R在数据科学中的应用，第2版

导言

数据科学是一门令人兴奋的学科，它能让你将原始数据转化为理解力、洞察力和知识。R for Data Science》的目标是帮助你学习 R 中最重要的工具，让你能够高效、可重复地进行数据科学研究，并在学习过程中获得一些乐趣！读完本书后，你将掌握各种工具，利用 R 的最佳部分应对各种数据科学挑战。

第二版序言

欢迎阅读《数据科学的 R 语言》（R4DS）第二版！这是第一版的一次重大改版，删除了我们认为不再有用的资料，添加了我们希望包含在第一版中的资料，并对文本和代码进行了全面更新，以反映最佳实践的变化。我们还非常高兴地迎来了一位新的合著者：Mine Çetinkaya-Rundel，她是一位著名的数据科学教育家，也是我们在 Posit（公司前身为 RStudio）的同事之一。

以下是最大变化的简要概述：

• 本书的第一部分已更名为 "整个游戏"。这一部分的目的是在我们深入探讨数据科学的细节之前，向你介绍数据科学 "整个游戏 "的粗略细节。

• 本书的第二部分是 "可视化"。与第一版相比，这一部分更全面地介绍了数据可视化工具和最佳实践。获取所有详细信息的最佳途径仍然是ggplot2 一书，但现在 R4DS 涵盖了更多最重要的技术。

• 本书的第三部分现在称为 "转换"，新增了关于数字、逻辑向量和缺失值的章节。这些内容之前是数据转换章节的一部分，但需要更多的篇幅来涵盖所有细节。

• 本书的第四部分名为 "导入"。这是一组新的章节，除了读取平面文本文件外，还包括处理电子表格、从数据库中获取数据、处理大数据、矩形化分层数据以及从网站上搜刮数据。

• 程序 "部分仍然保留，但已从上到下重新编写，重点放在函数编写和迭代的最重要部分。函数编写现在包括如何包装整齐度函数（处理整齐度评估的挑战）的细节，因为这在过去几年中变得更加容易和重要。我们添加了一个新章节，介绍重要的基础 R 函数，您很可能会在野生 R 代码中看到这些函数。

• 建模 "部分已被删除。我们从来没有足够的空间来充分发挥建模的作用，而且现在有更好的资源可供使用。我们一般推荐使用tidymodels 软件包，并阅读 Max Kuhn 和 Julia Silge 所著的《Tidy Modeling with R》（O'Reilly出版社）。

• "交流 "部分依然保留，但已全面更新，以Quarto代替 R Markdown。本书的这一版是用 Quarto 编写的，它显然是未来的工具。

您将学到什么

数据科学是一个广阔的领域，你不可能通过阅读一本书就掌握所有知识。本书旨在为你打下坚实的基础，让你掌握最重要的工具和足够的知识，以便在必要时找到资源学习更多知识。我们的典型数据科学项目步骤模型如图 I-1 所示。

图 I-1. 在我们的数据科学流程模型中，首先是数据导入和 Tidy。然后，通过转换、可视化和建模的迭代循环来理解数据。最后，将结果传达给其他人。

首先，您必须将数据导入R。这通常意味着，您需要将存储在文件、数据库或网络应用程序编程接口（API）中的数据加载到 R 的数据框架中！

导入数据后，最好对其进行Tidy。整理数据意味着以一致的形式存储数据，使数据集的语义与存储方式相匹配。简而言之，当数据整齐时，每一列都是一个变量，每一行都是一个观测值。Tidy 数据之所以重要，是因为一致的结构可以让您将精力集中在回答有关数据的问题上，而不是为将数据转换成适用于不同功能的正确形式而争论不休。 ...