掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
R語言與大數據編程實戰 版權信息
- ISBN：9787121326349
- 條形碼：9787121326349 ; 978-7-121-32634-9
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
R語言與大數據編程實戰 本書特色
本書是一本R語言入門讀物，它旨在幫助讀者迅速構建起與數據分析相關的知識體系，并學習如何使用R軟件實現數據分析方法。無論有無編程基礎或數學基礎，本書都能幫助讀者成長為一名合格的數據分析師。本書全面介紹了來自統計分析、機器學習、人工智能等領域的多種數據分析算法，在講解與之相關的R代碼時，還討論了這些算法的原理、優缺點與適用背景。本書按照由易到難的原則組織章節主題，讀者將獲得*好的閱讀體驗。通過閱讀本書，讀者將對R語言在數據分析領域的應用有一個全面的認識。這種認識不被特定行業所局限，任何行業的讀者都能利用本書介紹的數據分析方法解決本行業的數據分析問題。
R語言與大數據編程實戰 內容簡介
全面介紹了來自統計分析、機器學習、人工智能等領域的多種數據分析算法，在講解與之相關的 R代碼時，還討論了這些算法的原理、優缺點與適用背景。本書按照由易到難的原則組織章節主題，讀者將獲得*好的閱讀體驗。
R語言與大數據編程實戰 目錄
目?錄
第1章?R的基本介紹 1
1.1?強大的R 1
1.2?R語言在大數據中的應用 2
1.2.1?R語言用戶行為分析 2
1.2.2?R語言處理金融大數據 3
1.2.3?R語言天氣數據可視化 4
1.2.4?R語言醫療大數據分析 4
1.3?R的安裝與啟動 5
1.3.1?安裝并啟動R 6
1.3.2?安裝并啟動一個IDE 7
1.4?R的向量、矩陣和數組 8
1.4.1?向量的操作方法和固有屬性 8
1.4.2?矩陣的操作和運算 10
1.4.3?數組中的維度函數 13
1.5?R的列表和數據框 14
1.5.1?列表的特性和編輯方法 14
1.5.2?數據框的創建和基本操作 17
1.6?R數據文件的載入和載出 19
1.6.1?結構化純文本文件的讀取和輸出 19
1.6.2?其他文件的讀取和輸出 22
1.7?向R中安裝包 23
第2章?原始數據的探索與預處理 26
2.1?度量數據集的集中程度 26
2.2?度量數據集的分散程度 27
2.2.1?極值、方差和標準差 27
2.2.2?標準誤和偏度系數、峰度系數 29
2.3?創建一個數值摘要表 30
2.4?異常值的觀測與說明 32
2.4.1?利用箱線圖觀測異常值并處理 32
2.4.2?異常值檢測的其他情況和說明 34
2.5?缺失值的填補與處理 35
2.5.1?刪除缺失值或對其進行簡單填補 36
2.5.2?按照相關性對空缺值進行填補 38
第3章?R的數據可視化 40
3.1?plot()函數和常用的圖形參數 40
3.1.1?設置plot()函數中的參數 40
3.1.2?修改散點圖的坐標并加入標注 43
3.2?經典的基礎圖形及用途 45
3.2.1?線圖 45
3.2.2?直方圖 49
3.2.3?箱線圖和莖葉圖 52
3.3?將圖形組合起來 55
3.4?更多的高水平作圖函數 57
3.5?更多的常用作圖命令 59
第4章?R中參數的估計和檢驗 62
4.1?使用R進行點估計和區間估計 62
4.1.1?簡單的點估計和區間估計 62
4.1.2?估計單側置信區間 65
4.2?與正態總體有關的參數檢驗 68
4.3?列聯表與獨立性檢驗 71
4.4?幾種檢驗數據分布的函數 72
4.5?對非正態總體的區間估計和檢驗 75
4.5.1?非正態總體的區間估計 75
4.5.2?非參數檢驗中的符號檢驗 76
4.5.3?非參數檢驗中的秩檢驗 78
第5章?R中的方差分析 80
5.1?方差分析模型的建立 80
5.2?單因素方差分析 81
5.2.1?單因素方差分析的數學思想與模型 81
5.2.2?檢驗樣本是否滿足方差分析的假設條件 82
5.2.3?構建單因素方差分析模型 84
5.3?多因素方差分析 87
5.3.1?多因素方差分析的數學思想與模型 87
