navysummer的博客_Android,ASP,C#(4)

按发布时间
按阅读量
2019年 272篇

全部1374篇
2025年3篇 06月1篇 04月1篇 02月1篇 2024年28篇 12月1篇 10月1篇 09月1篇 08月2篇 07月2篇 06月15篇 05月4篇 02月1篇 01月1篇 2023年43篇 12月2篇 11月6篇 10月1篇 08月4篇 07月9篇 06月1篇 05月3篇 04月10篇 03月4篇 01月3篇 2022年62篇 12月5篇 11月7篇 10月4篇 09月4篇 08月6篇 07月5篇 06月4篇 05月13篇 03月2篇 02月7篇 01月5篇 2021年34篇 12月7篇 11月6篇 10月5篇 07月7篇 06月1篇 02月2篇 01月6篇 2020年71篇 12月3篇 11月1篇 10月3篇 09月6篇 06月1篇 05月11篇 04月12篇 03月8篇 02月10篇 01月16篇 2019年272篇 12月4篇 11月3篇 10月3篇 09月4篇 08月9篇 07月8篇 06月11篇 05月9篇 04月24篇 03月10篇 02月84篇 01月103篇 2018年832篇 12月78篇 11月15篇 10月31篇 09月114篇 08月18篇 07月2篇 06月11篇 05月23篇 04月10篇 03月16篇 02月409篇 01月105篇 2017年29篇 12月1篇 11月22篇 09月5篇 05月1篇
推荐/精选
全部

全部原创转载翻译

嵌入表格和图表

如果没有 R 代码块，R Markdown 与普通的 markdown 文档没有什么区别。使用代码块，代码的输出便可以嵌入到文档中，动态生成最终结果。如果代码块使用的是随机数生成器而没有设定随机数种子，那么每次渲染文档，都将得到不同的结果。在默认情况下，代码块的输出直接放在代码下面，以##开头，固定

扩展包

交互图

数据

原创 2019-02-11 15:03:00 241 阅读

将 R 整合到 markdown 中

markdown 易于写入和读取，具有编写报告的必要功能，例如简单的文本格式，嵌入图片、链接、表、引用、数学公式以及代码块。虽然在 markdown 中编写纯文本很容易，但是创建具有许多图片和表格的报告却不是很容易，特别是当图和表是由代码动态生成的时候。R Markdown 是将 R 整合到 mar

html

代码块

应用程序

原创 2019-02-11 14:59:00 98 阅读

R语言网页爬虫

R 是统计计算和数据分析的利器。给定一个数据集，利用前几章介绍到的 R 中灵活的数据结构或高性能计算，我们可以很方便地进行数据转换、建模和数值分析。一般来说，商业数据库会将数据以表格的形式很好地组织起来，便于使用。然而，情况并非总是如此合意，输入数据集也并非总是立即可得。有时，我们需要自己收集数据。

其他

原创 2019-02-11 14:53:00 386 阅读

分析 HTML 代码并提取数据

在前面的内容中，我们已经学习了 HTML、CSS 和 XPath 的基础知识。从真实世界的网页中获取数据，关键在于如何编写合适的 CSS 或者 XPath 选择器。本节介绍一些确定选择器的简单方法。假设从https://cran.rstudio.com/web/packages/available_

html

选择器

css

原创 2019-02-11 14:52:00 47 阅读

使用 XPath 选择器

在前面的内容中，我们掌握了一些 CSS 选择器和它们的使用方法，以及 rvest 包中用于提取网页内容的函数。一般来说，CSS 选择器足够满足绝大部分的 HTML 节点匹配的需要。但是，当需要根据某些特殊条件选择节点时，需要用更强大的技术。图 14-5 所示的网页比 data/products.ht

html

xml

css

原创 2019-02-11 14:47:00 124 阅读

使用 CSS 选择器从网页中提取数据

在 R 中，关于网络爬虫最简单易用的扩展包是 rvest。运行以下代码从 CRAN 上安装：install.packages("rvest")首先，加载包并用 read_html( ) 读取 data/single-table.html，再尝试从网页中提取表格：library(rvest)## Lo

html

数据

选择器

原创 2019-02-11 14:46:00 230 阅读

查阅网页内容

信息展示在网页上。图 14-1 展示了一个简单的网页（网址为 data/simple-page.html），包括标题和一个段落：所有现代浏览器都支持这样的网页。用任意的文本编辑器打开 data/simple-page.html，就会看到网页背后的代码，如下所示：<!DOCTYPE html><htm

html

css

嵌套

原创 2019-02-11 14:44:00 146 阅读

高性能计算

在前一章中，我们学习了许多内置函数以及为数据操作量身定制的扩展包。虽然这些包依赖于不同的技术，设计初衷也有所不同，但它们都在很大程度上简化了数据筛选和聚合的步骤。然而，数据处理不仅仅是简单的筛选和聚合，有时还涉及模拟和其他计算密集型任务。R 比 C 和 C++ 这些高性能编程语言要慢很多，这是因为

