Bewertung:

Das Buch befasst sich mit effizienten Programmierpraktiken in R, wobei der Schwerpunkt auf der Optimierung der Leistung für große Datensätze liegt. Es bietet zwar wertvolle Einblicke und Techniken für Anfänger und Fortgeschrittene, enthält aber auch eine beträchtliche Menge an grundlegenden Inhalten, die für erfahrenere Programmierer möglicherweise nicht geeignet sind. Außerdem leidet es unter Problemen bei der Bearbeitung und der Produktionsqualität.
Vorteile:Bietet praktische Tipps und Techniken für eine effiziente R-Programmierung, insbesondere für große Datensätze.
Nachteile:Behandelt wichtige Konzepte wie Speicherverwaltung, Programmierkonventionen und Zusammenarbeit.
(basierend auf 12 Leserbewertungen)
Efficient R Programming: A Practical Guide to Smarter Programming
Es gibt viele hervorragende R-Ressourcen für Visualisierung, Datenwissenschaft und Paketentwicklung. Hunderte von verstreuten Vignetten, Webseiten und Foren erklären, wie man R in bestimmten Bereichen verwendet. Aber es wurde wenig darüber geschrieben, wie man R einfach effektiv zum Laufen bringt - bis jetzt. Dieses praxisnahe Buch zeigt Anfängern und erfahrenen R-Benutzern, wie sie effizienten R-Code schreiben können.
Basierend auf jahrelanger Erfahrung im Unterrichten von R-Kursen geben die Autoren Colin Gillespie und Robin Lovelace praktische Ratschläge zu einer Reihe von Themen - von der Optimierung der Einrichtung von RStudio bis zur Nutzung von C++ -, die dieses Buch zu einer nützlichen Ergänzung im Bücherregal eines jeden R-Anwenders machen. Akademiker, Business-Anwender und Programmierer mit unterschiedlichem Hintergrund können von der Anleitung in Efficient R Programming profitieren.
⬤ Erhalten Sie Ratschläge für die Einrichtung einer R-Programmierumgebung.
⬤ Allgemeine Programmierkonzepte und R-Codierungstechniken kennenlernen.
⬤ Verstehen Sie die Bestandteile eines effizienten R-Workflows.
⬤ Lernen Sie, wie Sie Daten in R effizient lesen und schreiben können.
⬤ Tauchen Sie ein in das Data Carpentry - die entscheidende Fähigkeit zur Reinigung von Rohdaten.
⬤ Optimieren Sie Ihren Code mit Profiling, Standardtricks und anderen Methoden.
⬤ Bestimmen Sie Ihre Hardwarekapazitäten für die Verarbeitung von R-Berechnungen.
⬤ Maximieren Sie die Vorteile der kollaborativen R-Programmierung.
⬤ Beschleunigen Sie Ihren Übergang vom R-Hacker zum R-Programmierer.