这本书涵盖了R语言编程的诸多方面，尤其在面向对象编程、程序调试、提升程序运行速度以及并行计算等方面，填补了同类图书的空白。关于程序调试的章节更是作者多年经验的总结。不管是初学者还是有一定编程经验的读者，阅读这本书都会有所收获。
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　—— 统计之都

R语言是世界上最流行的用于数据处理和统计分析的脚本语言。考古学家用它来跟踪古代文明的传播，医药公司用它来探索哪种药物更安全、更有效，精算师用它评估金融风险以保证市场的平稳运行。总之，在大数据时代，统计数据、分析数据都离不开计算机软件的支持，在这方面R语言尤其出色。
本书将带领你踏上R语言软件开发之旅，从最基本的数据类型和数据结构开始，到闭包、递归和匿名函数等高级主题，由浅入深，讲解细腻，读者完全不需要统计学的知识，甚至不需要编程基础。书中提到的很多高级编程技巧，是作者多年编程经验的总结，对有经验的开发者也大有裨益。本书精选了44个扩展案例，这些案例都源自于作者亲身参与过的咨询项目，都是与数据分析相关的，生动展示了R语言在统计学中的高效应用。

本书核心内容：
R语言的完整语法以及R语言的编程技巧。
创建精美图形来展示复杂数据和函数。
使用并行计算和向量化的方法编写更高效的代码。
使用R语言对C/C++和Python的接口来提高计算速度或增加功能。
文本分析、图像处理等领域新的R包。
使用高级调试技巧清除代码里恼人的错误。
包含许多“扩展案例”，展示完整的、特定用途的函数，并针对同一个问题讨论了不同的设计方案。
在恰当的时候介绍R语言与其他语言的差异，为那些了解其他语言的开发人员提供参考。

作者简介
Norman Matloff　 著名计算机科学家兼统计学家，美国加州大学戴维斯分校计算机科学系教授，曾是该校统计专业的创建者之一，并担任过统计学教授，对并行编程、网络流量、数据挖掘、磁盘系统性能等方面的技术都有深入的研究。他乐于分享，撰写了多部广受欢迎的关于软件开发的在线教程，多次为《纽约时报》、《华盛顿邮报》、《福布斯杂志》以及《洛杉矶时报》撰写文章，是《The Art of Debugging》的作者之一。

R是一种用于数据处理和统计分析的脚本语言，它受到由AT&T实验室开发的统计语言S的启发，且基本上兼容于S语言。S语言的名称代表统计学（statistics），用来纪念AT&T开发的另一门以一个字母命名的编程语言，这就是著名的C语言。后来一家小公司买下了S，给它添加了图形用户界面并命名为S-Plus。
　　由于R是免费的，而且有更多的人贡献自己的代码，R语言变得比S和S-Plus更受欢迎。R有时亦称为GNU S，以反映它的开源属性。（GNU项目是开源软件的一个重要集合。）
为什么在统计工作中用R
　　粤语有个词“又便又靓”，意思是“物美价廉”，R语言就是这样一种工具，为什么还要用别的呢？
　　R语言有许多优点：
　　它是广受关注的统计语言S在公众领域的实现，而且R/S已经是专业统计学家的实际标准语言。
　　在绝大多数情况下，它的功能不亚于甚至优于商业软件，比如它有大量的函数、良好的可编程性、强大的绘图功能，等等。
　　在Windows、Mac、Linux等操作系统上都有相应的版本。
　　除了提供统计操作以外，R还是门通用编程语言，所以你可以用它做自动分析、创建新的函数来拓展语言的现有功能。
　　它结合了面向对象语言和函数式编程语言的特性。
　　系统在两次会话之间可以保存数据集，所以不需要每次重新加载数据集。R还可以保存历史命令。
　　因为R是开源软件，所以很容易从用户社区获得帮助。另外，用户们贡献了大量的新函数，其中很多用户都是杰出的统计学家。
　　我必须事先提醒你，最好直接在终端窗口输入命令并提交给R，而不是在GUI里用鼠标点击菜单，并且大多数R用户都不用GUI。这并不是说R不能图形化操作。相反，它有很多工具可以生成实用、美观的图形，不过这些工具是用在系统输出方面，比如画图，而不是用在输入方面。
　　如果你离不开GUI，则可以选用一种免费的GUI，它们是为R开发的，比如下面几种开源的或免费的工具：
　　RStudio，http://www.rstudio.org/
　　StatET，http://www.walware.de/goto/statet/
　　ESS （Emacs Speaks Statistics），http://ess.r-project.org/
　　R Commander：John Fox，“The R Commander: A Basic-Statistics Graphical Interface to R,” Journal of　　 Statistical Software 14, no. 9 (2005):1–42.
