本书通过275个应用实例，阐明了如何用R快速、有效地进行数据分析。主要内容包括软件安装和帮助、基础知识、软件导览、输入与输出、数据结构、数据转换、字符串和日期、统计概论、图形、线性回归和方差分析、实用技巧、高级数值分析和统计方法、时间序列分析等。R语言功能强大，可以帮你处理一切统计工作，但是其结构却不容易掌握，本书通过简洁的、面向任务的实例，可以帮助读者快速利用R解决实际问题。
无
R软件是进行统计分析、绘图和统计编程的强大工具。现在成千上万的人用它来进行日常的重要统计分析。R是一个自由、开源的软件系统，它是许多聪明、勤奋工作的人的集体工作成果。R有超过10 000个软件包插件，是其他商业统计软件包的强劲竞争对手。
但是，刚开始使用R软件时可能感到无从下手。对许多人来说，即便是一些基本的任务，R的实现也不是很明显。当了解了R的使用方法后，简单的问题自然能得心应手地解决，但学习“如何”使用R的过程有时会让人感到发狂。
本书介绍了如何使用R软件的一些方法，其中每一个方法对应解决某个特定的问题。介绍这些方法的途径为：首先给出待解决的问题，然后给出解决方案的简单介绍，之后再给出对解决方案的讨论，深入剖析解决方案，给出该方案的原理。我们知道这些方法实用，也知道这些方法可行，因为我们也在使用它们。
这些方法所涉及的范围较为广泛。首先，从基本的任务开始介绍，然后介绍数据的输入和输出、基本统计、图形以及线性回归。与R有关的工作都或多或少地涉及本书介绍的方法。
通过学习本书，初学者能快速了解R并上手。如果你对R软件有一定的了解，那么本书也能帮助你巩固已学的知识，拓宽你的思维（例如，“下一次我应该怎么使用Kolmogorov-Smirnov检验”）。
从严格意义上来说，本书并不是一本关于R软件的教程，但你将会从中学习到许多R软件的应用技巧。本书也不是一本关于R的参考手册，但它确实包含了许多实用的内容。本书更不是一个R软件的编程指南，但书中很多方法都可以应用到R的编程脚本中。
最后，本书不是统计学理论的参考书。本书假设读者对统计理论和方法有一定的了解，想知道的是如何在R软件中实现。
方法
本书介绍的大部分方法，都是由一两个R函数或命令来解决某一特定问题。需要注意的是，书中不会对某一函数的全部能力进行详细解释，而是仅介绍那些与需要解决的问题有关的函数能力。R软件中几乎所有的函数所具备的能力都远远不止本书中所介绍的，其中有的函数具有更强大的能力。因此强烈建议读者阅读这些函数的帮助页面，你可能会从中得到不少收获。
每个方法都为读者提供了解决某个问题的一条途径。当然对于每个问题有可能存在多个正确的解决方案。在这种情况下，我们一般会选择最为简单的方法。对于书中给出的任何问题，你自己或许可以找到其他一些解决方案。本书着重介绍解决问题的方法，类似“菜谱”书，而不是R软件的大全书。
尤其是，R软件有大量的添加包，这几千个R添加包都可以从网络下载。这些包中含有许多替代算法和统计方法。本书侧重于R基础发布版所带的核心功能，以及几个重要的放在一起统称为tidyverse的添加包。
tidyverse最简洁的定义来自Hadley Wickham—tidyverse的创始人和它的核心维护者之一：
“tidyverse是一组协调工作的添加包，它们共享通用数据表达式和API设计。tidyverse包旨在使其易于通过单个命令安装和加载核心包。了解tidyverse中的所有添加包以及它们如何组合在一起的最佳方式是阅读R for Data Science（http://r4ds.had.co.nz）一书。”
对术语的说明
每个方法旨在迅速地解决问题，而非长篇大论地进行论述。因此我们有时候会采用一些术语来简化相关内容的解释，这些术语有时候可能不精确，但是正确的。比如，术语泛型函数。我们把函数print(x)和plot(x)称为泛型函数，原因是它们能适当地处理多种输入参数x。计算机科学家可能会质疑这一术语，因为严格来说这些都不是简单的“函数”，它们是多态方法并且动态调度。但是，如果我们仔细地精确定义所有这样的技术细节，那么关键的解决方案将会埋没于这些细枝末节的技术问题中。所以为了便于阅读，我们就将它们称为函数。
