R语言与概率统计(一) 描述性统计分析
#查看已安装的包，查看已载入的包，查看包的介绍
########例题3.1
#向量的输入方法
w<-c(75.0, 64.0, 47.4, 66.9, 62.2, 62.2, 58.7, 63.5,
66.6, 64.0, 57.0, 69.0, 56.9, 50.0, 72.0)
plot(w)#概况,数据的可视化可以让我们看的更轻松
summary(w)
#求均值
w.mean<-mean(w); w.mean
w[2]#选取特定位置的数字
#控制异常值,trim表示去掉异常值的比例
w[1]<-750#改变向量w的第一个元素的值
w.mean<-mean(w,trim=0.1); w.mean
#缺失值的处理，忽略缺失值
w[16]<-NA
w.mean<-mean(w,na.rm=TRUE); w.mean
#给出顺序统计量
sort(w)
sort(w,decreasing=T)
#分位数
quantile(w,probs=seq(0,1,0.2),na.rm=TRUE)
#寻求在线帮助的方法，
help('quantile')
?quantile
#方便起见，编写一个统一的函数计算样本的各种描述统计量
data_outline <- function(x){
n <- length(x)
m <- mean(x)
v <- var(x)
s <- sd(x)
me <- median(x)
cv <- 100*s/m #变异系数
css <- sum((x-m)^2) #矫正平方和
uss <- sum(x^2) #未校正平方和
R <- max(x)-min(x)#极差
R1 <- quantile(x,3/4)-quantile(x,1/4)
sm <- s/sqrt(n)
g1 <- n/((n-1)*(n-2))*sum((x-m)^3)/s^3 #峰度
g2 <- ((n*(n+1))/((n-1)*(n-2)*(n-3))*sum((x-m)^4)/s^4
- (3*(n-1)^2)/((n-2)*(n-3))) #偏度
data.frame(N=n, Mean=m, Var=v, std_dev=s, Median=me,
std_mean=sm, CV=cv, CSS=css, USS=uss, R=R,
R1=R1, Skewness=g1, Kurtosis=g2, row.names=1)#输出一个数据框data.frame
}
data_outline(w)#使用你所写的函数 #####………………实例分析
attach(mtcars)#获取数据集,把工作对象固定在mtcars上
mtcars#查看数据集
?mtcars#详细了解该数据集的信息
vars=c('mpg','hp','wt')#英里数，马力，车重
m=mtcars[vars];m#我们只选取vars中的三个变量
mode(m)#不能用刚才写的函数
mode(w)
#出来base包中的一些函数可以分析数据，还有其他的一些包可以使用，这里介绍Hmisc包，
#pasteses包，psych包
install.packages("Hmisc")
library(Hmisc)
describe(m)
describe install.packages("pastecs")
library(pastecs)
stat.desc(m) install.packages("psych")
library(psych)
describe(m) detach(mtcars)推出该数据集的处理
##############################################################例题3.3
w <- c(75.0, 64.0, 47.4, 66.9, 62.2, 62.2, 58.7, 63.5,
66.6, 64.0, 57.0, 69.0, 56.9, 50.0, 72.0)
hist(w,freq=FALSE)#直方图,xlab="hgu",main="hist"
lines(density(w),col="blue")#lines() 该语句表示在已有图形上添加曲线
range(w)
x<-44:76
lines(x, dnorm(x, mean(w), sd(w)), col="red")#dnorm 表示正态分布的密度函数更多说明请看课件,
#算出每一个x对应的f(x)值，f为正态分布密度函数。 #课后思考练习：
#如何导入数据
#如何获取图片？
#实际例子中我们可能需要比较不同条件下的密度函数,如男性和女性
#sm包中的sm.density.compare()能提供帮助，见《R语言实战》p119
查看运行结果：
> #查看已安装的包，查看已载入的包，查看包的介绍
> ########例题3.1
> #向量的输入方法
> w<-c(75.0, 64.0, 47.4, 66.9, 62.2, 62.2, 58.7, 63.5,
+ 66.6, 64.0, 57.0, 69.0, 56.9, 50.0, 72.0)
> plot(w)#概况,数据的可视化可以让我们看的更轻松
> summary(w)
Min. 1st Qu. Median Mean 3rd Qu. Max.
