语言学习

R语言学习笔记——数据结构 & 数据框基本操作

随声附和 提交于 2020-04-02 07:19:08
参考书籍:R语言实战 数据结构: 1. 向量 : 用于存储数值型、字符型或逻辑型数据的一维数组   1.1 创建 : a <- c(1, 2, 3, 4)   1.2 访问 : a[1] : 1        a[c(2, 4)] : 2 4 (向量a中的第二 个和第四个元素)        a[1:4] : 1 2 3 4 (向量a中的第一个直到第四个元素)   1.3 注意 :       1) 单个向量中的数据必须拥有 相同的类型或模式 (数值型、字符型或逻辑型)       2) 标量是只含一个元素的向量,例如f <- 3 、 g <- "US" 和h <- TRUE。它们用于保存常量 2. 矩阵 : 矩阵是一个二维数组,只是每个元素都拥有相同的模式(数值型、字符型或逻辑型)   2.1 创建 : mymatrix <- matrix(vector, nrow=number_of_row, ncol=number_of_col, byrow=logical_value, dimnames=list(char_vector_rownames,                   char_vector_colnames))        其中vector包含了矩阵的元素, nrow和ncol用以指定行和列的维数, dimnames包含了可选的、以字符型向量表示的行名和列名

R语言学习笔记

余生长醉 提交于 2020-03-10 04:28:35
向量化的函数 向量化的函数 ifelse/which/where/any/all/cumsum/cumprod/对于矩阵而言,可以使用rowSums/colSums。对于“穷举所有组合问题",可能需要combn/outer/ lower.tri/expand.grid等函数。尽管apply可以显式消除循环,但它实际上是用R而不是C实现的,因此它通常并不能加速代码。然而,其他的apply函数,如lapply,对于加速代码非常帮助 环境和变量的作用域问题 在R语言中,函数被正式的称为“闭包”(closure)。函数不仅包括参数和函数体,也包括它的“环境”(environment)。环境是由创建函数时出现的对象的集合构成。理解R语言环境中的运作机制对编写高效的R函数至关重要。在R中,函数参数也被看做局部变量。在函数中调用不带参数的ls()函数会返回当前的局部变量(包括参数)。使用envir参数,ls()会输出函数调用链中任何一个框架的局部变量名。 全局变量如下 R语言打印/显示变量的内存地址:tracemem This function marks an object so that a message is printed whenever the internal code copies the object. It is a major cause of hard-to

【语言】Rust语言学习资源

时光怂恿深爱的人放手 提交于 2020-02-29 04:55:34
一份在线文档: https://doc.rust-lang.org/stable/rust-by-example/hello.html Rust 1.0 前两天发布了正式版,该项目是 Rust 编程语言的电子书,开源的,提供 MOBI MD HTML EPUB LETTER PDF A4 PDF 等多种格式。 在线浏览: http://doc.rust-lang.org/book/ GitBook: https://github.com/killercup/trpl-ebook Rust 程序设计语言(第一版) 简体中文版: https://kaisery.gitbooks.io/rust-book-chinese/content/ Rust 语言中文版-极客学院: http://wiki.jikexueyuan.com/project/rust/ Rust 是 Mozilla 开发的注重安全、性能和并发性的编程语言。Rust 是针对多核体系提出的语言,并且吸收一些其他动态语言的重要特性,比如不需要管理内存,比如不会出现 Null 指针等。本书是官方文档的中文翻译版,内容不仅涉及入门级的基础知识点,也涉及 Rust 语言的高级用法,帮助读者了解这门系统编程语言。 适用人群 Rust 语言吸收了当下流行开发语言的优点,开发的目的是替代 C++ 语言,本书适合使用 C++

