在网上找了很久关于数据转换的，都没有找到比较好的。现在为大家整理一下。按照我自己的思路。当然也是为了自己做笔记。为了方便，大家可以统一安装一个系列的包，这个只需要安装tidyverse这个包就可以，它会安装一系列的数据处理的包，比如ggplot2，dplyr等主力的包。 #安装tidyverse包
install.packages('tidyverse')
#加载这个包
library(tidy
转载
2023-10-31 22:32:10
80阅读
# R语言中的ADF检验与P值解析
在时间序列分析中，单位根检验是一个重要的步骤，它可以帮助我们确定一个序列是否是平稳的。Augmented Dickey-Fuller (ADF) 检验是最常用的单位根检验方法之一。在本文中，我们将详细介绍ADF检验以及如何在R语言中进行实现。同时，我们还将讨论检验的P值如何解读，并提供一些代码示例。
## 什么是单位根检验？
在时间序列分析中，平稳性是一个
原创
2024-09-21 03:44:39
267阅读
基于R语言进行栅格数据统计及Raster包简介写在前面：日常数据处理中常需要对单个栅格图层进行统计，包括计算其均值、最值和总和等等。使用R语言可方面快速地实现该需求，主要借助的package为Raster包。library(raster)
x = raster('data/data.tif')
cellStats(x,stat='mean')x表示待计算的栅格；stat表示需要统计的内容，包括su
转载
2024-05-22 17:38:05
55阅读
数据嘅可视化确实非常重要，而R语言作图能力亦都相当完美！特别喺ggplt2呢个包，学熟距简直就可以直接showoff一番，未来连续几日，我都会从网路上收集d比较好嘅教材，share俾大家啦！作者：黄宝臣总结来说有以下几点：ggplot2的核心理念是将绘图与数据分离，数据相关的绘图与数据无关的绘图分离ggplot2是按图层作图ggplot2保有命令式作图的调整函数，使其更具灵活性ggplot2将常见
1. 方差分析假定：正态性（否则建立广义线性模型），独立性（否则建立混合线性模型，定义G矩阵和R矩阵），齐次性（否则混合线性模型，定义G矩阵和R矩阵）2. 单因素方差分析（为什么高级心统老师讲“边际均值比较”更常用？）2.1 安装相关R包，并找出数据（来源“agridat，将数据命名dat）。这里使用devtools下载github上的文件，devtools后面的格式是install_github
转载
2023-11-21 13:12:59
26阅读
“
医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。前面介绍了超多DCA的实现方法，基本上常见的方法都包括了，代码和数据获取方法也给了大家。今天介绍的是如何实现其他模型的DCA，比如lasso回归、随机森林、决策树、SVM、xgboost等。这是基于dca.r/stdca.r实现
转载
2023-12-25 00:29:26
205阅读
变差分解分析(Variance Partitioning Analysis)可用于确定指定环境因子对微生物(原生生物/植物/动物等等)群落结构变化的解释比例。要计算指定环境因子与群落结构的相关性，就需要约束非指定环境因子的同时，对指定环境因子做排序分析。其实就是相当于做partial排序分析。文章《R统计-PCA/PCoA/db-RDA/NMDS/CA/CCA/DCA等排序分析教程》写过如何使用v
转载
2023-12-19 05:56:57
71阅读
作者简介 Introduction上篇文章中提了一下如何通过ggpubr包为ggplot图添加p-value以及显著性标记,本文将详细介绍。利用数据集ToothGrowth进行演示。ggpubr安装和加载# 直接从CRAN安装
install.packages("ggpubr", repo="http://cran.us.r-project.org")
#先加载包
library(ggpubr)
转载
2024-05-17 11:14:15
102阅读
@R语言相关分析与典型相关分析
#相关分析与典型相关分析
#pearson相关系数
a=c(1,3,5,7,9);b=c(1,4,6,9,10)
cor(a,b) #pearson相关系数
cor.test(a,b) #检验相关系数的显著性
cor(iris[1:4]) #相关系数,参数填数据集，则计算相关系数矩阵#spearman相关系数,亦即秩相关系数
#spearman和kend
转载
2023-10-30 21:29:31
275阅读
