 |
 Strona główna |
Nowości |
Promocje |
Zapowiedzi
|
Twoje konto | Zarejestruj | Schowek | Kontakt | Pomoc |
|
 |
|
 Wydajne programowanie w R. Praktyczny przewodnik po lepszym programowaniu
|
978-83-7541-352-6Cena Brutto: 69.30Cena netto: 66.00
|
  |
| Wersja: | Drukowana |
| Autor | Colin Gillespie, Robin Lovelace |
| Liczba_stron | 242 |
| Wydawnictwo | O'Reilly Media |
| Oprawa | miękka |
| Data_Wydania | 2018-02-12 |
Istnieje wiele znakomitych materiałów dotyczących wizualizacji, analizy danych i tworzenia pakietów w języku R. Setki rozproszonych winiet, stron internetowych i forów wyjaśnia, jak należy korzystać z R w określonych domenach. Niewiele jednak zostało napisane o tym, jak w prosty sposób zapewnić efektywne działanie języka R – aż do teraz. Ten praktyczny podręcznik uczy nowych i doświadczonych użytkowników R, jak pisać w tym języku wydajny kod.
Bazując na swoim wieloletnim doświadczeniu w prowadzeniu kursów języka R, autorzy Colin Gillespie i Robin Lovelace dostarczają szereg praktycznych porad na wiele różnych tematów – od optymalizowania konfiguracji środowiska RStudio po wykorzystywanie języka C++ – które czynią z tej książki przydatną pozycję w zbiorze literatury dowolnego użytkownika R. Z treści podręcznika Wydajne programowanie w R z pewnością skorzystają nauczyciele akademiccy, użytkownicy biznesowi i programiści z wielu różnych środowisk.
- Uzyskaj porady związane z konfigurowaniem środowiska programistycznego R
- Poznaj ogólne koncepcje programowania i techniki kodowania w R
- Zapoznaj się z elementami składowymi wydajnego przepływu pracy w R
- Naucz się, jak wydajnie odczytywać i zapisywać dane w R
- Zagłęb się w stolarce danych – kluczowej umiejętności czyszczenia surowych danych
- Zoptymalizuj swój kod przy użyciu profilowania, standardowych trików oraz innych metod
- Określ swoje możliwości sprzętowe w zakresie obsługi obliczeń R
- Zmaksymalizuj korzyści płynące z programowania zespołowego
- Przyspiesz swoją przemianę z hakera R w programistę R
Robin Lovelace jest pracownikiem Instytutu Badań nad Transportem oraz Instytutu Analizy Danych Uniwersytetu w Leeds w Wielkiej Brytanii. Przez pięć lat wykorzystywał R w badaniach akademickich, zaś przez cztery lata uczył języka R na wszystkich poziomach. Wykorzystał też język R w kilku projektach realizowanych w ramach programu badań stosowanych.
“ Autorzy piszą czystą prozą, która daje zwięzłą i dobitną odpowiedź na pytanie »Dlaczego wydajne programowanie?«. Podwójny nacisk na programowanie i produktywność jest bardzo przydatny”
—Garrett Grolemund
Główny instruktor w RStudio oraz autor książek R for Data Science oraz Hands-on Programming with R
(O’Reilly)
Przedmowa . . . . . . . . . . . . . . . ix
1. Wprowadzenie. . . . . . . . . . . . . .1
Wymagania wstępne . . . . . . . . . . . . . . . . .2
Dla kogo jest ta książka i jak z niej korzystać?. . . . . . . . . . . .2
Czym jest wydajność? . . . . . . . . . . . . . . . .4
Czym jest wydajne programowanie w R?5
Dlaczego wydajność? . . . . . . . . . . . . . . . . .7
Umiejętności uniwersalne zapewniające wydajność . . . . .. . . . .8
Pisanie bezwzrokowe . . . . . . . . . . . . . .8
Spójny styl i konwencje kodowania . .9
Testy porównawcze i profilowanie . . . .10
Wykonywanie testów porównawczych . . . . .. . . . .10
Przykład testu porównawczego . . . .11
Profilowanie . . . . . . . . . . . . . . . . . . . .12
Materiały do książki . . . . . . . . . . . . . . . .15
Pakiet R . .15
Wersja online . . . . . . . . . . . . . . . . . . . .16