47.40 57.85 63.50 62.36 66.75 75.00
> #求均值
> w.mean<-mean(w); w.mean
[1] 62.36
> w[2]#选取特定位置的数字
[1] 64
> w[1]<-750#改变向量w的第一个元素的值
> w.mean<-mean(w,trim=0.1); w.mean
[1] 62.53846
> w[16]<-NA
> w.mean<-mean(w,na.rm=TRUE); w.mean
[1] 107.36
> sort(w)
[1] 47.4 50.0 56.9 57.0 58.7 62.2 62.2 63.5 64.0 64.0 66.6
[12] 66.9 69.0 72.0 750.0
> sort(w,decreasing=T)
[1] 750.0 72.0 69.0 66.9 66.6 64.0 64.0 63.5 62.2 62.2 58.7
[12] 57.0 56.9 50.0 47.4
> quantile(w,probs=seq(0,1,0.2),na.rm=TRUE)
0% 20% 40% 60% 80% 100%
47.40 56.98 62.20 64.00 67.32 750.00
> help('quantile')
> ?quantile
> data_outline <- function(x){
+ n <- length(x)
+ m <- mean(x)
+ v <- var(x)
+ s <- sd(x)
+ me <- median(x)
+ cv <- 100*s/m #变异系数
+ css <- sum((x-m)^2) #矫正平方和
+ uss <- sum(x^2) #未校正平方和
+ R <- max(x)-min(x)#极差
+ R1 <- quantile(x,3/4)-quantile(x,1/4)
+ sm <- s/sqrt(n)
+ g1 <- n/((n-1)*(n-2))*sum((x-m)^3)/s^3 #峰度
+ g2 <- ((n*(n+1))/((n-1)*(n-2)*(n-3))*sum((x-m)^4)/s^4
+ - (3*(n-1)^2)/((n-2)*(n-3))) #偏度
+ data.frame(N=n, Mean=m, Var=v, std_dev=s, Median=me,
+ std_mean=sm, CV=cv, CSS=css, USS=uss, R=R,
+ R1=R1, Skewness=g1, Kurtosis=g2, row.names=1)#输出一个数据框data.frame
+ }
> data_outline(w)#使用你所写的函数
Error in quantile.default(x, 3/4) :
missing values and NaN's not allowed if 'na.rm' is FALSE
> w<-c(75.0, 64.0, 47.4, 66.9, 62.2, 62.2, 58.7, 63.5,
+ 66.6, 64.0, 57.0, 69.0, 56.9, 50.0, 72.0)
> data_outline(w)#使用你所写的函数
N Mean Var std_dev Median std_mean CV CSS USS
1 15 62.36 56.47257 7.514823 63.5 1.940319 12.05071 790.616 59122.16
R R1 Skewness Kurtosis
1 27.6 8.9 -0.4299561 0.09653947
> w <- c(75.0, 64.0, 47.4, 66.9, 62.2, 62.2, 58.7, 63.5,
+ 66.6, 64.0, 57.0, 69.0, 56.9, 50.0, 72.0)
> hist(w,freq=FALSE)#直方图,xlab="hgu",main="hist"
> lines(density(w),col="blue")#lines() 该语句表示在已有图形上添加曲线
> range(w)
[1] 47.4 75.0
> x<-44:76
> lines(x, dnorm(x, mean(w), sd(w)), col="red")
做模拟的时候生成随机数：
> rnorm(10,1,4) #生成10个均值为1，标准差为4的正态分布的随机数
[1] -0.3721022 -4.6810248 -2.7463328 1.5920591 -7.5328322 2.1772208 5.1561548
[8] 1.2342389 -2.9472454 1.1590652
####################################################例题3.4
w <- c(75.0, 64.0, 47.4, 66.9, 62.2, 62.2, 58.7, 63.5,
66.6, 64.0, 57.0, 69.0, 56.9, 50.0, 72.0)
plot(ecdf(w),verticals = TRUE, do.p = FALSE)
x<-44:78
lines(x, pnorm(x, mean(w), sd(w)))#pnorm() 表示正态分布分布函数
##########################################################例题3.5
