《数据科学之编程技术》内容简介

本书围绕使用R进行数据科学编程所需的实际步骤展开。全书着眼于该主题，介绍了有关该主题的工具和技术的整个生态系统。虽然编写代码是成为数据科学家的核心部分，但获得更多的基础技能也是这个过程中必不可少的。数据科学要安装和配置软件以编写、执行和管理代码，跟踪项目版本变动，利用计算机科学的核心概念来理解如何完成给定任务，访问并处理各种不同来源的数据，利用可视化手段来揭示数据中的模式，构建与他人共享观点的应用程序。本书的目的是帮助人们在这些领域打下坚实基础，以便能进入数据科学领域（或将数据科学引入他们工作的领域中）。
本书作者迈克尔·弗里曼（Michael Freeman）、乔尔·罗斯（Joel Ross），译者张燕妮。

作品目录

译者序
序
前言
第一部分
开始
第1章：设置计算机
1.1、设置命令行工具
1.2、安装git
1.3、创建GitHub账户
1.4、选择一个文本编辑器
1.5、下载R语言
1.6、下载RStudio
第2章：使用命令行
2.1、访问命令行
2.2、浏览文件系统
2.3、管理文件
2.4、错误处理
2.5、重定向输出
2.6、网络命令
第二部分
项目管理
第3章：使用git和GitHub进行版本控制
3.1、什么是git
3.2、配置和项目设置
3.3、跟踪项目变更
3.4、在GitHub中存储项目
3.5、访问项目历史
3.6、忽略项目中的文件
第4章：使用Markdown制作文档
4.1、编写Markdown
4.2、渲染Markdown
第三部分
R的基本技能
第5章：R语言
5.1、用R编程
5.2、运行R代码
5.3、注释
5.4、变量定义
5.5、获取帮助
第6章：函数
6.1、什么是函数
6.2、内置R函数
6.3、加载函数
6.4、编写函数
6.5、使用条件语句
第7章：向量
7.1、什么是向量
7.2、向量化操作
7.3、向量索引
7.4、向量过滤
7.5、向量修改
第8章：列表
8.1、什么是列表
8.2、创建列表
8.3、访问列表元素
8.4、修改列表
8.5、lapply()函数
第四部分
数据清理
第9章：理解数据
9.1、数据生成过程
9.2、查找数据
9.3、数据类型
9.4、解释数据
9.5、用数据回答问题
第10章：数据框
10.1、什么是数据框
10.2、使用数据框
10.3、使用CSV数据
第11章：使用dplyr操作数据
11.1、操作数据语法
11.2、核心dplyr函数
11.3、执行顺序操作
11.4、按组分析数据框
11.5、连接数据框
11.6、dplyr实战：分析飞行数据
第12章：使用tidyr重塑数据
12.1、什么是“整洁”数据
12.2、从列到行：gather()
12.3、从行到列：spread()
12.4、tidyr实战：探索教育统计
第13章：访问数据库
13.1、关系数据库概述
13.2、体验SQL
13.3、从R访问数据库
第14章：访问Web
API
14.1、什么是Web
API
14.2、RESTful请求
14.3、从R访问Web
API
14.4、处理JSON数据
14.5、API实战：在西雅图寻找古巴食品
第五部分
数据可视化
第15章：设计数据可视化
15.1、可视化的目的
15.2、选择可视化布局
15.3、选择有效的图形编码
15.4、数据显示的表达力
15.5、强化美学
第16章：使用ggplot2创建可视化
16.1、图形语法
16.2、使用ggplot2进行基本绘图
16.3、复杂的布局及定制
16.4、构建地图
16.5、ggplot2实战：绘制旧金山驱逐地图
第17章：R中的交互式可视化
17.1、plotly包
17.2、rbokeh包
17.3、leaflet包
17.4、交互式可视化实战：展示西雅图的变化
第六部分
构建和共享应用程序
第18章：使用R
Markdown创建动态报告
18.1、设置报告
18.2、集成Markdown与R代码
18.3、在报告中渲染数据与可视化
18.4、以网站形式共享报告
18.5、R
Markdown实战：寿命预测报告
第19章：使用Shiny构建交互式Web应用程序
19.1、Shiny框架
19.2、设计用户界面
19.3、开发应用程序服务器
19.4、发布Shiny应用程序
19.5、Shiny实战：可视化警察致命射击
第20章：协同工作
20.1、使用分支跟踪代码的不同版本
20.2、使用特性分支开发项目
20.3、使用集中工作流协作
20.4、使用分叉工作流协作
第21章：继续学习
21.1、统计学习
21.2、其他编程语言
21.3、道德准则