本书系统地介绍了利用R 语言进行数据分析和挖掘的相关技术，采用由浅入深的框架体
系：开篇伊始介绍R 语言的基础操作，进而介绍回归分析、方差分析等数据分析的方法，以
更好地探索数据内部结构，获取数据所包含的信息；更重要的是为后续的数据挖掘提供理论
依据；最后介绍典型数据挖掘工具和方法，采用理论基础到算法介绍到案例实战的布局，让
读者深刻感知数据挖掘的精髓，在了解算法的同时更好地学以致用。

随着互联网技术的蓬勃发展，物联网、车联网和云计算等技术的日益成熟，人
们的生活环境逐渐由一个数字化的网络体系覆盖。近年来，大数据、机器学习、人
工智能等词汇不断出现在大众的视野中，而“数据挖掘”作为实现上述目标的核心
利器，不容置疑地成为了数据分析者必须掌握的“关键技术”。
然而，直接接触或学习这项“关键技术”都是较为困难的，因为其本身涵盖了
数学、统计学、算法编程等不同专业领域的知识，如何克服这种困难，如何在一本
书中既讲清必要的理论知识，又能够使读者能够快速上手操作并在操作中学习更多
的知识，成为一名数据分析达人，这是本书要解决的。
本书作者借助于多年的知识积累和实务工作经验，将数据分析和挖掘的各种“干
货”浓缩于本书中，其中囊括了大量精美的图表与案例分析，行文深入浅出、图文
并茂，将枯燥生硬的理论知识与案例分析相结合，便于读者更快地吸收知识并学以
致用。本书抛开深奥的理论化条文，除了必备的基础理论知识介绍外，绝不贪多求
全，特别强调实务操作、快速上手，绝不囿于示意与演示，更注重实战展示——从
R 语言软件的安装、数据的获取、数据的预处理、数据的探索性分析到回归分析等
数据分析的方法，再到常规聚类等典型的数据挖掘工具和方法，随着本书内容的一
步步深入，读者将真正体会到数据挖掘的精髓和乐趣所在。
本书特色
1．内容体系由浅入深、详略得当，行文安排适用于不同基础的读者
本书内容涵盖了软件安装、数据获取、数据预处理、数据的探索性分析等基础
内容以帮助基础较为薄弱的初学者尽快入门，而后介绍了数据分析的一些强有力工
具，如回归分析、方差分析、主成分分析、因子分析和判别分析等数据分析的方法，
最后将所有知识综合起来形成真正的数据挖掘知识体系。本书对基础部分的细节进
行详细介绍，对较为高深的理论知识和算法进行了简单的介绍，这种由浅入深、详
略得当的行文安排适用于基础不尽相同的读者。
2．内容切实可用，辅以大量实例，便于读者更快地掌握核心技术
本书注重实战操作，在基础部分进行详细讲解，如软件安装和数据处理等，均
给出了实打实的教程，而在数据分析和挖掘技术的相关章节介绍中均采用了实例分
Foreword
2 R 语言数据分析与挖掘实战手册
析，案例中的数据方便易得、真实可靠，在案例分析中按照数据挖掘的基本步骤进
行，对分析结果进行详细解读，便于读者更好地理解和掌握每一章的核心技术。
3．将分析结果进行可视化展示，激发读者的阅读兴趣
本书采用较多的可视化展示，从算法介绍到实例分析，尽量采用图片的形式进
行解读，以帮助读者从繁琐的文字描述中“解脱”出来，尤其是实例分析部分，将
能够进行可视化展示的部分转化成图片形式，并配以简明扼要的文字解说，以便读
者更加深刻地理解每一章的内容。需要强调的是，在行业应用中，数据挖掘的结果
大多以图片的形式汇总为可视化报告，因此本书的初衷就是建立与行业应用的更多
联系。
二维码下载包
为了便于读者习，我们把全书源代码以及书中图片的彩色版放入二维码下载包
中，供读者下载使用。
本书读者对象
数据分析师
统计专业的本科生
经管类专业的研究生
R 语言的编程爱好者
因受作者水平和篇幅所限，本书难免存有疏漏和不当之处，敬请指正。

第1 章 R 语言简介
1.1 R 语言软件的安装与运行................................................................................................. 1
1.1.1 R 语言软件的安装、启动与关闭........................................................................... 1
1.1.2 R 语言程辑包的安装和使用.................................................................................. 4
1.2 R 语言的数据结构............................................................................................................. 6
1.2.1 R 语言对象和类型................................................................................................. 6
1.2.2 向量........................................................................................................................ 7
1.2.3 数组和矩阵........................................................................................................... 12
1.2.4 列表...................................................................................................................... 17
1.2.5 数据框.................................................................................................................. 20
第2 章 数据的读取与保存
2.1 数据的读取...................................................................................................................... 24
2.1.1 读取内置数据集和文本文件................................................................................ 24
2.1.2 读取Excel 数据和CSV 格式的数据.................................................................... 30
2.1.3 读取R 语言格式数据和网页数据........................................................................ 33
2.1.4 读取其他格式的数据........................................................................................... 34
2.2 数据保存.......................................................................................................................... 36
2.2.1 写出数据.............................................................................................................. 36
2.2.2 使用函数cat() ...................................................................................................... 37
2.2.3 保存为R 语言格式文件....................................................................................... 38
2.2.4 保存为其他类型文件........................................................................................... 39
第3 章 数据预处理
3.1 缺失值处理...................................................................................................................... 40
3.1.1 缺失值判断........................................................................................................... 40
3.1.2 缺失模型判断....................................................................................................... 44
3.1.3 常用处理方法....................................................................................................... 48
3.2 数据整理.......................................................................................................................... 53
3.2.1 数据合并.............................................................................................................. 53
3.2.2 选取子集.............................................................................................................. 56
3.2.3 数据转换.............................................................................................................. 59
第4 章 数据的探索性分析
4.1 基本绘图函数.................................................................................................................. 66
4.2 探索单个变量.................................................................................................................. 74
4.2.1 单组数据的图形描述........................................................................................... 74
4.2.2 单组数据的描述性分析....................................................................................... 79
4.3 探索多个变量.................................................................................................................. 81
4.3.1 两组数据的图形描述........................................................................................... 81
4.3.2 多组数据的图形描述........................................................................................... 85