另一个例子是统计学中的假设检验术语。若使用概率论的严格定义，就会使读者难以清晰理解这些检验的实际应用，所以我们以更通俗的语言来描述各个统计检验。更多有关假设检验方法的细节，请查看第9章的简介部分。
我们的目标是用通俗易懂而非严格的正式语言，让R软件能被更多的读者所理解和接受。因此希望各个领域的专家对于我们所给出的某些并不严谨的术语与定义予以谅解。
软件及平台说明
虽然R软件时常进行有计划的版本更新，但其语言定义和核心实现是稳定的。本书所介绍的方法适用于基础发布版的任何最新版本。
有些方法对于操作平台有特殊的要求，我们会在文中对其加以标注，这些方法大多数是一些软件本身的问题，如程序的安装和配置。据我们所知，书中的所有其他方法在R的三个主要平台（即Windows、macOS和Linux/Unix）上都能运行。
其他资源
如果你想进行更深入的阅读，下面是一些进一步阅读的建议。
网络
R项目网站（http://www.r-project.org）汇集了所有R软件的相关资源，从中可以下载R程序代码、R添加包、文档、源代码等。
除了R项目网站以外，我们建议使用一个针对R软件的搜索引擎，比如Sasha Goodman开发的RSeek搜索引擎（http://rseek.org），也可以使用谷歌这样的通用搜索引擎，但在搜索“R”关键词时可能会得到许多无关的搜索结果。更多有关网络搜索的细节参见1.11节。
浏览博客也是一种学习R软件和掌握R最新动态的有效方式。网络中有许多这样的博客，我们推荐其中两个：Tal Galili创建的R-bloggers（http://www.r-bloggers.com/）和PlanetR（http://planetr.stderr.org）。通过订阅这些网站，你可以得到许多相关网站上有趣且实用的文章的通知。
R软件参考书籍
市面上有许多学习和应用R软件的书籍。下面列出一些我们认为有用的R软件教程。R项目网站收录了大量与R相关的书目（http://www.r-project.org/doc/bib/R-books.html）。
我们所推荐的书目有：
Hadley Wickham和Garrett Grolemund所著的R for Data Science（http://oreil.ly/2IIWxCs ）（O’Reilly），该书很好地介绍了tidyverse软件包，特别是在数据分析和统计中对该添加包的使用。该书也可以在线获得（http://r4ds.had.co.nz ）。
由Winston Chang撰写的R Graphics Cookbook, 2nd ed.（https://oreil.ly/2IhNUQj）（O’Reilly）对于创建图形是不可或缺的。Hadley Wickham撰写的ggplot2: Elegant Graphics for Data Analysis（Springer），是我们在本书中使用的ggplot2的权威参考。
在R中做任何图形工作的人都需要参考Paul Murrell所著的R Graphics（Chapman ＆ Hall/CRC）。
O’Reilly公司出版的R in a Nutshell（https://oreil.ly/2wUtwyf）的作者是Joseph Adler，该书可以作为读者手边的R软件的使用参考，它比本书涵盖了更多的内容。
有关R编程的新书层出不穷。我们推荐Garrett Grolemund的Hands On Programming with R（https://oreil.ly/2wWPHUd）（O’Reilly）或者Normal Matloff的The Art of R Programming（No Starch Press）。Hadley Wickham所著的Advanced R（Chapman & Hall/CRC）既有印刷版的，也可以免费在线获得（http://adv-r.had.co.nz/），该书深入研究了高级R主题。Colin Gillespie和Robin Lovelace所著的Efficient R Programming（https://oreil.ly/2wXxK80）（O’Reilly）是另一本学习更深层R编程概念的优秀指南。
