封戬飞叨叨

本书从解决实际问题入手，尽量跳脱统计学的理论阐述来讨论R语言及其应用，讲解清晰透澈，极具实用性。作者不仅高度概括了R语言的强大功能，展示了各种实用的统计示例，而且对于难以用传统方法分析的凌乱、不完整和非正态的数据也给出了完备的处理方法。第2版新增6章内容，涵盖时间序列、聚类分析、分类、高级编程、创建包和创建动态报告等，并分别详细介绍了如何使用ggplot2和lattice进行高级绘图。通读本书，你将全面掌握使用R语言进行数据分析、数据挖掘的技巧，领略大量探索和展示数据的图形功能，并学会如何撰写动态报告，从而更加高效地进行分析与沟通。 本书注重实用性，是一本全面而细致的R指南，高度概括了该软件和它的强大功能，展示了使用的统计示例，且对于难以用传统方法处理的凌乱、不完整和非正态的数据给出了优雅的处理方法。作者不仅仅探讨统计分析，还阐述了大量探索和展示数据的图形功能。新版做了大量更新和修正，新增了近200页内容，介绍数据挖掘、预测性分析和高级编程。本书适合数据分析人员及R用户学习参考。 目　　录 第一部分 入门 第1章　R语言介绍　　3 1.1　为何要使用R　　4 1.2　R的获取和安装　　6 1.3　R的使用　　6 1.3.1　新手上路　　7 1.3.2　获取帮助　　10 1.3.3　工作空间　　10 1.3.4　输入和输出　　12 1.4　包　　13 1.4.1　什么是包　　14 1.4.2　包的安装　　14 1.4.3　包的载入　　14 1.4.4　包的使用方法　　14 1.5　批处理　　15 1.6　将输出用为输入：结果的重用　　16 1.7　处理大数据集　　16 1.8　示例实践　　16 1.9　小结　　18 第2章　创建数据集　　19 2.1　数据集的概念　　19 2.2　数据结构　　20 2.2.1　向量　　21 2.2.2　矩阵　　22 2.2.3　数组　　23 2.2.4　数据框　　24 2.2.5　因子　　27 2.2.6　列表　　28 2.3　数据的输入　　30 2.3.1　使用键盘输入数据　　31 2.3.2　从带分隔符的文本文件导入数据　　32 2.3.3　导入Excel数据　　35 2.3.4　导入XML数据　　36 2.3.5　从网页抓取数据　　36 2.3.6　导入SPSS数据　　36 2.3.7　导入SAS数据　　37 2.3.8　导入Stata数据　　37 2.3.9　导入NetCDF数据　　38 2.3.10　导入HDF5数据　　38 2.3.11　访问数据库管理系统　　38 2.3.12　通过Stat/Transfer导入数据　　40 2.4　数据集的标注　　40 2.4.1　变量标签　　40 2.4.2　值标签　　41 2.5　处理数据对象的实用函数　　41 2.6　小结　　42 第3章　图形初阶　　 43 3.1　使用图形　　43 3.2　一个简单的例子　　45 3.3　图形参数　　46 3.3.1　符号和线条　　47 3.3.2　颜色　　 49 3.3.3　文本属性　　50 3.3.4　图形尺寸与边界尺寸　　51 3.4　添加文本、自定义坐标轴和图例　　53 3.4.1　标题　　 54 3.4.2　坐标轴　　54 3.4.3　参考线　　56 3.4.4　图例　　57 3.4.5　文本标注　　58 3.4.6　数学标注　　60 3.5　图形的组合　　61 3.6　小结　　67 第4章　基本数据管理　　68 4.1　一个示例　　68 4.2　创建新变量　　70 4.3　变量的重编码　　71 4.4　变量的重命名　　72 4.5　缺失值　　74 4.5.1　重编码某些值为缺失值　　74 4.5.2　在分析中排除缺失值　　75 4.6　日期值　　76 4.6.1　将日期转换为字符型变量　　77 4.6.2　更进一步　　78 4.7　类型转换　　78 4.8　数据排序　　79 4.9　数据集的合并　　79 4.9.1　向数据框添加列　　79 4.9.2　向数据框添加行　　80 4.10　数据集取子集　　80 4.10.1　选入（保留）变量　　80 4.10.2　剔除（丢弃）变量　　81 4.10.3　选入观测　　82 4.10.4　subset()函数　　82 4.10.5　随机抽样　　83 