# R语言中的环境管理:清空环境的应用 在数据科学和统计分析中,R语言被广泛应用。它是一个功能强大的编程语言,特别擅长于数据可视化和统计分析。然而,随着数据分析的复杂性增加,管理R的工作环境变得至关重要。在R中,用户可能会加载多个数据集和对象,这些对象占用内存并可能导致混乱,因此,了解如何有效地清空环境显得尤为重要。 ## R环境概述 在R语言中,工作环境是一个包含所有已创建对象(如数据框、
x <-  c(2,3,5.5,6.6,6)class(x)          //查看类型或者mode(x)length(x)      //长度ls( )               //列出当前所有活动对象 
转载 2023-05-23 18:38:09
317阅读
#c函数 a<-c(1,2,5,3,6,-2,4) b<-c("one","two","three") c<-c(TRUE,TRUE,FALSE,TRUE,FALSE) #返回一个向量中的元素 a<-c("k","j","a","c","m") a[3] a[c(1,3,5)] a[2:6] #matrix(用来创建矩阵:字符型,数值型,逻辑型) y<-matrix
R 语言描述性分析 目录1. 数字特征1.1 样本均值1.2 样本方差1.3 标准差1.4 中位数1.5 分位数1.6 极差1.7 自定义数字特征函数2 常用的分布2.1 正态分布2.1.1 概率密度函数 dnorm(x, mean = 0, sd = 1, lower.tail = T)2.1.2 分布函数 pnorm(q, mean = 0, sd = 1, lower.tail =
接前文:R语言基础(一):注释、变量3.常用函数函数就是一些已经编写好的功能,我们拿过来直接使用就可以了。3.1 查看变量ls()也许你清空了控制台,看不到之前的变量。但是它一直存在于系统中。我们可以使用ls()函数查看已经定义过的变量(后续内容中:>开头的行是代码,[1]开头的行是运行结果,同学们在写代码的饿时候,不需要写每行开头的>)。> x<-10 > y&lt
转载 2023-05-22 14:25:10
286阅读
Linux rm命令用于删除一个文件或者目录。【rm 是 linux 系统下删除文件的命令。-r 代表删除这个下面的一切,f 表示不需要用户确认,直接执行,通常这个命令都是指定文件夹用的, 比如rm -rf /tmp/ 就是删除/tmp/这个文件夹下面的所有东西,但是如果后面的文件夹路径没有加,rm -rf / 在服务器上也就意味着….rmrm -rf , rm -f 以及rm 命令的其他参数
从零开始学R语言Day4|向量、矩阵和数组1.1向量1.1.1向量在Day2中我们提及过用和c()函数来构建向量,具体实例如下。 我们还可以采用vector(“类型”,长度)函数来创建一个指定类型和长度的矢量,这里的类型是指数据类型。但是个人觉得这个函数很鸡肋,因为不能控制具体的参量输入,只能做初始化用途,据说是R语言发展历史中的遗留函数,所以本函数就权当了解一下R的历史
meltmelt(data, id.vars, measure.vars, variable.name = "variable", ..., na.rm = FALSE, value.name = "value", factorsAsStrings = TRUE)id.vars 表示固定不变的列 measure.vars 控制变量,需要处理的列,将这些列名作为某一列的数值 variab
转载 2023-08-31 09:53:34
207阅读
常见概率分布及在R中的应用转载 :http://eyejava.iteye.com/blog/324189R提供工具来计算累计分布函数p(cummulative distribution function CDF),概率密度函数d和分位数函数q,另外在各种概率分布前加r表示产生随机序列(R这种直接在分布前面加前缀的语法太难读了,pt() 误以为还是一个函数,实际上的含义是p(t()),为什么不写成
1.源码  function (x, y, wt = NULL, intercept = TRUE, tolerance = 1e-07, yname = NULL) { x <- as.matrix(x) y <- as.matrix(y) xnames <- colnames(x)#x的列名 if (is.null(xnam