5.3.2?不考慮交互作用的雙因素方差分析 88
5.3.3?考慮交互作用的雙因素方差分析 89
5.4?秩檢驗和協方差分析 91
5.4.1?對控制變量應用秩檢驗方法 91
5.4.2?協方差分析的假設與應用 92
第6章?R中的相關分析和回歸分析 94
6.1?多種相關系數的度量和分析 94
6.1.1?簡單相關系數的計算和檢驗 94
6.1.2?散布矩陣圖和偏相關系數 96
6.1.3?典型相關分析 98
6.2?線性回歸分析及其常規參數 99
6.2.1?對數據進行預處理 100
6.2.2?構建**個回歸模型 101
6.2.3?修正方程并檢驗殘差 102
6.3?使用逐步回歸篩選自變量 104
6.3.1?逐步回歸的思想與分類 104
6.3.2?構建逐步回歸模型 105
6.4?啞變量和邏輯回歸 107
6.4.1?啞變量和邏輯回歸的思想 107
6.4.2?向線性回歸模型中納入啞變量 108
第7章?更高級的數據可視化 110
7.1?基礎圖形的拓展與延伸 110
7.1.1?繪制分類散點圖并添加圖標 110
7.1.2?繪制含多種類別的密度分布圖 112
7.1.3?復合條形圖和堆棧條形圖 114
7.2?有關多元分布函數的特殊圖形 117
7.2.1?星圖和臉譜圖 117
7.2.2?輪廓圖 120
7.2.3?調和曲線圖 122
7.3?建立*簡單的3D圖形 123
7.4?如何讓圖形更美觀 125
7.5?更多的繪圖包和系統 128
第8章?R中的聚類分析和判別分析 129
8.1?幾種聚類分析的異同 129
8.2?使用R實現KNN聚類 130
8.2.1?KNN算法的思想和模型 130
8.2.2?使用R實現KNN聚類 131
8.3?使用R實現系統聚類 133
8.3.1?系統聚類的思想和模型 133
8.3.2?使用R實現系統聚類 134
8.4?使用R實現快速聚類 136
8.4.1?快速聚類的思想和模型 136
8.4.2?使用R實現快速聚類 137
8.5?幾種判別分析模型綜述 140
8.5.1?距離判別模型 140
8.5.2?Fisher判別模型 142
第9章?R中的主成分分析和因子分析 145
9.1?主成分分析的實現與應用 145
9.1.1?主成分分析的模型假設和數據處理 145
9.1.2?構造一個主成分分析模型 147
9.1.3?計算主成分的綜合得分 149
9.2?因子分析的初次構建與完善 150
9.2.1?構造一個簡單的因子分析模型 150
9.2.2?計算因子得分并分析 152
9.3?對因子分析模型進行修正 153
9.3.1?修改因子分析模型中的因子個數 153
9.3.2?基于主成分法和主軸因子法進行因子分析 155
9.4?在降維分析的基礎上進行回歸分析和聚類分析 157
9.4.1?在降維分析的基礎上進行回歸分析 157
9.4.2?在降維分析的基礎上進行聚類分析 160
第10章?R中的廣義線性回歸模型 162
10.1?一般的廣義線性回歸模型 162
10.1.1?使用二次函數擬合線性回歸模型 162
10.1.2?擬合更多的廣義線性模型 164
10.1.3?比較線性模型的優劣 166
10.2?Logistic線性回歸模型 168
10.2.1?Logistic模型的原理與構建方法 168
10.2.2?Logistic模型的顯著性檢驗和優勢比 170
10.2.3?修正被警告的Logistic模型 171
10.3?泊松回歸分析模型 173
10.3.1?擬合**個泊松回歸模型 174
10.3.2?泊松回歸模型的過散布檢驗 176
10.4?廣義線性模型的交叉驗證 178
第11章?R中的時間序列模型 180
11.1?將數據轉換為時間序列格式 180
11.1.1?使用ts()函數轉換數據格式并繪制時間序列曲線 180
11.1.2?使用zoo()函數轉換數據格式并繪制時間序列曲線 182
11.2?分解時間序列并檢驗時間序列的自相關性 185
11.2.1?使用經典方法分解時間序列 185
11.2.2?使用STL方法分解時間序列 186
11.3?探究時間序列的自相關性 188
11.3.1?使用月圖和季度圖探究自相關性 188
11.3.2?使用散點圖探究自相關性 189