William Venables和Brian Ripley所著的Modern Applied Statistics with S, 4th ed. （Springer）使用S软件来说明一些高级的统计技术。该书所涉及的函数和数据集可通过R添加包MASS获得，该添加包被包含在R软件标准发布版中。
极客可以参照R核心团队定义的R Language Definitions（http://bit.ly/2FaBgAz）。这是一项正在进行的工作，但它可以回答有关R编程语言的许多详细问题。
统计学书籍
由John Verzani编写的Using R for Introductory Statistics（Chapman & Hall/CRC），是一本优秀的统计学教材。它将统计学与R软件结合起来，讲述应用统计方法的一些必要的计算机技巧。
在你学习的过程中需要一本好的统计学参考书作为指导，它可以帮助你准确地理解在R中进行的统计检验。目前市面上有许多优秀的统计学参考书，与我们所推荐的书难分伯仲，你可以任意选择。
越来越多的统计学作者选择用R软件来讲述相应的统计方法。对于某一特定专业领域的工作者，可以在R项目网站收录的书目中寻找所需要的书籍。
本书约定
在本书中使用以下排版方式：
斜体（Italic）
此类字体表示网址、电子邮件地址、文件名、文件扩展名等。
等宽字体（Constant width）
此类字体用于程序清单，以及正文中出现的程序元素（如变量名或函数名、数据库名、数据类型、环境变量、程序语句、关键字等）。
等宽粗体（Constant width bold）
此类字体表示需要读者输入的指令或其他文本。
等宽斜体（Constant width italic）
此类字体表示用读者提供的值或者上下文确定的值来替换的文本。
提示或建议。
一般性说明。
要特别注意的内容。
示例代码
可以从http://rc2e.com下载补充材料（示例代码、练习等）。与本书内容相关的Twitter账户是@R_cookbook（https://twitter.com/R_cookbook）。
这里的代码是为了帮助你更好地理解本书的内容。通常，可以在程序或文档中使用本书中的代码，而不需要联系O’Reilly获得许可，除非需要大段地复制代码。例如，使用本书中所提供的几个代码片段来编写一个程序不需要得到我们的许可，但销售或发布O’Reilly的配套CD-ROM则需要O’Reilly出版社的许可。引用本书的示例代码来回答一个问题也不需要许可，将本书中的示例代码的很大一部分放到自己的产品文档中则需要获得许可。
非常欢迎读者使用本书中的代码，不用注明出处。注明出处的形式包含标题、作者、出版社和ISBN，例如：
R Cookbook, 2nd ed.，作者J. D. Long 和 Paul Teetor，由O’Reilly出版，书号978-1-492-04068-2
如果读者觉得对示例代码的使用超出了上面所给出的许可范围，欢迎通过permissions@oreilly.com联系我们。
O’Reilly在线学习平台（O’Reilly Online Learning）
近40年来，O’Reilly Media致力于提供技术和商业培训、知识和卓越见解，来帮助众多公司取得成功。
我们拥有独一无二的专家和创新者组成的庞大网络，他们通过图书、文章、会议和我们的在线学习平台分享他们的知识和经验。O’Reilly的在线学习平台允许你按需访问现场培训课程、深入的学习路径、交互式编程环境，以及O’Reilly和200多家其他出版商提供的大量教材和视频资源。有关的更多信息，请访问http://oreilly.com。
如何联系我们
对于本书，如果有任何意见或疑问，请按照以下地址联系本书出版商。
美国：
O’Reilly Media，Inc.
