《R语言入门与实践》循序渐进、由浅入深地讲解了R语言开发技术，并通过具体实例讲解了R语言的各个知识点。本书共分12章，其中第1～2章是基础知识部分，讲解了R语言开发的基础知识，包括R语言基础、R语言语法基础；第3～6章是核心语法部分，分别讲解了流程控制语句、函数、数据结构、包和环境空间等知识，这部分内容介绍的是R语言中最重要的语法知识；第7～10章是进阶提高部分，分别讲解了数据输入和导出、数据处理、绘制可视化图、R语言和人工智能等知识，这部分内容是R语言开发技术的重点和核心；第11章和第12章是综合实战部分，讲解了两个大型案例的实现过程，介绍了R语言在大型商业项目中的应用。
《R语言入门与实践》不仅可以作为R语言初学者的学习用书，也适合有一定R语言基础的读者学习，还可以作为高等院校相关专业的教学用书和培训机构的教材。

《R语言入门与实践》系统地介绍了R语言的基础知识，并通过具体案例演练将其应用于实际场景中。无论你是初学者，还是有一定经验的用户，本书都能帮助你快速掌握R语言的使用技巧，并通过实战案例帮助你轻松掌握R语言。此外，本书还为读者提供丰富的学习素材，主要有视频讲解、PPT课件、源代码等，读者可扫描书中的二维码获取。

从你开始学习编程的那一刻起，就注定了以后所要走的路从编程学习者开始，可能会依次经历实习生、程序员、软件工程师、架构师、CTO等职位的磨砺；当你站在职位顶峰的位置蓦然回首时，会发现自己的成功并不是偶然，在程序员的成长之路上会有不断修改代码、寻找并解决Bug、不停测试程序的经历。不可否认的是，只要你在自己的开发生涯中稳扎稳打，并且善于学习和总结，最终将会得到可喜的收获。
选择一本合适的书
对于一名程序开发初学者来说，究竟如何学习才能提高自己的开发技术呢？关键是选择合适的图书进行学习。但是，市面上许多面向初学者的编程书籍中的大多数篇幅都是讲解基础知识，多偏向于理论，读者学习以后面对实战项目时还是无从下手。如何实现从理论到项目实战的平滑过渡，是初学者需要迫切解决的问题，为此，作者特意编写了本书。
本书的特色
1．以从入门到精通的模式构建内容，让读者入门容易
为了使读者能够完全看懂本书的内容，本书遵循从入门到精通基础类图书的写法，循序渐进地讲解R语言的基本知识。
2．破解语言难点，帮助读者绕过学习中的误区
本书通过详细讲解基本知识点，让读者理解并绕过学习中的误区，知其然又知其所以然。
3．视频讲解，降低学习难度
书中每一章均提供图文并茂的教学视频，这些视频能够引导初学者快速入门，增强学习的信心，从而快速理解所学的知识。
4．贴心提示和注意事项提醒
本书根据需要在文中安排了很多注意小板块，让读者可以在学习过程中更轻松地理解相关知识点及概念，更快地掌握个别技术的应用技巧。
5．源程序 视频 PPT丰富的学习资料，让学习更轻松
本书的篇幅有限，不可能囊括基础 范例 项目案例的全部内容，所以配备了学习资源来辅助实现。在本书的学习资源中不但有全书的源代码，而且还精心制作了实例讲解视频、知识点讲解视频等，读者可以扫描书中提供的二维码观看视频，也可以扫描下方的二维码获取源代码和PPT课件。
6．QQ群实现教学互动，形成互帮互学的朋友圈
本书作者为了方便给读者答疑，特提供了QQ群进行技术支持，并且随时在线与读者互动。让大家在互学互帮中形成一个良好的学习编程氛围。
本书的读者对象
? 初学编程的自学者 编程爱好者
? 大中专院校的教师和学生 ? 相关培训机构的教师和学员
? 做毕业设计的学生 ?初、中级程序开发人员
? 软件测试人员 ?参加实习的初级程序员
致谢
本书在编写过程中，得到了清华大学出版社编辑的大力支持，正是各位编辑的求实、耐心和效率，才使得本书能够在这么短的时间内出版。另外，也十分感谢我的家人给予的巨大支持。由于本人水平有限，书中纰漏之处在所难免，恳请广大读者提出意见或建议，以便修订并使之更臻完善。
最后感谢您购买本书，希望本书能成为您编程路上的领航者，祝您阅读快乐！

编 者

张婷，毕业于山东大学，计算机硕士，精通多种开发语言，多年来一直从事人工智能、数据通信、数据采集、网络传输、数据分析等领域的工作。现就职于药明生物，从事于生物分子的数据分析和深度学习预测的工作。

