2019最新稳赢《幸运飞艇公式北京赛车56码走势技巧冠军》经验规律图解

时间:2019-10-10
本文章向大家介绍2019最新稳赢《幸运飞艇公式北京赛车56码走势技巧冠军》经验规律图解，主要包括2019最新稳赢《幸运飞艇公式北京赛车56码走势技巧冠军》经验规律图解使用实例、应用技巧、基本知识点总结和需要注意事项，具有一定的参考价值，需要的朋友可以参考一下。

 

《学习R》笔记：科学计算器、检查变量和工作区、向量、矩阵和数组、列表和数据框

一、第二章1765243235 科学计算器

要检查两个数字是否一样，要使用 all.equal() ,不要使用 == ，== 符号仅用于比较两个整型数是否存在相同 。

1
2
3
4
5
6
7
8
> all.equal(sqrt(2)^2,2)
[1] TRUE
> all.equal(sqrt(2) ^ 2,3)
[1] "Mean relative difference: 0.5"
> isTRUE(all.equal(sqrt(2) ^ 2,2))
[1] TRUE
> isTRUE(all.equal(sqrt(2) ^ 2,3))
[1] FALSE

 

二、第三章 检查变量和工作区

变量的类：逻辑类(logical)、三个数值的类(numeric、complex、integer)、用于存储文本的字符character、存储类别数据的因子factor，以及较罕见的存储二进制数据的原始值raw

factor因子，存储类别数据

1
2
3
4
5
6
7
8
> gender = factor(c("male","female","male","female"))
> gender
[1] male   female male   female
Levels: female male
> levels(gender)
[1] "female" "male" 
> nlevels(gender)
[1] 2

在底层，因子的值被存储为整数，而非字符。可以通过调用 as.integer() 清楚的看到

1
2
> as.integer(gender)
[1] 2 1 2 1

 事实证明，采用整数而非字符文本的存储方式，令内存的使用非常高效

1
2
3
4
5
6
7
8
9
10
> gender_char = sample(c("female","male"),1000,replace = TRUE)
> gender_char
......
 
> gender_fac = as.factor(gender_char)
> #把数据的类型转换为因子型
> object.size(gender_char)#object.size()函数返回对象的内存大小
8160 bytes
> object.size(gender_fac)
4560 bytes

 把因子转换为字符串

1
2
> as.character(gender)
[1] "male"   "female" "male"   "female"　

 改变一个对象的类型(转型casting)

1
2
3
4
5
> x = "123.456"  #使用as*函数改变x的类型
> as.numeric(x)   #as(x,"numeric")
[1] 123.456
> is.numeric(x)
[1] FALSE

 代码  options(digits = n) 设置全局变量确定打印数字的小数点位数。

1
2
3
4
> options(digits = 10)
> (x = runif(5))
[1] 0.040052175522 0.544388080016 0.506369658280
[4] 0.144690239336 0.005838404642

 runif 函数将生成30个均匀分布于0和1之间的随机数，summary 函数就不同的数据类型提供汇总信息，例如对数值变量：

1
2
3
4
5
6
> num = runif(30)
> summary(num)
       Min.     1st Qu.      Median        Mean
0.001235794 0.199856233 0.475356185 0.475318138
    3rd Qu.        Max.
0.703412558 0.984893506

 letters、LETTERS 是两个内置的常数

1
2
3
4
5
6
7
8
> letters
 [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l"
[13] "m" "n" "o" "p" "q" "r" "s" "t" "u" "v" "w" "x"
[25] "y" "z"
> LETTERS
 [1] "A" "B" "C" "D" "E" "F" "G" "H" "I" "J" "K" "L"
[13] "M" "N" "O" "P" "Q" "R" "S" "T" "U" "V" "W" "X"
[25] "Y" "Z"

 sample 函数为抽样函数，它的格式为：sample( x , size= , replace= ) 第三个参数的缺省值是F ，表示进行的是无放回抽样。

对a~e重复随机抽样30次：

1
2
3
4
> fac = factor(sample(letters[1:5],size = 30,replace = T))
> summary(fac)
 a  b  c  d  e
 4  7  2  5 12
1
2
3
4
> bool = sample(c(TRUE,FALSE,NA),30,replace = TRUE)
> summary(bool)
   Mode   FALSE    TRUE    NA's
logical      10       8      12