4.11　使用SQL语句操作数据框　　83 4.12　小结　　84 第5章　高级数据管理　　85 5.1　一个数据处理难题　　85 5.2　数值和字符处理函数　　86 5.2.1　数学函数　　86 5.2.2　统计函数　　87 5.2.3　概率函数　　90 5.2.4　字符处理函数　　92 5.2.5　其他实用函数　　94 5.2.6　将函数应用于矩阵和数据框　　95 5.3　数据处理难题的一套解决方案　　96 5.4　控制流　　100 5.4.1　重复和循环　　100 5.4.2　条件执行　　101 5.5　用户自编函数　　102 5.6　整合与重构　　104 5.6.1　转置　　104 5.6.2　整合数据　　105 5.6.3　reshape2包　　106 5.7　小结　　108 第二部分 基本方法 第6章　基本图形　　110 6.1　条形图　　110 6.1.1　简单的条形图　　111 6.1.2　堆砌条形图和分组条形图　　112 6.1.3　均值条形图　　113 6.1.4　条形图的微调　　114 6.1.5　棘状图　　115 6.2　饼图　　116 6.3　直方图　　118 6.4　核密度图　　120 6.5　箱线图　　122 6.5.1　使用并列箱线图进行跨组比较　　123 6.5.2　小提琴图　　125 6.6　点图　　127 6.7　小结　　129 第7章　基本统计分析　　130 7.1　描述性统计分析　　131 7.1.1　方法云集　　131 7.1.2　更多方法　　132 7.1.3　分组计算描述性统计量　　134 7.1.4　分组计算的扩展　　135 7.1.5　结果的可视化　　137 7.2　频数表和列联表　　137 7.2.1　生成频数表　　137 7.2.2　独立性检验　　143 7.2.3　相关性的度量　　144 7.2.4　结果的可视化　　145 7.3　相关　　145 7.3.1　相关的类型　　145 7.3.2　相关性的显著性检验　　147 7.3.3　相关关系的可视化　　149 7.4　t 检验　　 149 7.4.1　独立样本的t 检验　　150 7.4.2　非独立样本的t检验　　151 7.4.3　多于两组的情况　　151 7.5　组间差异的非参数检验　　152 7.5.1　两组的比较　　152 7.5.2　多于两组的比较　　153 7.6　组间差异的可视化　　155 7.7　小结　　155 第三部分 中级方法 第8章　回归　　158 8.1　回归的多面性　　159 8.1.1　OLS回归的适用情境　　159 8.1.2　基础回顾　　160 8.2　OLS回归　　160 8.2.1　用lm()拟合回归模型　　161 8.2.2　简单线性回归　　163 8.2.3　多项式回归　　164 8.2.4　多元线性回归　　167 8.2.5　有交互项的多元线性回归　　169 8.3　回归诊断　　171 8.3.1　标准方法　　172 8.3.2　改进的方法　　175 8.3.3　线性模型假设的综合验证　　181 8.3.4　多重共线性　　181 8.4　异常观测值　　182 8.4.1　离群点　　182 8.4.2　高杠杆值点　　182 8.4.3　强影响点　　184 8.5　改进措施　　186 8.5.1　删除观测点　　186 8.5.2　变量变换　　187 8.5.3　增删变量　　188 8.5.4　尝试其他方法　　188 8.6　选择“最佳”的回归模型　　189 8.6.1　模型比较　　189 8.6.2　变量选择　　190 8.7　深层次分析　　193 8.7.1　交叉验证　　193 8.7.2　相对重要性　　195 8.8　小结　　197 第9章　方差分析　　 198 9.1　术语速成　　198 9.2　ANOVA模型拟合　　201 9.2.1　aov()函数　　201 9.2.2　表达式中各项的顺序　　202 9.3　单因素方差分析　　203 9.3.1　多重比较　　204 9.3.2　评估检验的假设条件　　206 9.4　单因素协方差分析　　208 9.4.1　评估检验的假设条件　　209 9.4.2　结果可视化　　210 9.5　双因素方差分析　　211 9.6　重复测量方差分析　　