学习R语言第六天

2024-05-08 20:44
文章标签 语言 学习 第六天

本文主要是介绍学习R语言第六天,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

  • 绘制图形的方式
  • 计算字符的数量的方式
  • 提取字符变量的方式
  • 根据名称查询前缀的方式
  • 转化大小写的方式
  • 大写
  • 小写的
  • 获取数据长度的方式
  • 生成一个序列的方式
  • 从1开始到10,每次增加2
  • 从1到3 重复2次
  • 将函数到数据框中的方式
  • 生成数据
  • rnorm 生成30行数据,nrow是6列数据
  • 计算每行的平均值的
  • 计算每列的平均值
  • 计算每个行的结尾均值
  • 数据处理的方式
  • 统计每个学生的前20%到成绩进行A-b的方式进行排名的方式
  • 数学
  • 科学
  • 英语
  • 成绩
  • 计算综合得分
  • 后去2行到4行的数据 计算标准差
  • 计算每列平均值
  • cbind 数据进行合并
  • 对学生进行评分的方式
  • 计算学生的百分比
  • 注意使用百分比需要先计算均值
  • score 输入的向量的方式
  • 输出对应的百分比的方式
  • 学生进行评分的方式
  • 截取这个数据的方式
  • 安装名字的方式进行排序
  • 控制流的方式
  • 条件执行方式
  • group1是汽缸数量 group2是档位数量 mpg 是均值
  • 数据进行融合的方式
  • 数据进行合并的方式
  • 绘制直方图的方式
  • xlab 代表x ylab 代表y count 代表数据
  • 水平直方图 horiz = TRUE
  • 绘制条形图的方式
  • legend=rownames(counts) 图形添加标签的方式
  • col = c("red","yellow","green"), 中添加颜色的方式
  • 分组条形的方式 beside = TRUE
  • 计算均值
  • 绘制条形图的方式
  • 条形图增加标签
  • 增加y边界大小
  • 旋转条形的标签
  • cex.names = 0.8 减小字体的方式
  • 棘状图的方式
  • 饼状图的方式
  • slices 代表数据量的方式 labeles 标签名称的方式
  • 饼状图添加比例值
  • col=rainbow(length(lbls2)) 添加比例值的方式
  • 绘制3d的图形的方式

绘制图形的方式

计算字符的数量的方式

nchar(“abc”)

提取字符变量的方式

substr(“sdfd”,1,2)

根据名称查询前缀的方式

grep(3,c(1,“sdf”,“sdf”,3,“4”),fixed = TRUE)

转化大小写的方式

大写

toupper(“sdf”)

小写的

tolower(“SDF”)

获取数据长度的方式

length(12)

生成一个序列的方式

从1开始到10,每次增加2

seq(1,10,2)

从1到3 重复2次

rep(1:3,2)

将函数到数据框中的方式

a <- 5
sqrt(a)

生成数据

rnorm 生成30行数据,nrow是6列数据

mydata <- matrix(rnorm(30),nrow = 6)

mydata

计算每行的平均值的

apply(mydata,1,mean)

计算每列的平均值

apply(mydata,2,mean)

计算每个行的结尾均值

apply(mydata,2,mean,trim=0.2)

数据处理的方式

统计每个学生的前20%到成绩进行A-b的方式进行排名的方式

options(digits = 2)
Student <- c(“j”,“fs”,“sf”,“sf”)

数学

Math <- c(20,30,40,40)

科学

Science <- c(4,95,94,29)

英语

English <- c(34,5,3,13)

成绩

roster <- data.frame(
Student,
Math,
Science,
English,
stringsAsFactors = FALSE
)

roster

计算综合得分

后去2行到4行的数据 计算标准差

z <- scale(roster[,2:4])
z

计算每列平均值

score <- apply(z,1,mean)
score

cbind 数据进行合并

roster <- cbind(roster,score)
roster

对学生进行评分的方式

计算学生的百分比

注意使用百分比需要先计算均值

score 输入的向量的方式

输出对应的百分比的方式

y <- quantile(score,c(.8,.6,.4,.2))
y

学生进行评分的方式

roster g r a d e r [ s c o r e > = y [ 1 ] ] < − " A " r o s t e r grader[score >= y[1]] <- "A" roster grader[score>=y[1]]<"A"rostergrader[score < y[1] & score >= y[2] ] <- “B”
rosterKaTeX parse error: Expected 'EOF', got '&' at position 21: …r[score < y[2] &̲ score >= y[3] …grader[score < y[3] & score >= y[4] ] <- “D”
roster$grader[ score >= y[4] ] <- “F”

