本文对应《R语言实战》第15章：处理缺失数据的高级方法 本文仅在书的基础上进行简单阐述，更加详细的缺失数据问题研究将会单独写一篇文章。 处理缺失值的一般步骤：识别缺失数据；检查导致数据缺失的原因；删除包含缺失值的实例或用合理的数值代替（插补）缺失值。 缺失数据的分类：完全随机缺失（MCAR）：某变量的缺失数据与其他任何观测或未观测的变量都不相关；随机缺失（
转载
2023-08-07 22:02:37
343阅读
# 在R语言中使用mar函数
R是一种广泛用于统计分析和数据可视化的编程语言，而mar函数则在R中用于设置图形的边距。理解和合理设置图形的边距对于生成清晰、易读的图表至关重要。本文将深入探讨mar函数的使用，提供代码示例，并解释如何通过设置边距来优化图形的视觉效果。
## 基本概念
在R中，边距的设置通过par()函数进行管理，其中mar参数控制着图形的四个边距。mar参数接受一个长度为4的
有关绘图的全局参数多数都可以使用par()函数设置，该函数有丰富的在线参考信息，可通过?par获得。这只讲些常用参数的设置。 1 R绘图参数中表示距离大小的一般都有“英寸”和“行”两种单位方式。图形边距设定参数可以用mai（英寸边距）和mar（行边距）。四个边距的顺序是下、左、上、右。设置方法： par(bg = "cyan") #把图形背景设为青色以便观察
par(mar = c(
转载
2023-07-07 14:36:04
0阅读
科普：1.R语言，一种自由软件编程语言与操作环境，主要用于统计分析、绘图、数据挖掘。R本来是由来自新西兰奥克兰大学的Ross Ihaka和Robert Gentleman开发（也因此称为R），现在由“R开发核心团队”负责开发。2.R-revolution经过了一些加强，使得他能运用到更多的领域：高性能，R-revolution使用intel的数学核心函数库来进行大部分数学计算任务，使得它的运算速度
转载
2023-10-15 07:50:07
59阅读
在R语言中指定画图边框时，通常使用两种单位， lines 和 inches当然，这两个单位之间是可以相互转换的，那么 1 inch = ? line答案是1 inches = 5 lines下面给出具体的分析过程：par 函数中有两个参数，返回的是margin的宽度，只不过单位不同：mar : 返回边框的宽度， 返回值的单位为 lines mai: 返回边框的宽度， 返回值的单
转载
2023-06-29 15:57:46
230阅读
Knitr和Rmarkdown包是数据分析中的动态报告利器，本文介绍其基本使用方法。标题# 一级标题（#+空格+文字） ## 二级标题（##+空格+文字） 列表无序列表：列表项前加短横线 -有序列表：列表项前加数字文本样式链接 : [Title](URL)
加粗 : **Bold**
斜体字 : *Italics*
删除线 : ~~tex
转载
2023-08-07 22:27:05
203阅读
实验课2问题描述：编程思想：本次实验课主要采取apply()函数、which.max()、order()排序等常用函数的调用和功能apply函数的结构是apply（X，MARGIN，FUN，…）这里：X是指我们将对其应用操作的数据集（在本例中是矩阵）MARGIN参数允许我们指定是按行还是按列应用操作行边距=1列边距=2FUN指的是我们想要在X上“应用”的任何用户定义或内置函数 让我们看看
转载
2023-08-08 14:03:22
186阅读
001、a <- par()
class(a) ## par函数返回列表
length(a) ## 一共72个可选项
head(a, 3)
par()$mfrow
par(mfrow = c(2, 2)) ## 修改par中的参数
par()$mfrow
转载
2023-06-01 15:17:09
196阅读
注： 本文是R语言sf包的核心开发者和维护者——来自德国明斯特大学的地理信息学教授：
Edzer Pebesma 的一篇关于sf包的简介，发表于2018年7月的R语言期刊，主要讲述了sf的定位、功能、开发现状及现存问题和今后展望，sf包是一个非常了不起的工具，在R语言中引入了空间数量分析领域通用的标准规范（simple feature），结合tidyverse工具箱组合
转载
2023-06-30 18:38:28
419阅读
1.单因素方差分析：适用于单因素A有两个水平或以上，研究个水平对因变量的影响正态假设条件：W检验shapiro.test():原假设为数据来自正态分布方差齐性条件：Bartlett检验（主要用于正态分布的数据） bartlett.test(x, g, ...)x是数据向量或列表（list）；g是因子向量，如果x是列表则忽略g。 当使用数据集时，也可以通过formula调用函数&
转载
2023-06-25 20:40:28
273阅读
