《R语言实战》目录

这是一篇关于《R语言实战》目录的思维导图，主要内容有书籍信息、第1章R语言介绍、第2章创建数据集、第3章图形初阶、第4章基本数据管理、第5章高级数据管理等。

《R语言实战》目录

• 书籍信息
  • 原书名 R in Action: Data Analysis and Graphics with R
  • 作者 [美]卡巴科弗（Kabacoff,R.I.）
  • 译者 高涛 肖楠 陈钢
  • 出版社 人民邮电出版社
  • 印刷信息 2013年1月北京第1次印刷
• 第1章 R语言介绍
  • 1.1 为何要使用R？
  • 1.2 R的获取和安装.
  • 1.3 R的使用
    • 1.3.1 新手上路
    • 1.3.2 获取帮助
    • 1.3.3 工作空间
    • 1.3.4 输入和输出
  • 1.4 包
    • 1.4.1 什么是包
    • 1.4.2 包的安装
    • 1.4.3 包的载入
    • 1.4.4 包的使用方法
  • 1.5 批处理
  • 1.6 将输出用为输入——结果的重用
  • 1.7 处理大数据集
  • 1.8 示例实践
• 第2章 创建数据集
  • 2.1 数据集的概念
  • 2.2 数据结构
    • 2.2.1 向量
    • 2.2.2 矩阵
    • 2.2.3 数组
    • 2.2.4 数据框
    • 2.2.5 因子
    • 2.2.6 列表
  • 2.3 数据的输入
    • 2.3.1 使用键盘输入数据
    • 2.3.2 从带分隔符的文本文件导入数据
    • 2.3.3 导入Excel数据
    • 2.3.4 导入XML数据
    • 2.3.5 从网页抓取数据
    • 2.3.6 导入SPSS数据
    • 2.3.7 导入SAS数据
    • 2.3.8 导入Stata数据
    • 2.3.9 导入netCDF数据
    • 2.3.10 导入HDF5数据
    • 2.3.11 访问数据库管理系统
    • 2.3.12 通过Stat/Transfer导入数据
  • 2.4 数据集的标注
    • 2.4.1 变量标签
    • 2.4.2 值标签
  • 2.5 处理数据对象的实用函数
• 第3章 图形初阶
  • 3.1 使用图形
  • 3.2 一个简单的例子
  • 3.3 图形参数
    • 3.3.1 符号和线条
    • 3.3.2 颜色
    • 3.3.3 文本属性
    • 3.3.4 图形尺寸与边界尺寸.
  • 3.4 添加文本、自定义坐标轴和图例
    • 3.4.1 标题
    • 3.4.2 坐标轴
    • 3.4.3 参考线
    • 3.4.4 图例
    • 3.4.5 文本标注
  • 3.5 图形的组合
• 第4章 基本数据管理
  • 4.1 一个示例
  • 4.2 创建新变量
  • 4.3 变量的重编码
  • 4.4 变量的重命名
  • 4.5 缺失值
    • 4.5.1 重编码某些值为缺失值
    • 4.5.2 在分析中排除缺失值
  • 4.6 日期值
    • 4.6.1 将日期转换为字符型变量.