4.3.3 多组数据的描述性统计....................................................................................... 88
4.4 其他图像探索.................................................................................................................. 90
第5 章 回归分析
5.1 一元线性回归.................................................................................................................. 94
5.1.1 模型简介.............................................................................................................. 94
5.1.2 函数介绍.............................................................................................................. 96
5.1.3 综合案例：iris 数据集的一元回归建模.............................................................. 97
5.2 多元线性回归.................................................................................................................. 99
5.2.1 模型简介.............................................................................................................. 99
5.2.2 综合案例：iris 数据集的多元回归建模............................................................ 100
5.3 变量的选择.................................................................................................................... 105
5.3.1 逐步回归方法简介及函数介绍.......................................................................... 105
5.3.2 综合案例：swiss 数据集的逐步回归建模......................................................... 106
5.3.3 岭回归的方法简介及函数介绍.......................................................................... 109
5.3.4 综合案例：longley 数据集的岭回归探索.......................................................... 110
5.3.5 lasso 回归方法简介及函数介绍......................................................................... 114
5.3.6 综合案例：longley 数据集的lasso 回归建模.................................................... 115
5.4 Logistic 回归.................................................................................................................. 117
5.4.1 模型简介............................................................................................................ 117
5.4.2 函数介绍............................................................................................................ 119
5.4.3 综合案例：iris 数据集的逻辑回归建模............................................................ 120
第6 章 方差分析
6.1 单因素方差分析............................................................................................................ 124
6.1.1 模型介绍............................................................................................................ 124
6.1.2 函数介绍............................................................................................................ 126
6.1.3 综合案例：不同治疗方法下胆固醇降低效果的差异性分析............................ 127
6.2 双因素方差分析............................................................................................................ 130
6.2.1 模型介绍............................................................................................................ 130
6.2.2 综合案例：不同剂量下老鼠妊娠重量的差异性分析........................................ 132
6.3 协方差分析.................................................................................................................... 136
6.3.1 模型简介............................................................................................................ 136
6.3.2 函数介绍............................................................................................................ 136
6.3.3 综合案例：hotdog 数据集的协方差分析........................................................... 137
第7 章 主成分分析和因子分析
7.1 降维的基本方法：主成分分析..................................................................................... 139
7.1.1 理论基础：原始变量的线性组合...................................................................... 139
7.1.2 模型介绍............................................................................................................ 141
7.1.3 函数介绍............................................................................................................ 143
7.1.4 综合案例：longley 数据集的变量降维及回归.................................................. 144
7.1.5 综合案例：longley 数据集的变量降维及回归（主成分回归）....................... 148
7.2 推广发展：因子分析.................................................................................................... 150
7.2.1 理论基础：多个变量综合为少数因子............................................................... 150
7.2.2 模型介绍............................................................................................................ 151
7.2.3 函数介绍............................................................................................................ 153
7.2.4 综合案例：能力和智商测试的因子分析探索................................................... 154
第8 章 判别分析
8.1 距离判别法.................................................................................................................... 160
8.1.1 理论基础：离谁近，就属于谁.......................................................................... 160
8.1.2 函数介绍............................................................................................................ 162
8.1.3 综合案例：基于距离判别的iris 数据集分类.................................................... 164
8.2 Bayes 判别法................................................................................................................. 168
8.2.1 理论基础：先验概率与错判损失...................................................................... 168
8.2.2 函数介绍............................................................................................................ 170
8.2.3 综合案例：基于iris 数据集的Bayes 判别分析................................................ 171
8.3 Fisher 判别法................................................................................................................. 171
8.3.1 理论基础：投影................................................................................................. 171