1005 Gravenstein Highway North
Sebastopol，CA 95472
中国：
北京市西城区西直门南大街2号成铭大厦C座807室（100035）
奥莱利技术咨询（北京）有限公司
要询问技术问题或对本书提出建议，请发送电子邮件至bookquestions@oreilly.com。
本书配套网站http://bit.ly/RCookbook_2e上列出了勘误表、示例以及其他信息。
关于书籍、课程、会议和新闻的更多信息，请访问我们的网站http://www.oreilly.com。
我们在Facebook上的地址：http://facebook.com/oreilly
我们在Twitter上的地址：http://twitter.com/oreillymedia
我们在YouTube上的地址：http://www.youtube.com/oreillymedia
致谢
我们要对整个R社区，尤其是R软件的核心开发团队表示衷心感谢。他们的无私付出对世界统计学的贡献巨大。R Studio社区讨论的参与者围绕“如何解释许多事情”的研讨会提供了很多帮助。R Studio的员工和领导在很多方面都给予了支持，感谢他们对R社区的回馈。
我们要感谢本书的技术审校者David Curran、Justin Shea和MAJ Dusty Turner，他们的反馈对于提高本书的质量、准确性和实用性至关重要。我们的编辑Melissa Potter和Rachel Monaghan提供了超乎想象的帮助，他们使我们避免传播错误的内容。感谢我们的制作编辑Kristen Brown，她的速度以及对Markdown和Git的熟练程度令所有技术作者羡慕不已。
Paul要感谢他的家人在本书创作过程中给予的支持和耐心。
J. D.所有清晨和周末都在笔记本电脑上写作本书，他感谢妻子Mary Beth和女儿Ada的耐心。
计算机\程序设计
本书的第2版涵盖了277个R语言实用方法，可以帮助你快速而有效地使用R进行数据分析。R语言给我们提供了统计分析的一切工具，但是R本身的结构可能不容易掌握。本书提供的面向任务的R语言实用方法涉及从基本的分析任务到输入和输出、常用统计分析、绘图、线性回归等内容，它们可以让你马上应用R高效地工作。
每一个R语言方法都专注于一个特定的问题，随后的讨论则对问题的解决方案给出解释，并阐释该方法的工作机理。对于R的初级用户，本书将帮助你步入R的殿堂；对于R的中级用户，本书将加深你对R的理解并拓展你的视野。通过本书，可以使你的分析工作顺利完成并学习更多R语言知识。
本书主要内容：
? 建立向量、处理变量，以及执行其他基本函数。
? 简化数据的输入和输出。
? 处理矩阵、列表、因子和数据框等数据结构。
? 分析概率、概率分布和随机变量。
? 计算统计量和置信区间，进行统计检验。
? 创建各种图形。
? 构建线性回归和方差分析（ANOVA）等统计模型。
? 探索高级统计技术，如聚类分析等。
J.D. Long在纽约市的Renaissance Re公司工作。他是Python、R和AWS的狂热用户，喜欢使用各种专业术语，并且经常在R会议上发表演讲。他是芝加哥R User Group的创始人。
Paul Teetor是一位定量分析专家，拥有统计学和计算机科学硕士学位。他擅长投资管理领域的分析与软件工程，与芝加哥的对冲基金、做市商和投资组合经理合作。
“ 我从本书中学到的东西比我从任何其他编程书中学到的都多。”
——David Curran
OpenJaw Technologies的
认知工程师
李洪成 潘文捷 译：暂无简介
本书的英文版自2011年出版第1版后在亚马逊美国网站上得到了极高的评价。机械工业出版社以极快的速度引进这本书，使国内读者在原版出版一年左右的时间里读到中文版。时隔8年，本书的第2版又与读者见面了。
根据R语言的最新进展，在第1版的基础上，第2版进行了大量的改进，很多方法改进为应用管道（pipe），并用较大篇幅介绍流行的R添加包之一 — tidyverse。同时，在新版本中增添了两章内容，即第15章和第16章。