　　JGR (Java GUI for R)，http://cran.r-project.org/web/packages/JGR/index.html
　　前三种软件，RStudio、StatET和 ESS属于集成开发环境（Integrated Development Environments， IDE），更多地是为编程设计的。StatET和ESS则为R程序员分别提供了针对著名的Eclipse 和Emacs环境的IDE。
　　在商业软件中，另一种IDE出自Revolution Analytics公司，一家提供R语言服务的公司（http://www.revolutionanalytics.com/）。
　　因为R是一种编程语言而不是各种不相关联的命令汇总，你可以把几个命令组合起来使用，每条命令用前一条命令的输出作为输入。（Linux用户可能会认出：这类似于用管道将shell命令串联起来。）这种组合R函数的能力带来了巨大的灵活性，如果使用恰当，功能会非常强大。
　　下面是个简单的例子，请看这条命令：
　　nrow(subset(x03,z == 1))
　　首先，subset()函数针对数据框x03提取出变量z（取值为1）的所有记录，得到一个新的数据框，再把这个新数据框代入nrow()函数。这个函数计算数据框的行数。这行命令的最终效果是给出原数据框中z=1的记录的个数。
　　之前提到过面向对象编程和函数式编程这两个术语。这两个主题会激起计算机科学家的兴趣，尽管它们对大多数读者来说可能有点陌生，但是它们跟任何使用R做统计编程的人都有关。下面概述这两个主题。
面向对象编程
　　面向对象的优点可以用例子来解释，例如回归模型。当你用SAS、SPSS等其他统计软件做回归分析时，你会在屏幕上看到一大堆的输出结果。与之相反，如果在R里调用回归函数lm()，函数会返回一个包含所有结果的对象，对象里含有回归系数的估计、估计值的标准差、残差等。接下来你可以用编程的方式挑选对象里需要的部分并提取出来。
　　你会看到通过R的方式可使编程变得更容易，部分因为它提供了访问数据的一致性。这种一致性源于R是多态的，即一个函数可以应用于不同类型的输入，函数在运行过程中会选择适当的方式来处理。这样的函数称为泛型函数。（如果你是C++程序员，肯定见过类似的概念虚函数。）
　　例如plot()函数，如果你把它应用到一列数上，会得到一幅简单的图。但是如果把它应用到某个回归分析的输出结果中，会得到关于回归分析多个方面的一整套图形。当然，你只能在R生成的对象上使用plot()函数。这样也好，这意味着用户需要记的命令更少了！
函数式编程
　　避免显式迭代是R语言的一个常见话题，这对于函数式编程语言来说是很典型的问题。你可以利用R的函数特性把迭代行为表达成隐式的，而不是用循环语句。这可以让代码执行起来更有效率，当R运行在大数据集上时运行时间会相差很大。
　　正如你看到的，R语言函数式编程的属性有许多优点：
　　更清晰，更紧凑的代码。
　　有潜力达到更快的执行速度。
　　减少了调试的工作量，因为代码更简单。
　　容易转化为并行编程。
本书的读者对象
　　许多人以特定的方式使用R——直方图、回归分析或者其他涉及统计运算的任务。不过本书针对的是那些希望用R开发软件的读者。本书的目标读者从专业软件开发人员，到只在大学修过编程课、为了完成特定任务而写R代码的人。（统计学知识一般不是必需的。）
　　以下几类人可能会从本书受益：
　　受雇于某个需要定期制作统计报告的机构，比如医院、政府机关等，为此需要开发专用程序。
　　开发统计学方法论的学术研究人员，所研究的方法论要么是全新的，要么就是结合了现有的方法并将其整合到一起，这些需要编程来实现，让学术界里更多的人能够使用。
　　在市场营销、诉讼支持、新闻、出版等领域工作，需要通过编码来制作复杂图形以实现数据可视化的专家。
　　有软件开发经验，参与的项目涉及统计分析的专业程序员。
　　学习统计计算课程的学生。
　　因此，本书不是R包中各种统计方法的纲要，其实本书更侧重于编程，覆盖了大部分R语言图书没有涉及的与编程相关的主题，我甚至是围绕编程主题展开论述的。下面是一些具体的例子：
