Daha fazla ipucu ve püf noktası paylaşmak için R ile ilgili, en kullanışlı özelliğiniz veya numaranız nedir? Akıllı vektörleştirme? Veri girişi / çıkışı? Görselleştirme ve grafikler? İstatistiksel analiz? Özel fonksiyonlar? Etkileşimli ortamın kendisi?
Gönderi başına bir öğe ve oylarla kazanan olup olmayacağımızı göreceğiz.
[Edit 25-Aug 2008]: Yani bir hafta sonra, basit str()olan anketi kazandı. Ben de bunu tavsiye etmeyi sevdiğim için, kabul etmesi kolay bir cevap.
Yanıtlar:
str() size herhangi bir nesnenin yapısını söyler.
dir()- daha mantıklı.
strkısaltmasıdır string.
class()? Benzer türde bilgileri açığa çıkarıyor gibi görünüyor. Neden bu kadar benzer iki komut var?
class()str()görüntülenen bilgilerin sadece küçük bir kısmı
Sık kullandığım çok kullanışlı bir işlev, bir nesneyi R kodu biçiminde dökmenize izin veren dput () işlevidir.
# Use the iris data set
R> data(iris)
# dput of a numeric vector
R> dput(iris$Petal.Length)
c(1.4, 1.4, 1.3, 1.5, 1.4, 1.7, 1.4, 1.5, 1.4, 1.5, 1.5, 1.6,
1.4, 1.1, 1.2, 1.5, 1.3, 1.4, 1.7, 1.5, 1.7, 1.5, 1, 1.7, 1.9,
1.6, 1.6, 1.5, 1.4, 1.6, 1.6, 1.5, 1.5, 1.4, 1.5, 1.2, 1.3, 1.4,
1.3, 1.5, 1.3, 1.3, 1.3, 1.6, 1.9, 1.4, 1.6, 1.4, 1.5, 1.4, 4.7,
4.5, 4.9, 4, 4.6, 4.5, 4.7, 3.3, 4.6, 3.9, 3.5, 4.2, 4, 4.7,
3.6, 4.4, 4.5, 4.1, 4.5, 3.9, 4.8, 4, 4.9, 4.7, 4.3, 4.4, 4.8,
5, 4.5, 3.5, 3.8, 3.7, 3.9, 5.1, 4.5, 4.5, 4.7, 4.4, 4.1, 4,
4.4, 4.6, 4, 3.3, 4.2, 4.2, 4.2, 4.3, 3, 4.1, 6, 5.1, 5.9, 5.6,
5.8, 6.6, 4.5, 6.3, 5.8, 6.1, 5.1, 5.3, 5.5, 5, 5.1, 5.3, 5.5,
6.7, 6.9, 5, 5.7, 4.9, 6.7, 4.9, 5.7, 6, 4.8, 4.9, 5.6, 5.8,
6.1, 6.4, 5.6, 5.1, 5.6, 6.1, 5.6, 5.5, 4.8, 5.4, 5.6, 5.1, 5.1,
5.9, 5.7, 5.2, 5, 5.2, 5.4, 5.1)
# dput of a factor levels
R> dput(levels(iris$Species))
c("setosa", "versicolor", "virginica")
Yardım istediğinizde veya bir faktörün düzeylerini düzenlemek veya yeniden sıralamak istediğinizde kolayca yeniden üretilebilir veri yığınları göndermek çok yararlı olabilir.
head () ve tail () bir veri çerçevesinin, vektörün, matrisin, fonksiyonun vb. ilk ve son bölümlerini almak için. Özellikle büyük veri çerçevelerinde, bu, düzgün yüklendiğini kontrol etmenin hızlı bir yoludur.
Güzel bir özellik: Verileri okumak bağlantıları kullanır , yerel dosyalar, http aracılığıyla erişilen uzak dosyalar, diğer programlardan borular veya daha fazlası olabilen .
