R语言编程基础

R语言编程基础教学大纲课程名称：R语言编程基础课程类别：必修适用专业：大数据技术类相关专业总学时：48学时（其中理论18学时，实验30学时）总学分：3.0学分、课程的性质大数据时代己经到来，在商业、经济及其他领域中基于数据和分析去发现问题并做出科学、客观的决策越来越重要。数据分析技术将帮助企业用户在合理时间内获取、管理、处理以及整理海量数据，为企业经营决策提供积极的帮助。数据分析作为一门前沿技术，广泛应用于物联网、云计算、移动互联网等战略新兴产业，有实践经验的数据分析人才己经成为了各企业争夺的热Ho为了推动我国大数据，云计算，人工智能行业的发展，满足日益增长的数据分析人才需求，特开设R语言编程基础课程。二、课程的任务通过木课程的学习，使学生认识R的编译环境，获取与安装R语言，使用R包，控制流、文件读取、数据可视化及使用可视化工具Rattle进行数据分析等基木操作。本课程将紧密结合示例操作，及时讲解基础知识、相关函数及可视化操作，为学生今后进行实际编程操作奠定基础，为数据分析可视化提供方法，同时，掌握RattleI具能更方便的实现数据挖掘相关操作。三、课程学时分配序号教学内容理论学时实验学时其它第1章R语言概述2第2章数据对象与数据读写243第3章数据集基本处理464第4章函数与控制流335第5章初级绘图466第6章高级绘图267第7章可视化数据挖掘工具Rattle24总计18301. 四、教学内容及学时安排理论教学序号章节名称主要内容教学目标学时1R语言概述1. 认识R以及获取安装R2. 认识R的编译环境Rstudio,获取R的帮助了解数据分析的应用场景3. 使用R包4. 了解R包内置数据集1. 认识并安装R语言。2. 认识R的编译环境。3. 认识R包，并掌握R包的安装与加载。4. 了解R语言的内置数据集。12数据对象与数据读写1. 查看与转换对象类型2. 数据结构的判断与转换3. 读写不同数据源1. 了解R语言中的数据类型，并掌握数据类型的判别方法及转换。2. 了解R语言中的数据结构，并掌握不同数据结构的构建方式和转换。3. 掌握不同数据源的数据读写方法。23数据集基本处理1. 新增数据属性列2. 清洗数据3. 选取变量及数据4. 整合数据5. 处理字符数据1. 掌握新增数据属性列的方法。2. 掌握清洗数据（包括处理缺失值，处理日期变量等）的方法。3. 掌握选取变量，删除变量等的方法。4. 掌握整合数据的方法。5. 掌握正则表达式与字符处理的方法。44函数与控制流1. 使用常用函数及apply函数处理数据2. 编写条件分支语句3. 编写循环语句4. 编制自定义函数1. 掌握使用常用函数及apply函数处理数据。2. 掌握辻-else等条件判断语句，以及switch分支语句。3. 掌握for循环、while循环、repeat-break循环语句。4. 掌握编写自定义函数的方法。35初级绘图1. 绘制基本图形2. 修改图形参数3. 绘制组合图形4. 保存图形1. 掌握使用R绘制基本图形。2. 掌握使用修改图像参数的方法。3. 掌握绘制组合图形的方法。4. 掌握R中保存图形的方法。46高级绘图1. 使用lattice包绘图2. ggplot2包绘图3. 认识交互式绘图工具1. 掌握使用lattice包绘制图形并修改图形参数的方法。2. 掌握使用ggplot2包绘制图形并修改图形参数的方法。3. 认识常用的交互式绘曲1.J.27可视化数据挖掘工具Rattle1. 安装Rattle2. 导入数据3. 探索数据4. 构建模型5. 评估模型1. 了解并安装Rattle1具。2. 掌握使用Rattle工具导入数据。3. 掌握使用Rattle工具探索数据的方法。4. 掌握使用RattleI具构建模型的方法。5. 掌握使用Rattle工具估计模型的方法。2学时合计182. 实验教学序号实验项目名称实验要求学时1R语言环境搭建在Windows/Linux系统上安装R与R-studio;掌握R-sudio的常用功能12数据对象与数据读写查看与转换对象类型，数据结构的判断与转换，向量、矩阵、数组、数据框、列表的创建与编辑索引等操作，读写不同数据源的数据43数据集基本处理新增数据属性列，清洗数据，选取变量及数据，整合数据，处理字符数据64函数与控制流使用常用函数及apply函数处理数据，编写条件分支语句，编写循环语句，编制自定义函数35初级绘图绘制基木图形，修改图形参数，绘制组合图形，保存图形66高级绘图使用1attice包绘图，使用ggplot2包绘图，使用交互式绘图工具67可视化数据挖掘工具Rattle安装Rattle,在Rattle导入数据、探索数据、构建模型、评估模型4学时合计30五、考核方式二学习态度突出学生解决实际问题的能力，加强过程性考核。课程考核的成绩构成（10%）+课堂参与（20%）+期末考核（70%）,期末考试建议采用开卷形式，试题应包括基木概念、绘图、分组聚合、数据合并、数据清洗、数据变换、模型构建等部分，题型可采用判断题、选择、简答、应用题等方式。