　　“扩展案例”展示完整的、特定用途的函数，而不是针对某个数据集的独立代码片段。你可能发现其中有些函数对你平常用R语言进行工作很有帮助。通过学习这些案例，你不仅能学到R语言的基本功能如何运作，也会学到如何把它们组合成有用的程序。在很多案例里，我讨论了其他设计方案，以回答“为什么我们这样做？”。
　　内容上符合程序员的思维习惯。例如，在讨论数据框的时候，我不仅表明数据框是一种R的列表，也指出这一事实对编程的潜在影响。我在适当的时候加入R语言与其他语言的比较，为那些刚好了解其他语言的人提供参考。
　　在任何语言里，调试对于编程都非常关键，而在其他大多数R语言书籍中却鲜有涉及。本书用了一章的篇幅来介绍调试技巧，用“扩展案例”方法真刀真枪地展示如何调试实际工作中的程序。
　　如今，多核计算机甚至普及到普通家庭，图形处理单元（GPU）已经悄然在科学计算界引发了一场革命。越来越多的R应用涉及非常大量的计算，并行处理已经成为R程序员面临的主要课题。所以本书用一章的篇幅讨论这个主题，同样给出技术细节和扩展案例。
　　本书单独用一章介绍如何利用R内部行为以及其他工具的优势来加速R代码。
　　用一章来讨论R语言与其他语言（如C和Python）的接口，用扩展案例展示了应用方法，同时也介绍了调试的技巧。
我的学术背景
　　我绕了一个圈才走进R的世界。
　　我完成了抽象概率论领域的博士论文之后，在担任统计学教授的前几年，我教过学生、做过研究、也做过统计方法论的顾问。我是加州大学戴维斯分校统计系的创建者之一。
　　后来我去了这个学校的计算机科学系，在那里我度过了职业生涯的大部分时间。我研究并行编程、网络流量、数据挖掘、磁盘系统性能以及其他领域。我在计算机科学领域的教学和研究大多都涉及统计学。
　　所以我既有纯粹的计算机科学家的视角，也有作为统计学家和统计研究者的视角。我希望这样的综合视角能够使我更好地解读R语言，使本书更具实用价值。

计算机\程序设计

这本书涵盖了R语言编程的诸多方面，尤其在面向对象编程、程序调试、提升程序运行速度以及并行计算等方面，填补了同类图书的空白。关于程序调试的章节更是作者多年经验的总结。不管是初学者还是有一定编程经验的读者，阅读这本书都会有所收获。
——统计之都
R语言是世界上最流行的用于数据处理和统计分析的脚本语言。考古学家用它来跟踪古代文明的传播，医药公司用它来探索哪种药物更安全、更有效，精算师用它评估金融风险以保证市场的平稳运行。总之，在大数据时代，统计数据、分析数据都离不开计算机软件的支持，在这方面R语言尤其出色。
本书将带领你踏上R语言软件开发之旅，从最基本的数据类型和数据结构开始，到闭包、递归和匿名函数等高级主题，由浅入深，讲解细腻，读者完全不需要统计学的知识，甚至不需要编程基础。而书中提到的很多高级编程技巧，都是作者多年编程经验的总结，对有经验的开发者也大有裨益。本书精选了44个扩展案例，这些案例都源自于作者亲身参与过的咨询项目，都是与数据分析相关的，生动展示了R语言在统计学中的高效应用。
本书核心内容：
 R语言的完整语法以及R语言的编程技巧
 创建精美图形来展示复杂数据和函数
 使用并行计算和向量化的方法编写更高效的代码
 使用R对C/C++和Python的接口来提高计算速度或增加功能
 文本分析、图像处理等领域新的R包
 使用高级调试技巧清除代码里恼人的错误
 包含许多“扩展案例”，展示完整的、特定用途的函数，并针对同一个问题讨论了不同的设计方案，以便分析高效准确的做法。
 在恰当的时候介绍R语言与其他语言的差异，给那些了解其他语言的开发人员提供参考。

（美）Norman Matloff 著：暂无简介

陈堰平 邱怡轩 潘岚锋　等译：暂无简介

R是一种用于统计计算与做图的开源软件，同时也是一种编程语言，它广泛应用于企业和学术界的数据分析领域，正在成为最通用的语言之一。由于近几年数据挖掘、大数据等概念的走红，R也越来越多地被人关注。截至本文完成之日，CRAN（http://cran.r-project.org/）上共有4383个包，涉及统计、化学、经济、生物、医学、心理、社会学等各个学科。不同类型的公司，比如Google、辉瑞、默克、美国银行、洲际酒店集团和壳牌公司都在使用它，同时以S语言环境为基础的R语言由于其鲜明的特色，一出现就受到了统计专业人士的青睐，成为国外大学里相当标准的统计软件。