214 9.7　多元方差分析　　217 9.7.1　评估假设检验　　218 9.7.2　稳健多元方差分析　　220 9.8　用回归来做ANOVA　　220 9.9　小结　　222 第10章　功效分析　　223 10.1　假设检验速览　　223 10.2　用pwr包做功效分析　　225 10.2.1　t检验　　226 10.2.2　方差分析　　228 10.2.3　相关性　　228 10.2.4　线性模型　　229 10.2.5　比例检验　　230 10.2.6　卡方检验　　231 10.2.7　在新情况中选择合适的效应值　　232 10.3　绘制功效分析图形　　233 10.4　其他软件包　　235 10.5　小结　　236 第11章　中级绘图　　237 11.1　散点图　　238 11.1.1　散点图矩阵　　240 11.1.2　高密度散点图　　242 11.1.3　三维散点图　　244 11.1.4　旋转三维散点图　　247 11.1.5　气泡图　　248 11.2　折线图　　250 11.3　相关图　　253 11.4　马赛克图　　258 11.5　小结　　260 第12章　重抽样与自助法　　261 12.1　置换检验　　261 12.2　用coin包做置换检验　　263 12.2.1　独立两样本和K 样本检验　　264 12.2.2　列联表中的独立性　　266 12.2.3　数值变量间的独立性　　266 12.2.4　两样本和K 样本相关性检验　　267 12.2.5　深入探究　　267 12.3　lmPerm包的置换检验　　267 12.3.1　简单回归和多项式回归　　268 12.3.2　多元回归　　269 12.3.3　单因素方差分析和协方差分析　　270 12.3.4　双因素方差分析　　271 12.4　置换检验点评　　271 12.5　自助法　　272 12.6　boot包中的自助法　　272 12.6.1　对单个统计量使用自助法　　274 12.6.2　多个统计量的自助法　　276 12.7　小结　　278 第四部分 高级方法 第13章　广义线性模型　　280 13.1　广义线性模型和glm()函数　　281 13.1.1　glm()函数　　281 13.1.2　连用的函数　　282 13.1.3　模型拟合和回归诊断　　283 13.2　Logistic回归　　284 13.2.1　解释模型参数　　286 13.2.2　评价预测变量对结果概率的影响　　287 13.2.3　过度离势　　288 13.2.4　扩展　　289 13.3　泊松回归　　289 13.3.1　解释模型参数　　291 13.3.2　过度离势　　292 13.3.3　扩展　　294 13.4　小结　　295 第14章　主成分分析和因子分析　　296 14.1　R 中的主成分和因子分析　　297 14.2　主成分分析　　 298 14.2.1　判断主成分的个数　　298 14.2.2　提取主成分　　300 14.2.3　主成分旋转　　303 14.2.4　获取主成分得分　　304 14.3　探索性因子分析　　305 14.3.1　判断需提取的公共因子数　　306 14.3.2　提取公共因子　　307 14.3.3　因子旋转　　308 14.3.4　因子得分　　312 14.3.5　其他与EFA相关的包　　312 14.4　其他潜变量模型　　312 14.5　小结　　313 第15章　时间序列　　315 15.1　在R中生成时序对象　　317 15.2　时序的平滑化和季节性分解　　319 15.2.1　通过简单移动平均进行平滑处理　　319 15.2.2　季节性分解　　321 15.3　指数预测模型　　326 15.3.1　单指数平滑　　326 15.3.2　Holt指数平滑和Holt-Winters指数平滑　　 329 15.3.3　ets()函数和自动预测　　331 15.4　ARIMA 预测模型　　333 15.4.1　概念介绍　　333 15.4.2　ARMA和ARIMA模型　　334 15.4.3　ARIMA的自动预测　　339 15.5　延伸阅读　　340 15.6　小结　　340 第16章　聚类分析　　342 16.1　聚类分析的一般步骤　　