第1章 R语言与统计分析概述 1__eol__1.1 写在前面的话 1__eol__1.1.1 大数据的广义概念 1__eol__1.1.2 目标定位 2__eol__1.1.3 初识R 3__eol__1.2 R语言入门 3__eol__1.2.1 R中的基本概念 3__eol__1.2.2 R的下载安装 5__eol__1.2.3 R程序的运行 6__eol__1.2.4 R使用的其他方面 10__eol__1.3 Rstudio简介 12__eol__1.4 从大数据分析案例看统计分析的基本框架 13__eol__1.4.1 数据集 14__eol__1.4.2 分析目标和数据预处理 16__eol__1.4.3 数据的基本分析 17__eol__1.4.4 总体特征的推断 17__eol__1.4.5 推断多个变量间的总体相关性 18__eol__1.4.6 数据的聚类 19__eol__1.5 本章涉及的R函数 19__eol__第2章 R的数据组织 20__eol__2.1 R的数据对象 20__eol__2.1.1 R对象的类型划分 20__eol__2.1.2 创建和管理R对象 21__eol__2.2 R数据组织的基本方式 22__eol__2.2.1 R向量及其创建与访问 22__eol__2.2.2 R矩阵和数组及其创建与访问 27__eol__2.2.3 R数据框及其创建与访问 32__eol__2.2.4 R列表及其创建与访问 36__eol__2.3 R数据组织的其他问题 37__eol__2.3.1 R对象数据的保存 37__eol__2.3.2 通过键盘读入数据 38__eol__2.3.3 共享R自带的数据包 39__eol__2.4 大数据案例的数据结构和R组织 39__eol__2.4.1 读文本文件数据到R数据框 39__eol__2.4.2 大数据分析案例：北京市空气质量监测数据 40__eol__2.4.3 大数据分析案例：美食餐馆食客点评数据 41__eol__2.4.3 大数据分析案例：超市顾客购买行为数据 42__eol__2.5 本章涉及的R函数 43__eol__第3章 R的数据整理和编程基础 45__eol__3.1 从大数据分析案例看数据整理 45__eol__3.1.1 美食餐馆食客点评数据的整理问题 45__eol__3.1.2 超市顾客购买行为数据的整理问题 45__eol__3.1.3 北京市空气质量监测数据的整理问题 46__eol__3.2 数据的初步整理 46__eol__3.2.1 数据整合 46__eol__3.2.2 数据筛选 46__eol__3.2.3 大数据分析案例：美食餐馆食客点评数据的初步整理 47__eol__3.3 数据质量评估 49__eol__3.3.1 缺失数据报告 49__eol__3.3.2 异常值排查 50__eol__3.3.3 大数据分析案例：美食餐馆食客点评数据的质量评估 50__eol__3.4 数据加工 52__eol__3.4.1 数据加工管理中的常用函数 53__eol__3.4.2 数据分组和重编码 59__eol__3.4.3 大数据分析案例：利用数据加工寻找“人气”餐馆 60__eol__3.5 数据管理中的R编程基础 61__eol__3.5.1 分支结构的流程控制及示例——促销折扣的计算 61__eol__3.5.2 循环结构的流程控制及示例：等差数列的求和 63__eol__3.5.3 用户自定义函数及示例：汇总数据还原为原始数据 65__eol__3.5.4 R编程大数据分析案例：超市顾客购买行为数据的RFM计算 67__eol__3.5.5 R编程大数据分析案例：北京市空气质量监测数据的整理 68__eol__3.6 本章涉及的R函数 70__eol__第4章 R的基本分析和统计图形 71__eol__4.1 从大数据分析案例看数据基本分析 71__eol__4.1.1 美食餐馆食客点评数据的基本分析 71__eol__4.1.2 北京市空气质量监测数据的基本分析 72__eol__4.2 R的绘图基础 73__eol__4.2.1 图形设备和图形文件 73__eol__4.2.2 图形组成和图形参数 74__eol__4.3 分类型单变量的基本分析 78__eol__4.3.1 计算频数分布表 78__eol__4.3.2 分类型变量的基本统计图形 78__eol__4.3.3 大数据分析案例：主打菜的餐馆分布有怎样的特点 79__eol__4.4 