R的极客理想——工具篇 (数据分析技术丛书)-张丹 著

            在线阅读                   百度网盘下载(s7sf)

书名:R的极客理想——工具篇 (数据分析技术丛书)

作者:张丹 著

格式:EPUB, HTMLZ, PDF

路径:点击打开

出版:机械工业出版社

排序作者:著, 张丹

排序书名:R的极客理想——工具篇 (数据分析技术丛书)

日期:09 12月 2018

uuid:96d09c82-3753-4306-92ca-9d2d52009991

id:504

出版日期:8月 2014

修改日期:09 12月 2018

大小:8.52MB

语言:中文

整本书涵盖的内容比较广，每一节的篇幅相对较短，我觉得这种写作风格挺好，每天晚上睡前打开一节看看，在口水浸湿书之前应该可以看完一节，既能学到知识又合理利用了睡前时间。如作者自己所说，这书不是写给初学者的，所以看第1章的不要被“R基础”的标题给骗了，全是些奇门遁甲之术，一个基础包都没介绍！虽然我不敢讲R是不是最值得学习的程序语言，但我对1.1节的观点深表同意：R往往用两三行代码解决问题，不会时时考虑最优与否（很多需要优化的地方都已经用C/Fortan等底层语言打包好了）。R“它爹”S语言的主要作者John Chambers在几十年前就说了：S语言的目的是让我们（统计学家）快速而可靠地把脑子里的想法变成软件。将数据拿到手之后甩开膀子从各个角度去分析就好了，想画图画图，想跑模型跑模型，而不必先考虑定义一个结构体以及某个成员是整型还是浮点型。书里主要用到的操作系统是Windows和Ubuntu，不过苹果（OS X）用户不必担心，R在OS X上跑起来也是妥妥的，个人推荐用Homebrew安装R。

如果要问在Node、Lua、Python、Ruby和R这5种语言中，哪个语言在2014年的应用前景会更好，我会毫不犹豫地选择R，而且我认为R语言不仅是2014年，也是以后更长一段时间内的明星。在本书开篇，我们就谈谈为什么R语言是最值得学习的编程语言。

本人是程序员、架构师，从编程入门到今天，一直深信着Java是改变世界的语言，Java已经做到了，而且一直很辉煌。但当Java越来越强大，覆盖领域越来越多，变得无所不能的时候，它反而不够专业，这就给了其他语言发展的机会。

每种语言都有自己的设计理念和哲学，而我体会的R的哲学就是“静下心做事情”。R不需要很长的代码，也不需要设计模式。一个函数调用，传几个参数，就能实现一个复杂的统计模型。我们需要思考的是用什么模型、传什么参数，而不是怎么进行程序设计。我们可能会用R实现“从一个数学公式，变成一个统计模型”的过程，我们也可能会考虑“如何让一个分类器结果更准确”，但我们不必思考一个算法的“时间复杂度是多少，空间复杂度是多少”。

R的哲学，可以让你把数学和统计学的知识，变成计算模型，这也是R的基因所决定的。

R语言让我跳出了原有的思维定式。使用R语言，我们应该像统计学家那样思考问题，而不是拘泥于程序员的思维模式。统计学家的思维模式，是先考虑为什么，再考虑做什么。而程序员的思维模式，是直接考虑怎么做，等有了结果再考虑为什么。

R语言是直接面向数据的语言。在我们的日常生活中，无论做什么事情都会产生数据，上网有浏览数据，买东西有消费数据，就算什么都不干，也会受大气PM2.5的影响，有空气污染指数数据。利用R语言，我可以直接分析这些数据。面向什么业务，就分析什么数据，不需要从产品经理向程序员的角色转换，不需要考虑有什么功能，更不需要考虑程序设计的事。跳出程序员的思维模式，我们所能认知的东西会更多，于是也能找到更适合自己的定位。

当数据成为生产资料的时候，R就是为人们能运用生产资料创造价值的生产工具，R语言主要解决的是数据的问题。整个人类文明所获得的全部数据中，有90%以上是自互联网诞生以来产生的；当Hadoop帮助人们解决了大数据存储的问题后，如何发现数据的价值，则成为当前最火的话题。R语言具有强大的统计分析能力，这就让它成为数据分析最好的工具。所以，R要解决的问题，就是如何挖掘数据价值的问题。

