数据导入 以下R包主要用于数据导入和保存数据 feather:一种快速,轻量级的文件格式.在R和python上都可使用readr:实现表格数据的快速导入.中文介绍可参考这里readxl:读取Microsoft Excel电子表格数据openxlsx:读取Microsoft Excel电子表格数据googlesheets:读取google电子表格数据haven:读取SAS,SPSS和Stata统计软件格式的数据httr:从网站开放的API中读取数据rvest:网页数据抓取包xml2:读取HTML和

https://www.zhihu.com/question/24501195 节选: 看了这么多答案,觉得 Hadley Wickhamhad.co.nz 在R使用者的地位好高啊.其实我也觉得Hadley的每个包都很好用,尤其是CRAN - Package plyr(他写的包中,这个接触得比较晚,所以感觉更加相见恨晚).其他作者的包有: CRAN - Package xkcd 把你的图绘制成xkcd http://xkcd.com风格 CRAN - Package magrittr 向前管道操

收集参数的解包问题 - 把参数放入list或者字典中,直接把list/dict中的值放入收集参数中- 语法:参照案例 # 收集参数的问题 def stu(*args): print("="*20) # n表示循环次数 # 主要用来调试 n = 0 for i in args: print(type(i)) print(n) n+=1 print(i) l = [89,98,56,54,88,56] stu(l) # 此时,args的表示形式是字典内一个list类型的元素,即args=(

官方帮助文档如下写的: Usage rep(x, ...) rep.int(x, times) rep_len(x, length.out) Arguments x a vector (of any mode including a list) or a factor or (for rep only) a POSIXct or POSIXlt or Date object; or an S4 object containing such an object. ... further argum

买的书里面实例讲的不清不楚,所以看帮助文档了 用法:unlist(x, recursive = TRUE, use.names = TRUE) 帮助文档讲x可以是向量或者列表,如果是向量,则原样返回,尝试下,确实如此,向量并不是典型的用法. > x<-c(1,2,3)> unlist(x)[1] 1 2 3> names(x)<-c("first","second","third")> x first seco

把R中par()函数的主要参数整理了一下(另外本来还整理了每个参数的帮助文档中文解释,但是太长,就分类之后,整理为图表,excel不便放上来,就放了这些表的截图)

目录 R 中的设计模式 不动点算法 包装器模式 接口模式 柯里化(Currying) 闭包(Closures) 缓存模式 计数器模式 R 中的设计模式 本文翻译自 Design Patterns in R(By Sebastian Warnholz). 本文的灵感来源于: Stuart Sierra 的演讲,关于函数式编程中的设计模式:以及 我从 F# for fun an profit 想到的想法:以及 我在使用 R 的过程中用不同方法解决问题获得的反馈. 设计模式似乎是一个很大的词,特别是因

R中实现脚本调用,以及函数调用 这里的列子是test.R调用mysql_con.R中的函数 mysql_con.R # 使用RMySQL操作数据库 # 载入DBI和RMySQL包 #library(DBI) library(RMySQL) mysql_con <- function(sql){ # 创建数据库连接 con ") #说明用什么字符集来获取数据库字段 dbGetQuery(con, "SET NAMES gbk") #dbSendQuery(con, &qu

一.简介 在实际工作中,遇到数据中带有缺失值是非常常见的现象,简单粗暴的做法如直接删除包含缺失值的记录.删除缺失值比例过大的变量.用0填充缺失值等,但这些做法会很大程度上影响原始数据的分布或者浪费来之不易的数据信息,因此怎样妥当地处理缺失值是一个持续活跃的领域,贡献出众多巧妙的方法,在不浪费信息和不破坏原始数据分布上试图寻得一个平衡点,在R中用于处理缺失值的包有很多,本文将对最为广泛被使用的mice和VIM包中常用的功能进行介绍,以展现处理缺失值时的主要路径: 二.相关函数介绍 2.1  缺失值

dplyr的优点很明显,数据框操作简洁,如filter(df, x == 1, y == 2, z == 3)等于df[df$x == 1 & df$y ==2 & df$z == 3, ].然而优点也是缺点,因为它的的参数不是透明的,这意味着你不能用一个看似等价的对象代替一个在别处定义的值. df <- tibble(x = 1:3, y = 3:1) filter(df, x == 1) #错误 my_var <- x filter(df, my_var == 1) #同样

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"~ --------------------------- 终于开始攻克并行这一块了,有点小兴奋,来看看网络上R语言并行办法有哪些: 赵鹏老师(R与并行计算)做的总结已经很到位.现在并行可以分为:  隐式并行:隐式计算对用户隐藏了大部分细节,用户不需要知道具体数据分配方式 ,算法的实现或者底层的硬件资源分配.系统会根据当前的硬件资源来自动启动计算核心.显然,这种模式对于大多数用户来说是最喜闻乐见的.