　　一直以来，国内外关于R语言的著作都是以统计学专业的视角来介绍R语言的，对R语言本身的特性讲解得并不详尽，而软件自带的官方文档又显得过于技术，不那么亲民。另一方面，很多接触R的朋友都来自非计算机专业，没有接受过编程训练，他们使用R的时候，编写出来的代码通常只能算是一条条命令的集合，面对更复杂的问题，常常束手无策。记得在某届R语言大会上，有位SAS阵营的朋友说，他看到演讲者所展示的代码里只有函数调用，没有编程的东西，所以他觉得R不能算一种编程语言。其实，他错了，此时你手里这本书，覆盖了其他大部分R语言图书没有涉及的编程主题。这本书就如同R语言的九阳神功秘籍，当神功练成，任督二脉一旦打通，再学习针对某一领域应用的函数或包就如庖丁解牛一般。顺便提一下，据微博上的小道消息，前面提到的那位朋友最近也开始学R了。
　　本书的特点表现在以下几个方面：
　　第一，对读者的统计学知识和编程水平要求并不高。与很多R语言书籍不同，这本书并不需要很深的统计学功底，它从纯语言的角度入手来讲解R。对于有一定编程经验却没什么统计学背景的人来说，读这本书会比较顺畅，读者就可以重点关注R语言的特性在数据分析方面的应用。在有的地方，作者也会提醒那些有其他语言编程经验的人应该注意R语言有什么不同之处。而对于没有编程经验又想使用R做数据分析的人来说，这本书也是学习编程的绝佳教材。
　　第二，专注于R语言编程。作者没有把这本书定位为菜谱式的手册，也不像有些R语言图书那样介绍完统计学某方面应用之后简单地把R语言代码摆出来。翻开这本书的目录，你几乎看不到统计学的术语。本书系统介绍了R语言的各种数据结构和编程结构、面向对象编程方法、socket网络编程、并行计算、代码调试、程序性能提升以及R语言与其他语言的接口等主题。书中也提到了不少编程的小技巧，这都是作者多年编程经验的总结。
　　第三，丰富的案例分析。作者Matloff教授是位计算机科学家，同时也是位统计学家，有多年的教学经验，也做过统计学方法论的顾问。除了正文中的例子之外，本书还有44个扩展案例，很多案例源自作者亲身参与过的咨询项目。虽然本书没有讲解任何统计模型，但是扩展案例都是和数据分析相关的，比如对鲍鱼数据的重新编码（第2章）、寻找异常值（第3章）、文本词汇索引（第4章）、学习中文方言的辅助工具（第5章）等。通过学习这些案例，读者不仅能学到R语言的每种概念如何运作，也会学到如何把这些概念组合到一起成为有用的程序。比如第10章介绍了socket网络编程之后，就用一个扩展案例讲解如何用socket实现并行计算，这为第16章详细讲解并行计算做好了铺垫。在很多案例里，作者讨论了好几种设计方案，并比较了这几种方案的不同之处，以回答“为什么这样做”，这对于缺少编程经验的人来说，是非常好的安排。
　　本书第1章简要介绍了R语言的几种数据结构和编程基础，其余章节可分为三大部分。
　　第一部分（第2～6章）详细介绍R的几种主要的数据结构：向量、矩阵、列表、数据框和因子等。对很多人来说，R复杂多变的数据结构真的是一只拦路虎。而本书从最简单的向量开始，一步一步引导读者认识并掌握各种数据结构。
　　第二部分（第7～13章）涉及编程方面： 编程结构和面向对象特性、输入/输出、字符串处理以及绘图。值得一提的是第13章，这章主要讲解的是R语言的调试。很多朋友在实际工作中有这样的经历，你可能用了一个小时就写好代码，却用了一天的时间来调试。可是到目前为止还没有在其他图书上看到与R语言调试相关的内容，甚至也很少见到关于其他编程语言调试的图书。本书刚好填补了这方面的空白。如果读者仔细读完第13章，并实践其中的调试技巧，一定能事半功倍，也就能少熬点儿夜，有延长寿命的功效。本书的作者同时也著有《调试的艺术》（The Art of Debugging），相信他在R语言调试方面的功力也是相当深厚的。
　　第三部分（第14～16章）介绍的是更高级的内容，比如执行速度和性能的提升（第14章）、R语言与C/C++或Python混合编程（第15章）以及R语言并行计算（第16章） ，虽然最后一部分属于编程的高级内容，但如果读者从前往后一直学下来，随着能力的提高，也是可以读懂的。