w <- c(75.0, 64.0, 47.4, 66.9, 62.2, 62.2, 58.7, 63.5,
66.6, 64.0, 57.0, 69.0, 56.9, 50.0, 72.0)
qqnorm(w); qqline(w)#用分号隔离两句代码。图的标题，坐标轴名称修改也是可以操作的 #########################################################正态性检验
w <- c(75.0, 64.0, 47.4, 66.9, 62.2, 62.2, 58.7, 63.5,
66.6, 64.0, 57.0, 69.0, 56.9, 50.0, 72.0)
shapiro.test(w) #正太分布的假设检验
> shapiro.test(w) #正太分布的假设检验 Shapiro-Wilk normality test data: w
W = 0.96862, p-value = 0.8371
#############################################3.11箱线图
y<-c(1600, 1610, 1650, 1680, 1700, 1700, 1780, 1500, 1640,
1400, 1700, 1750, 1640, 1550, 1600, 1620, 1640, 1600,
1740, 1800, 1510, 1520, 1530, 1570, 1640, 1600)
f<-factor(c(rep(1,7),rep(2,5), rep(3,8), rep(4,6)))
plot(f,y)
#箱线图
attach(mtcars)#motor trend杂志车辆路实数据集
boxplot(mpg~cyl,main="Car Mileage Data",xlab="number of cylinders",ylab="miles per gallon")
detach(mtcars)
> mtcars
mpg cyl disp hp drat wt qsec vs am gear carb
Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3
Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4
Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4
Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8
Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2
##############绘图补充
df<-data.frame(
Age=c(13, 13, 14, 12, 12, 15, 11, 15, 14, 14, 14, 15,
12, 13, 12, 16, 12, 11, 15 ),
Height=c(56.5, 65.3, 64.3, 56.3, 59.8, 66.5, 51.3,
62.5, 62.8, 69.0, 63.5, 67.0, 57.3, 62.5,
59.0, 72.0, 64.8, 57.5, 66.5),
Weight=c( 84.0, 98.0, 90.0, 77.0, 84.5, 112.0,
50.5, 112.5, 102.5, 112.5, 102.5, 133.0,
83.0, 84.0, 99.5, 150.0, 128.0, 85.0,
112.0)
);
plot(df)
attach(df)
plot(~Age+Height)#attach(df)缺失的话，此处无法绘图.或者：plot(~Age+Height，data=df);
#或plot(~df$Age+df$Height)
plot(Weight~Age+Height) pairs(df)#所有变量之间的关系
coplot(Weight ~ Height | Age)#在分组比较时特别重要
detach(df)
#散点图矩阵，在做多元回归分析的时候需要用到
pairs(~mpg+disp+drat+wt,data=mtcars,main='basic scatterplot matrix')
#install.packages("car")
library(car)
scatterplotMatrix(~mpg+disp+drat+wt,data=mtcars,lty.smooth=2,main='basic scatterplot matrix via car package')
#关于更多图形的操作查阅《R语言实战》第三章内容。 ############excel数据导入说明
install.packages("xlsx")
library(xlsx)
my.data=read.xlsx2(file="C:\\Users\\HWT\\Desktop\\test.xlsx",sheetIndex=1)#注意这里斜线的方向 #最后说明：在自己编写函数的时候。R语言中的重复和循环语句for/while，条件执行语句if-else/ifelse/switch和c和matlab一致
所有代码：
#查看已安装的包，查看已载入的包，查看包的介绍