转载 2023-05-23 12:07:22
482阅读
 数据作为信息的载体,要分析数据中包含的主要信息,即要分析数据的主要特征(即数据的数字特征), 对于数据的数字特征, 包含数据的集中位置、分散程度和数据分布,常用统计项目如下:集中趋势统计量:离散趋势统计量:标准差(sd)、方差(var)、极差(range)、变异系数(CV)、标准误、样本校正平方和(CSS)、样本未校正平方和(USS)分布情况统计量:偏度、峰度示例函数 集中趋
转载 2024-01-25 15:42:32
93阅读
R语言做逻辑回归回归的本质是建立一个模型用来预测,而逻辑回归的独特性在于,预测的结果是只能有两种,true or false在R里面做逻辑回归也很简单,只需要构造好数据集,然后用glm函数(广义线性模型(generalized linear model))建模即可,预测用predict函数。我这里简单讲一个例子,来自于加州大学洛杉矶分校的课程首先加载需要用的包library(ggplot2) #
转载 2023-06-21 19:28:29
189阅读
dplyr 包提供了一系列好用的函数,用来进行数据处理和转换,掌握之后可以高效解决数据处理中的绝大多数问题,我们先来看一下 dplyr 包最核心的 5 个函数。select: 筛选字段filter: 按条件过滤arrange: 按字段排序mutate: 创建新字段summarize: 数据汇总这一章需要使用 gapminder 数据集,该数据集记录了 140 多个国家的人口、寿命、国内生产总值(g
在使用R语言作图时,有时需要在图上标注诸如求和、积分、上下标等数学符号,该操作可以通过expression函数完成。   expression(...)   括号中输入数学表达式,配合plot、text、title、axis等函数使用,可以将数学公式绘制在图表上。
R语言使用rnorm函数生成正太分布数据、使用qqnorm函数绘制QQ图、如果向量为正态分布则数据点基本在一条直线上目录R语言使用rnorm函数生成正太分布数据、使用qqnorm函数绘制QQ图、如果向量为正态分布则数据点基本在一条直线上R 语言特点R语言使用rnorm函数生成正太分布数据、使用qqnorm函数绘制QQ图、如果向量为正态分布则数据点基本在一条直线上R 语言特点R 语言环境软件属于 G
R语言小白学习笔记7—高效的分组操作:dplyr笔记链接学习笔记7—高效的分组操作:dplyr7.1 管道和tbl数据类型7.2 select函数7.3 filter函数7.4 slice函数7.5 mutate函数7.6 summarize函数7.7 group_by函数7.8 arrange函数7.9 do函数7.10 dplyr使用数据库小结 学习笔记7—高效的分组操作:dplyrdply
使用平滑曲线,沿着X轴从左向右的顺序依次连接,可以使用spline样条函数线。
转载 2023-05-30 11:04:44
304阅读
R语言使用subset()函数从dataframe数据中取出满足条件的数据子集目录R语言使用subset()函数从dataframe数据中取出满足条件的数据子集R 语言特点R语言使用subset()函数从dataframe数据中取出满足条件的数据子集R可以在CRAN(Comprehensive R Archive Network,http://cran.r-project.org)上免费下载。R
 R语言中diag函数用于获取矩阵的对角线元素001、dat <- matrix(1:9, nrow = 3) ## 生成矩阵(方阵,行列相等) dat diag(dat) ## 取对角线元素  002、非方阵情况dat <- matrix(1:15, nrow = 3) ## 生成3行5列矩阵
转载 2023-05-23 11:31:32
449阅读
plot函数R语言中画图使用最多的函数,参数也非常之多,简单的总结,之后应该会在学习的过程中不断完善。plot(x, y = NULL ,type = "p", xlim = NULL, ylim = NULL,log = "", main = NULL, sub = NULL, xlab = NULL, ylab = NULL,ann = par("ann"), axes = TRU
转载 2023-05-23 13:09:31
311阅读
  • 1
  • 2
  • 3
  • 4
  • 5