    • 4.6.2 更进一步
  • 4.7 类型转换
  • 4.8 数据排序
  • 4.9 数据集的合并
    • 4.9.1 添加列
    • 4.9.2 添加行
  • 4.10 数据集取子集
    • 4.10.1 选入（保留）变量
    • 4.10.2 剔除（丢弃）变量
    • 4.10.3 选入观测
    • 4.10.4 subset()函数
    • 4.10.5 随机抽样
  • 4.11 使用SQL语句操作数据框
• 第5章 高级数据管理
  • 5.1 一个数据处理难题
  • 5.2 数值和字符处理函数
    • 5.2.1 数学函数
    • 5.2.2 统计函数
    • 5.2.3 概率函数
    • 5.2.4 字符处理函数
    • 5.2.5 其他实用函数
    • 5.2.6 将函数应用于矩阵和数据框
  • 5.3 数据处理难题的一套解决方案
  • 5.4 控制流
    • 5.4.1 重复和循环
    • 5.4.2 条件执行
  • 5.5 用户自编函数
  • 5.6 整合与重构
    • 5.6.1 转置
    • 5.6.2 整合数据
    • 5.6.3 reshape包
• 第一部分 入门
• 第6章 基本图形
  • 6.1 条形图
    • 6.1.1 简单的条形图
    • 6.1.2 堆砌条形图和分组条形图
    • 6.1.3 均值条形图
    • 6.1.4 条形图的微调
    • 6.1.5 棘状图
  • 6.2 饼图
  • 6.3 直方图
  • 6.4 核密度图
  • 6.5 箱线图
    • 6.5.1 使用并列箱线图进行跨组比较
    • 6.5.2 小提琴图
  • 6.6 点图
• 第7章 基本统计分析
  • 7.1 描述性统计分析
    • 7.1.1 方法云集
    • 7.1.2 分组计算描述性统计量
    • 7.1.3 结果的可视化
  • 7.2 频数表和列联表
    • 7.2.1 生成频数表
    • 7.2.2 独立性检验
    • 7.2.3 相关性的度量
    • 7.2.4 结果的可视化
    • 7.2.5 将表转换为扁平格式
  • 7.3 相关
    • 7.3.1 相关的类型
    • 7.3.2 相关性的显著性检验
    • 7.3.3 相关关系的可视化
  • 7.4 t检验
    • 7.4.1 独立样本的t检验
    • 7.4.2 非独立样本的t检验
    • 7.4.3 多于两组的情况
  • 7.5 组间差异的非参数检验
    • 7.5.1 两组的比较
    • 7.5.2 多于两组的比较
  • 7.6 组间差异的可视化
• 第二部分 基本方法
• 第8章 回归
  • 8.1 回归的多面性
    • 8.1.1 OLS回归的适用情境
    • 8.1.2 基础回顾
  • 8.2 OLS回归
    • 8.2.1 用lm()拟合回归模型
    • 8.2.2 简单线性回归
    • 8.2.3 多项式回归
    • 8.2.4 多元线性回归
    • 8.2.5 有交互项的多元线性回归
  • 8.3 回归诊断
    • 8.3.1 标准方法
    • 8.3.2 改进的方法
    • 8.3.3 线性模型假设的综合验证
    • 8.3.4 多重共线性
  • 8.4 异常观测值
    • 8.4.1 离群点
    • 8.4.2 高杠杆值点
    • 8.4.3 强影响点
  • 8.5 改进措施
    • 8.5.1 删除观测点
    • 8.5.2 变量变换
    • 8.5.3 增删变量
    • 8.5.4 尝试其他方法
  • 8.6 选择“最佳”的回归模型
    • 8.6.1 模型比较
    • 8.6.2 变量选择
  • 8.7 深层次分析
    • 8.7.1 交叉验证
    • 8.7.2 相对重要性
• 第9章 方差分析
  • 9.1 术语速成
  • 9.2 ANOVA模型拟合
    • 9.2.1 aov()函数
    • 9.2.2 表达式中各项的顺序
  • 9.3 单因素方差分析
    • 9.3.1 多重比较
    • 9.3.2 评估检验的假设条件
  • 9.4 单因素协方差分析
    • 9.4.1 评估检验的假设条件
    • 9.4.2 结果可视化
  • 9.5 双因素方差分析
  • 9.6 重复测量方差分析
  • 9.7 多元方差分析
    • 9.7.1 评估假设检验
    • 9.7.2 稳健多元方差分析