11.4?構建時間序列并預測 191
11.4.1?均值預測、單純預測和漂移 192
11.4.2?不考慮長期趨勢和季節波動的簡單指數平滑 195
11.4.3?在指數平滑中加入長期趨勢和季節波動 196
11.4.4?自回歸移動平均模型 198
第12章?R中的*優化問題 201
12.1?*優化問題簡述 201
12.2?黃金分割法 202
12.2.1?黃金分割法和局部*優解 202
12.2.2?使用R實現黃金分割法 203
12.3?牛頓*優化方法 205
12.3.1?牛頓法的算法原理 206
12.3.2?在一維情形下實現牛頓迭代法 207
12.3.3?在多維情形下實現牛頓迭代法 209
12.4?*快上升法 210
12.4.1?利用梯度求解上升*快的相鄰點 210
12.4.2?構建*快上升法函數并檢驗 212
12.5?R中的*優化函數 213
第13章?使用R繪制地理信息圖形 216
13.1?繪制世界、國家、省市地圖 216
13.1.1?使用map()函數繪制地圖 216
13.1.2?另一種繪制地圖的方法 218
13.1.3?分省市繪制地圖 220
13.2?向地圖中添加顏色 222
13.2.1?向地圖中添加顏色前的準備工作 222
13.2.2?在地圖上添加顏色 224
13.3?向地圖中添加標簽和線條 226
13.3.1?向地圖中添加標簽前的準備工作 226
13.3.2?在地圖上添加標簽 228
13.3.3?在地圖上添加線條 230
13.4?使用其他格式的文件優化地圖 232
第14章?使用R構建支持向量機 236
14.1?構建一個簡單的支持向量機 236
14.1.1?支持向量機的算法原理 236
14.1.2?構建一個簡單的支持向量機 238
14.1.3?使用其他核函數構建支持向量機 241
14.2?優化支持向量機的參數 243
14.2.1?優化參數degree 244
14.2.2?優化參數cost 247
14.2.3?優化參數gamma 249
14.3?比較支持向量機與Logistic回歸的優劣 252
14.4?比較支持向量機和KNN聚類算法的優劣 255
第15章?實現更高效的流程控制和高級循環 257
15.1?R中的流程控制 257
15.1.1?if語句的多種實現方法 257
15.1.2?ifelse語句與花括號的結合 258
15.1.3?適合多分支情況的switch語句 260
15.2?R中的for循環、while循環和repeat循環 262
15.2.1?R中的for循環和while循環 262
15.2.2?R中的repeat循環 264
15.3?apply家族中的循環函數 266
15.3.1?R中的apply()函數 266
15.3.2?R中的lapply()函數和sapply()函數 269
15.3.3?R中的tapply()函數 271
15.3.4?R中的mapply()函數 274
15.4?更多的高級循環函數 276
15.4.1?R中的replicate()函數和sweep()函數 276
15.4.2?R中的aggregate()函數 279
第16章?R代碼的調試與優化 282
16.1?R代碼的常見信息與警告 282
16.1.1?R代碼的正常信息與警告 282
16.1.2?R代碼中的警告處理方法 284
16.2?R代碼中的錯誤與錯誤處理方法 285
16.2.1?使用try()函數處理錯誤信息 285
16.2.2?將try()函數與循環相結合 287
16.3?調試R代碼 288
16.3.1?查看調用；驎和４a 288
16.3.2?修改error選項 290
16.4?向量化編程方法 291
16.4.1?向量化編程思想 291
16.4.2?比較循環和向量的運行速度 292
第17章?構建電影評分預測模型 295
17.1?獲取數據并探索 295
17.2?利用recommenderlab包處理數據 297
17.3?建立模型并評估 299
17.3.1?模型的選擇與建立 299
17.3.2?模型之間的比較和評估 301
第18章?貝葉斯垃圾郵件過濾器模型 303
18.1?貝葉斯模型中的條件概率 303
18.2?復雜的數據預處理過程 304