  创建数据框dfr ，这里只显示他的前几行

1
2
3
4
5
6
7
8
9
> dfr = data.frame(num,fac,bool)
> head(dfr)                  #默认显示前6行
            num fac bool
1 0.34019507235   b   NA
2 0.77415443189   e TRUE
3 0.02201034524   d TRUE
4 0.11190012516   e   NA
5 0.18030911358   a   NA
6 0.98489350639   d TRUE
1
2
3
4
5
6
7
8
> summary(dfr)
      num              fac       bool       
 Min.   :0.001235794   a: 4   Mode :logical 
 1st Qu.:0.199856233   b: 7   FALSE:10      
 Median :0.475356185   c: 2   TRUE :8       
 Mean   :0.475318138   d: 5   NA's :12      
 3rd Qu.:0.703412558   e:12                 
 Max.   :0.984893506    

 str 函数能显示对象的结构。对向量来说，它并非很有趣(因为它们太简单了)，但 str 对数据框和嵌套列表非常有用：

1
2
3
4
5
6
7
> str(num)
 num [1:30] 0.34 0.774 0.022 0.112 0.18 ...
> str(dfr)
'data.frame':   30 obs. of  3 variables:
 $ num : num  0.34 0.774 0.022 0.112 0.18 ...
 $ fac : Factor w/ 5 levels "a","b","c","d",..: 2 5 4 5 1 4 1 4 1 5 ...
 $ bool: logi  NA TRUE TRUE NA NA TRUE ...

 每个类都有自己的打印(print)方法，以此控制如何显示到控制台。又是，这种打印模糊了其内部结构，或忽略了一些有用的信息。用unclass函数可绕开这一点，显示变量是如何构建的。例如，对因子调用 unclass 函数会显示它仅是一个整数(integer) 向量，拥有一个叫 levels 的属性：

1
2
3
4
unclass(fac)
[1] 2 1 4 3
attr(,"levels")
[1] "cat"      "dog"      "goldfish" "hamster"

 attributes 函数能显示当前对象的所有属性列表：

1
2
3
4
5
6
> attributes(fac)
$levels
[1] "cat"      "dog"      "goldfish" "hamster"
 
$class
[1] "factor"

 view 函数会把数据框显示为电子表格。edit 和 fix 与其相似，不过它们允许手动更改数据值。

1
2
3
View(dfr)           #不允许更改
new_dfr = edit(dfr) #更改将保存于new_dfr
fix(dfr)            #更改将保存于dfr
1
View(head(dfr,50)) #查看前50行

　　

 三、第四章 向量、矩阵和数组

 数组能存放多维矩形数据。矩阵是二维数组的特例。

有很多创建序列的方法，seq创建的优点是可设置步长。

1
2
> (xulie = seq(1,15,2))
[1]  1  3  5  7  9 11 13 15

 length() 函数查询序列的长度：

1
2
> length(xulie)
[1] 8

 向量的命名：

1
2
3
4
5
6
7
8
> c(apple = 1,banana = 2,"kiwi fruit" = 3, 4)
     apple     banana kiwi fruit           
         1          2          3          4
> x = 1:4
> names(x) = c("apple" ,"banana" ,"kiwi fruit","")
> x
     apple     banana kiwi fruit           
         1          2          3          4

  数组的创建：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
> three_d_array = array(                 #三维数组
+   1:24,
+   dim = c(4,3,2),
+   dimnames = list(
+     c("one","two","three","four"),
+     c("ein","zwei","drei"),
+     c("un","deux")
+   )
+ )
> three_d_array
, , un
 
      ein zwei drei
one     1    5    9
two     2    6   10
three   3    7   11
four    4    8   12
 
, , deux
 
      ein zwei drei
one    13   17   21
two    14   18   22
three  15   19   23
four   16   20   24
1
2
3
4
5
6
7
8
9
10
11
12
13
> (a_matrix = matrix(                #创建矩阵
+   1:12,
+   nrow = 4,byrow = T,
+   dimnames = list(
+     c("one","two","three","four"),
+     c("ein","zwei","drei")
+   )
+ ))
      ein zwei drei
one     1    2    3
two     4    5    6
three   7    8    9
four   10   11   12

一些函数：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
> x = (1:5) ^ 2
> x
[1]  1  4  9 16 25
> x[c(1,3,5)]
[1]  1  9 25
> x[c(-2,-4)]
[1]  1  9 25
> x[c(TRUE,F,T,F,T)]
[1]  1  9 25
> names(x) = c("one","four","nine","sixteen","twenty five")
> x
        one        four        nine     sixteen twenty five
          1           4           9          16          25
> which(x > 10)
    sixteen twenty five
          4           5
> which.min(x)
one
  1
> which.max(x)
twenty five
          5
>
1
2
3
4
5
6
7
8
> rep(1:5 , 3)
 [1] 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5
> rep(1:5 , each = 3)
 [1] 1 1 1 2 2 2 3 3 3 4 4 4 5 5 5
> rep(1:5 , times = 1:5)
 [1] 1 2 2 3 3 3 4 4 4 4 5 5 5 5 5
> rep(1:5 , length.out = 7)
[1] 1 2 3 4 5 1 2
1
2
3
4
> rep.int(1:5 , 3)
 [1] 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5
> rep_len(1:5 , 13)
 [1] 1 2 3 4 5 1 2 3 4 5 1 2 3
1
2
3
4
5
6
7
8
> dim(three_d_array)
[1] 4 3 2
> dim(a_matrix)
[1] 4 3
> nrow(a_matrix)
[1] 4
> ncol(a_matrix)
[1] 3

原文地址：https://www.cnblogs.com/bcnd559/p/11651126.html

随机文章
本站知识点必读
最近更新