高级R语言编程指南(原书第2版)作 者: [美] 哈德利·威克汉姆(Hadley Wickham) 著,潘文捷,许金炜,李洪成 译出版时间: 2020内容简介 《高级R语言编程指南(原书第2版)》为解决各种R语言编程问题提供了非常有用的工具和技术,帮助你少走弯路。《高级R语言编程指南(原书第2版)》中阐释了R语言的基础,包括三种基本的编程范式(函数式编程、面向对象编程和元编程),以及用于调试和优化代码的强大技术,并展示了许多必备的技巧,通过它们可以创建在各个场景中使用的优质代码。《高级R语言编程指南(原书第2版)》由R语言领军人物Hadley Wickham亲笔撰写,深入阐释R语言编程的核心技术、工具,并提供大量实用编程技巧,可以帮助你了解R语言底层的工作方式,提升R语言编程技能,有效解决实际工作中的各种R语言编程问题。《高级R语言编程指南(原书第2版)》分为五部分,首部分(第2-8章)详细介绍R语言基础知识,包括名字和取值、向量、子集选取、控制流、函数、环境、条件;第二部分(第9-11章)介绍函数式编程,包括泛函、函数工厂和函数运算符;第三部分(第12-16章)介绍面向对象编程,包括基础类型、S3、R6、S4,以及各系统之间的权衡;第四部分(第17-21章)介绍元编程技术,包括表达式、准引用、计算、翻译R代码等;第五部分(第22-25章)介绍R的高级技术,包括调试、衡量性能、改进性能、使用C++重写R代码。《高级R语言编程指南(原书第2版)》展示了R的特别之处,为想深入学习R、理解R语言的初学者奠定了基础。中级R程序员则可以通过《高级R语言编程指南(原书第2版)》更深入地学习解决各种问题的新策略。而其他语言的程序员可以通过《高级R语言编程指南(原书第2版)》细致地了解R语言并理解R语言的运行方式。《高级R语言编程指南(原书第2版)》的更新如下:首部分增加三章新的内容:名字和取值、控制流、条件。全面介绍面向对象编程,涵盖S3、R6、S4,以及如何在它们中进行选择。更深入地介绍元编程,包括新的tidy评估框架。使用新的添加包,如rlang(http://rlang.r-lib.org)和purrr(http.//purrr.tidyverse.org/)进行函数式编程。添加包rlang为低级操作提供了简洁的接口。目录译者序前言第1章 绪论1.1 为什么选择R语言1.2 本书的目标读者1.3 通过本书你可以学到什么1.4 通过本书你将不能学到什么1.5 元技术1.6 推荐阅读1.7 获取帮助1.8 致谢1.9 约定1.10 声明第一部分 基础知识第2章 名字和取值2.1 本章简介2.2 绑定基础2.3 复制后修改2.4 对象大小2.5 原位修改2.6 解除绑定和垃圾回收2.7 小测验答案第3章 向量3.1 本章简介3.2 原子向量3.3 属性3.4 S3原子向量3.5 列表3.6 数据框和tibble3.7 NULL3.8 小测验答案第4章 子集选取4.1 本章简介4.2 选择多个元素4.3 选择一个元素4.4 子集选取与赋值4.5 应用4.6 小测验答案第5章 控制流5.1 本章简介5.2 选择5.3 循环5.4 小测验答案第6章 函数6.1 本章简介6.2 函数基础6.3 函数组合6.4 词法作用域6.5 惰性求值6.6 参数6.7 退出函数6.8 函数形式6.9 小测验答案第7章 环境7.1 本章简介7.2 环境基础7.3 环境递归7.4 特殊环境7.5 调用堆栈7.6 模拟数据结构7.7 小测验答案第8章 条件8.1 本章简介8.2 信号条件8.3 忽视条件8.4 处理条件8.5 自定义条件8.6 应用8.7 小测验答案第二部分 函数式编程第9章 泛函9.1 本章简介9.2 第一个泛函:map()9.3 purrr风格9.4 map变体9.5 reduce系列9.6 判断泛函9.7 基础泛函第10章 函数工厂10.1 本章简介10.2 工厂基础10.3 图形工厂10.4 统计工厂10.5 函数工厂+泛函第11章 函数运算符11.1 本章简介11.2 现有的函数运算符11.3 案例学习:生成你自己的函数运算符第三部分 面向对象编程第12章 基础类型12.1 本章简介12.2 基础对象与OO对象12.3 基础类型第13章 S313.1 本章简介13.2 基础13.3 类13.4 泛型和方法13.5 对象风格13.6 继承13.7 分派细节第14章 R614.1 本章简介14.2 类和方法14.3 控制访问14.4 引用语义14.5 为什么是R6第15章 S415.1 本章简介15.2 基础15.3 类15.4 泛型和方法15.5 方法分派15.6 S4和S3第16章 权衡16.1 本章简介16.2 S4与S316.3 R6与S3……第四部分 元编程第五部分 高级技术参考文献索引 上一篇: 财务大数据分析与可视化:基于Power BI案例应用 微课版 汪刚 2021年版 下一篇: 面向移动设备的机器学习 [印]戈帕拉克里希南 2020年版