本书循序渐进、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。
本书不仅可以作为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。

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 转置作 98
5.1.3 求和、平均值和总和 99
5.1.4 行和列作 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 和环境空间 153
6.1 (Package) 154
6.1.1 R语言的管理 154
6.1.2 自定义R 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 作CSV文件 172
7.3.1 CSV文件的点 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readxl 179
7.4.3 使用openxlsx 180
7.5 XML文件 182
7.5.1 使用XML 182
7.5.2 使用xml2 185
7.6 JSON文件 187
7.6.1 JSON 187
7.6.2 使用jsonlite 188
7.6.3 使用RJSONIO 190
7.6.4 使用tidyjson 192
7.7 MySQL数据库连接 193
7.7.1 和MySQL相关的 193
7.7.2 使用RMySQL 194
7.7.3 使用RMariaDB 195
7.7.4 使用DBI 197
7.7.5 dplyr和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rvest抓取数据 201
7.8.3 使用httr抓取数据 202
7.8.4 使用XML抓取数据 204
7.8.5 使用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 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 278
10.1.1 机器学相关 278
10.1.2 caret 278
10.1.3 randomForest 285
10.1.4 e1071 288
10.1.5 glmnet 291
10.1.6 xgboost 293
10.2 深度学 294
10.2.1 keras 294
10.2.2 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 WebShiny 307
11.4.2 交互式表格DT 308
11.4.3 集成可视化tidyverse 308
11.4.4 图形排列gridExtra 309
11.5 UI界面 309
11.5.1 导入 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 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 使用交验证方法训练决策树模型 352
12.8.6 使用交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