第1章 R语言基础 1
1.1 R语言的发展历程 2
1.2 R语言的特点 2
1.3 安装R语言运行环境 3
1.3.1 Windows系统安装R语言 3
1.3.2 在Linux系统和macOS系统安装R语言 6
1.4 R语言开发工具：R GUI 7
1.4.1 命令行方式运行R程序 7
1.4.2 文件方式运行R程序 8
1.5 R语言开发工具：RStudio 9
1.5.1 安装RStudio 10
1.5.2 RStudio界面 12
1.5.3 使用RStudio开发R程序 13
1.6 认识第一个R程序：石头、剪刀、布游戏 15
1.6.1 新建R工程 15
1.6.2 编写程序文件 16
第2章 R语言语法基础 19
2.1 注释 20
2.2 标识符和关键字 21
2.2.1 标识符 21
2.2.2 关键字 22
2.3 常量和变量 23
2.3.1 常量 23
2.3.2 变量 25
2.4 数据类型 27
2.4.1 数据的分类 27
2.4.2 整型 29
2.4.3 实数型 29
2.4.4 逻辑型 30
2.4.5 复数型 30
2.4.6 字符串型 31
2.4.7 因子型 32
2.5 向量 33
2.5.1 创建向量 33
2.5.2 访问向量中的元素 34
2.5.3 修改向量中的元素 35
2.5.4 向向量中添加新元素 36
2.5.5 向量运算 37
2.5.6 向量统计 37
2.5.7 类型转换 39
2.6 运算符和表达式 42
2.6.1 算术运算符 43
2.6.2 关系运算符 44
2.6.3 逻辑运算符 45
2.6.4 赋值运算符 46
2.6.5 其他运算符 47
2.6.6 运算符的优先级 49
第3章 流程控制语句 51
3.1 条件语句 52
3.1.1 条件语句介绍 52
3.1.2 if语句 53
3.1.3 if...else语句 53
3.1.4 if…else if…else语句 54
3.1.5 switch 语句 56
3.2 循环语句 58
3.2.1 repeat语句 58
3.2.2 while语句 59
3.2.3 for语句 60
3.3 循环控制语句 61
3.3.1 break 语句 61
3.3.2 next 语句 62
第4章 函数 65
4.1 函数基础 66
4.1.1 函数的特征和好处 66
4.1.2 R 语言函数和其他编程语言函数的区别 67
4.2 定义函数 67
4.2.1 定义函数的语法格式 67
4.2.2 函数的参数 68
4.2.3 函数的返回值 70
4.3 函数调用 72
4.3.1 使用位置参数 72
4.3.2 使用关键字参数 73
4.3.3 使用默认参数 74
4.3.4 存储函数返回值 76
4.4 内置函数 77
4.4.1 数学和统计函数 78
4.4.2 字符和字符串处理函数 79
4.4.3 文件操作函数 82
4.4.4 概率分布函数 86
4.4.5 日期和时间函数 89
第5章 数据结构 95
5.1 矩阵 96
5.1.1 创建和访问矩阵 96
5.1.2 转置操作 98
5.1.3 求和、平均值和总和 99
5.1.4 行和列操作 100
5.1.5 矩阵运算 101
5.1.6 索引和切片 103
5.2 列表 104
5.2.1 创建和访问列表 104
5.2.2 更新列表元素 107
5.2.3 遍历列表 109
5.3 数组 111
5.3.1 创建数组 112
5.3.2 访问数组 113
5.3.3 修改数组元素 115
5.3.4 数组运算 115
5.3.5 数组转置 116
5.3.6 数组重塑 117
5.3.7 数组合并 118
5.3.8 数组排序 120
5.3.9 数组切片 121
5.4 数据框 121
5.4.1 创建数据框 122
5.4.2 访问数据框 123
5.4.3 添加新列 127
5.4.4 修改数据框元素 128
5.4.5 聚合操作 130
5.4.6 排序 131
5.5 因子 133
5.5.1 创建因子 133
5.5.2 因子水平标签 134
5.5.3 生成因子水平 135
5.6 数据表 137
5.6.1 创建数据表 137
5.6.2 对数据表的操作 139
5.7 时间序列 143
5.7.1 创建时间序列 143
5.7.2 时间序列的可视化 145
5.7.3 时间序列的索引和切片 147
5.7.4 时间序列的分析和建模 149
5.7.5 时间序列的统计性质 150
第6章 包和环境空间 153
6.1 包(Package) 154
6.1.1 R语言包的管理 154
6.1.2 自定义R包 157
6.2 环境空间 159
6.2.1 环境空间的种类 159
6.2.2 环境空间的特征 160
6.2.3 使用全局环境 160
6.2.4 使用函数环境 162
6.2.5 使用用户定义的环境 164
6.2.6 使用包环境 165
6.2.7 使用临时环境 166
第7章 数据输入和导出 169
7.1 数据输入和导出介绍 170
7.2 使用键盘输入数据 170
7.3 操作CSV文件 172
7.3.1 CSV文件的优点 172
7.3.2 读取CSV文件 173
7.3.3 写入CSV文件 174
7.3.4 数据转换和处理 175
7.4 Excel文件 178
7.4.1 R语言和Excel文件 178
7.4.2 使用包readxl 179
7.4.3 使用包openxlsx 180
7.5 XML文件 182
7.5.1 使用包XML 182
