编写脚本的时候经常会涉及到对data.frame或matrix类型数据的操作,比如取指定列.取指定行.排除指定列或行.根据条件取满足条件的列或行等.在R中,这些操作都是可以通过简单的一条语句就能够实现的,非常的简洁优美~ 下面就是一个小小的总结: 1. 对data.frame或matrix取指定行 data[i,] #取data中的第i行 data[c(i,j,k),] #取data中的第i,j,k行 取指定列的操作同理可得 2. 对data.frame或matrix删除指定行 data[-i,

/* [题目来源]http://poj.org/problem?id=1128 [题目分析] 几张图片叠在一起,给出堆叠后的情况,要求出所有可能的从下到上的堆叠顺序. [思路分析] 1.题目已经很明确的告诉每个边框的每条边,至少会有一个字母露在外面 所以遍历整张图,确定每个边框的范围. 只需确定左上角和右下角即可. 2.根据每个边框的范围再遍历,若应该出现A的位置出现了B,那么B一定在A上面.这样各个边框的上下顺序就求出来. 若B在A上面,那么记录A->B. 3.拓扑排序 4.要求输出所有能情况

题目链接 Description Consider the following 5 picture frames placed on an 9 x 8 array. ........ ........ ........ ........ .CCC.... EEEEEE.. ........ ........ ..BBBB.. .C.C.... E....E.. DDDDDD.. ........ ..B..B.. .C.C.... E....E.. D....D.. ........ ..B..

转自:http://shujuren.org/article/45.html 在数据分析过程中最头疼的应该是如何应付脏数据,脏数据的存在将会对后期的建模.挖掘等工作造成严重的错误,所以必须谨慎的处理那些脏数据. 脏数据的存在形式主要有如下几种情况: 1)缺失值 2)异常值 3)数据的不一致性 下面就跟大家侃侃如何处理这些脏数据. 一.缺失值 缺失值,顾名思义就是一种数据的遗漏,根据CRM中常见的缺失值做一个汇总: 1)会员信息缺失,如身份证号.手机号.性别.年龄等 2)消费数据缺失,如消费次数.

test for data type is.numeric(), is.character(), is.vector(), is.matrix(), is.data.frame() convert it as.numeric(), as.character(), as.vector(), as.matrix(), as.data.frame) vector/matrix/data.frame   to one long vector to matrix to data frame from ve

要学的东西太多,无笔记不能学~~ 欢迎关注公众号,一起分享学习笔记,记录每一颗"贝壳"~ --------------------------- 接着之前写的并行算法parallel包,parallel相比foreach来说,相当于是foreach的进阶版,好多东西封装了.而foreach包更为基础,而且可自定义的内容很多,而且实用性比较强,可以简单的用,也可以用得很复杂.笔者将自己的学习笔记记录一下. R︱并行计算以及提高运算效率的方式(parallel包.clusterExport

在实操时出现以下的问题: Error: cannot allocate vector of size 2.9GB 大神指导(http://bbs.pinggu.org/thread-3682816-1-1.html) cannot allocate vector就是典型的数据太大读不了 方法有三 一.升级硬件 二.改进算法 三.修改操作系统分配给R的内存上限, memory.size(T)查看已分配内存 memory.size(F)查看已使用内存 memory.limit()查看内存上限 obj

   Classification 此博文是 An Introduction to Statistical Learning with Applications in R 的系列读书笔记,作为本人的一份学习总结,也希望和朋友们进行交流学习. 该书是The Elements of Statistical Learning 的R语言简明版,包含了对算法的简明介绍以及其R实现,最让我感兴趣的是算法的R语言实现. [转载时请注明来源]:http://www.cnblogs.com/runner-ljt/

学习自: https://learnopengl-cn.github.io/01%20Getting%20started/08%20Coordinate%20Systems/#3d 0,首先添加glm库文件 相关方法可以参照我指定的那篇随便 1,顶点着色器shader.vs #version core layout (location = ) in vec3 aPos; layout (location = ) in vec2 aTexCoord; out vec2 TexCoord; unif

R in Nutshell 前言 例子(nutshell包) 本书中的例子包括在nutshell的R包中,使用数据,需加载nutshell包 install.packages("nutshell") 第一部分:基础 第一章 批处理(Batch Mode) R provides a way to run a large set of commands in sequence and save the results to a file. 以batch mode运行R的一种方式是:使用系统