其他

原创 2019-02-11 14:40:00 576 阅读

提高代码性能

在上一节中，我们演示了如何使用分析工具找出代码中的“性能瓶颈”。本节将学习一些提高代码性能的方法。使用内置函数使用向量化使用字节码编译器使用由 Intel MKL 支持的 R 使用并行计算使用 Rcpp

分析工具

并行计算

性能瓶颈

原创 2019-02-11 14:39:00 73 阅读

使用 Rcpp

正如我们所提到的那样，并行计算只有在每次迭代都是独立的情况下才可行，这样最终结果才不会依赖运行顺序。然而，并非所有任务都像这样理想。因此，并行计算可能会受到影响。那么怎样才能使算法快速运行，并且可以轻松地与 R 实现交互呢？答案是通过 Rcpp 用 C++ 语言编写算法（http://www.rcp

c++

多线程

向量化

原创 2019-02-11 14:38:00 135 阅读

使用并行计算

正如我们在上一节提到的，R 是被设计成单线程的，但它仍然可以使用多线程并行计算，即运行多个 R 会话进行计算。该技术是由一个随 R 一起发布的并行库来支持的。假设我们需要做一次模拟：生成一个遵循特定随机过程的随机路径，看看在任何一点是否有值超出了起点的一个固定邻域。以下代码是一种实现：set.see

并行计算

sed

加载

原创 2019-02-11 14:35:00 311 阅读

使用由 Intel MKL 支持的 R

我们通常使用的 R 版本是单线程的，即只使用一个 CPU 线程运行所有 R 代码。这样的好处是运行模型比较简单且安全，但是它并没有利用多核计算。Microsoft R Open（MRO，https://mran.microsoft.com/open/）是 R 的一个增强版本。由 IntelMath

microsoft

多核

多线程

原创 2019-02-11 14:33:00 115 阅读

使用字节码编译器

在上一节中，我们介绍了向量化的强大之处。然而，有时候难以使用向量化解决某些问题，必须使用 for 循环。在这种情况下，我们可以考虑使用字节代码编译器来编译函数，就不需要对函数进行解析，运行速度也会更快。首先，我们加载编译器的包，它是随 R 一起发布的。使用 cmpfun( ) 函数编译一个给定的 R

编译器

向量化

原创 2019-02-11 14:32:00 48 阅读

使用向量化

算术运算符是一些特殊的内置函数，诸如 +、-、*、/、^ 和 %%。这些运算符不仅高效，还是向量化的。比如在 R 中完成一个 + 的实现：add <- function(x, y) {stopifnot(length(x) == length(y),is.numeric(x), is.numeric

向量化

返回结果

迭代

原创 2019-02-11 14:31:00 134 阅读

使用内置函数

前面，我们演示了 my_cumsum1( )、my_cumsum2( ) 和内置函数 cumsum( ) 之间的性能差异。尽管 my_cumsum2( ) 比 my_cumsum1( ) 快，但是当输入向量的数据量很大时，cumsum( ) 要比它们都快很多。而且，随着输入向量数据量的增加，cums

内置函数

转置

泛型

原创 2019-02-11 14:29:00 66 阅读

代码的性能分析

在上一节中，我们学习了如何使用 microbenchmark( ) 对表达式进行基准测试。当一个问题有多种解法时，我们就

性能分析

性能瓶颈

分析工具

原创 2019-02-11 14:27:00 160 阅读

理解代码为什么会慢

在前面的内容中，我们学习了测试代码时间和分析代码性能的工具。为了解决同样的问题，某个函数可能非常快，而另一个函数可能会很慢。理解代码为什么会慢，对编程是很有帮助的。首先，R 是一个动态编程语言。它本身提供了非常灵活的数据结构和代码运行机制。因此，在函数被调用之前，代码解释器很难提前知道如何处理调用。

迭代

数据结构

预分配

原创 2019-02-11 14:27:00 109 阅读

用 profvis 进行性能分析

Rprof( ) 函数提供了有用的信息帮助我们找到代码瓶颈，进而提升代码性能。RStudio 也发布了一个增强版的分析工具 profvis( )，它还提供了用于分析 R 代码的交互式可视化功能（https://rstudio.github.io/profvis/）。它是一个 R 扩展包，已经集成到

时间轴

函数调用

github

原创 2019-02-11 14:26:00 182 阅读

用 Rprof 进行性能分析

R 提供了内置函数 Rprof( ) 对代码的性能进行分析。在分析过程中，会有一个抽样程序，并且是和后续代码一起运行的，直到分析结束。默认情况下，抽样程序基本上每隔20 毫秒就会记录一下当前 R 在运行哪个函数。这样，如果某个函数运行得很慢，那么很可能大部分时间都在调用这个函数。这种抽样方法可能不会