  • 9.8 用回归来做ANOVA
• 第10章 功效分析
  • 10.1 假设检验速览
  • 10.2 用pwr包做功效分析
    • 10.2.1 t检验
    • 10.2.2 方差分析
    • 10.2.3 相关性
    • 10.2.4 线性模型
    • 10.2.5 比例检验
    • 10.2.6 卡方检验
    • 10.2.7 在新情况中选择合适的效应值
  • 10.3 绘制功效分析图形
  • 10.4 其他软件包
• 第11章 中级绘图
  • 11.1 散点图
    • 11.1.1 散点图矩阵
    • 11.1.2 高密度散点图
    • 11.1.3 三维散点图
    • 11.1.4 气泡图
  • 11.2 折线图
  • 11.3 相关图
  • 11.4 马赛克图
• 第12章 重抽样与自助法
  • 12.1 置换检验
  • 12.2 用coin包做置换检验
    • 12.2.1 独立两样本和K样本检验
    • 12.2.2 列联表中的独立性
    • 12.2.3 数值变量间的独立性
    • 12.2.4 两样本和K样本相关性检验
    • 12.2.5 深入探究
  • 12.3 lmPerm包的置换检验
    • 12.3.1 简单回归和多项式回归
    • 12.3.2 多元回归
    • 12.3.3 单因素方差分析和协方差分析
    • 12.3.4 双因素方差分析
  • 12.4 置换检验点评
  • 12.5 自助法
  • 12.6 boot包中的自助法
    • 12.6.1 对单个统计量使用自助法
    • 12.6.2 多个统计量的自助法
• 第三部分 中级方法
• 第13章 广义线性模型
  • 13.1 广义线性模型和glm()函数
    • 13.1.1 glm()函
    • 13.1.2 连用的函数
    • 13.1.3 模型拟合和回归诊断.
  • 13.2 Logistic回归
    • 13.2.1 解释模型参数
    • 13.2.2 评价预测变量对结果概率的影响
    • 13.2.3 过度离势
    • 13.2.4 扩展
  • 13.3 泊松回归
    • 13.3.1 解释模型参数
    • 13.3.2 过度离势
    • 13.3.3 扩展
• 第14章 主成分和因子分析
  • 14.1 R中的主成分和因子分析
  • 14.2 主成分分析
    • 14.2.1 判断主成分的个数
    • 14.2.2 提取主成分
    • 14.2.3 主成分旋转
    • 14.2.4 获取主成分得分
  • 14.3 探索性因子分析
    • 14.3.1 判断需提取的公共因子数
    • 14.3.2 提取公共因子
    • 14.3.3 因子旋转
    • 14.3.4 因子得分
    • 14.3.5 其他与EFA相关的包
  • 14.4 其他潜变量模型
• 第15章 处理缺失数据的高级方法
  • 15.1 处理缺失值的步骤
  • 15.2 识别缺失值
  • 15.3 探索缺失值模式
    • 15.3.1 列表显示缺失值
    • 15.3.2 图形探究缺失数据
    • 15.3.3 用相关性探索缺失值
  • 15.4 理解缺失数据的来由和影响
  • 15.5 理性处理不完整数据
  • 15.6 完整实例分析（行删除）
  • 15.7 多重插补
  • 15.8 处理缺失值的其他方法
    • 15.8.1 成对删除
    • 15.8.2 简单（非随机）插补
• 第16章 高级图形进阶
  • 16.1 R中的四种图形系统
  • 16.2 lattice包
    • 16.2.1 条件变量
    • 16.2.2 面板函数
    • 16.2.3 分组变量
    • 16.2.4 图形参数
    • 16.2.5 页面摆放
  • 16.3 ggplot2包
  • 16.4 交互式图形
    • 16.4.1 与图形交互：鉴别点
    • 16.4.2 playwith
    • 16.4.3 latticist
    • 16.4.4 iplots包的交互图形
    • 16.4.5 rggobi
• 第四部分 高级方法
• 后记：探索R的世界
• 附录
  • 附录A 图形用户界面
  • 附录B 自定义启动环境
  • 附录C 从R中导出数据
  • 附录D 制作出版级品质的输出
  • 附录E R中的矩阵运算
  • 附录F 本书中用到的扩展包
  • 附录G 处理大数据
  • 附录H 更新R