Basit bir örnek olarak, random.org'dan min = 100 ve max = 200 arasındaki N = 10 rastgele tamsayı için bu erişimi düşünün (bu, sözde rastgele sayı üreteci yerine atmosferik gürültüye dayalı gerçek rastgele sayılar sağlar):
R> site <- "http://random.org/integers/" # base URL
R> query <- "num=10&min=100&max=200&col=2&base=10&format=plain&rnd=new"
R> txt <- paste(site, query, sep="?") # concat url and query string
R> nums <- read.table(file=txt) # and read the data
R> nums # and show it
V1 V2
1 165 143
2 107 118
3 103 132
4 191 100
5 138 185
R>
Bir kenara, random paketi, random.org'a erişmek için çeşitli kolaylık fonksiyonları sağlar .
Kullandığımı with()ve within()daha fazlasını buluyorum . Artık $kodumu karıştırmak yok ve birinin arama yoluna nesne eklemeye başlamasına gerek yok. Daha ciddisi, veri analizi komut dosyalarımın amacınıwith() vb. Daha net buluyorum .
> df <- data.frame(A = runif(10), B = rnorm(10))
> A <- 1:10 ## something else hanging around...
> with(df, A + B) ## I know this will use A in df!
[1] 0.04334784 -0.40444686 1.99368816 0.13871605 -1.17734837
[6] 0.42473812 2.33014226 1.61690799 1.41901860 0.8699079
with()R ifadesinin değerlendirildiği bir ortam kurar. within()aynı şeyi yapar ancak ortamı yaratmak için kullanılan veri nesnesini değiştirmenize izin verir.
> df <- within(df, C <- rpois(10, lambda = 2))
> head(df)
A B C
1 0.62635571 -0.5830079 1
2 0.04810539 -0.4525522 1
3 0.39706979 1.5966184 3
4 0.95802501 -0.8193090 2
5 0.76772541 -1.9450738 2
6 0.21335006 0.2113881 4
İlk kullanıldığı zaman fark etmedi şey within()sen değerlendirilen ifadenin parçası olarak atama yapmak zorunda olduğunu ve istenen etkiyi elde etmek için (yukarıdaki gibi) iade nesneyi atar.
http://www.omegahat.org/RGoogleDocs/
Google e-tablolarını tüm ortak çalışanların aynı sayfada olmasının harika bir yolu olarak buldum. Ayrıca, Google Formlar, yanıtlayanlardan gelen verileri almanıza ve bunları zahmetsizce bir google e-tablosuna yazmanıza olanak tanır. Veriler sık sık değiştiğinden ve neredeyse hiçbir zaman nihai olmadığından, R'nin csv dosyalarını indirip okuyarak futz yerine doğrudan bir google elektronik tablosunu okuması çok daha tercih edilir.
# Get data from google spreadsheet
library(RGoogleDocs)
ps <-readline(prompt="get the password in ")
auth = getGoogleAuth("me@gmail.com", ps, service="wise")
sheets.con <- getGoogleDocsConnection(auth)
ts2=getWorksheets("Data Collection Repos",sheets.con)
names(ts2)
init.consent <-sheetAsMatrix(ts2$Sheet1,header=TRUE, as.data.frame=TRUE, trim=TRUE)
Aşağıdaki komutlardan birinin veya ikisinin birkaç saniye sürdüğünü hatırlayamıyorum.
getGoogleAuth
getGoogleDocsConnection
getWorksheets
Standart olmayan adlara referans vermek için ters tikleri kullanın.
> df <- data.frame(x=rnorm(5),y=runif(5))
> names(df) <- 1:2
> df
1 2
1 -1.2035003 0.6989573
2 -1.2146266 0.8272276
3 0.3563335 0.0947696
4 -0.4372646 0.9765767
5 -0.9952423 0.6477714
> df$1
Error: unexpected numeric constant in "df$1"
> df$`1`
[1] -1.2035003 -1.2146266 0.3563335 -0.4372646 -0.9952423
Bu durumda, df [, "1"] de işe yarar. Ancak geri işaretler formüllerin içinde çalışır!
