R 4 Data Science Quick Reference
A Pocket Guide to APIs, Libraries, and Packages
-
8% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár EUR 37.44
-
15 882 Ft (15 125 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 8% (cc. 1 271 Ft off)
- Discounted price 14 611 Ft (13 915 Ft + 5% áfa)
15 882 Ft
Beszerezhetőség
Becsült beszerzési idő: A Prosperónál jelenleg nincsen raktáron, de a kiadónál igen. Beszerzés kb. 3-5 hét..
A Prosperónál jelenleg nincsen raktáron.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadás sorszáma 2nd ed.
- Kiadó Apress
- Megjelenés dátuma 2022. október 29.
- Kötetek száma 1 pieces, Book
- ISBN 9781484287798
- Kötéstípus Puhakötés
- Terjedelem232 oldal
- Méret 254x178 mm
- Súly 470 g
- Nyelv angol
- Illusztrációk 13 Illustrations, black & white 466
Kategóriák
Rövid leírás:
In this handy, quick reference book you'll be introduced to several R data science packages, with examples of how to use each of them. All concepts will be covered concisely, with many illustrative examples using the following APIs: readr, dibble, forecasts, lubridate, stringr, tidyr, magnittr, dplyr, purrr, ggplot2, modelr, and more.
With R 4 Data Science Quick Reference, you'll have the code, APIs, and insights to write data science-based applications in the R programming language. You'll also be able to carry out data analysis. All source code used in the book is freely available on GitHub..
You will:
- Implement applicable R 4 programming language specification features
- Import data with readr
- Work with categories using forcats, time and dates with lubridate, and strings with stringr
- Format data using tidyr and then transform that data using magrittr and dplyr
- Write functions with R for data science, data mining, and analytics-based applications
- Visualize data with ggplot2 and fit data to models using modelr
Hosszú leírás:
In this handy, quick reference book you'll be introduced to several R data science packages, with examples of how to use each of them. All concepts will be covered concisely, with many illustrative examples using the following APIs: readr, dibble, forecasts, lubridate, stringr, tidyr, magnittr, dplyr, purrr, ggplot2, modelr, and more.
With R 4 Data Science Quick Reference, you'll have the code, APIs, and insights to write data science-based applications in the R programming language. You'll also be able to carry out data analysis. All source code used in the book is freely available on GitHub..
What You'll Learn
- Implement applicable R 4 programming language specification features
- Import data with readr
- Work with categories using forcats, time and dates with lubridate, and strings with stringr
- Format data using tidyr and then transform that data using magrittr and dplyr
- Write functions with R for data science, data mining, and analytics-based applications
- Visualize data with ggplot2 and fit data to models using modelr
Who This Book Is For
Programmers new to R's data science, data mining, and analytics packages. Some prior coding experience with R in general is recommended.
Több
Tartalomjegyzék:
1. Introduction. - 2. Importing Data: readr.- 3. Representing Tables: tibble. - 4. Tidy+select, 5. Reformatting Tables: tidyr.- 6. Pipelines: magrittr.- 7. Functional Programming: purrr. - 8. Manipulating Data Frames: dplyr. - 9. Working with Strings: stringr.- 10. Working with Factors: forcats. - 11. Working with Dates: lubridate. - 12. Working with Models: broom and modelr. - 13. Plotting: ggplot2.- 14. Conclusions.