　　本人从2007年开始接触R语言，那时候市面上几乎没有R语言方面的书籍。当时我关于R语言的所有信息几乎都是来自统计之都（http://cos.name）和谢益辉的博客（http://yihui.name）。2008年冬天，统计之都成功举办了“第一届中国R语言会议”，来自各地的R语言用户们齐聚一堂，交流心得。从那以后，每年的R语言会议都会在北京和上海举办。这几年来，统计之都的队伍也逐渐壮大，比如本书的其他三位主要译者：邱怡轩、潘岚锋和熊熹，当年他们参加R语言会议的时候还是人大统计学院大一、大二的学生，后来也成为R语言社区的领军人物。去年我们接到本书的翻译任务时，他们三人分别收到了美国普度大学、爱荷华州立大学以及明尼苏达大学的录取通知，现在已经在美国留学深造。希望有越来越多的人加入统计之都的大家庭，和大家一起成长，为中国统计事业的发展尽自己的一份力。
　　在翻译过程中，几位译者力求忠实于原文，但纠正了原书的几处错误，同时也兼顾中文表达的流畅，不过译文中可能仍有不当之处，欢迎读者予以指正。
　　除了本人以及前面提到的三位译者之外，统计之都的三位老朋友林宇、严紫丹和程豪也参与了本书部分章节的校审和初稿翻译，在此表示感谢。全书译文最后由本人统稿，如有错误之处，均由本人承担。
　　也感谢机械工业出版社的吴怡编辑，她给予了我们细心的帮助。
　　统计之都的图书出版栏目（网址是http://cos.name/books/ ）有本书的页面，读者可以在这里下载本书的数据和代码，也可以留言提问。

译者简介
　　本书三位主要译者都是统计之都（http://cos.name）的管理员、中国R语言会议理事会成员。
　　陈堰平毕业于中国人民大学统计学院，现任国家金融信息中心数据中心研发部负责人，从事指数编制、指数化投资、金融衍生品方面的工作，对金融数据分析有多年的研究，博客网址为http://yanping.me。邱怡轩是普度大学统计系在读博士研究生，开发过rarpark、R2SWF、Layer等R语言程序包，博客网址为http://yixuan.cos.name/。潘岚峰是爱荷华州立大学统计系在读博士研究生，开发过R语言程序包bignmf。

陈堰平
2013年3月于新华通讯社第三工作区

译者序
前　言
致　谢
第1章　快速入门 1
1.1　怎样运行R 1
1.1.1　交互模式 1
1.1.2　批处理模式 2
1.2　第一个R会话 3
1.3　函数入门 5
1.3.1　变量的作用域 7
1.3.2　默认参数 8
1.4　R语言中一些重要的数据结构 8
1.4.1　向量，R语言中的战斗机 8
1.4.2　字符串 9
1.4.3　矩阵 9
1.4.4　列表 10
1.4.5　数据框 12
1.4.6　类 12
1.5　扩展案例：考试成绩的回归分析 13
1.6　启动和关闭R 16
1.7　获取帮助 17
1.7.1　help()函数 18
1.7.2　example()函数 18
1.7.3　如果你不太清楚要查找什么 19
1.7.4　其他主题的帮助 20
1.7.5　批处理模式的帮助 21
1.7.6　互联网资源 21
第2章　向量 22
2.1　标量、向量、数组与矩阵 22
2.1.1　添加或删除向量元素 22
2.1.2　获取向量长度 23
2.1.3　作为向量的矩阵和数组 24
2.2　声明 24
2.3　循环补齐 25
2.4　常用的向量运算 26
2.4.1　向量运算和逻辑运算 26
2.4.2　向量索引 27
2.4.3　用:运算符创建向量 28
2.4.4　使用seq()创建向量 28
2.4.5　使用rep()重复向量常数 29
2.5　使用all()和any() 30
2.5.1　扩展案例：寻找连续出现1的游程 30
2.5.2　扩展案例：预测离散值时间序列 31
2.6　向量化运算符 34
2.6.1　向量输入，向量输出 34
2.6.2　向量输入，矩阵输出 36
2.7　NA与NULL值 37
2.7.1　NA的使用 37