R语言学习——数据框

心已入冬 提交于 2020-02-13 17:00:14
> #数据框可以包含不同模式(数值型、字符型、逻辑型等)的数据,是R中最常处理的数据结构。数据框可以通过函数data.frame()创建:mydata<-data.frame(coll,col2,col3,...) > #其中的列向量col1、col2、col3等可以为任何类型(如数值型、字符型或者逻辑型)每一列的名称可由函数names指定。实例如下: > #创建一个数据框 > patientID<-c(1,2,3,4) > age<-c(25,34,28,52) > diabetes<-c("Type1","Type2","Type1","Type1") > status<-c("Poor","Improved","Excellent","Poor") > patientdata<-data.frame(patientID,age,diabetes,status)#创建数据框patientdata > patientdata patientID age diabetes status 1 1 25 Type1 Poor 2 2 34 Type2 Improved 3 3 28 Type1 Excellent 4 4 52 Type1 Poor > #每一列数据的模必须唯一,可以将多个模式的不同列放到一起组成数据框。、 > #选取数据框中元素的方式有若干种,可以使用下标记号

R语言学习笔记 -- 绘图《R语言入门》

点点圈 提交于 2020-02-01 20:28:14
绘图结果不可赋给一个对象,而是直接输出到一个“绘图设备”上,而绘图设备是一个绘图的窗口或是文件 绘图函数分为:高级绘图函数和低级绘图函数。其中,高级绘图函数创建新图形,而低级绘图函数在现存的图形上添加元素。 绘图参数控制绘图选项,可以使用缺省值,或是使用函数par修改。 打开绘图窗口使用命令 x11() 或是 windows() . 打开文件作为绘图设备,包括 postscript() or pdf() or png() 。使用 ?device 查看绘图列表。 最后打开的设备是当前的绘图设备。使用 dev.list() 显示打开的列表。 > dev.list ( ) windows pdf windows 2 3 4 #数字是设备的编号 > dev.cur ( ) #查看当前设备 windows 4 > dev.set ( 3 ) #把当前设备设置为编号为3的绘图设备 pdf 3 > dev.off ( 3 ) #关闭3号绘图设备 windows #返回:关闭后的当前设备 4 > dev.off ( ) #缺省,即关闭当前设备 windows #返回:关闭后的当前设备 2 分割图形窗口,使用layout: layout ( matrix ( 1:4 , 2 , 2 )) layout.show ( 4 ) #参数4表示展示出4个图形子窗口 #又如 layout ( matrix (

Python语言学习:模块

人盡茶涼 提交于 2020-02-01 14:17:59
一、模块 1. 模块(Module):以.py结尾的文件,包含python对象定义和python语句。使代码段更容易理解和使用。 模块分为两种:标准库(直接导入的库)和第三方库(需要下载安装的库)。 2. 模块的引入 a. import语句:当解释器遇到import语句,如果模块在当前的搜索路径就会被导入。搜索路径是一个解释器会先进行搜索的所有目录的列表。 如果想要导入模块support.py,需要把命令放在脚本的顶端。 import module例如:import sys b.from...import语句:从模块中导入一个指定的部分到当前命名空间中。 from modname import name c.from...import * 语句:把一个模块的所有内容全部导入到当前的命名空间也是可行的 from modname import * 3.索引路径:当导入一个模块,python解析器对模块位置的搜索顺序如下: a.当前目录 b.如果不在当前目录,python则搜索在shell变量PYTHONPATH下的每个目录 c.如果还找不到,python会察看默认路径,Unix下,默认路径是/usr/local/lib/python/ 模块搜索路径存储在system模块的sys.path变量中。变量里包含当前目录,PYTHONPATH和由安装过程决定的默认目录。 4.

Python语言学习前提:基础语法

ⅰ亾dé卋堺 提交于 2020-01-22 17:37:45
一、变量 1.变量:存储数据。存储数据需要对应内存空间,基于变量的数据类型,解释器会分配指定内存,决定什么数据被存储到内存中。 变量数据类型:整数、小数、字符。 2.变量赋值:变量在使用前必须赋值,赋值的变量才被创建。 #!/usr/bin/env python student = 8000 #整数型 miles = 150.0 #浮点型 name = "crystal" #字符串 print student print miles print name 3.多个变量赋值 1)创建变量,值为1,三个变量被分配在相同的内存空间上。 a = b = c = 1 2)多个对象指定多个变量 a, b, c = 100, 150.0, "crytsal" 二、标准数据类型 1.python有五个标准数据类型:Numbers(数字)、string(字符串)、List(列表)、Tuple(元组)、Dictionary(字典) 2.Numbers(数字):int(有符号整型)、long(长整形【也可代表八进制和十六进制】)、float(浮点型)、complex(复数) 1)int var1 = 11 var2 = 12 2)long var3 = 51924361L 3)float var4 = 5.20 4)complex var5 = 3.14j 3. string(字符串):由数字、字母