########例题3.1
#向量的输入方法
w<-c(75.0, 64.0, 47.4, 66.9, 62.2, 62.2, 58.7, 63.5,
66.6, 64.0, 57.0, 69.0, 56.9, 50.0, 72.0)
plot(w)#概况,数据的可视化可以让我们看的更轻松
summary(w)
#求均值
w.mean<-mean(w); w.mean
w[2]#选取特定位置的数字
#控制异常值,trim表示去掉异常值的比例
w[1]<-750#改变向量w的第一个元素的值
w.mean<-mean(w,trim=0.1); w.mean
#缺失值的处理，忽略缺失值
w[16]<-NA
w.mean<-mean(w,na.rm=TRUE); w.mean
#给出顺序统计量
sort(w)
sort(w,decreasing=T)
#分位数
quantile(w,probs=seq(0,1,0.2),na.rm=TRUE)
#寻求在线帮助的方法，
help('quantile')
?quantile
#方便起见，编写一个统一的函数计算样本的各种描述统计量
data_outline <- function(x){
n <- length(x)
m <- mean(x)
v <- var(x)
s <- sd(x)
me <- median(x)
cv <- 100*s/m #变异系数
css <- sum((x-m)^2) #矫正平方和
uss <- sum(x^2) #未校正平方和
R <- max(x)-min(x)#极差
R1 <- quantile(x,3/4)-quantile(x,1/4)
sm <- s/sqrt(n)
g1 <- n/((n-1)*(n-2))*sum((x-m)^3)/s^3 #峰度
g2 <- ((n*(n+1))/((n-1)*(n-2)*(n-3))*sum((x-m)^4)/s^4
- (3*(n-1)^2)/((n-2)*(n-3))) #偏度
data.frame(N=n, Mean=m, Var=v, std_dev=s, Median=me,
std_mean=sm, CV=cv, CSS=css, USS=uss, R=R,
R1=R1, Skewness=g1, Kurtosis=g2, row.names=1)#输出一个数据框data.frame
}
data_outline(w)#使用你所写的函数 #####………………实例分析
attach(mtcars)#获取数据集,把工作对象固定在mtcars上
mtcars#查看数据集
?mtcars#详细了解该数据集的信息
vars=c('mpg','hp','wt')#英里数，马力，车重
m=mtcars[vars];m#我们只选取vars中的三个变量
mode(m)#不能用刚才写的函数
mode(w)
#出来base包中的一些函数可以分析数据，还有其他的一些包可以使用，这里介绍Hmisc包，
#pasteses包，psych包
install.packages("Hmisc")
library(Hmisc)
describe(m)
describe install.packages("pastecs")
library(pastecs)
stat.desc(m) install.packages("psych")
library(psych)
describe(m) detach(mtcars)#推出该数据集的处理
##############################################################例题3.3
w <- c(75.0, 64.0, 47.4, 66.9, 62.2, 62.2, 58.7, 63.5,
66.6, 64.0, 57.0, 69.0, 56.9, 50.0, 72.0)
hist(w,freq=FALSE)#直方图,xlab="hgu",main="hist"
lines(density(w),col="blue")#lines() 该语句表示在已有图形上添加曲线
range(w)
x<-44:76
lines(x, dnorm(x, mean(w), sd(w)), col="red")#dnorm 表示正态分布的密度函数更多说明请看课件,
#算出每一个x对应的f(x)值，f为正态分布密度函数。 #课后思考练习：
#如何导入数据
#如何获取图片？
#实际例子中我们可能需要比较不同条件下的密度函数,如男性和女性
#sm包中的sm.density.compare()能提供帮助，见《R语言实战》p119 ####################################################例题3.4
w <- c(75.0, 64.0, 47.4, 66.9, 62.2, 62.2, 58.7, 63.5,
66.6, 64.0, 57.0, 69.0, 56.9, 50.0, 72.0)
plot(ecdf(w),verticals = TRUE, do.p = FALSE)
x<-44:78
lines(x, pnorm(x, mean(w), sd(w)))#pnorm() 表示正态分布分布函数 ##########################################################例题3.5
