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
ویرایش:
نویسندگان: John Jay Hilfiger
سری:
ناشر: O'Reilly Media
سال نشر: 2015
تعداد صفحات: 335
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 17 مگابایت
در صورت تبدیل فایل کتاب Graphing Data 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 نمودار کردن داده ها 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.
درک روابط پیچیده داده با یک نمودار بسیار ساده تر از اسکن اعداد
در یک صفحه گسترده است. این راهنمای مقدماتی به شما نشان می دهد
که چگونه از زبان R برای ایجاد انواع نمودارهای مفید برای تجسم و
تجزیه و تحلیل داده های پیچیده برای علم، تجارت، رسانه و بسیاری
از زمینه های دیگر استفاده کنید. روشهایی را برای برجسته کردن
روابط و روندهای مهم، کاهش دادهها به اشکال سادهتر، و تأکید بر
اعداد کلیدی در یک نگاه یاد میگیرید.
هرکسی که بخواهد دادهها را تجزیه و تحلیل کند، چیز مفیدی در
اینجا پیدا میکند — حتی اگر پیشزمینهای نداشته باشید. در
ریاضیات، آمار یا برنامه نویسی کامپیوتر. اگر می خواهید داده های
مربوط به کار خود را بررسی کنید، این کتاب راه ایده آلی برای شروع
است.
It’s much easier to grasp complex data relationships with a
graph than by scanning numbers in a spreadsheet. This
introductory guide shows you how to use the R language to
create a variety of useful graphs for visualizing and analyzing
complex data for science, business, media, and many other
fields. You’ll learn methods for highlighting important
relationships and trends, reducing data to simpler forms, and
emphasizing key numbers at a glance.
Anyone who wants to analyze data will find something useful
here—even if you don’t have a background in mathematics,
statistics, or computer programming. If you want to examine
data related to your work, this book is the ideal way to start.