# Chinese translations for R package # Copyright (C) 2005 The R Foundation # This file is distributed under the same license as the PACKAGE package. # 陈斐 <feic@normipaiva.com>, 2006. # 邓小冬 DENG Xiaodong <xd_deng@hotmail.com>, 2015. # msgid &qu

R 语言实战(第二版) part 5-1 技能拓展 ----------第19章 使用ggplot2进行高级绘图------------------------- #R的四种图形系统: #①base:基础图形系统 #②grid图形系统: grid包,灵活,无完整绘图函数,适用开发者 #③lattice包:适用网格图形,即多变量/水平关系.基于grid包 #④ggplot2包:数据可视化利器 #前三者在基础安装中已包含,后三者使用时需显示加载 #1.以一个例子介绍ggplot2 library(g

a = matrix(     c(2, 4, 3, 1, 5, 7), # the data elements     nrow=2,              # number of rows     ncol=3,              # number of columns     byrow = TRUE)        # fill matrix by rows     class( (a[1,])[1] "numeric" class(a[c(1,2),])[1] &

list是个筐,什么都可以往里装,包括它自身.数据框是个二维数组,同列必须同类型,行随意.

Data Frame一般被翻译为数据框,感觉就像是R中的表,由行和列组成,与Matrix不同的是,每个列可以是不同的数据类型,而Matrix是必须相同的. Data Frame每一列有列名,每一行也可以指定行名.如果不指定行名,那么就是从1开始自增的Sequence来标识每一行. 初始化 使用data.frame函数就可以初始化一个Data Frame.比如我们要初始化一个student的Data Frame其中包含ID和Name还有Gender以及Birthdate,那么代码为: studen

替换空值: foo <- data.frame("day"= c(1, 3, 5, 7), "od" = c(0.1, "#N/A", 0.4, 0.8)) NAs <- foo == "#N/A" ## by replace method is.na(foo)[NAs] <- TRUE ## or directly foo[NAs] <- NA 替换负值为0: 方法一: df[df < 0] =

例如将如下数据转换成data.frame型: l <- replicate( 5, list(sample(letters, 4)), simplify = FALSE ) => 用unlist拆分list后重构矩阵然后转换为data.frame lr <- data.frame(matrix(unlist(l), nrow=5, byrow=T),stringsAsFactors=FALSE) lapply 函数和sapply函数 data.frame(matrix(lapply(l,

矩阵(matrix)是一种特殊的向量,包含两个附加的属性:行数和列数.所以矩阵也是和向量一样,有模式(数据类型)的概念.(但反过来,向量却不能看作是只有一列或一行的矩阵. 数组(array)是R里更一般的对象,矩阵是数组的一个特殊情形.数组可以是多维的.例如:一个三维数组可以包含行.列和层(layer),而一个矩阵只有行和列两个维度 1.创建矩阵 矩阵的行和列的下标都是从1开始,如:矩阵a左上角的元素记作a[1,1].矩阵在R中是按列存储的,也就是说先存储第一列,再存储第二列,以此类推. > y

矩阵(matrix)是一种特殊的向量,包含两个附加的属性:行数和列数.所以矩阵也是和向量一样,有模式(数据类型)的概念.(但反过来,向量却不能看作是只有一列或一行的矩阵. 数组(array)是R里更一般的对象,矩阵是数组的一个特殊情形.数组可以是多维的.例如:一个三维数组可以包含行.列和层(layer),而一个矩阵只有行和列两个维度 1.创建矩阵 矩阵的行和列的下标都是从1开始,如:矩阵a左上角的元素记作a[1,1].矩阵在R中是按列存储的,也就是说先存储第一列,再存储第二列,以此类推. > y

1 向一个data.frame指定列插入一列新数据 1.1 插入一列到指定位置 y<-1:4 data1 <-data.frame(x1=c(1,3,5,7), x2=c(2,4,6,8),x3=c(11,12,13,14),x4=c(15,16,17,18)) data2<-cbind(data1[,1:2],y,data1[,3:ncol(data1)]) 插到data1末尾 data2<-cbind(data1,y) 插到第一列 data2<-cbind(y,data1