本书以R语言为基础，介绍做任何分析都绕不开的数据处理基本操作。从基本包入手，循序渐进地引导读者一步一步进行学习。首先介绍tidyverse生态系统的dplyr包，并在其后引入难度稍高但是性能更加优秀的data.table包，然后介绍支持分布式数据处理的sparklyr包。在本书的zui后部分还提供了实战的案例，并介绍了一些非常实用的数据处理技巧。
本书分为四个部分：di yi部分介绍基本的概念，介绍数据处理的基本概念和R语言编程基础，让零基础的读者也能迅速入门；第二部分是快速入门部分，介绍如何使用base-r基本包和tidyverse生态系统来解决基本的数据处理问题，让读者能够快速上手；第三部分是高级进阶内容，对于追求数据处理的速度和规模的用户而言，需要进阶学习data.table和sparklyr两个R包，从而获得更高的效率；第四部分是实战案例，利用航班数据进行演练，并对前面所学的技巧进行测试，而且分享了在R中进行数据处理的实用技巧。
本书不仅是需要用R语言进行数据分析的读者快速入门的教程，而且是数据分析人员常备的案头参考工具书，具备强大的索引查询功能。
黄天元，复旦大学博士生，研究方向为生态信息科学与数据科学。精通R语言及其在数据处理中的高效运用，已发表学术论文两篇，知乎专栏“R语言数据挖掘”作者。
第1 部分 基础知识...................1
第1 章 数据处理总论.......................... 2
1.1 数据处理的定义 ....................2
1.2 数据处理的意义 ...................3
1.3 数据处理基本工具 ..................3
第2 章 R 语言编程基础.................. 6
2.1 下载安装 ...................6
2.2 包的使用 ..................7
2.3 数据类型 .........................8
2.4 数据结构 ........................10
2.5 程序控制 ........................15
2.6 函数式编程 ....................17
第3 章 数据处理基本范式....................... 19
第2 部分 快速入门...................24
第4 章 base-r：基本数据处理................. 25
4.1 数据集及其基本探索 .....................25
4.2 基本范式实现 ................27
4.2.1 创建（read.csv/data.frame） ................................27
4.2.2 删除（rm） .........................28
4.2.3 检索（DF[i,j]） ...................28
4.2.4 插入（rbind/cbind） ........................31
4.2.5 排序（order） .....................33
4.2.6 过滤（DF[condition,]） ...................35
4.2.7 汇总（apply） .....................36
4.2.8 分组（aggregate） ...........................36
4.2.9 连接（merge） ....................37
第5 章 tidyverse 生态系统：简洁高效数据处理.................... 40
5.1 tidyverse 生态系统简介 ........................40
5.2 基本范式实现 ............................41
5.2.1 包的加载（p_load） ........................41
5.2.2 创建（read_csv/tibble） ..................42
5.2.3 删除（rm） .........................45
5.2.4 检索（select/slice） .........................46
5.2.5 插入（add/bind） ................50
5.2.6 排序（arrange） ..................54
5.2.7 过滤（filter） ......................56
5.2.8 汇总（summarise） .........................59
5.2.9 分组（group_by） ...........................61
5.2.10 连接（join） .....................63
5.3 高级处理工具 ................67
5.3.1 长宽数据变换（gather/spread） ..........................68
5.3.2 集合运算（intersect/union/setdiff） .....................70
5.3.3 窗口函数（rank/lead/lag/cum） ...........................74
5.3.4 连接数据库：对SQL 的支持（dbplyr） .........................81
5.3.5 巧妙写函数：变量的引用 ...............85
第3 部分 高级进阶...................93
第6 章 data.table：高速数据处理............... 94
6.1 data.table 简介 ...............94
6.2 基本范式实现 ................96
6.3 高级特性探索 ............................... 116
第7 章 sparklyr: 分布式数据处理.................................. 128
7.1 连接R 与Spark：sparklyr 包简介 ...............................128
7.2 基本操作指南 ...............................130
7.3 存储机制简介 ...............................135
7.4 分布式计算 ..................136
第4 部分 实战应用................. 139
第8 章 航班飞行数据演练..................... 140
8.1 nycflights13 数据集探索 ...........................140
8.2 flights14 数据集探索 ....................148
第9 章 测试..................... 155
第10 章 实用数据处理技巧..................... 157
10.1 数据存取 ....................157
10.1.1 令人头疼的编码格式（encoding） ..............................157
10.1.2 读写性能竞速赛（fst/feather & data.table/readr） ....................158
10.1.3 数据存取转换的瑞士军刀（rio） ...................162
10.2 并行计算（doParallel） .........................164
10.3 混合编程 ....................168
第11 章 实战案例：网络爬虫与文本挖掘............................. 173
11.1 网络爬取（rvest） .....................174
11.2 文本挖掘（tidytext）.................177
第12 章 实战案例：数据塑型与可视化（ggplot2）.....................180
12.1 数据准备 ....................181
12.2 柱状图（geom_bar） .................182
12.3 折线图（geom_line） ................183
12.4 饼图（ggpie） ............................184
12.5 一行代码实现一页多图（gridExtra） .......................186
第13 章 实战案例：机器学习.................. 193
13.1 机器学习概述 .............................193
13.2 为什么要做机器学习 .................193
13.3 如何入门机器学习 .....................194
13.4 数据处理与机器学习 .................195
13.5 案例分析：信贷风险预测模型构建 ...........................195
致谢..............................204
书单推荐