w <- c(75.0, 64.0, 47.4, 66.9, 62.2, 62.2, 58.7, 63.5,
66.6, 64.0, 57.0, 69.0, 56.9, 50.0, 72.0)
qqnorm(w); qqline(w)#用分号隔离两句代码。图的标题，坐标轴名称修改也是可以操作的 #########################################################正态性检验
w <- c(75.0, 64.0, 47.4, 66.9, 62.2, 62.2, 58.7, 63.5,
66.6, 64.0, 57.0, 69.0, 56.9, 50.0, 72.0)
shapiro.test(w) #############################################3.11箱线图
y<-c(1600, 1610, 1650, 1680, 1700, 1700, 1780, 1500, 1640,
1400, 1700, 1750, 1640, 1550, 1600, 1620, 1640, 1600,
1740, 1800, 1510, 1520, 1530, 1570, 1640, 1600)
f<-factor(c(rep(1,7),rep(2,5), rep(3,8), rep(4,6)))
plot(f,y) #箱线图
attach(mtcars)#motor trend杂志车辆路实数据集
boxplot(mpg~cyl,main="Car Mileage Data",xlab="number of cylinders",ylab="miles per gallon")
detach(mtcars) ##############绘图补充
df<-data.frame(
Age=c(13, 13, 14, 12, 12, 15, 11, 15, 14, 14, 14, 15,
12, 13, 12, 16, 12, 11, 15 ),
Height=c(56.5, 65.3, 64.3, 56.3, 59.8, 66.5, 51.3,
62.5, 62.8, 69.0, 63.5, 67.0, 57.3, 62.5,
59.0, 72.0, 64.8, 57.5, 66.5),
Weight=c( 84.0, 98.0, 90.0, 77.0, 84.5, 112.0,
50.5, 112.5, 102.5, 112.5, 102.5, 133.0,
83.0, 84.0, 99.5, 150.0, 128.0, 85.0,
112.0)
);
plot(df)
attach(df)
plot(~Age+Height)#attach(df)缺失的话，此处无法绘图.或者：plot(~Age+Height，data=df);
#或plot(~df$Age+df$Height)
plot(Weight~Age+Height) pairs(df)#所有变量之间的关系
coplot(Weight ~ Height | Age)#在分组比较时特别重要
detach(df) #散点图矩阵，在做多元回归分析的时候需要用到
pairs(~mpg+disp+drat+wt,data=mtcars,main='basic scatterplot matrix')
install.packages("car")
library(car)
scatterplotMatrix(~mpg+disp+drat+wt,data=mtcars,lty.smooth=2,main='basic scatterplot matrix via car package') #关于更多图形的操作查阅《R语言实战》第三章内容。 ############excel数据导入说明
install.packages("xlsx")
library(xlsx)
my.data=read.xlsx2(file="C:\\Users\\HWT\\Desktop\\test.xlsx",sheetIndex=1)#注意这里斜线的方向 #最后说明：在自己编写函数的时候。R语言中的重复和循环语句for/while，条件执行语句if-else/ifelse/switch和c和matlab一致
R语言与概率统计(一) 描述性统计分析的更多相关文章
- R语言与概率统计(三) 多元统计分析（下）广义线性回归
广义线性回归 > life<-data.frame( + X1=c(2.5, 173, 119, 10, 502, 4, 14.4, 2, 40, 6.6, + 21.4, 2.8, 2. ...
- R语言与概率统计(三) 多元统计分析（中）
模型修正 #但是,回归分析通常很难一步到位,需要不断修正模型 ###############################6.9通过牙膏销量模型学习模型修正 toothpaste<-data. ...
- R语言与概率统计(三) 多元统计分析（上）
> #############6.2一元线性回归分析 > x<-c(0.10,0.11,0.12,0.13,0.14,0.15,0.16,0.17,0.18,0.20,0.21,0. ...
- R语言与概率统计(二) 假设检验
> ####################5.2 > X<-c(159, 280, 101, 212, 224, 379, 179, 264, + 222, 362, 168, 2 ...
