摘要：工作和生活中存在大量的具有相关性的事件，当找到不同变量之间的关系，我们就会用到回归分析。回归分析（Regression Analysis)：是用来确定2个或2个以上变量间关系的一种统计分析方法。 在回归分析中，变量有2类：因变量 和 自变量。 因变量：通常是指实际问题中所关心的指标，用Y表示。 自变
阅读全文
posted @ 2020-06-22 18:58
随笔分类 - R
摘要：##检查数据的维度 dim(iris) ##显示数据集的内部结构 str(iris) ##显示数据集的属性 attributes(iris) ##显示数据集中每个变量的分布情况 summary(iris) ##显示iris数据集列Species中各个值出现频次 table(iris$Species)
阅读全文
posted @ 2017-08-08 06:03
摘要：这个包让你可以更快地完成数据集的数据处理工作。放弃选取行或列子集的传统方法，用这个包进行数据处理。用最少的代码，你可以做最多的事。相比使用data.frame，data.table可以帮助你减少运算时间。一个数据表格包含三部分，即DT[i, j, by]。你可以理解为我们告诉R用i来选出行的子集，并
阅读全文
posted @ 2017-04-28 08:27
摘要：tidy（整洁），Tidyr包是由Hadely Wickham创建，这个包提高了整理原始数据的效率，tidyr包的4个常用的函数及其用途如下： gather()——它把多列放在一起，然后转化为key:value对。这个函数会把宽格式的数据转化为长格式。它是reshape包中melt函数的一个替代 s
阅读全文
posted @ 2017-04-28 08:27
摘要：sqldf程序包是R语言中实用的数据管理辅助工具，但最新版本的包在处理中文时出现乱码，待解决 Usage: sqldf(x, stringsAsFactors = FALSE, row.names = FALSE...) row.names: 为True时，行名重命名不重新命名 需安装sqldf 包
阅读全文
posted @ 2017-04-27 08:47
摘要：dplyr包是Hadley Wickham的新作，主要用于数据清洗和整理，该包专注dataframe数据格式，从而大幅提高了数据处理速度，并且提供了与其它数据库的接口，本节学习dplyr包函数基本用法。dplyr()可使用%>%（链式操作），其功能是用于实现将一个函数的输出传递给下一个函数的第一个参
阅读全文
posted @ 2017-04-27 08:47
摘要：write.table() 数据导入导出最常用的方式是使用read.table()函数和write.table()处理CSV文件的导入导出，read.table()和write.table()可以处理包含行、列标签的数据框 Usage: write.table(x, file = "", appen
阅读全文
posted @ 2017-04-27 08:46
摘要：sample: 从整体中挑出部分样本数据函数 Usage： sample.int(n, size = n, replace = FALSE, prob = NULL) x：可以是R中任何对象 size: 指定在向量中抽取元素的个数 replace：默认是F，表示每次抽取后的数就不能在下一次被抽取
阅读全文
posted @ 2017-04-24 08:53
摘要：读取csv文件出现中文乱码方案，增加编码格式参数 read.csv(trainPath,header=TRUE,stringsAsFactors=TRUE,encoding = "UTF-8") 保存csv文件中出现乱码，编码格式参数 write.csv(outp, file = path, quo
阅读全文
posted @ 2017-04-18 07:52
摘要：tm包是R语言中为文本挖掘提供综合性处理的package，进行操作前载入tm包，vignette命令可以让你得到相关的文档说明。使用默认安装的R平台是不带tm package的，在安装的过程中，它会依赖于NLP’，‘BH’ ，‘slam’包，所以最简单的方式就是采用在线安装。 在tm 中主要的管理文
阅读全文
posted @ 2017-04-09 12:06
摘要：数据作为信息的载体，要分析数据中包含的主要信息,即要分析数据的主要特征（即数据的数字特征), 对于数据的数字特征, 包含数据的集中位置、分散程度和数据分布，常用统计项目如下： 集中趋势统计量: 均值（Mean)、中位数(Median)、众数(Mode)、百分位数 离散趋势统计量：标准差（sd)、方差
阅读全文
posted @ 2016-10-19 05:33
摘要：目录： 数学函数 统计函数 应用示例 控制流 数学函数 ceiling(x): 大于等于 x 的最小整数, 如： ceiling(3.213) --> 4 floor(x): 小于等于 x 的最大整数，如： floor(3.6534) --> 3 trunc(x): 取x的整数部分， 如： trun
阅读全文
posted @ 2016-10-13 22:16
摘要：目录： 创建新变量 变量重编码 日期值 数据排序 数据集合并 数据子集 随机取样 创建新变量 算术运算函数：x%%y 【求余 x mod y, 5%%2的结果为1】， x%/%y 【整数除法，5% / %2 结果为2】， ^或 ** 求幂 如下示例数据，在对象中增加平均、合计变量（场景不大合适，主要
阅读全文
posted @ 2016-10-12 21:20
摘要：目录： 图形示例 图形参数 符号、线条 颜色 文本属性 尺寸与边界 自定义标题 自定义坐标轴 图例 文本标注 图形组合 图形示例 如下代码描述病人对两种药物五个剂量水平上的响应情况 > mydata <- data.frame(dose=numeric(0),drugA=numeric(0),dru
阅读全文
posted @ 2016-10-09 20:34
摘要：目录： 文本输出 图形输出 数据输入 数据框输出 文本导入 Excel导入 文本输出 语法： sink(file = NULL, append = FALSE, type = c("output", "message"), split = FALSE) 示例代码： setwd("E:\\R") si
阅读全文
posted @ 2016-10-09 20:33
摘要：分析文本内容基本的步骤：提取文本中的词语 -> 统计词语频率 -> 词频属性可视化。词频：能反映词语在文本中的重要性，一般越重要的词语，在文本中出现的次数就会越多。词云：让词语的频率属性可视化，更加直观清晰。文本下载地址（http://www.yuandn.com/booktxt/59797/#do
阅读全文
posted @ 2016-08-18 22:51
摘要：第四章通过REmap包完成基于map分布图示例，前面提到REmap基于Echart2.0, 一方面在移动终端适应效果差，另一方面REmap提供的热力图仅支持全国及省市大版块map，基于上面的原因，参考 http://echarts.baidu.com/examples.html#chart-type
阅读全文
posted @ 2016-08-18 22:43
摘要：工作笔记记录，会持续更新.... 目录： apply tapply lapply sapply merge substr、substring、strsplit、unlist、paste、paste0、nchar table apply函数： apply：apply的中文意思是应用，这个函数的意思是通
阅读全文
posted @ 2016-08-17 08:52
摘要：在我的实际工作中，数据来源一方面是关系型数据库MS SqlServer, 别一方面是HBase。本节主要介绍通过RODBC访问MS SqlServer 安装配置，参见资料（https://msdn.microsoft.com/en-us/library/hh568454(v=sql.110).asp
阅读全文
posted @ 2016-08-17 06:52