数值型单变量的基本分析 80__eol__4.4.1 计算基本描述统计量 80__eol__4.4.2 数值型变量的基本统计图形 81__eol__4.4.3 大数据分析案例：餐馆评分的分布有怎样的特点 83__eol__4.5 大数据分析案例综合：北京市空气质量监测数据的基本分析 85__eol__4.6 本章涉及的R函数 88__eol__第5章 R的变量相关性分析和统计图形 89__eol__5.1 分类型变量相关性的分析 89__eol__5.1.1 分类型变量相关性的描述 89__eol__5.1.2 分类型变量相关性的统计图形 93__eol__5.1.3 大数据分析案例：餐馆的区域分布与主打菜分布是否具有相关性 93__eol__5.2 数值型变量相关性的分析 94__eol__5.2.1 数值型变量相关性的描述 94__eol__5.2.2 数值型变量相关性的统计图形 95__eol__5.2.3 大数据分析案例：餐馆各打分之间、打分与人均消费之间是否具有相关性 96__eol__5.3 大数据分析案例综合：北京市空气质量监测数据的相关性分析 100__eol__5.4 本章涉及的R函数 102__eol__第6章 R的均值检验：单个总体的均值推断及两个总体均值的对比 104__eol__6.1 从大数据分析案例看推断统计 104__eol__6.1.1 美食餐馆食客点评数据分析中的推断统计问题 104__eol__6.1.2 北京市空气质量监测数据分析中的推断统计问题 105__eol__6.2 单个总体的均值推断 106__eol__6.2.1 以PM2.5总体均值推断为例看假设检验基本原理 106__eol__6.2.2 大数据案例分析：估计供暖季北京市PM2.5浓度的总体均值 110__eol__6.3 两个总体均值的对比：基于独立样本的常规t检验 111__eol__6.3.1 两个独立样本均值t检验的原理和R实现 111__eol__6.3.2 深入问题：方差齐性检验和R实现 114__eol__6.3.3 大数据分析案例：两个区域美食餐馆人均消费金额是否存在差异 115__eol__6.4 两个总体均值的对比：置换检验 117__eol__6.4.1 两个独立样本均值差的置换检验原理和R实现 117__eol__6.4.2 大数据分析案例：利用置换检验对比两个区域美食餐馆人均消费金额的总体均值 118__eol__6.5 两个总体的均值对比：自举法检验 118__eol__6.5.1 两个独立样本均值差的自举法检验原理和R实现 118__eol__6.5.2 大数据分析案例：利用自举法对比两个区域美食餐馆人均消费金额的总体均值 120__eol__6.6 两个总体的均值对比：基于配对样本的常规t检验 121__eol__6.6.1 两个配对样本均值t检验的原理和R实现 121__eol__6.6.2 大数据分析案例：两个区域美食餐馆口味评分与就餐环境评分的均值是否存在差异 122__eol__6.7 大数据分析案例综合：北京市空气质量监测数据的均值研究 123__eol__6.8 本章涉及的R函数 125__eol__第7章 R的方差分析：多个总体均值的对比 127__eol__7.1 从大数据分析案例看方差分析 127__eol__7.1.1 美食餐馆食客点评数据分析中的方差分析问题 127__eol__7.1.2 北京市空气质量监测数据分析中的方差分析问题 128__eol__7.2 多个总体均值的对比：单因素方差分析 128__eol__7.2.1 单因素方差分析原理和R实现 128__eol__7.2.2 深入问题：方差齐性检验和多重比较检验 131__eol__7.2.3 大数据分析案例：利用单因素方差分析对比不同主打菜餐馆人均消费金额的__eol__ 总体均值 131__eol__7.3 多个总体均值的对比：多因素方差分析 135__eol__7.3.1 多因素方差分析原理和R实现 135__eol__7.3.2 大数据分析案例：利用多因素方差分析对比不同主打菜餐馆人均消费金额的__eol__ 总体均值 137__eol__7.4 大数据分析案例综合：北京市空气质量监测数据的均值研究 140__eol__7.5 本章涉及的R函数 142__eol__第8章 R的线性回归分析：对数值变量影响程度的度量和预测 143__eol__8.1 从数据分析案例看线性回归分析 143__eol__8.1.1 美食餐馆食客点评数据分析中的回归分析问题 143__eol__