本书对从R软件的基础知识到高级技巧的应用进行了全覆盖，涉及R软件的安装、帮助系统、解决实际问题的途径、R数据结构、R的输入和输出等R基础知识，以及用R进行数据分析的具体方法，例如数据变换、概率和统计基础、R绘图、回归分析和方差分析、R常用技巧、高级数据分析方法和时间序列分析等，还有R语言的编程和文档（R Markdown）的生成。全书以问题、解决方案和对解决方案的讨论与拓展为主线来组织内容。读者既可以把本书作为学习R的一本教材，也可以根据自己的需要参考书中的某些具体方法（每一节为一个方法），找到自己问题的实际解决方案。
R本身是当前流行的数据分析软件，R的书籍和文档也是相当多的，但是缺乏一本适合R初学者的书籍，尤其是针对那些对R不甚精通但是急切需要用R来解决问题的R用户的书籍。本书以问题和解决方案的形式组织内容，脉络清晰，读者很容易找到自己需要的内容。不管是R初学者，还是熟练的R用户都能轻易从书中找到对自己有用的内容。
本书的翻译工作由李洪成和潘文捷共同完成，由于水平所限，可能会有翻译不当之处，希望读者多加指正。
前言1
第1章 R入门和获得帮助9
1.1 下载和安装R软件10
1.2 安装RStudio12
1.3 开始运行RStudio13
1.4 输入R命令14
1.5 退出RStudio16
1.6 中断R正在运行的程序17
1.7 查看帮助文档18
1.8 获取函数的帮助文档20
1.9 搜索帮助文档22
1.10 查看R添加包帮助信息23
1.11 通过网络获取帮助24
1.12 寻找相关函数与添加包27
1.13 搜索邮件列表28
1.14 向Stack Overflow或社区的其他网站提交问题29
第2章 基础知识32
2.1 在屏幕上显示内容32
2.2 设定变量34
2.3 列出所有变量35
2.4 删除变量37
2.5 生成向量38
2.6 计算基本统计量40
2.7 生成数列42
2.8 向量比较44
2.9 选取向量中的元素45
2.10 向量的计算48
2.11 运算符优先级问题50
2.12 减少输入，得到更多命令52
2.13 创建函数调用的管道53
2.14 避免常见错误56
第3章 R软件导览61
3.1 获取和设定工作目录61
3.2 创建一个新的RStudio项目62
3.3 保存工作空间64
3.4 查看历史命令记录65
3.5 保存先前命令产生的结果66
3.6 通过搜索路径显示已加载的软件包67
3.7 查看已安装的R包列表68
3.8 使用R包中的函数69
3.9 使用R的内置数据集71
3.10 从CRAN网站安装R包72
3.11 从GitHub网站安装R包74
3.12 设定或改变默认CRAN网站镜像75
3.13 运行脚本76
3.14 批量运行R代码77
3.15 找到R的主目录80
3.16 R的自定义81
3.17 在云端使用R和RStudio84
第4章 输入与输出86
4.1 使用键盘输入数据86
4.2 显示更少的位数（或更多的位数）87
4.3 将输出结果重定向到文件89
4.4 显示文件列表90
4.5 解决无法在Windows中打开文件的问题92
4.6 读取固定宽度的数据记录93
4.7 读取表格数据文件96
4.8 读取CSV文件99
4.9 写入CSV文件101
4.10 从网络中读取表格或CSV格式数据103
4.11 从Excel文件读取数据104
4.12 将数据框写入Excel文件105
4.13 从SAS文件读取数据108
4.14 读取HTML表格数据109
4.15 读取复杂格式数据文件112
4.16 读取MySQL数据库中的数据116
4.17 通过dbplyr访问数据库118
4.18 保存和传送对象120
第5章 数据结构123
5.1 对向量添加数据131
5.2 在向量中插入数据132
5.3 理解循环规则133
5.4 构建因子134
5.5 将多个向量合并成单个向量以及一个平行因子136
5.6 创建列表137
5.7 根据位置选定列表元素139
5.8 根据名称选定列表元素141
5.9 构建一个名称/值关联表142
5.10 从列表中移除元素144
5.11 将列表转换为向量145
5.12 从列表中移除空值元素146
5.13 使用条件来移除列表元素147
5.14 矩阵初始化149
5.15 执行矩阵运算150
5.16 将描述性名称赋给矩阵的行和列151
5.17 从矩阵中选定一行或一列152
5.18 用列数据初始化数据框153
5.19 用行数据初始化数据框155