> lm(`2`~`1`,data=df)
Call:
lm(formula = `2` ~ `1`, data = df)
Coefficients:
(Intercept) `1`
0.4087 -0.3440
[Düzenle] Dirk neden geçersiz isimler verileceğini soruyor? Bilmiyorum! Ancak bu problemle pratikte oldukça sık karşılaşıyorum. Örneğin, hadley'in yeniden şekillendirme paketini kullanarak:
> library(reshape)
> df$z <- c(1,1,2,2,2)
> recast(df,z~.,id.var="z")
Aggregation requires fun.aggregate: length used as default
z (all)
1 1 4
2 2 6
> recast(df,z~.,id.var="z")$(all)
Error: unexpected '(' in "recast(df,z~.,id.var="z")$("
> recast(df,z~.,id.var="z")$`(all)`
Aggregation requires fun.aggregate: length used as default
[1] 4 6
read.tableolduğunda check.names- yani orijinal sütun isimleriyle çalışmak istediğinizde de yararlıdır .
Bunun ne kadar iyi bilindiğini / bilmediğini bilmiyorum, ancak kesinlikle faydalandığım bir şey, ortamların geçiş-referans yetenekleridir.
zz <- new.env()
zz$foo <- c(1,2,3,4,5)
changer <- function(blah) {
blah$foo <- 5
}
changer(zz)
zz$foo
Bu örnek için, bunun neden yararlı olacağı bir anlam ifade etmiyor, ancak etrafından büyük nesneler geçiriyorsanız yardımcı olabilir.
En sevdiğim yeni şey foreach kütüphanesi. Tüm güzel uygulamaları yapmanızı sağlar, ancak biraz daha kolay bir sözdizimi ile:
list_powers <- foreach(i = 1:100) %do% {
lp <- x[i]^i
return (lp)
}
En iyi yanı, gerçekten önemli miktarda zaman gerektiren bir şey yapıyorsanız , bir küme genelinde bile anında paralel hale getirmek %do%için %dopar%(uygun arka uç kitaplığıyla) arasında geçiş yapabilirsiniz . Çok şık.
Verilerin birçok temel işleyişini yapıyorum , işte günlük kullandığım iki yerleşik işlev ( dönüştürme , alt küme ) ve bir kitaplık ( sqldf ).
sales <- expand.grid(country = c('USA', 'UK', 'FR'),
product = c(1, 2, 3))
sales$revenue <- rnorm(dim(sales)[1], mean=100, sd=10)
> sales
country product revenue
1 USA 1 108.45965
2 UK 1 97.07981
3 FR 1 99.66225
4 USA 2 100.34754
5 UK 2 87.12262
6 FR 2 112.86084
7 USA 3 95.87880
8 UK 3 96.43581
9 FR 3 94.59259
## transform currency to euros
usd2eur <- 1.434
transform(sales, euro = revenue * usd2eur)
>
country product revenue euro
1 USA 1 108.45965 155.5311
2 UK 1 97.07981 139.2125
3 FR 1 99.66225 142.9157
...
subset(sales,
country == 'USA' & product %in% c(1, 2),
select = c('product', 'revenue'))
>
product revenue
1 1 108.4597
4 2 100.3475
Sqldf paketi R veri çerçeveleri için bir SQL arabirimi sağlar
## recast the previous subset() expression in SQL
sqldf('SELECT product, revenue FROM sales \
WHERE country = "USA" \
AND product IN (1,2)')
>
product revenue
1 1 108.4597
2 2 100.3475
Bir toplama veya GROUP BY gerçekleştirin
sqldf('select country, sum(revenue) revenue \
FROM sales \
GROUP BY country')
>
country revenue
1 FR 307.1157
2 UK 280.6382
3 USA 304.6860
Veri çerçevelerinde daha karmaşık harita azaltma benzeri işlevsellik için plyr paketine göz atın . Ve kendinizi saçınızı çekmek isterken bulursanız , R ile Veri Manipülasyonunu kontrol etmenizi öneririm .
