📘 این ویرایش دوم که مدت‌ها منتظرش بودن، فقط یه بازبینی ساده نیست؛ چند سال تجربه، به‌روزرسانی و محتوای تازه به کتاب اضافه شده تا یادگیری R برای تحلیل داده و آمار راحت‌تر و کامل‌تر از قبل بشه.

🧠 The Book of R یه راهنمای کامل و مناسب مبتدی‌ها برای یادگیری R هست؛ زبانی که به‌نوعی محبوب‌ترین زبان برنامه‌نویسی دنیا برای تحلیل آماری داده‌ها محسوب میشه. حتی اگر هیچ تجربه برنامه‌نویسی نداشته باشی و فقط با مفاهیم پایه ریاضی آشنا باشی، این کتاب هر چیزی که برای شروع برنامه‌نویسی با R نیاز داری رو در اختیارت میذاره.

🚀 مسیر یادگیری از مباحث پایه شروع میشه؛ مثل کار با داده‌ها و نوشتن برنامه‌های ساده. بعد کم‌کم وارد موضوعات پیشرفته‌تر میشی؛ مثل تولید خلاصه‌های آماری، انجام آزمون‌های آماری و ساخت مدل‌های تحلیلی.

📊 علاوه بر این، یاد میگیری چطور با ابزارهای گرافیکی R و پکیج‌هایی مثل ggplot2، ggvis و rgl نمودارها و مصورسازی‌های حرفه‌ای بسازی.

📑 در طول کتاب یاد میگیری:

⚙️ مبانی برنامه‌نویسی در R؛ از ساخت Data Frame و تعریف تابع گرفته تا کار با متغیرها، دستورات و حلقه‌ها.

📈 مفاهیم آماری مثل تحلیل اکتشافی داده‌ها، احتمال، آزمون فرض و مدل‌سازی رگرسیون و نحوه اجرای اون‌ها در R.

📚 چطور به هزاران تابع، کتابخانه و مجموعه‌داده موجود در R دسترسی پیدا کنی.

🔍 چطور از داده‌ها نتیجه‌گیری معتبر انجام بدی و نمودارهایی در سطح انتشار علمی تولید کنی.

📘 The Book of R هم آمار و هم زبان R رو از حالت خشک و تئوری خارج می‌کنه و به شکل عملی آموزش میده. توضیح‌های شفاف، مثال‌های کاربردی و تمرین‌های عملی باعث میشن راحت‌تر وارد دنیای تحلیل داده بشی.

🆕 ویژگی‌های جدید این ویرایش

📖 کل کتاب بازنگری و گسترش پیدا کرده و نزدیک به ۱۰۰ صفحه محتوای جدید و تمرین‌های تازه بهش اضافه شده.

📊 پوشش کامل‌تر و عمیق‌تری از نمودارها و قابلیت‌های گرافیکی R ارائه شده.

🔗 نحوه استفاده از Pipeها برای زنجیره‌کردن دستورات آموزش داده شده.

📂 روش‌های جدیدی برای خواندن و نوشتن فایل‌های خارجی به کتاب اضافه شده.

🧩 و کلی درس و مثال جدید دیگه که تو نسخه قبلی وجود نداشت.

📑 فهرست مطالب

بخش اول: زبان R

فصل 1: شروع کار

فصل 2: اعداد، عملیات حسابی، انتساب و بردارها

فصل 3: ماتریس‌ها و آرایه‌ها

فصل 4: مقادیر غیرعددی

فصل 5: لیست‌ها و Data Frameها

فصل 6: مقادیر ویژه، کلاس‌ها و تبدیل نوع داده

فصل 7: رسم نمودارهای پایه

فصل 8: خواندن و نوشتن فایل‌ها

بخش دوم: برنامه‌نویسی

فصل 9: فراخوانی توابع

فصل 10: شرط‌ها و حلقه‌ها

فصل 11: نوشتن توابع

فصل 12: استثناها، زمان‌سنجی و قابلیت مشاهده

بخش سوم: آمار و احتمال

فصل 13: آمار مقدماتی

فصل 14: مصورسازی پایه داده‌ها

فصل 15: احتمال

فصل 16: توزیع‌های متداول احتمال

بخش چهارم: آزمون‌ها و مدل‌سازی آماری

فصل 17: توزیع‌های نمونه‌گیری و بازه اطمینان

فصل 18: آزمون فرض

فصل 19: تحلیل واریانس

فصل 20: رگرسیون خطی ساده

فصل 21: رگرسیون خطی چندگانه

فصل 22: انتخاب و ارزیابی مدل‌های خطی

بخش پنجم: گرافیک پیشرفته

فصل 23: سفارشی‌سازی پیشرفته نمودارها

فصل 24: ادامه کار با دستور زبان گرافیک (Grammar of Graphics)

فصل 25: تعریف رنگ‌ها و رسم در ابعاد بالاتر

فصل 26: نمودارهای تعاملی سه‌بعدی

پیوست A: نصب R و پکیج‌های جانبی

پیوست B: کار با RStudio

📝 نظر کارشناسان

💬 «یک تغییر‌دهنده بازی.»