18.2.1?利用for循環讀入多封郵件正文 304
18.2.2?利用tm包進一步轉換數據格式 306
18.2.3?將TDM轉換成真正有用的數據框 307
18.3?利用occurrece值構造分類器 309
18.3.1?完成理論準備并處理測試郵件和普通郵件 309
18.3.2?創建一個函數
第1章?R的基本介紹 1
1.1?強大的R 1
1.2?R語言在大數據中的應用 2
1.2.1?R語言用戶行為分析 2
1.2.2?R語言處理金融大數據 3
1.2.3?R語言天氣數據可視化 4
1.2.4?R語言醫療大數據分析 4
1.3?R的安裝與啟動 5
1.3.1?安裝并啟動R 6
1.3.2?安裝并啟動一個IDE 7
1.4?R的向量、矩陣和數組 8
1.4.1?向量的操作方法和固有屬性 8
1.4.2?矩陣的操作和運算 10
1.4.3?數組中的維度函數 13
1.5?R的列表和數據框 14
1.5.1?列表的特性和編輯方法 14
1.5.2?數據框的創建和基本操作 17
1.6?R數據文件的載入和載出 19
1.6.1?結構化純文本文件的讀取和輸出 19
1.6.2?其他文件的讀取和輸出 22
1.7?向R中安裝包 23
第2章?原始數據的探索與預處理 26
2.1?度量數據集的集中程度 26
2.2?度量數據集的分散程度 27
2.2.1?極值、方差和標準差 27
2.2.2?標準誤和偏度系數、峰度系數 29
2.3?創建一個數值摘要表 30
2.4?異常值的觀測與說明 32
2.4.1?利用箱線圖觀測異常值并處理 32
2.4.2?異常值檢測的其他情況和說明 34
2.5?缺失值的填補與處理 35
2.5.1?刪除缺失值或對其進行簡單填補 36
2.5.2?按照相關性對空缺值進行填補 38
第3章?R的數據可視化 40
3.1?plot()函數和常用的圖形參數 40
3.1.1?設置plot()函數中的參數 40
3.1.2?修改散點圖的坐標并加入標注 43
3.2?經典的基礎圖形及用途 45
3.2.1?線圖 45
3.2.2?直方圖 49
3.2.3?箱線圖和莖葉圖 52
3.3?將圖形組合起來 55
3.4?更多的高水平作圖函數 57
3.5?更多的常用作圖命令 59
第4章?R中參數的估計和檢驗 62
4.1?使用R進行點估計和區間估計 62
4.1.1?簡單的點估計和區間估計 62
4.1.2?估計單側置信區間 65
4.2?與正態總體有關的參數檢驗 68
4.3?列聯表與獨立性檢驗 71
4.4?幾種檢驗數據分布的函數 72
4.5?對非正態總體的區間估計和檢驗 75
4.5.1?非正態總體的區間估計 75
4.5.2?非參數檢驗中的符號檢驗 76
4.5.3?非參數檢驗中的秩檢驗 78
第5章?R中的方差分析 80
5.1?方差分析模型的建立 80
5.2?單因素方差分析 81
5.2.1?單因素方差分析的數學思想與模型 81
5.2.2?檢驗樣本是否滿足方差分析的假設條件 82
5.2.3?構建單因素方差分析模型 84
5.3?多因素方差分析 87
5.3.1?多因素方差分析的數學思想與模型 87
5.3.2?不考慮交互作用的雙因素方差分析 88
5.3.3?考慮交互作用的雙因素方差分析 89
5.4?秩檢驗和協方差分析 91
5.4.1?對控制變量應用秩檢驗方法 91
5.4.2?協方差分析的假設與應用 92
第6章?R中的相關分析和回歸分析 94
6.1?多種相關系數的度量和分析 94
6.1.1?簡單相關系數的計算和檢驗 94
6.1.2?散布矩陣圖和偏相關系數 96
6.1.3?典型相關分析 98
6.2?線性回歸分析及其常規參數 99
6.2.1?對數據進行預處理 100
6.2.2?構建**個回歸模型 101
6.2.3?修正方程并檢驗殘差 102
6.3?使用逐步回歸篩選自變量 104
6.3.1?逐步回歸的思想與分類 104
6.3.2?構建逐步回歸模型 105
6.4?啞變量和邏輯回歸 107
6.4.1?啞變量和邏輯回歸的思想 107
6.4.2?向線性回歸模型中納入啞變量 108
第7章?更高級的數據可視化 110
7.1?基礎圖形的拓展與延伸 110
7.1.1?繪制分類散點圖并添加圖標 110