R语言已进入到了3.0的时代，但有些第三方的R包还处于2.15的状态，没有升级，如RHadoop等。我们要用这些R包的时候，就需要指定版本的R软件。对于Windows来说，这是很简单的操作，只要安装不同的(.exe)文件就行了；对于Linux系统来说，就不那么容易了，需要我们手动进行配置。不熟悉Linux系统的同学，在这里就很容易卡住。所以，本节就讲一下如何在Linux Ubuntu系统中安装R语言软件包的指定版本。

R语言是在大数据“火”起来后，映入人们眼球的。但R语言的社区已经存在很多年，我们并不知道，R语言在很长的历史时期，有着什么样的智慧。不过，正有人悄悄地记录着R语言的大智慧。

新手写的代码，大都不注重代码规范，以为实现功能就算完成了。这种代码不仅别人不愿意读，过几个月后再看自己都会觉得很烂。不仅仅新手如此，大多数程序员写的代码都没有考虑如何让别人看着更方便。程序员最痛苦的事情，不是每天加班写程序，而是每天加班读懂别人写的程序。最后，有人实在忍受不了其他人的丑陋代码，便开始制定代码编程规范，又有人去实现代码的自动化排版工具。formatR就是这样的一个R语言自动化排版的工具。

RStudio是R语言开发中的利器，是最好用的R语言IDE集成环境。RStudio Server更是利器中的神器。不仅提供了Web的功能，可以安装到远程服务器上，通过Web进行访问，还支持多用户的协作开发。如此神器，快来动手试一下吧。

JSON作为一种轻量级数据格式，被大量地应用在各种程序环境中。JSON（JavaScript Object Notation）是JavaScript的内嵌的标准对象，同时也是MongoDB的表结构存储类型。JSON是半结构化的，可以表达出丰富的文档含义。JSON文档比XML文档要少很多，更适合于网络传输。早期R语言编程很少会用到JSON，但随着R语言的壮大，R也在伸向各种领域，JSON就是与其他领域的一个交点。如何让R语言傻瓜式转型JSON呢？请看下文介绍。

R语言不仅在统计分析和数据挖掘领域计算能力强大，它在数据可视化领域也不逊于昂贵的商业软件。当然，R在可视化上强大，其背后离不开各种开源软件包的支持，Cairo就是这样一个用于矢量图形处理的类库。Cairo可以创建高质量的矢量图形（GIF、SVG、PDF、PostScript）和位图（PNG、JPEG、TIFF），同时支持在后台程序中高质量渲染！本节将介绍Cairo在R语言中的使用。

R语言生来就是自由的，不像Java和PHP等有统一的规范约束。R语言不仅命名、语法各包各异，就连功能也是各种混搭。caTools库就是这种混搭库，包括了不相关的几组函数工具集，有图片处理的，有编解码的，有分类器的，有向量计算的，有科学计算的，而且都很好用！以至于我都不知道如何用简短的语言去描述这个包了！唯有用“奇特”来概括它的特点。

时间序列分析是一种动态数据处理的统计方法，通过对时间序列数据的分析，我们可以感觉到世界正改变着什么！R语言作为统计分析的利器，对时间序列处理有着强大的支持。在R语言中，单独为时间序列数据定义了一种数据类型zoo，zoo是时间序列的基础，也是股票分析的基础。本节将介绍zoo库在R语言中的结构和使用。

r-bloggers的一篇博文：plot.xts is wonderful!（http://www.r-bloggers.com/plot-xts-is-wonderful/），让我有动力继续发现xts的强大。xts扩展了zoo的基础数据结构，并提供了更丰富的功能函数。xtsExtra补充库从可视化的角度出发，提供了一个简单而效果非凡的作图函数plot.xts。本节将用plot.xts来演示xts对象的时间序列可视化！

缓存技术在计算机系统中运用得非常广泛，对于高并发访问的应用来说，缓存技术是性价比最高的性能提升方案，特别是对于重复性计算，缓存能为我们节省大量的CPU时间，可能达到99%。R语言以统计计算著名，但其中很多算法包都是在进行大量重复的计算。优化正在进行，改变已经开始。以Hadley Wickham为代表的R语言领军人物，正在让R快起来！