2.7.2　NULL的使用 37
2.8　筛选 38
2.8.1　生成筛选索引 38
2.8.2　使用subset()函数筛选 40
2.8.3　选择函数which() 40
2.9　向量化的ifelse()函数 41
2.9.1　扩展案例：度量相关性 42
2.9.2　扩展案例：对鲍鱼数据集重新编码 44
2.10　测试向量相等 46
2.11　向量元素的名称 47
2.12　关于c()的更多内容 48
第3章　矩阵和数组 49
3.1　创建矩阵 49
3.2　一般矩阵运算 50
3.2.1　线性代数运算 50
3.2.2　矩阵索引 51
3.2.3　扩展案例：图像操作 52
3.2.4　矩阵元素筛选 55
3.2.5　扩展案例：生成协方差矩阵 57
3.3　对矩阵的行和列调用函数 58
3.3.1　使用apply()函数 58
3.3.2　扩展案例：寻找异常值 60
3.4　增加或删除矩阵的行或列 61
3.4.1　改变矩阵的大小 61
3.4.2　扩展案例：找到图中距离最近的一对端点 63
3.5　向量与矩阵的差异 65
3.6　避免意外降维 66
3.7　矩阵的行和列的命名问题 68
3.8　高维数组 68
第4章　列表 71
4.1　创建列表 71
4.2　列表的常规操作 72
4.2.1　列表索引 72
4.2.2　增加或删除列表元素 73
4.2.3　获取列表长度 75
4.2.4　扩展案例：文本词汇索引 75
4.3　访问列表元素和值 78
4.4　在列表上使用apply系列函数 79
4.4.1　lapply()和sapply()的使用 79
4.4.2　扩展案例：文本词汇索引（续） 80
4.4.3　扩展案例：鲍鱼数据 82
4.5　递归型列表 83
第5章　数据框 85
5.1　创建数据框 85
5.1.1　访问数据框 85
5.1.2　扩展案例：考试成绩的回归分析（续） 86
5.2　其他矩阵式操作 87
5.2.1　提取子数据框 87
5.2.2　缺失值的处理 88
5.2.3　使用rbind()和cbind()等函数 89
5.2.4　使用apply() 90
5.2.5　扩展案例：工资研究 90
5.3　合并数据框 92
5.4　应用于数据框的函数 95
5.4.1　在数据框上应用lapply()和sapply()函数 95
5.4.2　扩展案例：应用Logistic模型 95
5.4.3　扩展案例：学习中文方言的辅助工具 96
第6章　因子和表 102
6.1　因子与水平 102
6.2　因子的常用函数 103
6.2.1　tapply函数 103
6.2.2　split()函数 105
6.2.3　by()函数 106
6.3　表的操作 107
6.3.1　表中有关矩阵和类似数组的操作 109
6.3.2　扩展案例: 提取子表 111
6.3.3　扩展案例：在表中寻找频数最大的单元格 113
6.4　其他与因子和表有关的函数 114
6.4.1　aggregate()函数 115
6.4.2　cut()函数 115
第7章　R语言编程结构 116
7.1　控制语句 116
7.1.1　循环 116
7.1.2　对非向量集合的循环 119
7.1.3　if-else结构 120
7.2　算术和逻辑运算符及数值 121
7.3　参数的默认值 122
7.4　返回值 123
7.4.1　决定是否显式调用return () 124
7.4.2　返回复杂对象 124
7.5　函数都是对象 124
7.6　环境和变量作用域的问题 127
7.6.1　顶层环境 127
7.6.2　变量作用域的层次 128
7.6.3　关于ls()的进一步讨论 131
7.6.4　函数（几乎）没有副作用 131
7.6.5　扩展案例：显示调用框的函数 132
7.7　R语言中没有指针 134
7.8　向上级层次进行写操作 136
7.8.1　利用超赋值运算符对非局部变量进行写操作 136
7.8.2　用assign()函数对非局部变量进行写操作 137
7.8.3　扩展案例：用R语言实现离散事件仿真 138
7.8.4　什么时候使用全局变量 145
7.8.5　闭包 147
