本书循序渐进、深入讲解了R语言数据统计分析与应用的核心知识，并通过具体实例的实现过程演练了知识点的用法和流程。全书共16章，分别讲解了R语言基础、R语言数据统计语法基础、数据获取和处理、绘制可视化统计图、描述性统计分析、探索性数据分析、推论统计、回归分析、方差分析、非参数统计分析、主成分分析、聚类分析、生存分析、因子分析、基于机器学习的患者再入院预测分析系统和中概科技指数统计分析与投资系统。全书简洁而不失其技术深度，内容丰富全面，历史资料翔实齐全。同时，本书易于阅读，以极简的文字介绍了复杂的案例，同时涵盖了其他同类图书中很少涉及的历史参考资料，是学习R语言数据统计分析与应用的实用教程。 本书适用于已经了解R语言基础知识的读者，以及想进一步学习数据分析、统计分析、行业统计应用的读者，也可以作为相关从业者的参考书，还可以作为大专院校相关专业的师生用书和培训学校的专业性教材。

第1章 R语言基础
1.1 R语言的发展历程
1.2 R 语言的特点
1.3 获取并安装R语言运行环境
1.3.1 在Windows操作系统安装R语言
1.3.2 在Linux操作系统和macOS操作系统安装R语言
1.4 R语言开发工具：R GUI
1.4.1 命令行方式运行R语言程序
1.4.2 文件方式运行R语言程序
1.5 R语言开发工具：RStudio
1.5.1 安装RStudio
1.5.2 RStudio界面简介
1.5.3 使用RStudio开发R语言程序
1.6 认识第一个R语言程序：简易数据统计与格式化输出
1.6.1 新建R语言工程
1.6.2 编写程序文件
1.7 R语言和数据处理
1.7.1 R语言的优势
1.7.2 数据处理和数据分析的区别
第2章 R语言数据统计语法基础
2.1 基本的内置函数
2.1.1 数学和统计函数
2.1.2 字符和字符串处理函数
2.1.3 文件操作函数
2.1.4 概率分布函数
2.1.5 日期函数和时间函数
2.2 内置数据处理函数
2.2.1 查看、筛选和编辑数据
2.2.2 合并数据
2.2.3 分组和汇总
2.2.4 排序
2.2.5 转换
2.3 apply函数族
2.3.1 apply函数族中的函数
2.3.2 函数apply()
2.3.3 函数lapply()
2.3.4 函数sapply()
2.3.5 函数vapply()
2.3.6 函数mapply()
2.4 数据重塑与变形
2.5 数据查询与过滤
2.5.1 使用dplyr包进行数据查询和过滤
2.5.2 使用sqldf包进行SQL风格的查询
第3章 数据获取和处理
3.1 数据获取和处理简介
3.2 使用键盘输入数据
3.3 处理CSV数据
3.3.1 读取CSV文件
3.3.2 写入CSV文件
3.3.3 数据转换和处理
3.4 处理Excel数据
3.4.1 R语言和Excel文件
3.4.2 使用readxl包
3.4.3 使用openxlsx包
3.5 处理XML数据
3.5.1 使用XML包
3.5.2 使用xml2包
3.6 处理JSON数据
3.6.1 JSON包
3.6.2 使用jsonlite包
3.6.3 使用RJSONIO包
3.6.4 使用tidyjson包
3.7 处理MySQL数据
3.7.1 和MySQL相关的包
3.7.2 使用RMySQL包
3.7.3 使用RMariaDB包
3.7.4 使用DBI包
3.7.5 dplyr包和dbplyr包
3.8 从网页抓取数据
3.8.1 使用rvest包抓取数据
3.8.2 使用httr包抓取数据
3.8.3 使用XML包抓取数据
3.8.4 使用jsonlite包抓取数据
3.9 数据准备与清洗
3.9.1 缺失数据处理
3.9.2 异常值检测和处理
3.9.3 异常值检测方法小结
第4章 绘制可视化统计图
4.1 R语言绘图系统简介
4.1.1 常用的绘图包
4.1.2 基本绘图函数plot()
4.2 单变量绘图
4.2.1 绘制直方图
4.2.2 绘制条形图
4.2.3 绘制饼形图
4.2.4 绘制箱线图
4.2.5 绘制密度图
4.3 双变量绘图
4.3.1 绘制双变量条形图
4.3.2 绘制散点图
4.3.3 绘制折线图
4.3.4 绘制箱线图（双变量）
4.4 绘制多变量图
4.4.1 绘制气泡图
4.4.2 绘制热力图
4.5 文件数据的可视化
4.5.1 CSV文件数据的可视化
4.5.2 Excel文件数据的可视化
4.5.3 XML文件数据的可视化
4.5.4 JSON文件数据的可视化
4.5.5 MySQL数据库数据的可视化
第5章 描述性统计分析
5.1 描述性统计分析简介
5.2 平均数、中位数和众数
5.2.1 计算平均数
5.2.2 计算中位数
5.2.3 计算众数
5.3 方差和标准差
5.3.1 计算方差
5.3.2 计算标准差
5.4 百分位数
5.4.1 常见的百分位数
5.4.2 计算百分位数
第6章 探索性数据分析
6.1 EDA简介
6.2 检测重复值
6.2.1 检测重复值简介
6.2.2 R语言检测重复值的方法
6.3 数据可视化方法
6.4 相关性分析
6.4.1 相关性分析的基本信息
6.4.2 皮尔逊相关系数
6.4.3 斯皮尔曼相关系数
6.4.4 肯德尔相关系数
第7章 推论统计
7.1 抽样和抽样分布
7.2 置信区间
7.2.1 置信区间的概念
7.2.2 总体均值的置信区间
7.2.3 总体比例的置信区间
7.2.4 总体方差的置信区间
7.3 假设检验
7.3.1 假设检验的基本步骤
7.3.2 假设检验中的错误类型
7.4 抽样方法
7.4.1 随机抽样
7.4.2 系统抽样
7.4.3 分层抽样
7.4.4 多阶段抽样
7.5 推论统计的方向小结
7.5.1 参数推断
7.5.2 非参数推断
第8章 回归分析
8.1 回归分析简介
8.2 线性回归和多元线性回归
8.2.1 线性回归
8.2.2 多元线性回归
8.3 逻辑回归
8.3.1 逻辑回归简介
8.3.2 逻辑回归的应用领域
8.3.3 使用逻辑回归模型
8.4 非线性回归
8.4.1 非线性回归简介
8.4.2 使用非线