截取这个数据的方式

name <- strsplit((roster$grader)," ")

name

Lastname <- sapply(name,“[”,2)
Lastname
Firstname <- sapply(name,“[”,1)

roster <- cbind(Firstname,Lastname,roster[,-1])

roster

安装名字的方式进行排序

roster[order(Lastname,Firstname)]

控制流的方式

for (i in 1:10) print(“Hello”)

条件执行方式

x <- 10

if (1>x) print(“成功”) else print(“的”)

cars <- mtcars[1:5,1:4]
cars

t(cars)

options(digits = 3)
attach(mtcars)
mtcars

group1是汽缸数量 group2是档位数量 mpg 是均值

aggdata <- aggregate(mtcars,by=list(cyl,gear),FUN = mean,na.rm=TRUE)

aggdata

数据进行融合的方式

library(reshape2)

ID <- c(1,1,2,2)
Time <- c(1,2,1,2)
X1 <- c(5,3,6,2)
X2 <- c(6,5,1,4)

mydata <- data.frame(
ID,
Time,
X1,
X2
)

mydata

数据进行合并的方式

md <- melt(mydata,id=c(“ID”,“Time”))

md

library(“vcd”)
library(“grid”)

count <- table(Arthritis$Improved)
count

绘制直方图的方式

xlab 代表x ylab 代表y count 代表数据

barplot(count,
main = “simp ba”,
xlab = “Impo”,
ylab = “Fre”)

水平直方图 horiz = TRUE

barplot(count,
main = “simp ba”,
xlab = “Impo”,
ylab = “Fre”,
horiz = TRUE)

counts <- table(Arthritis I m p r o v e d , A r t h r i t i s Improved,Arthritis Improved,ArthritisTreatment)
counts

绘制条形图的方式

legend=rownames(counts) 图形添加标签的方式

col = c(“red”,“yellow”,“green”), 中添加颜色的方式

barplot(
counts,
main=“sf”,
xlab = “tsdf”,
ylab = “sdf”,
col = c(“red”,“yellow”,“green”),
legend=rownames(counts)
)

分组条形的方式 beside = TRUE

barplot(
counts,
main=“sf”,
xlab = “tsdf”,
ylab = “sdf”,
col = c(“red”,“yellow”,“green”),
legend=rownames(counts),
beside = TRUE
)

states <- data.frame(
state.region,
state.x77
)

states

计算均值

means <- aggregate(states$Illiteracy,by=list(state.region),FUN=mean)

means

means <- means[order(means$x),]
means

绘制条形图的方式

barplot(means x , n a m e s . a r g = m e a n s x,names.arg = means x,names.arg=meansGroup.1)
title(“fsd”)

条形图增加标签

增加y边界大小

par(mar=c(5,8,4,2))

旋转条形的标签

cex.names = 0.8 减小字体的方式

par(las=2)
barplot(
counts,
main=“sfs”,
horiz = TRUE,
cex.names = 0.8,
names.arg = c(“nosf”,“fs”,“fs”)
)

棘状图的方式

library(vcd)
counts <- table(Treatment,Improved)
spine(counts,main = “Sping gro Ex”)
detach(Arthritis)

饼状图的方式

par(mfrow=c(2,2))
slices <- c(10,12,4,16,8)
lbls <- c(“Us”,“UK”,“sf”,“fsd”,“fsqq”)

slices 代表数据量的方式 labeles 标签名称的方式

pie(slices,labels = lbls,
main = “fsd”)

饼状图添加比例值

pct <- round(slices/sum(slices)*100)
lbls2 <- paste(lbls," “,pct,”%",sep = “”)

col=rainbow(length(lbls2)) 添加比例值的方式

pie(slices,
labels = lbls2,
col=rainbow(length(lbls2)),
main = “sdfds”)

install.packages(“plotrix”)
library(plotrix)

绘制3d的图形的方式

pie3D(slices,
labels = lbls,
explode = 0.1,
main=“fs”)

mytable <- table(state.region)

lbls3 <- paste(names(mytable),“\n”,mytable,sep = “”)
lbls3
pie(mytable,labels = lbls3,
main = “fs”)

这篇关于学习R语言第六天的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/971392

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

科研绘图系列:R语言扩展物种堆积图(Extended Stacked Barplot)

介绍 R语言的扩展物种堆积图是一种数据可视化工具,它不仅展示了物种的堆积结果,还整合了不同样本分组之间的差异性分析结果。这种图形表示方法能够直观地比较不同物种在各个分组中的显著性差异,为研究者提供了一种有效的数据解读方式。 加载R包 knitr::opts_chunk$set(warning = F, message = F)library(tidyverse)library(phyl

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识