343 16.2　计算距离　　344 16.3　层次聚类分析　　345 16.4　划分聚类分析　　350 16.4.1　K均值聚类　　350 16.4.2　围绕中心点的划分　　354 16.5　避免不存在的类　　356 16.6　小结　　359 第17章　分类　　360 17.1　数据准备　　361 17.2　逻辑回归　　362 17.3　决策树　　363 17.3.1　经典决策树　　364 17.3.2　条件推断树　　366 17.4　随机森林　　368 17.5　支持向量机　　370 17.6　选择预测效果最好的解　　374 17.7　用rattle包进行数据挖掘　　376 17.8　小结　　381 第18章　处理缺失数据的高级方法　　382 18.1　处理缺失值的步骤　　383 18.2　识别缺失值　　384 18.3　探索缺失值模式　　385 18.3.1　列表显示缺失值　　385 18.3.2　图形探究缺失数据　　386 18.3.3　用相关性探索缺失值　　389 18.4　理解缺失数据的来由和影响　　391 18.5　理性处理不完整数据　　 391 18.6　完整实例分析（行删除）　　392 18.7　多重插补　　394 18.8　处理缺失值的其他方法　　397 18.8.1　成对删除　　398 18.8.2　简单（非随机）插补　　398 18.9　小结　　399 第五部分 技能拓展 第19章　使用ggplot2进行高级绘图　　402 19.1　R 中的四种图形系统　　402 19.2　ggplot2包介绍　　403 19.3　用几何函数指定图的类型　　407 19.4　分组　　411 19.5　刻面　　413 19.6　添加光滑曲线　　416 19.7　修改ggplot2图形的外观　　418 19.7.1　坐标轴　　419 19.7.2　图例　　420 19.7.3　标尺　　421 19.7.4　主题　　423 19.7.5　多重图　　425 19.8　保存图形　　426 19.9　小结　　426 第20章　高级编程　　427 20.1　R 语言回顾　　427 20.1.1　数据类型　　427 20.1.2　控制结构　　433 20.1.3　创建函数　　436 20.2　环境　　437 20.3　面向对象的编程　　439 20.3.1　泛型函数　　439 20.3.2　S3模型的限制　　441 20.4　编写有效的代码　　442 20.5　调试　　445 20.5.1　常见的错误来源　　445 20.5.2　调试工具　　446 20.5.3　支持调试的会话选项　　448 20.6　深入学习　　451 20.7　小结　　451 第21章　创建包　　452 21.1　非参分析和npar包　　453 21.2　开发包　　457 21.2.1　计算统计量　　457 21.2.2　打印结果　　460 21.2.3　汇总结果　　461 21.2.4　绘制结果　　463 21.2.5　添加样本数据到包　　464 21.3　创建包的文档　　466 21.4　建立包　　467 21.5　深入学习　　471 21.6　小结　　471 第22章　创建动态报告　　472 22.1　用模版生成报告　　474 22.2　用R和Markdown创建动态报告　　475 22.3　用R和LaTeX创建动态报告　　480 22.4　用R和Open Document创建动态报告　　483 22.5　用R和Microsoft Word创建动态报告　　485 22.6　小结　　489 第23章　使用lattice进行高级绘图　　490 23.1　lattice包　　490 23.2　调节变量　　494 23.3　面板函数　　495 23.4　分组变量　　498 23.5　图形参数　　502 23.6　自定义图形条带　　503 23.7　页面布局　　504 23.8　深入学习　　507 附录A　图形用户界面　　508 附录B　自定义启动环境　　511 附录C　从R中导出数据　　513 附录D　R中的矩阵运算　　515 附录E　本书中用到的扩展包　　517 附录F　处理大数据集　　522 附录G　更新R　　526 后记：探索R的世界　　528 参考文献　　530