5.20 对数据框添加行157
5.21 根据位置选择数据框的列159
5.22 根据名称选择数据框的列163
5.23 修改数据框的列名165
5.24 从数据框中移除NA值166
5.25 根据名称排除列167
5.26 合并两个数据框168
5.27 根据共有列合并数据框169
5.28 基本数据类型之间的转换171
5.29 从一种结构化数据类型转换到另一种数据类型172
第6章 数据转换175
6.1 将函数应用于列表的每个元素175
6.2 将函数应用于数据框的每一行178
6.3 将函数应用于矩阵的每一行179
6.4 将函数应用于每一列180
6.5 将函数应用于平行向量或列表182
6.6 将函数应用于一组数据184
6.7 基于条件生成一个新列185
第7章 字符串和日期187
7.1 获取字符串长度189
7.2 连接字符串190
7.3 提取子串191
7.4 根据分隔符分割字符串192
7.5 替代子串193
7.6 生成字符串的所有成对组合194
7.7 得到当前日期196
7.8 转换字符串为日期196
7.9 转换日期为字符串197
7.10 转换年、月、日为日期198
7.11 得到儒略日期200
7.12 提取日期的一部分200
7.13 创建日期序列202
第8章 概率204
8.1 计算组合数206
8.2 生成组合206
8.3 生成随机数207
8.4 生成可再生的随机数209
8.5 生成随机样本210
8.6 生成随机序列212
8.7 随机排列向量213
8.8 计算离散分布的概率213
8.9 计算连续分布的概率215
8.10 转换概率为分位数216
8.11 绘制密度函数218
第9章 统计概论222
9.1 数据的汇总224
9.2 计算相对频数226
9.3 因子数据的表格和列联表创建227
9.4 检验分类变量独立性228
9.5 计算数据集的百分位数（和四分位数）229
9.6 求分位数的逆230
9.7 数据转换为z分数231
9.8 检验样本均值（t检验）232
9.9 均值的置信区间233
9.10 中位数的置信区间234
9.11 检验样本比例235
9.12 比例的置信区间236
9.13 检验正态性237
9.14 游程检验239
9.15 比较两个样本的均值240
9.16 比较两个非参数样本的位置242
9.17 检验相关系数的显著性243
9.18 检验组的等比例244
9.19 组均值间成对比较246
9.20 检验两样本的相同分布247
第10章 图形249
10.1 创建散点图252
10.2 添加标题和标签254
10.3 添加（或去除）网格255
10.4 给ggplot图形添加主题258
10.5 创建多组散点图262
10.6 添加（或去除）图例263
10.7 绘制散点图的回归线266
10.8 多变量散点图的绘制269
10.9 创建多个分组的散点图271
10.10 创建条形图273
10.11 对条形图添加置信区间275
10.12 给条形图上色278
10.13 绘制从点x到点y的线280
10.14 改变线的类型、宽度或者颜色281
10.15 绘制多个数据集284
10.16 添加垂直线和水平线285
10.17 创建箱线图287
10.18 对每个因子水平创建箱线图289
10.19 创建直方图290
10.20 对直方图添加密度估计292
10.21 创建正态Q-Q图293
10.22 创建其他Q-Q图295
10.23 用多种颜色绘制变量297
10.24 绘制函数300
10.25 在一页中显示多个图形302
10.26 在文档中绘制图形305
第11章 线性回归和方差分析307
11.1 简单线性回归309
11.2 多元线性回归311
11.3 得到回归统计量312
11.4 理解回归的汇总结果316
11.5 运行无截距项的线性回归319
11.6 只应用与因变量高度相关的变量进行回归320
11.7 运行有交互项的线性回归323
11.8 选择最合适的回归变量325
11.9 对数据子集进行回归330
11.10 在回归公式中使用表达式331
11.11 多项式回归333
11.12 对变换后的数据进行回归334
11.13 寻找最佳幂变换（Box-Cox过程）336