- R语言结合概率统计的体系分析---数字特征
现在有一个人,如何对这个人怎么识别这个人?那么就对其存在的特征进行提取,比如,提取其身高,其相貌,其年龄,分析这些特征,从而确定了,这个人就是这个人,我们绝不会认错. 同理,对数据进行分析,也是提取出 ...
- R语言与概率统计(六) 主成分分析 因子分析
超高维度分析,N*P的矩阵,N为样本个数,P为指标,N<<P PCA:抓住对y对重要的影响因素 主要有三种:PCA,因子分析,回归方程+惩罚函数(如LASSO) 为了降维,用更少的变量解决 ...
- R语言与概率统计(五) 聚类分析
#########################################0808聚类分析 X<-data.frame( x1=c(2959.19, 2459.77, 1495.63, ...
- R语言与概率统计(四) 判别分析(分类)
Fisher就是找一个线L使得组内方差小,组间距离大.即找一个直线使得d最大. ####################################1.判别分析,线性判别:2.分层抽样 #inst ...
- R语言与医学统计图形【1】par函数
张铁军,陈兴栋等 著 R语言基础绘图系统 基础绘图包之高级绘图函数--par函数 基础绘图包并非指单独某个包,而是由几个R包联合起来的一个联盟,比如graphics.grDevices等. 掌握par ...
随机推荐
- java线程基础巩固---如何实现一个自己的显式锁Lock
拋出synchronized问题: 对于一个方法上了同锁如果被一个线程占有了,而假如该线程长时间工作,那其它线程不就只能傻傻的等着,而且是无限的等这线程工作完成了才能执行自己的任务,这里来演示一下这种 ...
- Python&Selenium 数据驱动【unittest+ddt】
一.摘要 本博文将介绍Python和Selenium做自动化测试的时候,基于unittest框架,借助ddt实现数据驱动 二.测试代码 # encoding = utf-8 ""& ...
- windows安装mysql(5.7.26版本)压缩包
1.解压安装包,进入文件夹,并创建一个data文件夹! 2.修改 my-default.ini 文件 [mysql] default-character-set=utf8 [mysqld] port ...
- python改成了python3的版本，那么这时候yum就出问题了
既然把默认python改成了python3的版本,那么这时候yum就出问题了,因为yum貌似不支持python3,开发了这个命令的老哥也不打算继续写支持python3的版本了,所以,如果和python ...
- myeclipse 关闭jsp悬浮提示
myeclipse越来越智能,身为码农的我却越来越伤心.虽然你很智能,但请你提供一些有用的信息给我,不要乱七八槽的,不问青红皂白就塞一大堆提示给我,对不起,哥不需要这些!!! 都知道,使用myecli ...
- C# 操作服务命令
安装服务 @echo.服务启动...... @echo off @sc create 服务名称 binPath= " exe地址" @net start 服务名称 @sc conf ...
- WINCE7 SYMBOL MC32N0 SDK，VS2008调试程序，连接设备时，出现bootstrap 未能加载时
开发工具:visual studio 2008 手持设备: SYMBOL MC32NO工具->连接到设备->WINCE 7.00连接设备出现bootstrap 未能加载时,试下安装Mot ...
- 【Android-布局复用】 多个界面复用一个布局文件（二）
多个界面复用一个布局界面 ,如何找到复用布局文件中的控件的id? 举个栗子: 1. layout_common.xml 复用的布局文件,如何找到button 的id? <?xml versio ...
- 关于单片机特殊功能寄存器（SFR）和内存（RAM）公用地址：80-FF 如何区分
RAM 的 80-FF 需要间接寻址进行访问 如: MOV R0,#80H; MOV A,@R0 ; (内存 80H地址内的数据放到A中) SFR的80-FF需要直接寻址进行访问如: MOV ...
- Codeforces Round #455 (Div. 2) D题(花了一个早自习补了昨晚的一道模拟QAQ)
D. Colorful Points You are given a set of points on a straight line. Each point has a color assigned ...