?ave
"X []" alt kümelerinin ortalaması alınır, burada her alt küme aynı faktör seviyelerine sahip gözlemlerden oluşur. Kullanım: ave (x, ..., EĞLENCE = ortalama)
Ben her zaman kullanırım. (örneğin bu cevapta burada öyle )
Kodu hızlandırmanın ve döngüleri ortadan kaldırmanın bir yolu.
değerleri arayan bir veri çerçevesi boyunca döngü yapan döngüleri yerine. sadece bu değerlerle df'nin bir alt kümesini çok daha hızlı alın.
yani bunun yerine:
for(i in 1:nrow(df)){
if (df$column[i] == x) {
df$column2[i] <- y
or any other similiar code
}
}
bunun gibi bir şey yapın:
df$column2[df$column1 == x] <- y
bu temel kavram son derece sık uygulanabilir ve döngüleri ortadan kaldırmanın harika bir yoludur
Bazen rbindbirden çok veri çerçevesine ihtiyaç duyarsınız . do.call()bunu yapmanıza izin verecek (bind bu soruyu sorduğumda birisi bana bunu açıklamak zorunda kaldı, çünkü bariz bir kullanım gibi görünmüyor).
foo <- list()
foo[[1]] <- data.frame(a=1:5, b=11:15)
foo[[2]] <- data.frame(a=101:105, b=111:115)
foo[[3]] <- data.frame(a=200:210, b=300:310)
do.call(rbind, foo)
unsplit .
R programlama (değil etkileşimli oturumlar), ben kullanmak if (bad.condition) stop("message")bir sürü . Her işlev bunlardan birkaçıyla başlar ve hesaplamalarla çalışırken bunları da içine alırım. Sanırım assert()C'de kullanmayı alışkanlık haline getirdim . Faydalar iki yönlüdür. Birincisi, bu kontrolleri yerine getirerek çalışma kodu almak çok daha hızlıdır. İkincisi ve muhtemelen daha da önemlisi, düzenleyicinizin her ekranında bu kontrolleri gördüğünüzde mevcut kodla çalışmak çok daha kolaydır. Merak etmek zorunda kalmayacaksınız x>0ya da öyle olduğunu belirten bir yoruma güvenmeniz gerekmeyecek ... bir bakışta öyle olduğunu anlayacaksınız .
PS. Buradaki ilk yazım. Nazik olmak!
stopfifnot(!bad.condition)bu daha özlü.
traceback()Eğer bir hata bir yere sahiptir ve kolayca bunu anlamıyorum zaman fonksiyonu bir zorunluluktur. Yığının bir izini basacaktır, çünkü R varsayılan olarak çok ayrıntılı değildir.
Sonra ayar options(error=recover) , hatayı artıran işleve "girmenize" ve tam olarak ne olduğunu anlamanıza ve sanki onun üzerinde tam kontrole sahipseniz ve ona bir koyabilirmişsiniz gibi tam olarak ne olduğunu anlamanıza izin verecektir browser().
Bu üç işlev, kodunuzda hata ayıklamaya gerçekten yardımcı olabilir.
options(error=recover)benim favori hata ayıklama yöntemim.
Hiç kimsenin başvuru, tapply, lapply ve sapply hakkında paylaşım yapmamasına gerçekten şaşırdım. R'de bir şeyler yaparken kullandığım genel bir kural, veri işleme veya simülasyonlar yapan bir for döngüsüne sahipsem, onu çarpanlarına ayırmaya ve bir * apply ile değiştirmeye çalışmamdır. Bazı insanlar * uygulama işlevlerinden çekiniyorlar çünkü yalnızca tek parametreli işlevlerin aktarılabileceğini düşünüyorlar. Hiçbir şey gerçeğin ötesinde olamaz! Javascript'te birinci sınıf nesneler olarak parametrelerle işlevler arasında geçiş yapmak gibi, bunu R'de anonim işlevlerle yaparsınız. Örneğin:
> sapply(rnorm(100, 0, 1), round)
[1] 1 1 0 1 1 -1 -2 0 2 2 -2 -1 0 1 -1 0 1 -1 0 -1 0 0 0 0 0
[26] 2 0 -1 -2 0 0 1 -1 1 5 1 -1 0 1 1 1 2 0 -1 1 -1 1 0 -1 1
[51] 2 1 1 -2 -1 0 -1 2 -1 1 -1 1 -1 0 -1 -2 1 1 0 -1 -1 1 1 2 0
[76] 0 0 0 -2 -1 1 1 -2 1 -1 1 1 1 0 0 0 -1 -3 0 -1 0 0 0 1 1
> sapply(rnorm(100, 0, 1), round(x, 2)) # How can we pass a parameter?