7.9　递归 148
7.9.1　Quicksort的具体实现 149
7.9.2　拓展举例：二叉查找树 150
7.10　置换函数 155
7.10.1　什么是置换函数 155
7.10.2　扩展案例：可记录元素修改次数的向量类 156
7.11　写函数代码的工具 158
7.11.1　文本编辑器和集成开发环境 158
7.11.2　edit()函数 158
7.12　创建自己的二元运算符 159
7.13　匿名函数 159
第8章　数学运算与模拟 161
8.1　数学函数 161
8.1.1　扩展例子：计算概率 161
8.1.2　累积和与累积乘积 162
8.1.3　最小值和最大值 162
8.1.4　微积分 163
8.2　统计分布函数 164
8.3　排序 165
8.4　向量和矩阵的线性代数运算 166
8.4.1　扩展示例：向量叉积 169
8.4.2　扩展示例：确定马尔科夫链的平稳分布 170
8.5　集合运算 171
8.6　用R做模拟 173
8.6.1　内置的随机变量发生器 173
8.6.2　重复运行时获得相同的随机数流 175
8.6.3　扩展案例：组合的模拟 175
第9章　面向对象的编程 177
9.1　S3类 177
9.1.1　S3泛型函数 177
9.1.2　实例：线性模型函数lm()中的OOP 178
9.1.3　寻找泛型函数的实现方法 179
9.1.4　编写S3类 181
9.1.5　使用继承 182
9.1.6　扩展示例：用于存储上三角矩阵的类 183
9.1.7　扩展示例：多项式回归程序 187
9.2　S4类 191
9.2.1　编写S4类 191
9.2.2　在S4类上实现泛型函数 193
9.3　S3类和S4类的对比 193
9.4　对象的管理 194
9.4.1　用ls()函数列出所有对象 194
9.4.2　用rm()函数删除特定对象 194
9.4.3　用save()函数保存对象集合 195
9.4.4　查看对象内部结构 196
9.4.5　exists()函数 197
第10章　输入与输出 198
10.1　连接键盘与显示器 198
10.1.1　使用scan()函数 198
10.1.2　使用readline()函数 200
10.1.3　输出到显示器 201
10.2　读写文件 202
10.2.1　从文件中读取数据框或矩阵 202
10.2.2　读取文本文件 203
10.2.3　连接的介绍 203
10.2.4　扩展案例：读取PUMS普查数据 204
10.2.5　通过URL在远程计算机上访问文件 208
10.2.6　写文件 209
10.2.7　获取文件和目录信息 210
10.2.8　扩展案例：多个文件内容的和 211
10.3　访问互联网 211
10.3.1　TCP/IP概述 212
10.3.2　R中的socket 212
10.3.3　扩展案例：实现R的并行计算 213
第11章　字符串操作 216
11.1　字符串操作函数概述 216
11.1.1　grep() 216
11.1.2　nchar() 216
11.1.3　paste() 217
11.1.4　sprintf() 217
11.1.5　substr() 217
11.1.6　strsplit() 217
11.1.7　regexpr() 218
11.1.8　gregexpr() 218
11.2　正则表达式 218
11.2.1　扩展案例：检测文件名的后缀 219
11.2.2　扩展案例：生成文件名 220
11.3　在调试工具edtdbg中使用字符串工具 221
第12章　绘图 224
12.1　创建图形 224
12.1.1　基础图形系统的核心：plot()函数 224
12.1.2　添加线条：abline()函数 225
12.1.3　在保持现有图形的基础上新增一个绘图窗口 226
12.1.4　扩展案例：在一张图中绘制两条密度曲线 227
12.1.5　扩展案例：进一步考察多项式回归 228
12.1.6　添加点：points()函数 231
12.1.7　添加图例：legend()函数 231
