在用R语言做各种事物时,用户自定义函数是不可或缺的.这期来讲讲如何自定义R的function.首先要介绍的是function的基本框架: myfunction <- function(arg1, arg2, ... ){ statements return(object) } 1 2 3 4 函数名称为myfunction arg1,arg2 为参数 statements 为函数语句 return(object)返回结果 两个例子 例子一:随机数产生,画图 function1 <- funct

学习R语言半年多了,以前比较注重统计方法上的学习,但是最近感觉一些基础知识也很重要.去年的参考资料是<R语言实战>,今年主要是看视频.推荐网易云课堂里的教程,很多资料都是很良心的~ 目前学习的是:R语言数据分析挖掘实战,讲的很全,从基础知识到R语言机器学习的应用. (我是先从后面机器学习开始学的,发现老师在里面用到很多自定义函数.循环,以前在书上看到这些也没有实际操作过,所以赶紧看前面的视频补补课) 今天的例子都很简单啦... 1.while循环 s<-1 i<-0 while(i

一.函数构造器 每一个R函数都包括三个部分:函数名,程序主体以及参数集合,在编写自定义R函数时,需要将三个部分各自储存在一个R对象中.这里需要使用function函数,形如: my_function<-function(){} function函数可以将大括号内的代码内容构建成一个函数,例如: roll<-function(){ dice<-sample(1:6,2,replace = T)#可重复抽样 sum(dice) } roll() 函数将返回最后一行的运行输出结果,如果最后一行

准备 第一步就是安装R语言环境以及RStudio 图绘制准备 首先安装库文件,敲入指令,回车 install.packages('corrplot') 然后安装excel导入的插件,点击右上角import Dataset,选中From excel即可. 这些操作都很简单~~ 数据预处理 然后到了数据输入了,这么多数据,我们总不能一行输入吧?那得有多蠢 于是我们利用上了数据导入功能,当当当~~ 然而理想很丰满,现实却很蛋疼,导入的excel数据格式不是我们希望的矩阵格式ORZ! 哎,休息下喝杯茶,

通过一个综合的例子测试绘图函数 学习的内容是tigerfish老师的教程. 第一节:基本知识 用seq函数产生100位学生的学号. > num = seq(,) > num [] [] [] [] [] [] [] [] [] [] [] [] [] 用runif函数产生100个随机数(随机数是小数),代表课程1的成绩,100个数字,最小值50,最大值100. 该结果是均匀分布,用round函数对其取整. > x1 = round(runif(100,min=50,max=100));

1. 首先就是plot(x,y,...) 参数: x: 所绘图形横坐标构成的对象 y: 所绘图形纵坐标构成的对象 type: 指定所绘图形类型 pch: 指定绘制点时使用的符号 cex: 指定符号的大小.cex是一个数值,表示绘图符号相对于默认大小的缩放倍数. 默认大小为1, 1.5表示放大为默认值的1.5倍, 0.5表示缩小为默认值的50%等. cex.axis: 坐标轴刻度文字的缩放倍数. 类似于cex cex.lab: 坐标轴标签(名称)的缩放倍数,类似于cex cex.main: 标题的

R语言入门,弄懂了几个简单的函数,分享一下:R语言排序有几个基本函数: sort():rank():order()sort()是对向量进行从小到大的排序rank()返回的是对向量中每个数值对应的秩order()返回的值表示位置,依次对应的是向量的最小值.次小值.第三小值......最大值举例> data=c(5,6,8,2,4,9)> sort(data)[1] 2 4 5 6 8 9> rank(data)[1] 3 4 5 1 2 6> order(data)[1] 4 5 1

虽然R语言有类型很丰富的数据结构,但是很多时候数据结构比较复杂,那么基本就会用到list这种结构的数据类型.但是list对象很难以文本的形式导出,因此需要一个函数能快速将复杂的list结构扁平化成dataframe.这里要介绍的就是do.call函数. 这里是do.call 函数的官方文档: do.call {base} R Documentation Execute a Function Call Description do.call constructs and executes a fu

箱形图是数据集中数据分布情况的衡量标准.它将数据集分为三个四分位数.盒形图表示数据集中的最小值,最大值,中值,第一四分位数和第四四分位数. 通过为每个数据集绘制箱形图, 比较数据集中的数据分布也很有用. R中的盒形图通过使用boxplot()函数来创建. 基本公式为: boxplot(x, data, notch, varwidth, names, main) x - 是向量或公式.data - 是数据帧.notch - 是一个逻辑值,设置为TRUE可以画出一个缺口.varwidth - 是一个

矩阵是元素布置成二维矩形布局的R对象. 它们包含相同原子类型的元素.尽管我们可以创建只包含字符或只逻辑值的矩阵,但是它们没有多大用处.我们使用的是在数学计算中含有数字元素矩阵. 使用 matrix()函数创建一个矩阵. 语法 R语言中创建矩阵的基本语法是: matrix(data, nrow, ncol, byrow, dimnames) 以下是所使用的参数的说明: data - 是这成为矩阵的数据元素输入向量. nrow - 是要创建的行数. ncol - 要被创建的列的数目. byrow -

列表是R语言中的对象,它包含不同类型的元素,比如 - 数字,字符串,向量和另一个列表等.一个列表还可以包含一个矩阵或一个函数作为它的元素.使用list()函数创建列表. 创建一个列表 下面是一个例子来创建一个包含字符串,数字,向量和逻辑值的列表 # Create a list containing strings, numbers, vectors and a logical values. list_data <- list("Red", "Green",