当我们说到p-value时，我们在说什么？“这个变量的p-value小于0.05，所以这个变量很重要”........你真的知道自己在说什么么？？？这个p-value到底是个什么鬼？为什么小于0.05就很重要？很重要是什么意思？？？？？终于...这次，我们通俗易懂地来讲讲到底什么是p-value（p值）。在讲p-value之前，我们用掷硬币来举个例子。硬币有正反两面，在概率中我们知道，出现正反面的
在机器学习和统计分析中，线性回归是一个常见而重要的工具。它能通过一条直线来近似表示自变量与因变量之间的关系。在 Python 中实现线性回归时，通常会关注几个关键的输出指标，包括R值和p值。这些指标帮助我们评估模型的拟合优度和统计显著性。
> 线性回归是一种用来表示两个或多个变量之间关系的统计学方法。它通过最小二乘法来确定最佳拟合直线。——《统计学基础》
### 背景定位
在机器学习的历史中
以下图所示的成绩表为例，这种每个样本的信息占据一行的记录方式就是宽数据，它看着非常直观，也是录入数据常使用的形式。 宽数据示意
长数据则是另外一种记录方式，如下图所示，姓名+班级构成了样本标识（表中有重名，仅使用姓名无法唯一确定样本），而所有科目以及总分的成绩则被折叠放置在同一栏，并使用新变量“科目”作为变量标识。这种记录方式虽然看起来不太直观，但有时在进行可视化、数学建模等处理时会很
转载
2024-07-20 08:26:50
132阅读
一、独立性检验
根据频数信息判断两类因子彼此相关或相互独立的假设检验。
转载
2023-05-24 21:25:40
1151阅读
2021 Jul 21的European Respiratory Journal。IF:16.672。知识点 LC-MS 非靶向代谢组技术简介代谢组学是直接研究生物体受基因和蛋白调控的所有代谢物的变化规律和功能的科学，是探究生物现象结果的科学，代谢组学 研究一方面可以发掘一些新的分子标志物，另一方面通过与蛋白质组学、基因组学数据的联动分析，可以从原因和结果两方面分 析生物体的内在变化，将系统生物学
转载
2024-04-30 14:25:03
224阅读
VaR、CVaR求解，基于python 1.VaR值计算(在险价值) (方差协方差法、蒙特卡洛模拟法、历史模拟法) 2.CVaR值计算、基于CVaR的投资组合优化(条件在险价值)介绍在金融风险管理和投资组合优化中，VaR和CVaR是两个重要指标。VaR代表在特定概率水平下的最大预期亏损，而CVaR代表超过VaR预期亏损的平均值。本文旨在介绍基于Python的VaR和CVaR求解方法，以及基于CVa
# Python逻辑回归P值的实现
## 1. 概述
在机器学习中，逻辑回归是一种常用的分类算法。在实际应用中，我们往往需要评估每个特征的重要性，并判断其对目标变量的影响是否显著。这时，就需要计算特征的P值，来进行统计推断。
本文将介绍如何使用Python实现逻辑回归的P值计算。
## 2. 实现流程
下面是逻辑回归P值计算的整体流程：
```mermaid
flowchart TD
原创
2023-11-05 05:37:00
82阅读
在日常工作尤其是财务工作中，我们经常需要在较多的数据中取得我们所需要的数据，如果一个一个地查找，不仅效率低下而且容易出错，使用VLOOKUP函数就可以快速找到我们需要的数据，而且准确性有保证；步骤一：以该表格中数据为例，我们需要在A:B列中找到与C列对应的B列的数据；首先打开EXCEL后，将鼠标放在一空白列中，在菜单栏中找到公式； 步骤二：点开公式之后会看到插入公式，如果不想这么麻烦
转载
2024-06-27 18:41:29
270阅读
# GESA数据分析与p值的理解
在生物信息学领域，基因表达数据分析（GESA）是研究基因与生物过程之间关系的重要工具。GESA（Gene Set Enrichment Analysis）可以帮助我们理解特定基因集在不同条件下的表现，而p值则是判断这些结果显著性的重要指标。在本文中，我们将探讨GESA的基本概念，并介绍如何使用Python进行GESA分析，最后解析p值的意义。
## 什么是GE
原创
2024-08-30 06:29:53
272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
### Python 皮尔森系数的 P-Value
在统计学中，皮尔森相关系数（Pearson correlation coefficient）是用来衡量两个变量之间线性关系强度的一种方法。其取值范围在-1到1之间，值越接近于1或-1，表示线性关系越强。为了判断这个相关性的显著性，我们可以使用 P 值。
P 值是一种用于表达假设检验中观察结果的显著性水平的指标。小于某个阈值（通常取0.05）的