数据可视化越来越受到人们的追捧，图形比文字更有表达力，基于HTML的可交互的图形比静态的PNG图片更让人惊喜。R语言已经为数据可视化做了充分的准备，比如，图形可视化包ggplot2，世界地图可视化包ggmap，股票可视化包quantmod，基于HTML的可交互的可视化包googleVis等，简简单单的几行代码，就可以让数据变成图片，再让图片变成会动的图片。本节以“性能报告”为切入点，讲述R语言可视化包lineprof。

当前主流的异构跨平台通信组件Apache Thrift已经火遍大江南北，支持15种编程语言，但是到目前为止还没有加入R语言。要让R实现跨平台的通信，就只能从R的社区（CRAN）中找方案，像rJava、RCpp、rpy都是2种语言结合的方案，这些方案类似地会把R引擎加载到其他语言内存环境。这类方案的优点是高效，缺点是紧耦合，扩展受限，接口程序无法重用。

Rserve给了我们一种新的选择，它是抽象R语言网络接口，基于TCP/IP协议实现与多语言之间的通信。Rserve支持R语言与其他语言通信，通过C/S结构的程序调用，支持C/C++、Java、PHP、Python、Ruby、Node.js等。Rserve支持远程连接、用户认证、文件传输等功能。我们可以设计R作为后台服务引擎，处理统计建模、数据分析、绘图等的任务。本节我们就来体验Rserve与Java的跨平台通信。

Rserve作为R语言的通信接口，已经成为了R语言扩展的重要通道。但Rserve过于底层，用Java调用Rserve的API接口，也有些难于理解。于是就出现了Rsession项目，Rsession是对Rserve的封装，提供了更高层的API接口，包括Rserve服务器控制和多会话机制，并支持Windows环境。Rsession简化了Java调用Rserve的API接口的难度，提供了一种简单的方式，让Java可以访问远程或本地的Rserve实例。另一个R和Java通信的库JRI，并不支持多会话机制，在下一节中会介绍。

Java语言在工业界长期处于霸主地位，Java语法、JVM、JDK、Java开源库，在近10年得到了爆发式的发展，几乎覆盖了应用开发的所有领域。伴随着Java的全领域发展，问题也随之而来了。语法越来越复杂，近似的项目越来越多，学好Java变得很难。对于没有IT背景的统计人员，学用Java更是难于上青天。

R一直是统计圈内处于佼佼者的语言，语法简单，学习曲线不太长也不太陡。如果能结合Java的通用性和R的专业性，碰撞出的火花，将会缤纷绚烂。本节将介绍R与Java连接的高速通道，rJava实现双向通信方案。

做Web开发还没有用过Node.js的同学已经落后了。Node.js是基于JavaScript实现的一款后台程序开发平台，以笔者个人的体验来说，Node.js的开发效率比PHP还要高一些，完全异步加载，性能一点也不落后，假以时日还有赶超PHP的趋势。

HTML5作为Web前端大量使用JavaScript，各种炫效果层出不穷。如果能把R语言的效果图，都用HTML5重新做渲染，并增加时时通信和用户交互，两种语言各取优势，必然产生惊为天人的效果。长话短说，下面就来介绍Node.js与R跨平台通信

RSclient是实现Rserve通信的R语言客户端程序，这种通信对于实际应用架构来说是很有帮助的，因为这不仅可以统一Rserve的接口，还可以从架构上实现R语言的跨虚拟机的分步式程序设计。

一直以来R语言都被用在基于个人电脑的客户端程序上。我们习惯性地下载R安装包，在自己的电脑上面装好，写算法，运行。然后，以贴图或者文档的形式，发表自己的作品。R如果可以运行在Server端，把结果以Web的方式发布，这才是互联网的工作方式！FastRWeb提供一种方式，可以实现B/S结构的R应用。

MySQL是一款最常用的开源数据库软件，安装简单（关于MySQL的安装和配置，请参考附录B），运行稳定，非常适用于中小型的数据存储。R作为数据分析的工具，当然要支持数据库驱动接口。让R和MySQL配合在一起，所能爆发出的能量是巨大的。

RMySQL是一个R语言程序包，提供了访问MySQL数据库的R语言接口程序，RMySQL的依赖于DBI包。RMySQL不仅提供了基本的数据库访问、SQL查询，还封装了一些方法，比如读整表、分页、data.frame快速插入等功能。掌握好RMySQL，数据库编辑将得心应手！