12.1.8　添加文字：text()函数 232
12.1.9　精确定位：locator()函数 232
12.1.10　保存图形 233
12.2　定制图形 233
12.2.1　改变字符大小：cex选项 233
12.2.2　改变坐标轴的范围：xlim和ylim选项 234
12.2.3　添加多边形：polygon()函数 235
12.2.4　平滑散点：lowess()和loess()函数 236
12.2.5　绘制具有显式表达式的函数 237
12.2.6　扩展案例：放大曲线的一部分 237
12.3　将图形保存到文件 240
12.3.1　R图形设备 240
12.3.2　保存已显示的图形 241
12.3.3　关闭R图形设备 241
12.4　创建三维图形 241
第13章　调试 243
13.1　调试的基本原则 243
13.1.1　调试的本质：确认原则 243
13.1.2　从小处着手 243
13.1.3　模块化的、自顶向下的调试风格 244
13.1.4　反漏洞 244
13.2　为什么要使用调试工具 244
13.3　使用R的调试工具 245
13.3.1　利用debug()和browser()函数进行逐步调试 245
13.3.2　使用浏览器命令 246
13.3.3　设置断点 246
13.3.4　使用trace()函数进行追踪 247
13.3.5　使用traceback()和debugger()函数对崩溃的程序进行检查 248
13.3.6　扩展案例：两个完整的调试会话 248
13.4　更方便的调试工具 256
13.5　在调试模拟数据的代码时请确保一致性 258
13.6　语法和运行时错误 258
13.7　在R上运行GDB 259
第14章　性能提升：速度和内存 260
14.1　编写快速的R代码 260
14.2　可怕的for循环 260
14.2.1　用向量化提升速度 261
14.2.2　扩展案例：在蒙特卡罗模拟中获得更快的速度 262
14.2.3　扩展案例：生成幂次矩阵 266
14.3　函数式编程和内存问题 267
14.3.1　向量赋值问题 267
14.3.2　改变时拷贝 268
14.3.3　扩展案例：避免内存拷贝 269
14.4　利用Rprof()来寻找代码的瓶颈 270
14.4.1　利用Rprof()来进行监视 270
14.4.2　Rprof()的工作原理 271
14.5　字节码编译 273
14.6　内存无法装下数据怎么办 273
14.6.1　分块 274
14.6.2　利用R软件包来进行内存管理 274
第15章　R与其他语言的接口 275
15.1　编写能被R调用的C/C++函数 275
15.1.1　R与C/C++交互的预备知识 275
15.1.2　例子：提取方阵的次对角线元素 275
15.1.3　编译和运行程序 276
15.1.4　调试R/C程序 277
15.1.5　扩展案例：预测离散取值的时间序列 279
15.2　从Python调用R 281
15.2.1　安装RPy 281
15.2.2　RPy语法 282
第16章　R语言并行计算 284
16.1　共同外链问题 284
16.2　snow包简介 285
16.2.1　运行snow代码 285
16.2.2　分析snow代码 287
16.2.3　可以获得多少倍的加速 287
16.2.4　扩展案例：K均值聚类 288
16.3　借助于C 290
16.3.1　利用多核机器 291
16.3.2　扩展案例：利用OpenMP解决共同外链问题 291
16.3.3　运行OpenMP代码 292
16.3.4　OpenMP代码分析 293
16.3.5　其他OpenMP指令 293
16.3.6　GPU编程 294
16.4　普遍的性能考虑 295
16.4.1　开销的来源 295
16.4.2　简单并行程序，以及那些不简单的 296
16.4.3　静态和动态任务分配 297
16.4.4　软件炼金术：将一般的问题转化为简单并行问题 299
16.5　调试R语言并行计算的代码 299
附录A　安装R 300
附录B　安装和使用包 301