8.3.2 函数介绍............................................................................................................ 173
8.3.3 综合案例：基于Fisher 判别的iris 数据集分类................................................ 174
第9 章 常规聚类分析
9.1 深入了解聚类分析........................................................................................................ 178
9.1.1 差异与分类......................................................................................................... 178
9.1.2 主流的聚类算法................................................................................................. 179
9.2 动态聚类........................................................................................................................ 180
9.2.1 聚类的基本过程................................................................................................. 180
9.2.2 函数介绍............................................................................................................ 183
9.2.3 综合案例：基于随机生成序列的动态聚类....................................................... 184
9.3 层次聚类........................................................................................................................ 194
9.3.1 聚类的基本过程................................................................................................. 194
9.3.2 函数介绍............................................................................................................ 197
9.3.3 综合案例：基于UScitiesD 数据集的层次聚类................................................. 199
9.4 密度聚类........................................................................................................................ 202
9.4.1 聚类的基本过程................................................................................................. 202
9.4.2 函数介绍............................................................................................................ 202
9.4.3 综合案例：基于随机生成序列的密度聚类....................................................... 203
9.5 EM 聚类......................................................................................................................... 204
9.5.1 聚类的基本过程................................................................................................. 205
9.5.2 函数介绍............................................................................................................ 205
9.5.3 综合案例：基于iris 数据集的EM 聚类............................................................ 206
第10 章 关联规则
10.1 简单关联规则.............................................................................................................. 210
10.1.1 基本概念与表示形式....................................................................................... 210
10.1.2 评价简单关联规则的有效性和实用性............................................................. 211
10.2 序列关联规则.............................................................................................................. 212
10.2.1 差异与基本概念............................................................................................... 212
10.2.2 生成序列关联规则........................................................................................... 213
10.3 Apriori 算法................................................................................................................. 214
10.3.1 算法介绍：挖掘频繁项集................................................................................ 214
10.3.2 函数介绍.......................................................................................................... 215
10.3.3 综合案例：基于Titanic 数据集的关联规则挖掘............................................ 216
10.4 Eclat 算法.................................................................................................................... 224
10.4.1 算法介绍：自底向上的搜索............................................................................ 224
10.4.2 函数介绍.......................................................................................................... 224
10.4.3 综合案例：基于美国人口调查数据的关联规则挖掘...................................... 225
10.5 SPADE 算法................................................................................................................. 230
10.5.1 算法介绍：基于序列格的搜索和连接............................................................. 231
10.5.2 函数介绍.......................................................................................................... 232
10.5.3 综合案例：基于zaki 数据集的序列关联规则挖掘......................................... 233
第11 章 神经网络
11.1 深入了解人工神经网络............................................................................................... 239
11.1.1 生物神经元....................................................................................................... 240
11.1.2 人工神经元模型............................................................................................... 241
11.1.3 人工神经网络种类........................................................................................... 244
11.1.4 建立模型的一般步骤........................................................................................ 247
11.2 B-P 反向传播网络....................................................................................................... 248
11.2.1 B-P 反向传播网络模型.................................................................................... 248
11.2.2 算法介绍........................................................................................................... 249
11.2.3 函数介绍........................................................................................................... 250
11.3 综合案例：基于Boston 数据的波士顿郊区房价预测建模........................................ 252

程静，毕业于重庆大学，目前就职于西部估值最高的互联网公司猪八戒网，担任高级数据分析工程师，负责行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测，擅长大数据分析及数据挖掘的各种算法熟练使用R语言及Python语言。