11.14 回归系数的置信区间340
11.15 绘制回归残差341
11.16 线性回归的诊断342
11.17 识别有影响的观察值345
11.18 残差自相关检验（Durbin-Watson检验）346
11.19 预测新值348
11.20 建立预测区间349
11.21 执行单因素方差分析350
11.22 创建交互关系图352
11.23 找到组间均值的差异353
11.24 执行稳健方差分析(Kruskal-Wallis检验)355
11.25 运用方差分析比较模型357
第12章 有用的方法359
12.1 查看你的数据359
12.2 输出赋值结果361
12.3 对行和列求和362
12.4 按列输出数据363
12.5 对数据分组364
12.6 找到特定值的位置365
12.7 每隔n个选定一个向量元素365
12.8 找到最小值或最大值366
12.9 生成多个变量的组合368
12.10 转换一个数据框369
12.11 对数据框排序370
12.12 移除变量属性371
12.13 显示对象的结构373
12.14 代码运行时间375
12.15 避免显示警告和错误消息377
12.16 从列表中提取函数参数378
12.17 定义你自己的二元运算符380
12.18 不显示R启动消息381
12.19 获取和设置环境变量382
12.20 使用代码段383
12.21 本地并行运行R代码384
12.22 远程并行运行R代码386
第13章 高级数值分析和统计方法390
13.1 最小化或者最大化单参数函数390
13.2 最小化或者最大化多参数函数391
13.3 计算特征值和特征向量393
13.4 执行主成分分析394
13.5 执行简单正交回归395
13.6 识别数据的聚类397
13.7 预测二元变量（逻辑回归）400
13.8 统计量的Bootstrap法402
13.9 因子分析404
第14章 时间序列分析409
14.1 表示时间序列411
14.2 绘制时序图414
14.3 提取最早或者最新的观测值415
14.4 选取时间序列的子集418
14.5 合并多个时间序列420
14.6 缺失时间序列的填充422
14.7 时间序列的滞后424
14.8 计算逐次差分426
14.9 时间序列的相关计算427
14.10 计算移动平均429
14.11 在日历时间范围内应用函数430
14.12 应用滚动函数432
14.13 绘制自相关函数图433
14.14 检验时间序列的自相关435
14.15 绘制偏自相关函数436
14.16 两个时间序列间的滞后相关性437
14.17 剔除时间序列的趋势439
14.18 拟合ARIMA模型441
14.19 剔除ARIMA模型中不显著的系数444
14.20 对ARIMA模型进行诊断446
14.21 用ARIMA模型进行预测448
14.22 绘制预测结果449
14.23 均值回归的检验451
14.24 时间序列的平滑453
第15章 简单编程456
15.1 在两种可能情况中进行选择：if/else457
15.2 用循环进行迭代459
15.3 定义一个函数460
15.4 创建局部变量462
15.5 在多种替代方案之间进行选择：switch462
15.6 定义函数参数的默认值464
15.7 给出警示错误的信号465
15.8 防止错误466
15.9 创建匿名函数467
15.10 创建可重复使用函数的集合468
15.11 自动重新生成代码469
第16章 R Markdown和发表471
16.1 创建新文档472
16.2 添加标题、作者或日期474
16.3 格式化文档文本475
16.4 插入文档标题476
16.5 插入列表476
16.6 显示R代码的输出478
16.7 控制显示的代码和结果479
16.8 插入图481
16.9 插入表格484
16.10 插入数据表486
16.11 插入数学公式488
16.12 生成HTML输出488
16.13 生成PDF输出490
16.14 生成Microsoft Word输出492
16.15 生成演示输出498
16.16 创建参数化报告500
16.17 组织自定义R Markdown工作流程502
