Imparare R: una guida all'analisi dei dati con funzioni passo passo

Recensioni dei lettori

Il libro è generalmente ben accolto per il suo insegnamento pratico e accessibile della programmazione R, soprattutto per coloro che hanno un certo background di programmazione. Offre un buon mix di competenze di programmazione e analisi dei dati, ma è considerato più adatto a studenti intermedi che a principianti assoluti. Sebbene fornisca esercizi utili e copra argomenti utili, alcuni lettori ritengono che manchi di profondità e ampiezza rispetto ad altri libri su R.

⬤ Ben scritto e di facile comprensione
⬤ approccio pratico all'apprendimento di R
⬤ include quiz ed esercizi per rafforzare l'apprendimento
⬤ fornisce preziosi suggerimenti sulle strutture dati e sulle applicazioni
⬤ utile per i programmatori alle prime armi con R
⬤ contiene capitoli sulla scrittura di pacchetti.

⬤ Può non essere adatto a principianti assoluti senza esperienza di programmazione
⬤ alcuni argomenti sono trattati in modo più approfondito in altri libri
⬤ manca una copertura completa di R o soluzioni dettagliate ai problemi di programmazione
⬤ alcuni trovano i capitoli iniziali aridi e difficili.

(basato su 30 recensioni dei lettori)

Titolo originale:

Learning R: A Step-By-Step Function Guide to Data Analysis

Contenuto del libro:

Imparate a eseguire analisi dei dati con il linguaggio e l'ambiente software R, anche se avete poca o nessuna esperienza di programmazione. Con le esercitazioni di questa guida pratica, imparerete a usare gli strumenti essenziali di R che dovete conoscere per analizzare i dati, compresi i tipi di dati e i concetti di programmazione.

La seconda metà di Learning R mostra l'analisi dei dati in azione, dall'importazione dei dati alla pubblicazione dei risultati. Ogni capitolo del libro include un quiz su quanto appreso e si conclude con esercizi, la maggior parte dei quali prevede la scrittura di codice R.

⬤ Scrivete un semplice programma R e scoprite cosa è in grado di fare questo linguaggio.

⬤ Utilizzare tipi di dati come vettori, array, liste, data frame e stringhe.

⬤ Eseguire il codice in modo condizionale o ripetuto con rami e loop.

⬤ Applicare i pacchetti aggiuntivi di R e pacchettizzare il proprio lavoro per gli altri.

⬤ Imparare a pulire i dati importati da diverse fonti.

⬤ Comprendere i dati attraverso la visualizzazione e le statistiche di sintesi.

⬤ Utilizzare modelli statistici per esprimere giudizi quantitativi sui dati e fare previsioni.

⬤ Imparare cosa fare quando le cose vanno male durante la scrittura del codice di analisi dei dati.