目录 在 R 中估计 GARCH 参数存在的问题(基于 rugarch 包) 导论 rugarch 简介 指定一个 \(\text{GARCH}(1, 1)\) 模型 模拟一个 GARCH 过程 拟合一个 \(\text{GARCH}(1,1)\) 模型 rugarch 中的优化与参数估计 优化器的选择 结论 在 R 中估计 GARCH 参数存在的问题(基于 rugarch 包) 本文翻译自<Problems in Estimating GARCH Parameters in R (Part 2

一.apply族函数 1.apply  应用于矩阵和数组 # apply # 1代表行,2代表列 # create a matrix of 10 rows x 2 columns m <- matrix(c(1:10, 11:20), nrow = 10, ncol = 2) # mean of the rows apply(m, 1, mean) [1] 6 7 8 9 10 11 12 13 14 15 # mean of the columns apply(m, 2, mean) [1]

下面列出了可用于数据挖掘的R包和函数的集合.其中一些不是专门为了数据挖掘而开发,但数据挖掘过程中这些包能帮我们不少忙,所以也包含进来. 1.聚类 常用的包: fpc,cluster,pvclust,mclust 基于划分的方法: kmeans, pam, pamk, clara 基于层次的方法: hclust, pvclust, agnes, diana 基于模型的方法: mclust 基于密度的方法: dbscan 基于画图的方法: plotcluster, plot.hclust 基于验证的

本文原创,转载请注明出处,本人Q1273314690 R中关于给行列赋名称的函数有 dimnames,names,rowname,colname,row.names 这五个函数,初学的时候往往分不清楚他们的区别和各自该用在什么情况下才比较合适. 我做了简单的总结,希望能帮助大家,每个函数的细节我也参照帮助文档做了笔记,但太长就不宜贴到博文了.   建议是如数据框和列表,是在创建对象的时候就直接命名 我们平常使用的时候,最好统一一下用法,免得混乱.   原数表格:       来自为知笔记(Wiz

本文原创,转载注明出处,本人Q1273314690 R中知道一个变量的主要内容和结构,对我们编写代码是很重要的,也可以帮我们避免很多错误. 但是,R中有好几个关于属性查看的函数,我们往往不知道什么时候使用哪个函数更合适. 在此总结如下:   所以结论是,通常还是使用attributes函数和str函数,就OK了 原始表格: 具体的几个函数的细节,虽然我也写了,但文章太长,不再贴出         来自为知笔记(Wiz) 附件列表

Create table function in Spark in R not working João_Andre  (3) 询问的问题 | 2016年12月10日 06:03BLUEMIXRSPARK Hello, I'm trying to create a simple table in Bluemix Spark (R) but getting a error I can't understand or find useful reference about. Has anyone s

今天介绍一些运算函数,它们的使用很简单,没有什么难度,但是也会用的着. 在医学统计学或者流行病学里的现场调查.样本选择经常会提到一个词:随机抽样.随机抽样是为了保证各比较组之间均衡性的一个很重要的方法.那么今天介绍的第一个函数就是用于抽样的函数sample: > x=1:10 > sample(x=x) [1]  3  5  9  6 10  7  2  1  8  4 第一行代码表示给x向量x赋值,第二行代码表示对x向量进行随机抽样.结果输出为每次抽样抽得的结果,可以看出该抽样为无放回抽样-

R中的grep.grepl.sub.gsub.regexpr.gregexpr等函数都使用正则表达式的规则进行匹配.默认是egrep的规则,也可以选用Perl语言的规则.在这里,我们以R中的sub函数为例(因为该函数可以返回替换字符串后的具体内容)介绍正则表达式的用法. 对该函数的逻辑参数都使用默认值(ignore.case = FALSE,表示大小写敏感:extended = TRUE,表示使用egrep规则:perl = FALSE,表示不使用Perl规则:fixed = FALSE,表示不

/ Fprintf 将参数列表 a 填写到格式字符串 format 的占位符中// 并将填写后的结果写入 w 中,返回写入的字节数func Fprintf(w io.Writer, format string, a ...interface{}) (n int, err error) // Printf 将参数列表 a 填写到格式字符串 format 的占位符中// 并将填写后的结果写入 os.Stdout 中,返回写入的字节数func Printf(format string, a ...in

// regexp.go ------------------------------------------------------------ // 判断在 b 中能否找到正则表达式 pattern 所匹配的子串 // pattern:要查找的正则表达式 // b:要在其中进行查找的 []byte // matched:返回是否找到匹配项 // err:返回查找过程中遇到的任何错误 // 此函数通过调用 Regexp 的方法实现 func Match(pattern string, b []