7.1.2?繪制含多種類別的密度分布圖 112
7.1.3?復合條形圖和堆棧條形圖 114
7.2?有關多元分布函數的特殊圖形 117
7.2.1?星圖和臉譜圖 117
7.2.2?輪廓圖 120
7.2.3?調和曲線圖 122
7.3?建立*簡單的3D圖形 123
7.4?如何讓圖形更美觀 125
7.5?更多的繪圖包和系統 128
第8章?R中的聚類分析和判別分析 129
8.1?幾種聚類分析的異同 129
8.2?使用R實現KNN聚類 130
8.2.1?KNN算法的思想和模型 130
8.2.2?使用R實現KNN聚類 131
8.3?使用R實現系統聚類 133
8.3.1?系統聚類的思想和模型 133
8.3.2?使用R實現系統聚類 134
8.4?使用R實現快速聚類 136
8.4.1?快速聚類的思想和模型 136
8.4.2?使用R實現快速聚類 137
8.5?幾種判別分析模型綜述 140
8.5.1?距離判別模型 140
8.5.2?Fisher判別模型 142
第9章?R中的主成分分析和因子分析 145
9.1?主成分分析的實現與應用 145
9.1.1?主成分分析的模型假設和數據處理 145
9.1.2?構造一個主成分分析模型 147
9.1.3?計算主成分的綜合得分 149
9.2?因子分析的初次構建與完善 150
9.2.1?構造一個簡單的因子分析模型 150
9.2.2?計算因子得分并分析 152
9.3?對因子分析模型進行修正 153
9.3.1?修改因子分析模型中的因子個數 153
9.3.2?基于主成分法和主軸因子法進行因子分析 155
9.4?在降維分析的基礎上進行回歸分析和聚類分析 157
9.4.1?在降維分析的基礎上進行回歸分析 157
9.4.2?在降維分析的基礎上進行聚類分析 160
第10章?R中的廣義線性回歸模型 162
10.1?一般的廣義線性回歸模型 162
10.1.1?使用二次函數擬合線性回歸模型 162
10.1.2?擬合更多的廣義線性模型 164
10.1.3?比較線性模型的優劣 166
10.2?Logistic線性回歸模型 168
10.2.1?Logistic模型的原理與構建方法 168
10.2.2?Logistic模型的顯著性檢驗和優勢比 170
10.2.3?修正被警告的Logistic模型 171
10.3?泊松回歸分析模型 173
10.3.1?擬合**個泊松回歸模型 174
10.3.2?泊松回歸模型的過散布檢驗 176
10.4?廣義線性模型的交叉驗證 178
第11章?R中的時間序列模型 180
11.1?將數據轉換為時間序列格式 180
11.1.1?使用ts()函數轉換數據格式并繪制時間序列曲線 180
11.1.2?使用zoo()函數轉換數據格式并繪制時間序列曲線 182
11.2?分解時間序列并檢驗時間序列的自相關性 185
11.2.1?使用經典方法分解時間序列 185
11.2.2?使用STL方法分解時間序列 186
11.3?探究時間序列的自相關性 188
11.3.1?使用月圖和季度圖探究自相關性 188
11.3.2?使用散點圖探究自相關性 189
11.4?構建時間序列并預測 191
11.4.1?均值預測、單純預測和漂移 192
11.4.2?不考慮長期趨勢和季節波動的簡單指數平滑 195
11.4.3?在指數平滑中加入長期趨勢和季節波動 196
11.4.4?自回歸移動平均模型 198
第12章?R中的*優化問題 201
12.1?*優化問題簡述 201
12.2?黃金分割法 202
12.2.1?黃金分割法和局部*優解 202
12.2.2?使用R實現黃金分割法 203
12.3?牛頓*優化方法 205
12.3.1?牛頓法的算法原理 206
12.3.2?在一維情形下實現牛頓迭代法 207
12.3.3?在多維情形下實現牛頓迭代法 209
12.4?*快上升法 210
12.4.1?利用梯度求解上升*快的相鄰點 210
12.4.2?構建*快上升法函數并檢驗 212
12.5?R中的*優化函數 213
第13章?使用R繪制地理信息圖形 216
13.1?繪制世界、國家、省市地圖 216
13.1.1?使用map()函數繪制地圖 216