运行时间

数据

临时文件

原创 2019-02-11 14:24:00 44 阅读

测试代码性能

输入相同，3 个函数的输出结果也相同。尽管如此，它们的性能差异还是很明显。为了揭示性能差异，我们需要一些工具来测试每段代码的运行时间。最简单的便是system.time( ) 函数。测试任意表达式的运行时间，只需将代码封装在函数内。这里，我们测试 my_cumsum1( ) 函数计算包含 100 个

sed

数据

运行时间

原创 2019-02-11 14:22:00 113 阅读

理解代码性能问题

在诞生之初，R 就是为统计计算和数据可视化而设计的，并且被学界和业界广泛运用。就大多数数据分析的目的而言，正确性比性能更重要。换句话说，在 1 分钟内得到正确的结果比在 20 秒内获得错误的结果要好。速度快 3 倍的结果并不比速度慢但正确的结果好 3倍。因此，在确认自己的代码正确之前先不必考虑性能的

迭代

运行时间

维护时间

原创 2019-02-11 14:20:00 37 阅读

数据操作

在前面的章节中，我们已经学习了连接不同类型数据库的方法，包括关系型数据库（SQLite 和 MySQL）和非关系型数据库（MongoDB 和 Redis）。关系型数据库通常以表格形式返回结果，非关系型数据库则可能支持嵌套数据结构和其他特性。通常来说，即使数据已经被载入内存中，我们为数据分析所做的准备

其他

原创 2019-02-11 14:16:00 59 阅读

使用 rlist 包处理嵌套数据结构

在前面的章节中，我们已经学习了存储表的关系型数据库，支持嵌套数据结构的非关系型数据库。在 R 中，最常见的嵌套数据结构就是列表对象。之前的章节都关注操作表格数据。本节，我们一起玩转作者开发的 rlist 包，这是一个为操作非表格数据设计的包。rlist 的设计和 dplyr 非常相似。它提供了针对列

sed

数据

json

原创 2019-02-11 14:16:00 109 阅读

使用 dplyr 管道操作处理数据框

关于数据操作的另一个流行的包是dplyr，它发明了一种数据操作语法。dplyr 扩展包并没有使用构建子集函数（[ ]），而是定义了一系列基础的变形函数作为数据操作模块，并且引入了一个管道操作符，利用管道操作符将这些变形函数串联起来，进而完成复杂的多步任务。如果还没有安装 dplyr，请运行以下代码以

数据

操作符

sed

原创 2019-02-11 14:14:00 24 阅读

使用 data.table 包操作数据

在第一节中，我们回顾了许多用于操作数据框的内置函数。然后，了解了 sqldf 扩展包，它使得简单的数据查询和统计变得更简便。然而，两种方法都有各自的局限性。使用内置函数可能既繁琐又缓慢，而相对于各式各样的 R 函数来说，SQL 又不够强大，所以用 sqldf 进行数据的汇总统计，也不容易。data.

sed

数据

sql

原创 2019-02-11 14:11:00 82 阅读

data.table 中的动态作用域

data.table 中最常用的语法就是 data[i, j, by]，其中 i、j 和 by 都是在动态作用域中被计算的。换句话说，我们不仅可以直接使用列，也可以提前定义诸如 .N 、.I 和 .SD 来指代数据中的重要部分。演示之前，我们先创建一个新的 data.table ，并命名为 mark

数据

原始数据

作用域

原创 2019-02-11 14:10:00 67 阅读

使用原地设置函数

使用 data.frame 时，改变列名或者排序，都会导致数据结构的复制。在最新版本的 R中，对列重命名已经很少复制了，但要实现完全不进行任何复制就能将某列重新排序，仍然很困难。当数据量较小的时候，还不是问题，如果数据非常大的话，这种操作对性能和内存造成的压力可能就比较麻烦了。作为 data.fra

重命名

数据

数据结构

原创 2019-02-11 14:08:00 61 阅读

重塑 data.table

在前面的章节中，我们已经学习了如何使用 reshape2 扩展包对 data.frame 进行塑形。其实，data.table 扩展包为 data.table 对象提供了更快更强的 dcast( ) 函数和 melt( ) 函数。例如，将 toy_tests 的每个产品的质量得分按照年和月进行对齐：

数据

数据类型

扩展包

原创 2019-02-11 14:06:00 76 阅读

对数据分组汇总

data.table 中另一个非常重要的参数是 by，它用于将数据分割成多个部分（即按照 by 的值进行分组），并且对每个部分（组）计算第 2 个参数。在本节中，我们将会演示如何通过 by 以更简便的方式实现数据的分组汇总。例如，by 的最简单用法就是计算每组的记录条数。在下面的代码中，我们将分别统

sed

搜索

数据

原创 2019-02-11 14:05:00 112 阅读

使用键获取行

data.table 的另一个独特功能是它的索引支持，也就是说，我们可以在 data.table 中创建键（key），通过键获取记录极其高效。例如，使用 setkey( ) 将 id 设置为 product_info 中的一个键：setkey(product_info, id)注意到，这个函数的行为

数据

sed

好用

原创 2019-02-11 14:03:00 52 阅读

欢迎

首页
1
2
3
4
5
6
7
8
共271条记录

官方博客	全部文章	热门标签	班级博客
了解我们	网站地图	意见反馈

鸿蒙开发者社区	51CTO学堂
51CTO	软考资讯

51CTO博客

navysummer的博客