由于操作系统的原因，Windows和Linux有不一样的字符集，不一样的运行时环境。所以，本节将分别介绍如何在Linux和Windows上面安装和使用RMySQL。

MongoDB作为一种文档型的NoSQL数据库，使用起来非常灵活，它回避了关系型数据库前期的复杂数据库设计。MongoDB存储基于JSON格式，同时用JavaScript作为数据库操作语言，给了使用者无限想象的空间，可以通过编程在MongoDB服务器中解决非常复杂的条件查询的问题。本节将介绍通过rmongodb包让R程序轻松连接MongoDB。

Redis是常用的基于内存的Key-Value数据库，比Memcache更先进，支持多种数据结构，高效，快速。用Redis可以很轻松地解决高并发的数据访问问题，作为时时数据存储也非常不错。本节将介绍rredis，让R程序轻松连接Redis。

Cassandra是由Facebook开发，然后开源的一套分步式数据存储系统，用于海量数据的高伸展性存储。Cassandra的无中心设计、一致性哈希、BloomFilter等技术为之后的NoSQL产品提供新颖的设计思路。本节将介绍RCassandra，让R程序轻松连接Cassandra。

Hive是Hadoop的一个程序接口，使用了类SQL的语法，数据分析人员可以快速掌握。Hive让Java的世界变得简单而轻巧，让Hadoop普及到了程序员以外的人。从Hive开始，分析师们也能玩转大数据。本节将介绍RHive，让R程序轻松连接Hive。

笔者接触金融时间并不太长，操作的第一个产品就是逆回购。逆回购对于大部分人来说，都是一个新鲜词，就算是炒股多年的玩家，可能也是在2013年6月份发生银行缺钱的事件之后才了解逆回购的。隔夜的银行间拆借利率达到了30%，简单来说银行缺钱了！各种机构分分出售股票、债券，兑换成现金借给银行。个人用户也都取出存款，通过逆回购，把钱借给银行。30%的利率，让所有人在那一周都为之兴奋，只有银行在惶恐。

R语言和Hadoop分别属于两个不同的学科，有着两类完全不同的用户，基于两种不同的知识体系，做着不同的事情。但数据却是它们的交集，数据让R语言结合Hadoop成为一种跨学科选择，一种挖掘数据价值的工具。

RHadoop产品第一次实现了R语言与Hadoop的结合，进行海量数据分析。Hadoop主要用来存储海量数据，R语言完成MapReduce算法，用来替代Java的MapReduce实现。有了RHadoop可以让广大的R语言爱好者，有更强大的工具处理大数据，10G、100G、TB、PB，由于大数据所带来的单机性能问题可能会一去不复返了。但对于单独的R语言使用者、Java使用者或者Hadoop使用者来说，同时具备三种知识并不容易。

通过RHadoop我们可以用R语言实现MapReduce的开发，比起上百行的Java代码来说，R的代码是这么的简洁。本节将介绍一个统计需求案例。

由于RHadoop的rmr2包对Hadoop操作有一些特殊性，所以代码实现有一定难度。需要深入学习的同学，请多尝试并思考MapReduce算法中的key/value值的设计。

HBase是Hadoop家族中的一个分布式数据库产品，HBase支持高并发读写，列式数据存储，高效的索引，自动分片，自动Region迁移等许多优点，已经越来越多地被业界认可，并被实际应用。

一行错误难倒一片同学，在使用RHadoop的rmr2包过程中，经常会遇到的一个错误是PipeMapRed.waitOutputThreads():subprocess failed with code 1。错误原因是什么，又该如何解决呢？本节将告诉你答案。

来源：我是码农，转载请保留出处和链接！

本文链接：http://www.54manong.com/?id=1193

• 人工智能-机器学习-深度学习-电子书大全2019-01-03 14:13
• 智能时代 - 电子书下载（高清版PDF格式+EPUB格式）2018-12-17 23:00
• 机器人时代 - 电子书下载（高清版PDF格式+EPUB格式）2018-12-21 23:33
• R语言数据分析与挖掘实战 (大数据技术丛书) - 电子书下载（高清版PDF格式+EPUB格式）2018-12-22 00:00