Python语言学习(1)-Hello,Python!

爷,独闯天下 提交于 2019-12-16 17:51:23
Python是一种简单易学,功能强大的编程语言,它有高效率的高层数据结构,简单而有效地实现面向对象编程。Python简洁的语法和对动态输入的支 持,再加上解释性语言的本质,使得它在大多数平台上的许多领域都是一个理想的脚本语言,特别适用于快速的应用程序开发。 Python有两种运行程序的方式——使用交互式的带提示符的解释器和使用源文件。 Python官方网站: http://www.python.org/ 现在Python有2.X和3.X两个版本, 一般下载2.X. 下载后进行安装, 启动IDLE. Hello, Python!交互式的方式: 1 print "Hello, Python!" Hello, Python!源文件的方式, 保存为Hello.py: #! /bin/pythonprint "Hello, Python!" 在IDLE中点file->open, 打开上述文件. Run->run module 可以在python shell看到输出结果: Hello, Python! 来源: https://www.cnblogs.com/icejoywoo/archive/2011/04/06/2007210.html

R语言学习-基础篇1

萝らか妹 提交于 2019-12-10 14:28:45
###第一周:R基础 rm(list = ls()) #ctr+L ###矩阵相乘,函数diag() a=matrix(1:12,nrow=3,ncol=4) b=matrix(1:12,nrow=4,ncol=3) a%*%b a=matrix(1:16,nrow=4,ncol=4) diag(a)#返回对角线元素 diag(diag(a)) diag(4)#对角线为1的单位矩阵 ###矩阵求逆,函数rnorm(),solve() a=matrix(rnorm(16),4,4)#产生4*4的随机数 solve(a)#矩阵求逆!!!!(逆矩阵) b=c(1:4) solve(a,b)#求方程的解 ##矩阵的特征值、特征向量eigen() a=diag(4)+1 a.e=eigen(a,symmetric = T) a.e a.e$vectors%*%diag(a.e$values)%*%t(a.e$vectors)####?????? ###数组 x=c(1:6) x is.vector(x)#x是一个向量吗。 is.array(x)#x不是数组 dim(x)<-c(2,3)#增加维数,x变为数组 x is.matrix(x)#x也是一个矩阵 ####数据框,与矩阵的区别,矩阵每个元素都是数字(数组也类似),矩阵形式,但每列可以是不同的类型 x1=c(1,2,3,4,5,6,7,8

R语言学习-基本图形-条形图

匿名 (未验证) 提交于 2019-12-03 00:30:01
#1.条形图 #1.1水平or竖直条形图 :向量绘图 library(vcd) library(grid) counts<- table(Arthritis$Improved) str(counts) > counts barplot(counts)#简单条形图 barplot(counts,horiz = T)#水平条形图 horiz = T a<-c(1,2,3,5) barplot(a)#向量绘图 plot(Arthritis$Improved) #绘图效果同 barplot(counts) #1.2堆砌条形图or分组条形图 : 矩阵绘图 cells<-c(1,2,3,4) rnames<-c("R1","R2") cnames<-c("C1","C2") m<-matrix(cells,nrow=2,ncol=2,dimnames = list(rnames,cnames)) > m barplot(m,col=c("blue","lightblue"),legend=rownames(m))#矩阵绘图 counts<- table(Arthritis$Improved,Arthritis$Treatment) str(counts) > counts barplot(counts,col=c("red","blue","green"),legend=rownames