Lektura uzupełniająca . . . . . . . . . . . . . . .16
2. Wydajna konfiguracja. . . . . . .17
Wymagania wstępne . . . . . . . . . . . . . . . .18
Pięć głównych wskazówek dla zapewnienia wydajnej konfiguracji R . . . . . . . .18
System operacyjny . . . . . . . . . . . . . . . . . .18
Monitorowanie systemu operacyjnego i zasobów . . . . . . . . .19
Wersje R . . . .22
Instalowanie R . . . . . . . . . . . . . . . . . . .22
Aktualizowanie R . . . . . . . . . . . . . . . .23
Instalowanie pakietów R . . . . . . . . . .24
Instalowanie pakietów R z zależnościami . . . . . . . . . . .25
Aktualizowanie pakietów R . . . . . . . .25
Uruchamianie R . . . . . . . . . . . . . . . . . . . .26
Argumenty uruchamiania R . . . . . . .26
Przegląd plików startowych R . . . . . .27
Lokalizacja plików startowych . . . . .28
Plik .Rprofile . . . . . . . . . . . . . . . . . . . .30
Przykładowy plik .Rprofile . . . . . . . .30
Plik .Renviron . . . . . . . . . . . . . . . . . . .35
RStudio . . . . .37
Instalowanie i aktualizowanie RStudio . . . . .. . . . . . . .37
Układ paneli . . . . . . . . . . . . . . . . . . . .38
Opcje programu RStudio . . . . . . . . . .40
Autouzupełnianie . . . . . . . . . . . . . . . .41
Skróty klawiszowe . . . . . . . . . . . . . . . .43
Wyświetlanie obiektów i tabel . . . . . .44
Zarządzanie projektami . . . . . . . . . . .44
BLAS i alternatywne interpretery R . . .46
Testowanie zysków wydajności po użyciu BLAS . . . . . . .47
Inne interpretery . . . . . . . . . . . . . . . . .48
Przydatne materiały . . . . . . . . . . . . . .49
Lektura uzupełniająca . . . . . . . . . . . . . . .49
3. Wydajne programowanie. . . .51
Wymagania wstępne . . . . . . . . . . . . . . . .51
Pięć głównych wskazówek dla zapewnienia wydajnego programowania . . . . .51
Porady ogólne . . . . . . . . . . . . . . . . . . . . . .52
Przydział pamięci . . . . . . . . . . . . . . . .53
Kod zwektoryzowany . . . . . . . . . . . . .54
Komunikacja z użytkownikiem . . . . . . .57
Błędy krytyczne: stop() . . . . . . . . . . .57
Ostrzeżenia: warning() . . . . . . . . . . .58
Wyjście informacyjne: message() i cat() . . . . . . . . . .59
Niewidoczne wartości zwracane . . . .59
Faktory . . . . .60
Porządkowanie . . . . . . . . . . . . . . . . . .61
Stały zbiór kategorii . . . . . . . . . . . . . .61
Rodzina funkcji apply . . . . . . . . . . . . . . .62
Przykład: zbiór danych o filmach . . .64
Spójność typu . . . . . . . . . . . . . . . . . . .65
Buforowanie zmiennych . . . . . . . . . . . . .66
Domknięcia funkcji . . . . . . . . . . . . . .68
Kompilator kodu pośredniego . . . . . . . .70
Przykład: funkcja do obliczania średniej. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .70
Kompilowanie kodu . . . . . . . . . . . . . .71
Lektura uzupełniająca . . . . . . . . . . . . . . .72
4. Wydajny przepływ pracy . . . .73
Wymagania wstępne . . . . . . . . . . . . . . . .73
Pięć głównych wskazówek dla zapewnienia wydajnego przepływu pracy . . . .74
Typologia planowania projektów . . . . .74
Planowanie i zarządzanie projektem . . .76
Podział pracy . . . . . . . . . . . . . . . . . . . .78
Przepływ pracy a kryteria SMART . .79
Wizualizowanie planów w R . . . . . . .80
Wybór pakietów . . . . . . . . . . . . . . . . . . . .81
Wyszukiwanie pakietów . . . . . . . . . .83
Jak wybierać pakiety? . . . . . . . . . . . . .83
Publikacja . . .85
Tworzenie dynamicznych dokumentów przy użyciu R Markdown . . . . . . .86
Pakiety R .88
Lektura uzupełniająca . . . . . . . . . . . . . . .90
