دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: برنامه نویسی: زبان های برنامه نویسی ویرایش: نویسندگان: Roger D Peng سری: ناشر: Leanpub سال نشر: 2015 تعداد صفحات: 125 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 972 کیلوبایت
کلمات کلیدی مربوط به کتاب تجزیه و تحلیل داده های اکتشافی با R: کتابخانه، ادبیات کامپیوتر، ر
در صورت تبدیل فایل کتاب Exploratory Data Analysis with R به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تجزیه و تحلیل داده های اکتشافی با R نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
نسخه: 23/06/2015 80 درصد کامل شده https://leanpub.com/exdata این کتاب برخی از اصول تجسم داده ها در R و خلاصه کردن داده های با ابعاد بالا با تکنیک های تحلیل چند متغیره آماری را پوشش می دهد. تاکید کمتری بر روشهای استنتاج آماری رسمی وجود دارد، زیرا استنتاج معمولاً تمرکز EDA نیست. بلکه هدف نشان دادن داده ها، خلاصه کردن شواهد و شناسایی است الگوهای جالب در عین حال حذف ایده هایی که احتمالاً به نتیجه نخواهند رسید. در سراسر کتاب، ما بر روی زبان برنامه نویسی آماری R تمرکز خواهیم کرد. ما سیستم های ترسیم مختلف در R و نحوه استفاده موثر از آنها را پوشش خواهد داد. ما خواهیم کرد همچنین در مورد چگونگی اجرای تکنیک های کاهش ابعاد مانند خوشه بندی و تجزیه مقدار منفرد. همه این تکنیک ها به شما کمک می کند تا داده های خود را تجسم کنید و برای کمک به شما در تصمیم گیری های کلیدی در هر تجزیه و تحلیل داده ها.
Version: 2015-06-23 80% complete https://leanpub.com/exdata This book covers some of the basics of visualizing data in R and summarizing highdimensional data with statistical multivariate analysis techniques. There is less of an emphasis on formal statistical inference methods, as inference is typically not the focus of EDA. Rather, the goal is to show the data, summarize the evidence and identify interesting patterns while eliminating ideas that likely won’t pan out. Throughout the book, we will focus on the R statistical programming language. We will cover the various plotting systems in R and how to use them effectively. We will also discuss how to implement dimension reduction techniques like clustering and the singular value decomposition. All of these techniques will help you to visualize your data and to help you make key decisions in any data analysis.
Preface . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 Getting Started with R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 Installation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 Getting started with the R interface . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 Managing Data Frames with the dplyr package . . . . . . . . . . . . . . . . . . . . . 4 Data Frames . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 The dplyr Package . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 dplyr Grammar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 Installing the dplyr package . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 select() . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 filter() . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 arrange() . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 rename() . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 mutate() . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 group_by() . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 %>% . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 Exploratory Data Analysis Checklist . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 Formulate your question . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 Read in your data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 Check the packaging . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 Run str() . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 Look at the top and the bottom of your data . . . . . . . . . . . . . . . . . . . . . . 21 Check your “n”s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 Validate with at least one external data source . . . . . . . . . . . . . . . . . . . . . 25 Try the easy solution first . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 Challenge your solution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 Follow up questions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 Principles of Analytic Graphics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 Show comparisons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Show causality, mechanism, explanation, systematic structure . . . . . . . . . . . 35 Show multivariate data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 Integrate evidence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 Describe and document the evidence . . . . . . . . . . . . . . . . . . . . . . . . . . 39 Content, Content, Content . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 Exploratory Graphs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 Characteristics of exploratory graphs . . . . . . . . . . . . . . . . . . . . . . . . . . 41 Air Pollution in the United States . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 Getting the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 Simple Summaries: One Dimension . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 Five Number Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 Boxplot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 Histogram . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 Overlaying Features . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 Barplot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51 Simple Summaries: Two Dimensions and Beyond . . . . . . . . . . . . . . . . . . . 52 Multiple Boxplots . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 Multiple Histograms . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54 Scatterplots . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 Scatterplot - Using Color . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 Multiple Scatterplots . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58 Plotting Systems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 The Base Plotting System . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 The Lattice System . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 The ggplot2 System . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62 References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64 Graphics Devices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65 The Process of Making a Plot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65 How Does a Plot Get Created? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66 Graphics File Devices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67 Multiple Open Graphics Devices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68 Copying Plots . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69 The Base Plotting System . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 Base Graphics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 Simple Base Graphics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 Some Important Base Graphics Parameters . . . . . . . . . . . . . . . . . . . . . . 73 Base Plotting Functions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74 Base Plot with Regression Line . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77 Multiple Base Plots . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80 The ggplot2 Plotting System: Part 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81 The Basics: qplot() . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83 Before You Start: Label Your Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 ggplot2 “Hello, world!” . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 Modifying aesthetics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 Adding a geom . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86 Histograms . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87 Facets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88 Case Study: MAACS Cohort . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91 Summary of qplot() . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96 The ggplot2 Plotting System: Part 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97 Basic Components of a ggplot2 Plot . . . . . . . . . . . . . . . . . . . . . . . . . . . 97 Example: BMI, PM$$_{2.5}$$, Asthma . . . . . . . . . . . . . . . . . . . . . . . . . 98 Building Up in Layers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98 First Plot with Point Layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99 Adding More Layers: Smooth . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100 Adding More Layers: Facets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101 Modifying Geom Properties . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102 Modifying Labels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103 Customizing the Smooth . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104 Changing the Theme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105 More Complex Example . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105 A Quick Aside about Axis Limits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107 Resources . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109 Data Analysis Case Study: Changes in Fine Particle Air Pollution in the U.S. . . 110 Synopsis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110 Loading and Processing the Raw Data . . . . . . . . . . . . . . . . . . . . . . . . . . 110 Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113