Título :	R Data Science Quick Reference : A Pocket Guide to APIs, Libraries, and Packages
Tipo de documento:	documento electrónico
Autores:	Mailund, Thomas, Autor
Mención de edición:	1 ed.
Editorial:	Berkeley, CA : Apress
Fecha de publicación:	2019
Número de páginas:	IX, 246 p. 11 ilustraciones
ISBN/ISSN/DL:	978-1-4842-4894-2
Nota general:	Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave:	Compiladores (programas informáticos)  Programación de computadoras  Grandes datos  Procesamiento de datos  Compiladores e intérpretes  Técnicas de programación  Minería de datos y descubrimiento de conocimientos
Índice Dewey:	005.45 interfaces con el computador y los controladores del dispositivo
Resumen:	En este libro práctico y práctico cubrirá cada concepto de manera concisa, con muchos ejemplos ilustrativos. Se le presentarán varios paquetes de ciencia de datos de R, con ejemplos de cómo utilizar cada uno de ellos. En este libro, aprenderá sobre las siguientes API y paquetes que se ocupan específicamente de aplicaciones de ciencia de datos: readr, tibble, forcates, lubridate, stringr, tidyr, magnittr, dplyr, purrr, ggplot2, modelr, broom, knitr, shiny, y más. Después de utilizar esta práctica guía de referencia rápida, tendrá el código, las API y la información necesaria para escribir aplicaciones basadas en ciencia de datos en el lenguaje de programación R. También podrás realizar análisis de datos. Podrás: Comenzar con RMarkdown y notebooks Importar datos con readr Trabajar con categorías usando forcats, hora y fechas con lubridate y cadenas con stringr Formatear datos usando tidyr y luego transformar esos datos usando magrittr y dplyr Escribir funciones con R para ciencia de datos. minería de datos y aplicaciones basadas en análisis Visualice datos con ggplot 2 y ajuste de datos para modelos usando modelr y broom Informe resultados con markdown, knitr, shiny y más.
Nota de contenido:	1. Introduction -- 2. Importing Data: readr -- 3. Representing Tables: tibble -- 4. Reformatting Tables: tidyr -- 5. Pipelines: magrittr -- 6. Functional Programming: purrr -- 7. Manipulating Data Frames: dplyr -- 8. Working with Strings: stringr -- 9. Working with Factors: forcats -- 10. Working with Dates: lubridate -- 11. Working with Models: broom and modelr -- 12. Plotting: ggplot2 -- 13. Conclusions.
En línea:	https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
Link:	https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

R Data Science Quick Reference : A Pocket Guide to APIs, Libraries, and Packages [documento electrónico] / Mailund, Thomas, Autor  . -  1 ed.  . - Berkeley, CA : Apress, 2019 . - IX, 246 p. 11 ilustraciones.
ISBN : 978-1-4842-4894-2
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.

Palabras clave:	Compiladores (programas informáticos)  Programación de computadoras  Grandes datos  Procesamiento de datos  Compiladores e intérpretes  Técnicas de programación  Minería de datos y descubrimiento de conocimientos
Índice Dewey:	005.45 interfaces con el computador y los controladores del dispositivo
Resumen:	En este libro práctico y práctico cubrirá cada concepto de manera concisa, con muchos ejemplos ilustrativos. Se le presentarán varios paquetes de ciencia de datos de R, con ejemplos de cómo utilizar cada uno de ellos. En este libro, aprenderá sobre las siguientes API y paquetes que se ocupan específicamente de aplicaciones de ciencia de datos: readr, tibble, forcates, lubridate, stringr, tidyr, magnittr, dplyr, purrr, ggplot2, modelr, broom, knitr, shiny, y más. Después de utilizar esta práctica guía de referencia rápida, tendrá el código, las API y la información necesaria para escribir aplicaciones basadas en ciencia de datos en el lenguaje de programación R. También podrás realizar análisis de datos. Podrás: Comenzar con RMarkdown y notebooks Importar datos con readr Trabajar con categorías usando forcats, hora y fechas con lubridate y cadenas con stringr Formatear datos usando tidyr y luego transformar esos datos usando magrittr y dplyr Escribir funciones con R para ciencia de datos. minería de datos y aplicaciones basadas en análisis Visualice datos con ggplot 2 y ajuste de datos para modelos usando modelr y broom Informe resultados con markdown, knitr, shiny y más.
Nota de contenido:	1. Introduction -- 2. Importing Data: readr -- 3. Representing Tables: tibble -- 4. Reformatting Tables: tidyr -- 5. Pipelines: magrittr -- 6. Functional Programming: purrr -- 7. Manipulating Data Frames: dplyr -- 8. Working with Strings: stringr -- 9. Working with Factors: forcats -- 10. Working with Dates: lubridate -- 11. Working with Models: broom and modelr -- 12. Plotting: ggplot2 -- 13. Conclusions.
En línea:	https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
Link:	https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i