7.5.2 使用包xml2 185
7.6 JSON文件 187
7.6.1 JSON包 187
7.6.2 使用包jsonlite 188
7.6.3 使用包RJSONIO 190
7.6.4 使用包tidyjson 192
7.7 MySQL数据库连接 193
7.7.1 和MySQL相关的包 193
7.7.2 使用包RMySQL 194
7.7.3 使用包RMariaDB 195
7.7.4 使用包DBI 197
7.7.5 包dplyr和包dbplyr 198
7.8 从网页抓取数据 200
7.8.1 R语言和网络爬虫 200
7.8.2 使用包rvest抓取数据 201
7.8.3 使用包httr抓取数据 202
7.8.4 使用包XML抓取数据 204
7.8.5 使用包jsonlite抓取数据 205
第8章 数据处理 207
8.1 R语言和数据处理 208
8.1.1 R语言的优势 208
8.1.2 数据处理和数据分析的
区别 209
8.2 内置数据处理函数 209
8.2.1 查看、筛选和编辑数据 209
8.2.2 合并数据 212
8.2.3 分组和汇总 215
8.2.4 排序 217
8.2.5 转换 218
8.3 apply函数族 220
8.3.1 apply函数族中的函数 220
8.3.2 函数apply() 220
8.3.3 函数lapply() 222
8.3.4 函数sapply() 223
8.3.5 函数vapply() 224
8.3.6 函数mapply() 225
第9章 绘制可视化图 229
9.1 R语言绘图系统 230
9.1.1 常用的绘图包 230
9.1.2 基本绘图函数plot() 230
9.2 单变量绘图 232
9.2.1 绘制直方图 232
9.2.2 绘制条形图 236
9.2.3 绘制饼形图 240
9.2.4 绘制箱线图 242
9.2.5 绘制密度图 244
9.3 双变量绘图 247
9.3.1 绘制双变量条形图 248
9.3.2 绘制双变量散点图 252
9.3.3 绘制双变量折线图 255
9.3.4 绘制双变量箱线图 258
9.4 绘制多变量图 261
9.4.1 绘制多变量气泡图 261
9.4.2 绘制多变量热力图 265
9.5 文件数据的可视化 268
9.5.1 CSV文件数据的可视化 268
9.5.2 Excel文件数据的可视化 270
9.5.3 XML文件数据的可视化 271
9.5.4 JSON文件数据的可视化 273
9.5.5 MySQL数据库数据的可视化 275
第10章 R语言和人工智能 277
10.1 机器学习 278
10.1.1 机器学习相关包 278
10.1.2 包caret 278
10.1.3 包randomForest 285
10.1.4 包e1071 288
10.1.5 包glmnet 291
10.1.6 包xgboost 293
10.2 深度学习 294
10.2.1 包keras 294
10.2.2 包tensorflow 298
第11章 心力衰竭数据分析系统 303
11.1 背景介绍 304
11.1.1 数据分析在医疗行业的作用 304
11.1.2 心力衰竭临床记录介绍 304
11.2 需求分析 305
11.3 系统介绍 306
11.3.1 系统功能模块 306
11.3.2 系统模块结构 307
11.4 技术分析 307
11.4.1 Web包Shiny 307
11.4.2 交互式表格包DT 308
11.4.3 集成可视化包tidyverse 308
11.4.4 图形排列包gridExtra 309
11.5 UI界面 309
11.5.1 导入包 309
11.5.2 设计UI 310
11.6 Server服务器端 313
11.6.1 准备工作 313
11.6.2 数据预处理 314
11.6.3 数据可视化 316
11.6.4 数据导出 318
11.7 调试运行 319
第12章 基于机器学习的患者再入院预测分析系统 323
12.1 背景介绍 324
12.2 需求分析 324
12.3 系统分析 325
12.4 系统介绍 326
12.4.1 系统功能介绍 326
12.4.2 系统模块结构 326
12.5 技术分析 327
12.5.1 dplyr：数据预处理 327
12.5.2 psych：心理学和社会科学研究 328
12.5.3 ROSE：不平衡处理 329
12.5.4 caret模型训练和评估 330
12.6 数据处理 330
12.6.1 导入数据集 331
12.6.2 数据预处理 333
12.7 第一方案 342
12.7.1 划分训练集和测试集 342
12.7.2 数据集平衡 343
12.7.3 交叉验证 343
12.7.4 模型比较 347
12.8 第二方案 349
12.8.1 数据集拆分和数据平衡 349
12.8.2 逻辑回归模型拟合和预测 350
12.8.3 计算处理 350
12.8.4 逻辑回归模型的拟合、预测和评估 351
12.8.5 使用交叉验证方法训练决策树模型 352
12.8.6 使用交叉验证方法训练随机森林模型 353
12.8.7 实现朴素贝叶斯模型 354
12.9 模型训练和评估 356
12.9.1 数据预处理 356
12.9.2 逻辑回归模型的训练和评估 357
12.9.3 决策树模型的训练和评估 358
12.9.4 随机森林模型的训练和评估 359
12.9.5 朴素贝叶斯模型的训练和评估 360
12.10 结论 361