5. Wydajne wejście/wyjście . . . .91
Wymagania wstępne . . . . . . . . . . . . . . . .92
Pięć głównych wskazówek dla zapewnienia wydajnego wejścia/wyjścia danych 92
Uniwersalne importowanie danych z użyciem rio . . . . . . . . . . . . . . . . . . . . . . . .93
Formaty zwykłego tekstu . . . . . . . . . . . .94
Różnice pomiędzy fread() i read_csv() . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .97
Wstępne przetwarzanie tekstu poza R. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .100
Formaty plików binarnych . . . . . . . . . .100
Natywne formaty binarne: Rdata czy Rds? . . . . . . . . . . . . . . . . . . . . . . . . . . .101
Format pliku Feather . . . . . . . . . . . .102
Testy porównawcze formatów plików binarnych. . . . . . . . . . . . . . . . . . . . . .102
Protocol Buffers . . . . . . . . . . . . . . . .104
Pozyskiwanie danych z Internetu . . . .104
Uzyskiwanie dostępu do danych przechowywanych w pakietach . . . . . . . . . .105
Lektura uzupełniająca . . . . . . . . . . . . . .106
6. Wydajna stolarka danych . . .107
Wymagania wstępne . . . . . . . . . . . . . . .108
Pięć głównych wskazówek dla zapewnienia wydajnej stolarki danych . . . . . .108
Wydajne ramki danych z wykorzystaniem pakietu tibble . . . . . . . . . . . . . . . . .109
Oczyszczanie danych za pomocą pakietu tidyr i wyrażeń regularnych. . . . . .110
Tworzenie wąskich tabel za pomocą funkcji gather() . . . . . . . . . . . . . . . . . .112
Podział zmiennych za pomocą funkcji separate() . . . . . . . . . . . . . . . . . . . . .113
Pozostałe funkcje tidyr . . . . . . . . . . .114
Wyrażenia regularne . . . . . . . . . . . .114
Wydajne przetwarzanie danych za pomocą pakietu dplyr. . . . . . . . . . . . . . . . .117
Modyfikowanie nazw kolumn . . . .119
Modyfikowanie klas kolumn . . . . . .120
Filtrowanie wierszy . . . . . . . . . . . . . .121
Łączenie operacji . . . . . . . . . . . . . . .122
Agregowanie danych . . . . . . . . . . . .124
Niestandardowa ewaluacja . . . . . . .127
Łączenie zbiorów danych . . . . . . . . . . .128
Praca z bazami danych . . . . . . . . . . . . .130
Bazy danych i dplyr . . . . . . . . . . . . .132
Przetwarzanie danych przy użyciu data.table . . . . . . . . . . . . . . . . . . . . . . . . . . .134
Lektura uzupełniająca . . . . . . . . . . . . . .137
7. Wydajna optymalizacja . . . .139
Wymagania wstępne . . . . . . . . . . . . . . .140
Pięć głównych wskazówek dla zapewnienia wydajnej optymalizacji . . . . . . . .140
Profilowanie kodu . . . . . . . . . . . . . . . . .141
Rozpoczynanie pracy z pakietem profvis . . . . . . . . . . . . . . . . . . . . . . . . . . . .141
Przykład: symulacja gry Monopol .142
Wydajny język R . . . . . . . . . . . . . . . . . .144
Funkcja if() kontra ifelse() . . . . . . . .144
Sortowanie i porządkowanie . . . . . .145
Odwracanie kolejności elementów .146
Które indeksy mają wartość TRUE?146
Konwertowanie faktorów na wartości numeryczne. . . . . . . . . . . . . . . . . . . .147
Operatory logiczne AND i OR . . . .147
Operacje na wierszach i kolumnach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .147
Funkcje is.na() i anyNA() . . . . . . . .148
Macierze.148
Przykład: optymalizowanie funkcji move_square() . . . . . . . . . . . . . . . . . . . . . .151
Przetwarzanie równoległe . . . . . . . . . .153
Współbieżne wersje funkcji z rodziny Apply . . . . . . . . . . . . . . . . . . . . . . . . .153
Przykład: Węże i drabiny . . . . . . . . .154
Ostrożne wychodzenie z funkcji . .155
