近年来，R语言可谓是数据分析的热门语言，相关的资料五花八门，让读者难以抉择。本书力求用简洁、精练，以理论与实践相结合的方式让大家快速掌握R语言。 全书共14章，第1章为绪论，从数学、统计学和逻辑学3个方面探讨了树立正确数据思维的一些原则；其余各章分为基础篇（第2～10章）、应用篇（第11、12章）和进阶篇（第13、14章）。基础篇按照数据分析过程，主要讨论了R的数据结构、数据导入/导出、数据清洗、数据变换、可视化、高级语言编程和常用建模方法。应用篇通过对2个经典案例的分析，使读者能够把学到的R基础知识应用到解决实际问题，把数据变成价值。进阶篇解决如何用R处理大数据的一些技术。 本书可用作培养应用型人才的课程教材，也可作为数据分析爱好者的参考资料。

李法平- 副教授/系统分析师，硕士，重庆电子工程职业学院软件学院移动应用开发教研室主任，主要从事高职软件类专业教学研究、教育信息化系统和企业信息化系统等应用技术研究。

随着数据分析的需求不断提升，Excel渐渐无法满足价值挖掘的日常需求，需要更专业化的软件做数据分析。相应的问题就来了，统计学软件那么多，SPSS、R、Python、SAS、JMP、Matlab等，该选哪一个？目前市场上较为火热的软件是R和Python。 开源软件的R能够迅速发展，很大程度上取决于其活跃的社区和各种R包的使用。截至目前（2017年2月25日），CRAN（Comprehensive R Archive Network）上已经有10162个可以获取的R扩展包，内容涉及各行各业，可以适用于各种复杂的统计。 数据科学者的工作就是操纵数据，把原始数据加工成建模需求的形状，而R语言是帮你实现整理数据的最佳的工具。 该书深入浅出地介绍 R 语言在大数据分析应用中的相关知识，全书分为绪论（第1章）、基础篇、应用篇和进阶篇。基础篇（第2～10章）学习如何用 R 完成数据处理，包括数据准备、数据探索、数据变换、数据可视化和数据建模等；应用篇（第11、12章）学习如何用R完成实际的数据分析报告撰写，包括背景与目标、指标设计、描述性分析、模型分析和结论与建议；进阶篇（第13、14章）学习如何使用R提高大数据处理性能，包括RHadoop、SparkR。 绪论从数据、统计学和逻辑学3个方面探讨了树立正确的数据思维的一些原则。数据分析师的数据思维对于整体分析思路，甚至分析结果都有着关键性的作用。普通数据分析师与高级数据分析师的主要差异就是有正确的数据思维观。正确的数据思维观与数据敏感度有关，类似于情商类的看不见，摸不着的东西。简单来说，正确的数据思维观是一种通过数据手段解决问题的...