1.数据的中心化 所谓数据的中心化是指数据集中的各项数据减去数据集的均值. 例如有数据集1, 2, 3, 6, 3,其均值为3 那么中心化之后的数据集为1-3,2-3,3-3,6-3,3-3,即:-2,-1,0,3,0 2.数据的标准化 所谓数据的标准化是指中心化之后的数据在除以数据集的标准差,即数据集中的各项数据减去数据集的均值再除以数据集的标准差. 例如有数据集1, 2, 3, 6, 3,其均值为3,其标准差为1.87 那么标准化之后的数据集为(1-3)/1.87,(2-3)/1.87,(3

数据结构 一.数据管理vector:向量 numeric:数值型向量 logical:逻辑型向量 character:字符型向量list:列表 data.frame:数据框 c:连接为向量或列表length:求长度subset:求子集 seq,from:to,sequence:等差序列 rep:重复 NA:缺失值 NULL:空对象 sort,order,unique,rev:排序 unlist:展平列表 attr,attributes:对象属性 mode,typeof:对象存储模式与类型 nam

画箱图的函数: boxplot()##help(boxplot)查询具体用法   图例的解释: 如下图,是两个简单的箱图. 中间的箱子的上下边,分别是第三,一个四分位数. 中间的黑线是第二四分位数(中位数). 设r是变量的四分位距,箱图上方的小横线是小于或等于第三个四分位数+1.5*r的最大观测值.同时下方的小横线是,大于等于第一个四分位数减去1.5*r的最大的观测值. 图中的小白圈,代表很大可能性上是离群点(outlier).(在其他图中也适用)       总结: 箱图给出了大量的信息,不仅

语言的数学运算和一些简单的函数整理如下: 向量可以进行那些常规的算术运算,不同长度的向量可以相加,这种情况下最短的向量将被循环使用.   > x <- 1:4 > a <- 10 > x * a [1] 10 20 30 40   > x + a [1] 11 12 13 14   > sum(x)        #对x中的元素求和 [1] 10   > prod(x)       #对x中的元素求连乘积 [1] 24   > prod(2:8)   

箱线图 箱线图是能同时反映数据统计量和整体分布,又很漂亮的展示图.在2014年的Nature Method上有2篇Correspondence论述了使用箱线图的好处和一个在线绘制箱线图的工具.就这样都可以发两篇Nature method,没天理,但也说明了箱线图的重要意义.   下面这张图展示了Bar plot.Box plot.Volin plot和Bean plot对数据分布的反应.从Bar plot上只能看到数据标准差或标准误不同:Box plot可以看到数据分布的集中性不同:Violin

1.read.table:可以读TXT也可以读CSV (1)file:文件名 (2)header:是否包含表头 (3)sep:分隔符,如果不设定默认是空格 (4)dec:标志小数点符号,有些国家的小数点是逗号 (5)quote:字符串中间如果有引号的处理 (6)row.names:行名,行名不能重复.row.names=1,表示将第一列设置为行号 (7)col.names:列名 函数 read.table 是读取矩形格子状数据最为便利的方式.因为实际可能 遇到的情况比较多,所以预设了一些函数.这

看了几个帖子,说得不是特别清楚,特重新描述如下: set.seed()函数是为了保证你随机生成的随机数前后一致,看效果 首先,不设置该种子函数. x=rnorm(10) plot(x)绘出的图如下: 重新运行一遍这两行,就是另外的图x=rnorm(10)plot(x) 为了在下次运行时,产生一样的随机数,就得使用set.seed()函数了,如下set.seed(1)x=rnorm(10)plot(x)画图如下: 那么此时,我们重复运行上面的代码set.seed(1)x=rnorm(10)plot

curve 函数常用于绘制函数对应的曲线,确定函数的表达式,以及对应的需要展示的起始坐标和终止坐标,curve函数就会自动化的绘制在该区间内的函数图像 基本用法,代码示例: curve(sin, -2*pi, 2*pi) 效果图如下: 第一个参数为函数的名称,这里我们选择的是sin 三角函数,后两个参数为对应的起始和终止区间 下面详细解释一下每个参数: 1) expr : 对应的函数名称,这个参数的值可以有3中写法: 第一种: 函数的名称 代码示例: # y = 2x + 1 coef_line

boxplot 用于绘制箱线图,我们都知道boxplot 用于展示一组数据的总体分布,在R语言中,支持两种输入数据的方式 第一种:x , 这个参数指定用于绘制箱线图所用的数据,是一个向量 代码示例: boxplot(1:100) 效果图如下: 第二种, 通多formala 和 data 两个参数指定,适合展示多组数据的分布 代码示例: dataset <- data.frame(value = rep(1:100, times = 2), group = factor(rep(c("A&q

hist 用于绘制直方图,下面介绍每个参数的作用: 1)x: 用于绘制直方图的数据,该参数的值为一个向量 代码示例: data <- c(rep(1, 10), rep(2, 5), rep(3, 6)) hist(data) 效果图如下: 从图中可以看出,横坐标为不同的区间,纵坐标为落入该区间内的频数: 2) break : 该参数的指定格式有很多种 第一种: 指定一个向量,给出不同的断点 代码示例: data <- c(rep(1, 10), rep(2, 5), rep(3, 6)) h