书名：R语言实战（第2版）  
定价：99.0  
ISBN：9787115420572  
作者：[美]卡巴科弗（Robert I. Kabacoff）  
开本：16开  
版次：第2版  
出版时间：2016-05  
内容提要：  

本书注重实用性，是一本全面而细致的R指南，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。  

作者介绍：  

Robert I. Kabacoff R语言社区学习网站Quick-R的维护者，现为开发与咨询公司Management研究集团研发副总裁。此前，Kabacoff博士是佛罗里达诺瓦东南大学的教授，讲授定量方法和统计编程的研究生课程。Kabacoff还是临床心理学博士、统计顾问，擅长数据分析，在健康、金融服务、制造业、行为科学、政府和学术界有20余年的研究和统计咨询经验。 王小宁 中国人民大学统计学院14级硕士，16级博士，统计之都副主编，中国人民大学数据挖掘中心分布式计算负责人，研究兴趣包括统计机器学习和缺失数据。 刘撷芯 中国人民大学统计学院13级硕士，爱荷华大学商学院16级博士，中国人民大学数据挖掘中心核心成员之一，研究兴趣包括统计机器学习和文本分析。 黄俊文 2014年毕业于中山大学数学系，2016年毕业于加州大学圣地亚哥分校统计学专业，统计之都成员，易易网创始人之一，目前关注计算机科学和统计学的结合与应用，包括机器学习方法等。他致力于成为一个有趣的人。  

编辑推荐：  

- 新增预测性分析、简化多变量数据等近200页内容  

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