✍️ کرک بورن دانشمند ارشد داده در Booz Allen Hamilton

✍️ درباره نویسنده

👨‍🏫 تیلمن ام. دیویس عضو هیئت علمی دپارتمان ریاضیات و آمار دانشگاه اوتاگو در نیوزیلند هست و در تمام مقاطع دانشگاهی آمار تدریس می‌کنه.

💻 از اوایل دهه ۲۰۰۰ با R برنامه‌نویسی می‌کنه و این زبان رو در تمام درس‌هایی که ارائه میده به‌کار می‌بره.

📊 بخش زیادی از فعالیت پژوهشی اون روی آمار فضایی و توسعه روش‌های آماری متمرکزه و برای این تحقیقات چندین گرنت پژوهشی مهم دریافت کرده.

🏆 در سال ۲۰۲۴ جایزه Littlejohn Award رو دریافت کرد؛ معتبرترین جایزه پژوهشی انجمن آمار نیوزیلند.

📚 تجربه طولانی در آموزش، پژوهش و استفاده عملی از R باعث شده این کتاب یکی از کامل‌ترین منابع یادگیری R برای افراد مبتدی و حتی تحلیلگران داده در حال رشد باشه.

This long-awaited second edition folds years of updates into its beginner-friendly lessons on using R for data and statistical analysis.

The Book of R is a comprehensive, beginner-friendly guide to R, the world’s most popular programming language for statistical analysis. Even if you have no programming experience and little more than a grounding in the basics of mathematics, you’ll find everything you need to begin writing programs in R.

You’ll start with the basics, like how to handle data and write simple programs, before moving on to more advanced topics, like producing statistical summaries of your data and performing tests and modeling. You’ll even learn how to create impressive data visualizations with R’s graphics tools and contributed packages, like ggplot2, ggvis, and rgl.

Dozens of hands-on exercises take you from theory to practice as you learn:

• The fundamentals of programming in R, including how to write data frames, create functions, and use variables, statements, and loops
• Statistical concepts like exploratory data analysis, probabilities, hypothesis tests, and regression modeling and how to execute them in R
• How to access R’s thousands of functions, libraries, and datasets
• How to draw valid and useful conclusions from your data and create publication-quality graphics of your results

The Book of R brings both statistics and R to life. With clear explanations, practical examples, and hands-on exercises, this book opens the door to the evolving world of data analysis.

New to this edition: The entire book has been revised and expanded, with nearly 100 pages of new content and exercises. You’ll find greater coverage of data plots and R graphics, guidance on using pipes to string together commands, and new ways to read and write external files, among many other lessons.

Table of Contents

Part I: The Language

 Chapter 1: Getting Started

 Chapter 2: Numerics, Arithmetic, Assignment, and Vectors

 Chapter 3: Matrices and Arrays

 Chapter 4: Non-Numeric Values

 Chapter 5: Lists and Data Frames

 Chapter 6: Special Values, Classes, and Coercion

 Chapter 7: Basic Plotting

 Chapter 8: Reading and Writing Files

Part II: Programming

 Chapter 9: Calling Functions

 Chapter 10: Conditions and Loops

 Chapter 11: Writing Functions

 Chapter 12: Exceptions, Timings, and Visibility

Part III: Statistics and Probability

 Chapter 13: Elementary Statistics

 Chapter 14: Basic Data Visualization

 Chapter 15: Probability

 Chapter 16: Common Probability Distributions

Part IV: Statistical Testing and Modeling

 Chapter 17: Sampling Distributions and Confidence

 Chapter 18: Hypothesis Testing

 Chapter 19: Analysis of Variance

 Chapter 20: Simple Linear Regression

 Chapter 21: Multiple Linear Regression

 Chapter 22: Linear Model Selection and Diagnostics

Part V: Advanced Graphics

 Chapter 23: Advanced Plot Customization

 Chapter 24: Going Further with the Grammar of Graphics

 Chapter 25: Defining Colors and Plotting in Higher Dimensions

 Chapter 26: Interactive 3D Plots

Appendix A: Installing R and Contributed Packages

Appendix B: Working with RStudio

Review

“A game changer.”

—Kirk Borne, principal data scientist at Booz Allen Hamilton

About the Author

Tilman M. Davies is an academic at the Department of Mathematics and Statistics at the University of Otago in New Zealand, where he teaches statistics at all university levels. He has been programming in R since the early 2000s and uses it in all of his courses. Davies has received multiple significant research grants for his methodological work in spatial statistics and in 2024 received the Littlejohn Award, the premier research award of the New Zealand Statistical Association.