http://blog.sina.com.cn/s/blog_597fcb450100c3um.html 【转】R与SAS、SPSS的比较 (2009-03-05 20:29:40)
转载 标签： 教育分类： 学习R与SAS、SPSS的比较R语言 R是用于统计分析、绘图的语言和操作环境。R是
高级数据管理数值和字符处理函数数学函数函数描述np.abs(x)绝对值np.sqrt(x)平方根np.ceil(x)大于x的最小整数np.floor(x)小于x的最大整数np.trunc(x)向0截取x中的整数部分np.round(x, decimals=2)将x舍入为指定位的小数np.cos(x)/sin(x)/tan(x)余弦/正弦/正切np.arccos(x)/arcsin(x)/acrta
转载
2024-07-12 18:50:33
46阅读
R语言和集算器吸引人的地方之一在于，它们的代码风格都比较敏捷，用简短的代码就可以实现丰富的功能。比如都可以写出”Vector Computing”表达式，对判断语句都进行了简化，都可以把基础函数扩展成高级函数，都支持泛型。其中向量化计算的特点是用函数和运算符处理批量数据，避免循环语句。这将带来2个优点：使程序员可以轻松掌握，降低学习成本；方便实现计算，提高性能。下面用几个例子来比较一下R和集算器在
转载
2023-08-18 13:01:45
165阅读
加载可能用到的包library(xml2)
library(rvest)
library(reshape2)
library(ggplot2)
library(dplyr)读取数据打开数据来源的链接，鼠标点击右键检查，将内容复制到文本文件中，我这里命名为new1.txtpage"new1.txt")
JokicJokic[[9]]
list(Jokic)
df1colnames(df1)首先看一看
转载
2023-11-03 12:30:17
96阅读
（注明：以下文章均在Linux操作系统下执行）一、R语言简介R语言是用于统计分析，图形表示和报告的编程语言和软件环境。R语言由Ross Ihaka和Robert Gentleman在新西兰奥克兰大学创建，目前由R语言开发核心团队开发。R语言的核心是解释计算机语言，其允许分支和循环以及使用函数的模块化编程。R语言允许与以C，C ++，.Net，Python或FORTRAN语言编写的过程集
转载
2023-07-23 20:22:52
309阅读
下面录入文法文件，运行ANTLRWorks点击“File– New”菜单新建文法文件，在新文件中将前面的文法录入。（我的网站中有本书所有示例源代码，但我建议您还是手工录入一遍。这样您会有更好的学习效果。）录入文法后点击“File – Save” 菜单文件名为“E.g”。然后点击“Generate–GenerateCode”，如果ANTLRWorks提示“The grammar has been s
转载
2023-12-25 13:47:17
41阅读
R语言︱情感分析—基于监督算法R语言实现笔记。可以与博客 R语言︱词典型情感分析文本操作技巧汇总（打标签、词典与数据匹配等）对着看。 词典型情感分析大致有以下几个步骤：训练数据集、neg/pos情感词典、分词+数据清洗清洗（一、二、三级清洗步骤）、计算情感得分、模型评价 ———————————————————————————————————————————— 
在R语言中，因子（factor）表示的是一个符号、一个编号或者一个等级，即，一个点。例如，人的个数可以是1，2，3，4......那么因子就包括，1，2，3，4.....还有统计量的水平的时候用到的高、中、低，也是因子，因为他是一个点。与之区别的向量，是一个连续性的值，例如，数值中有1，1.1，1.2......可以作为数值来计算，而因子则不可以。如果用我自己的理解，简单通俗来讲：因子是一个点，向
转载
2023-06-21 22:48:48
223阅读
R语言是为数学工作者设计的一种数学编程语言，主要用于统计分析。绘图、数据挖掘。R语言是一种解释型的面向数学理论工作者的语言，与C语言同样是出自贝尔实验室之手，但是C语言是面向计算机软件工程师设计的。R 语言的特点R语言属于GNU开源软件，兼容性好，使用免费语法十分有利于复杂的数学运算数据类型丰富，包括向量、矩阵、因子、数据集等常用数据结构代码风格好，可读性强R环境安装R语言的开发环境本身具备了图形
转载
2023-09-06 19:50:33
84阅读
回归分析是科学研究中十分重要的数据分析工具。随着现代统计技术发展，回归分析方法得到了极大改进。混合效应模型（Mixed effect model），或称多水平模型（Multilevel model）/分层模型(Hierarchical Model)/嵌套模型(Nested Model)，无疑是现代回归分析中应用最为广泛的统计模型，代表了现代回归分析主流发展方向。混合效应模型形式灵活可以应对现代科学
转载
2023-07-11 09:45:08
167阅读