本书采用基于项目的方法，介绍用Python 完成数据获取、数据清洗、数据探索、数据呈现、数据规模化和自动化的过程。主要内容包括：Python 基础知识，如何从CSV、Excel、XML、JSON 和PDF 文件中提取数据，如何获取与存储数据，各种数据清洗与分析技术，数据可视化方法，如何从网站和API 中提取数据。 本书适合数据处理工作相关人员。 目录 前言 xi 第 1 章 Python 基础 1 1.1 创建 Python 脚本 1 1.2 运行 Python 脚本 3 1.3 与命令行进行交互的几项技巧 6 1.4 Python 语言基础要素 10 1.4.1 数值 10 1.4.2 字符串 12 1.4.3 正则表达式与模式匹配 16 1.4.4 日期 19 1.4.5 列表 21 1.4.6 元组 26 1.4.7 字典 27 1.4.8 控制流 30 1.5 读取文本文件 35 1.5.1 创建文本文件 36 1.5.2 脚本和输入文件在同一位置 38 1.5.3 读取文件的新型语法 38 1.6 使用 glob 读取多个文本文件 39 1.7 写入文本文件 42 1.7.1 向 first_script.py 添加代码 42 1.7.2 写入 CSV 文件 45 1.8 print 语句 46 1.9 本章练习 47 第 2 章 CSV文件 48 2.1 基础 Python 与 pandas 50 2.1.1 读写 CSV 文件（第 1 部分）50 2.1.2 基本字符串分析是如何失败的 56 2.1.3 读写 CSV 文件（第 2 部分）57 2.2 筛选特定的行 58 2.2.1 行中的值满足某个条件 59 2.2.2 行中的值属于某个集合 60 2.2.3 行中的值匹配于某个模式 正则表达式 62 2.3 选取特定的列 64 2.3.1 列索引值 64 2.3.2 列标题 65 2.4 选取连续的行 67 2.5 添加标题行 69 2.6 读取多个 CSV 文件 71 2.7 从多个文件中连接数据 75 2.8 计算每个文件中值的总和与均值 78 2.9 本章练习 81 第 3 章 Excel 文件 82 3.1 内省 Excel 工作簿 84 3.2 处理单个工作表 88 3.2.1 读写 Excel 文件 88 3.2.2 筛选特定行 92 3.2.3 选取特定列 98 3.3 读取工作簿中的所有工作表 101 3.3.1 在所有工作表中筛选特定行 102 3.3.2 在所有工作表中选取特定列 104 3.4 在 Excel 工作簿中读取一组工作表 106 3.5 处理多个工作簿 108 3.5.1 工作表计数以及每个工作表中的行列计数 110 3.5.2 从多个工作簿中连接数据 111 3.5.3 为每个工作簿和工作表计算总数和均值 113 3.6 本章练习 117 第 4 章 数据库 118 4.1 Python 内置的 sqlite3 模块 119 4.1.1 向表中插入新记录 124 4.1.2 更新表中记录 128 4.2 MySQL 数据库 131 4.2.1 向表中插入新记录 135 4.2.2 查询一个表并将输出写入 CSV 文件 140 4.2.3 更新表中记录 142 4.3 本章练习 146 第 5 章 应用程序 147 5.1 在一个大文件集合中查找一组项目 147 5.2 为 CSV 文件中数据的任意数目分类计算统计量 158 5.3 为文本文件中数据的任意数目分类计算统计量 167 5.4 本章练习 174 第 6 章 图与图表 175 6.1 matplotlib 175 6.1.1 条形图 175 6.1.2 直方图 177 6.1.3 折线图 178 6.1.4 散点图 180 6.1.5 箱线图 181 6.2 pandas 183 6.3 ggplot 184 6.4 seaborn 186 第 7 章 描述性统计与建模 192 7.1 数据集 192 7.1.1 葡萄酒质量 192 7.1.2 客户流失 193 7.2 葡萄酒质量 194 7.2.1 描述性统计 194 7.2.2 分组、直方图与 t 检验 195 7.2.3 成对变量之间的关系和相关性 196 7.2.4 使用最小二乘估计进行线性回归 198 7.2.5 系数解释 200 7.2.6 自变量标准化 200 7.2.7 预测 202 7.3 客户流失 203 7.3.1 逻辑斯蒂回归 205 7.3.2 系数解释 207 7.3.3 预测 208 第 8 章 按计划自动运行脚本 209 8.1 任务计划程序（Windows 系统）209 8.2 cron 工具（macOS 系统和 Unix 系统）215 8.2.1 cron 表文件：一次性设置 216 8.2.2 向 cron 表文件中添加 cron 任务 216 第 9 章 从这里启航 220 9.1 更多的标准库模块和内置函数 221 9.1.1 Python 标准库（PSL）：更多的标准模块 221 9.1.2 内置函数 222 9.2 Python 包索引（PyPI）：更多的扩展模块 222 9.2.1 NumPy 223 9.2.2 SciPy 227 9.2.3 Scikit-Learn 230 9.2.4 更多的扩展包 232 9.3 更多的数据结构 232 9.3.1 栈 233 9.3.2 队列 233 9.3.3 图 233 9.3.4 树 234 9.4 从这里启航 234 附录A 下载指南 236 附录B 练习答案 245 作者介绍 247 封面介绍 247

RC4加密算法的Java实现代码 简单清楚，不需要复杂的调试

JDK API 1.7.CHM英文版 Java开发API文档CHM

Java学生信息管理系统，java的课程设计，也是数据库的课程设计，包括学生信息的添加，修改，删除等基本操作，包括数据库源代码，配置好了就可以运行

可行性分析报告，软件工程课程都会用到的一个课程作业，内容还不够完善，大体都出来了，部分还需要结合自己的作业要求修改

软件项目策划书，软件项目管理课程的作业，多人分工完成，各个部分内容一致性上还需要协调一下

SQLHelper.cs经典代码 没什么介绍的

JSP网上商城项目源码,网上商城、网上书店、WebRoot

JavaScript应用的两种用法：1.直接加入网页 2.引用方式