原理和R實現 128
7.2.2 深入問題：方差齊性檢驗和多重比較檢驗 131
7.2.3 大數據分析案例：利用單因素方差分析對比不同主打菜餐館人均消費金額的
總體均值 131
7.3 多個總體均值的對比：多因素方差分析 135
7.3.1 多因素方差分析原理和R實現 135
7.3.2 大數據分析案例：利用多因素方差分析對比不同主打菜餐館人均消費金額的
總體均值 137
7.4 大數據分析案例綜合：北京市空氣質量監測數據的均值研究 140
7.5 本章涉及的R函數 142
第8章 R的線性回歸分析：對數值變量影響程度的度量和預測 143
8.1 從數據分析案例看線性回歸分析 143
8.1.1 美食餐館食客點評數據分析中的回歸分析問題 143
8.1.2 北京市空氣質量監測數據分析中的回歸分析問題 143
8.1.3 線性回歸分析的一般步驟 143
8.2 建立回歸方程 145
8.2.1 線性回歸模型和線性回歸方程 145
8.2.2 線性回歸方程的參數估計和R實現 145
8.2.3 大數據分析案例：建立美食餐館食客評分的線性回歸模型 146
8.3 回歸方程的檢驗 147
8.3.1 回歸方程的顯著性檢驗 148
8.3.2 回歸系數的顯著性檢驗 149
8.3.3 大數據分析案例：美食餐館食客評分回歸方程的檢驗 149
8.4 回歸方程的應用 152
8.4.1 回歸方程擬合效果的度量 152
8.4.2 預測和預測誤差 153
8.4.3 大數據分析案例：美食餐館食客評分回歸方程的評價和預測 153
8.5 回歸模型的驗證 154
8.5.1 回歸模型的N折交叉驗證法和R實現 155
8.5.2 回歸模型的自舉法驗證和R實現 155
8.5.3 大數據分析案例：美食餐館食客評分回歸模型的驗證 156
8.6 虛擬自變量回歸和協方差分析 157
8.6.1 虛擬自變量回歸 157
8.6.2 協方差分析 159
8.6.3 大數據分析案例：就餐環境對不同區域美食餐館人均消費的影響 159
8.7 大數據分析案例綜合：北京市空氣質量監測數據的回歸分析研究 162
8.8 本章涉及的R函數 168
第9章 R的Logistic回歸分析：對分類變量影響程度的度量和預測 169
9.1 從大數據分析案例看Logistic回歸分析 169
9.1.1 人力資源調查數據分析中的Logistic回歸分析問題 169
9.1.2 Logistic回歸分析的基本建模思路 172
9.2 Logistic回歸方程的解讀 173
9.2.1 Logistic回歸方程的系數 173
9.2.2 Logistic回歸方程的檢驗 174
9.2.3 大數據分析案例：基于人力資源調查數據探討技術人員離職的原因 176
9.3 Logistic回歸方程的應用 179
9.3.1 Logistic回歸方程擬合效果的評價 179
9.3.2 大數據分析案例：基于人力資源調查數據預測技術人員離職的可能性 180
9.4 本章涉及的R函數 181
第10章 R的聚類分析：數據分組 182
10.1 從大數據分析案例看聚類分析 182
10.1.1 超市顧客購買行為數據分析中的聚類分析問題 182
10.1.2 北京市空氣質量監測數據分析中的聚類分析問題 183
10.1.3 聚類分析的基本思路 183
10.2 K-Means聚類 185
10.2.1 K-Means聚類原理和R實現 185
10.2.2 大數據分析案例：超市顧客購買行為數據分析中的K-Means聚類 187
10.3 分層聚類 191
10.3.1 分層聚類原理和R實現 191
10.3.2 大數據分析案例：超市顧客購買行為數據分析中的分層聚類 192
10.4 大數據分析案例綜合：北京市空氣質量監測數據的聚類分析研究 195
10.5 本章涉及的R函數 197
第11章 R的線性判別分析：分類預測 198
11.1 從大數據分析案例看判別分析 198
11.1.1 人力資源調查數據分析中的判別分析問題 198
11.1.2 判別分析的數據和基本出發點 199
11.2 距離判別法 199
11.2.1 距離判別的基本思路 199
11.2.2 判別函數的計算和R實現 201
11.2.3 大數據分析案例：利用距離判別預測技術人員離職的可能性 203
11.3 Fisher判別法 205
11.3.1 Fisher判別的基本原理 2