"大数据分析包括查询型分析、描述性分析、探索性分析、挖掘型分析等。本书介绍基于R语言的大数据分析解决方案。全书分3篇共18章。第1篇R语言，包括第1～10章，分别为R语言概览、表达式、字符串与正规表达式、函数、向量、矩阵、数据框、列表、面向对象程序设计、数据存储；第2篇可视化，包括第11、12章，分别为统计绘图、图形文法ggplot2；第3篇数据分析，包括第13～18章，分别为数据分析基础、查询型分析与数据表、描述性统计与探索性分析、挖掘型分析、离群点检测、文本挖掘。 本书力求通俗易懂、简单实用，示例丰富，可供大数据领域工程技术人员、计算机类专业高年级本科学生和硕士研究生使用。 "

董东,研究方向：大数据分析、 计算机教育等。已出版编著或译著12部，发表计算机教育论文10篇，应用研究论文55篇。为计算机类硕士研究生讲授软件体系结构、大数据分析等课程。河北省信息技术标准化技术委员会委员。

前言 大数据（big data）由极其宽泛的数据形成，体量大、流量大、多种多样、变化不定，需要可伸缩的体系结构以实现高效存储、操作和分析。简单来说，大数据就是体量超出了内存容量，甚至超出了本地磁盘容量的数据。 一个大数据分析项目由四个阶段组成： 数据收集（collection）、数据预处理（preparation）、数据分析（analysis）和行动（action）。数据收集是从数据源汇集数据的过程；数据预处理包括清洗、变换等；数据分析就是洞察数据，发现类别、规则、关联、相关、因果等知识；行动就是应用分析的结果为社会创造价值。 “分而治之”是解决复杂问题的基本策略。大数据分析是一个复杂问题。把大规模数据分解成N个小规模数据，得到N个分析结果，然后再把N个分析结果约简为一个综合的结果是大数据分析的一种范式。Hadoop生态系统实现了这种范式，提供了基于分布式文件系统的解决方案，并且算力能够无限线性叠加。但是，对于超出了内存限制但未超出磁盘容量限制的数据来说，需要更为廉价、方便、可移动的大数据分析解决方案。 同质并且成批收集的数据，称为“成块”（chunked）数据。大数据分析通常在一定的时间间隔（每年、每月、每天等）内按单独的数据文件从不同数据源收集数据，其累积的数据文件作为大数据分析的输入。 本书讨论面向成块数据的大数据分析解决方案，应用共享磁盘存储和虚拟内存技术解决数据“体量大”的问题，应用可扩展的R语言实现全生命周期的大数据分析。R是统计学专家和计算机科学与技术专家喜爱的计算机语言，也是一个开源免费的数据分析平台，其最大的优势在于可扩展性。几乎每天都有新的...