13.1.2?另一種繪制地圖的方法 218
13.1.3?分省市繪制地圖 220
13.2?向地圖中添加顏色 222
13.2.1?向地圖中添加顏色前的準備工作 222
13.2.2?在地圖上添加顏色 224
13.3?向地圖中添加標簽和線條 226
13.3.1?向地圖中添加標簽前的準備工作 226
13.3.2?在地圖上添加標簽 228
13.3.3?在地圖上添加線條 230
13.4?使用其他格式的文件優化地圖 232
第14章?使用R構建支持向量機 236
14.1?構建一個簡單的支持向量機 236
14.1.1?支持向量機的算法原理 236
14.1.2?構建一個簡單的支持向量機 238
14.1.3?使用其他核函數構建支持向量機 241
14.2?優化支持向量機的參數 243
14.2.1?優化參數degree 244
14.2.2?優化參數cost 247
14.2.3?優化參數gamma 249
14.3?比較支持向量機與Logistic回歸的優劣 252
14.4?比較支持向量機和KNN聚類算法的優劣 255
第15章?實現更高效的流程控制和高級循環 257
15.1?R中的流程控制 257
15.1.1?if語句的多種實現方法 257
15.1.2?ifelse語句與花括號的結合 258
15.1.3?適合多分支情況的switch語句 260
15.2?R中的for循環、while循環和repeat循環 262
15.2.1?R中的for循環和while循環 262
15.2.2?R中的repeat循環 264
15.3?apply家族中的循環函數 266
15.3.1?R中的apply()函數 266
15.3.2?R中的lapply()函數和sapply()函數 269
15.3.3?R中的tapply()函數 271
15.3.4?R中的mapply()函數 274
15.4?更多的高級循環函數 276
15.4.1?R中的replicate()函數和sweep()函數 276
15.4.2?R中的aggregate()函數 279
第16章?R代碼的調試與優化 282
16.1?R代碼的常見信息與警告 282
16.1.1?R代碼的正常信息與警告 282
16.1.2?R代碼中的警告處理方法 284
16.2?R代碼中的錯誤與錯誤處理方法 285
16.2.1?使用try()函數處理錯誤信息 285
16.2.2?將try()函數與循環相結合 287
16.3?調試R代碼 288
16.3.1?查看調用；驎和４a 288
16.3.2?修改error選項 290
16.4?向量化編程方法 291
16.4.1?向量化編程思想 291
16.4.2?比較循環和向量的運行速度 292
第17章?構建電影評分預測模型 295
17.1?獲取數據并探索 295
17.2?利用recommenderlab包處理數據 297
17.3?建立模型并評估 299
17.3.1?模型的選擇與建立 299
17.3.2?模型之間的比較和評估 301
第18章?貝葉斯垃圾郵件過濾器模型 303
18.1?貝葉斯模型中的條件概率 303
18.2?復雜的數據預處理過程 304
18.2.1?利用for循環讀入多封郵件正文 304
18.2.2?利用tm包進一步轉換數據格式 306
18.2.3?將TDM轉換成真正有用的數據框 307
18.3?利用occurrece值構造分類器 309
18.3.1?完成理論準備并處理測試郵件和普通郵件 309
18.3.2?創建一個函數
展開全部
R語言與大數據編程實戰 作者簡介
李倩星：畢業于西南大學統計學專業，對數據挖掘、機器學習以及人工智能領域有深刻的研究。主持翻譯了《傳播學中的大數據：發展與不足》、《大數據、一個新興領域的誤區和方法與概念》、《數據挖掘揭示了差評導致的負反饋怪圈》等數十篇前沿科技文章，并發表于PPV課社區。
書友推薦
- >
李白與唐代文化
- >
小考拉的故事-套裝共3冊
- >
推拿
- >
莉莉和章魚
- >
羅曼·羅蘭讀書隨筆-精裝
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
【精裝繪本】畫給孩子的中國神話
- >
羅庸西南聯大授課錄
本類暢銷