Równoległy kod w systemach Linux i OS X . . . . . . . . . . . . . . . . . . . . . . . . . .155
Rcpp. . . . . . .156
Prosta funkcja w C++ . . . . . . . . . . .157
Polecenie cppFunction() . . . . . . . . .158
Typy danych w C++ . . . . . . . . . . . . .159
Funkcja sourceCpp() . . . . . . . . . . . .159
Wektory i pętle . . . . . . . . . . . . . . . . .161
Macierze.164
C++ z dodatkiem lukru składniowego . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .164
Materiały dla Rcpp . . . . . . . . . . . . . .165
Lektura uzupełniająca . . . . . . . . . . . . . .165
8. Wydajny sprzęt . . . . . . . . . . .167
Wymagania wstępne . . . . . . . . . . . . . . .167
Pięć głównych porad dotyczących wydajnego sprzętu. . . . . . . . . . . . . . . . . . . .167
Informacje podstawowe: Czym jest bajt? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .168
Pamięć RAM . . . . . . . . . . . . . . . . . . . . .169
Dyski twarde: HDD kontra SSD . . . . .172
Systemy operacyjne: 32- i 64-bitowe . .173
Procesor . . .174
Obliczenia w chmurze . . . . . . . . . . . . . .176
Amazon EC2 . . . . . . . . . . . . . . . . . . .176
9. Wydajna współpraca. . . . . . .177
Wymagania wstępne . . . . . . . . . . . . . . .178
Pięć głównych wskazówek dla zapewnienia wydajnej współpracy. . . . . . . . . .178
Styl kodowania . . . . . . . . . . . . . . . . . . . .178
Formatowanie kodu w RStudio . . .179
Nazwy plików . . . . . . . . . . . . . . . . . .180
Wczytywanie pakietów . . . . . . . . . .180
Komentowanie . . . . . . . . . . . . . . . . .180
Nazwy obiektów . . . . . . . . . . . . . . . .181
Przykładowy pakiet . . . . . . . . . . . . .182
Operacje przypisania . . . . . . . . . . . .183
Znaki odstępu . . . . . . . . . . . . . . . . . .183
Wcięcia . .184
Nawiasy klamrowe . . . . . . . . . . . . . .184
Kontrola wersji . . . . . . . . . . . . . . . . . . . .185
Zatwierdzanie kodu . . . . . . . . . . . . .185
Integracja Git w RStudio . . . . . . . . .186
GitHub . .187
Gałęzie, rozwidlenia, pobieranie i klonowanie. . . . . . . . . . . . . . . . . . . . . . . .187
Przegląd kodu . . . . . . . . . . . . . . . . . . . . .189
Lektura uzupełniająca . . . . . . . . . . . . . .190
10. Wydajne uczenie się . . . . . . .191
Wymagania wstępne . . . . . . . . . . . . . . .191
Pięć głównych wskazówek dla wydajnego uczenia się . . . . . . . . . . . . . . . . . . . .191
Korzystanie z wewnętrznej pomocy R 192
Wyszukiwanie tematów w R . . . . . .193
Wyszukiwanie i korzystanie z winiet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .195
Uzyskiwanie pomocy na temat funkcji . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .196
Czytanie kodu źródłowego R . . . . .198
swirl . . . .199
Materiały online . . . . . . . . . . . . . . . . . . .199
Stack Overflow . . . . . . . . . . . . . . . . .201
Listy mailingowe i grupy . . . . . . . . .201
Zadawanie pytań . . . . . . . . . . . . . . . . . .202
Minimalny zbiór danych . . . . . . . . .202
Minimalny przykład . . . . . . . . . . . . .203
Pogłębianie wiedzy . . . . . . . . . . . . . . . .203
Szerzenie wiedzy . . . . . . . . . . . . . . . . . .205
Lektura uzupełniająca . . . . . . . . . . . . . .206
Dodatek A. Wykorzystywane pakiety . . . . . . . . . . . . . . . . . .207
Dodatek B. Lektura uzupełniająca . . . . . . . . . . . . . . . . . . . . .211
Indeks . . . . . . . . . . . . . . . . . . .215
O autorach . . . . . . . . . . . . . . .224
Kolofon . . . . . . . . . . . . . . . . . .225
| Produkty Podobne | ||||||||||||||||
|
||||||||||||||||
| Więcej produktów |