Error in match.fun(FUN) : object 'x' not found
# Wrap your function call in an anonymous function to use parameters
> sapply(rnorm(100, 0, 1), function(x) {round(x, 2)})
[1] -0.05 -1.74 -0.09 -1.23 0.69 -1.43 0.76 0.55 0.96 -0.47 -0.81 -0.47
[13] 0.27 0.32 0.47 -1.28 -1.44 -1.93 0.51 -0.82 -0.06 -1.41 1.23 -0.26
[25] 0.22 -0.04 -2.17 0.60 -0.10 -0.92 0.13 2.62 1.03 -1.33 -1.73 -0.08
[37] 0.45 -0.93 0.40 0.05 1.09 -1.23 -0.35 0.62 0.01 -1.08 1.70 -1.27
[49] 0.55 0.60 -1.46 1.08 -1.88 -0.15 0.21 0.06 0.53 -1.16 -2.13 -0.03
[61] 0.33 -1.07 0.98 0.62 -0.01 -0.53 -1.17 -0.28 -0.95 0.71 -0.58 -0.03
[73] -1.47 -0.75 -0.54 0.42 -1.63 0.05 -1.90 0.40 -0.01 0.14 -1.58 1.37
[85] -1.00 -0.90 1.69 -0.11 -2.19 -0.74 1.34 -0.75 -0.51 -0.99 -0.36 -1.63
[97] -0.98 0.61 1.01 0.55
# Note that anonymous functions aren't being called, but being passed.
> function() {print('hello #rstats')}()
function() {print('hello #rstats')}()
> a = function() {print('hello #rstats')}
> a
function() {print('hello #rstats')}
> a()
[1] "hello #rstats"
(#Rstats'i takip edenler için bunu da oraya gönderdim).
Unutmayın, apply, sapply, lapply, tapply ve do.call'ı kullanın! R'nin vektörleştirmesinden yararlanın. Asla bir grup R koduna doğru yürüyüp şunu görmemelisiniz:
N = 10000
l = numeric()
for (i in seq(1:N)) {
sim <- rnorm(1, 0, 1)
l <- rbind(l, sim)
}
Bu sadece vektörize edilmez, aynı zamanda R'deki dizi yapısı Python'da olduğu gibi büyütülmez (alan bittiğinde boyut iki katına çıkar, IIRC). Bu nedenle, her bir ciltleme adımı önce rbind () 'den gelen sonuçları kabul edecek kadar büyümeli, ardından önceki l'nin içeriğinin tamamını kopyalamalıdır. Eğlenmek için yukarıdakileri R'de deneyin. Ne kadar sürdüğüne dikkat edin (Rprof'a veya herhangi bir zamanlama fonksiyonuna bile ihtiyacınız olmayacak). O zaman dene
N=10000
l <- rnorm(N, 0, 1)
Aşağıdakiler de ilk versiyondan daha iyidir:
N = 10000
l = numeric(N)
for (i in seq(1:N)) {
sim <- rnorm(1, 0, 1)
l[i] <- sim
}
Dirk'in tavsiyesi üzerine, tek örnekler veriyorum. Umarım bu seyirci için çok "sevimli" [zeki, ama umurumda değil] veya önemsiz değillerdir.
Doğrusal modeller R'nin özüdür. Bağımsız değişkenlerin sayısı yüksek olduğunda, birinin iki seçeneği vardır. Birincisi, Matlab'a benzer şekilde, tasarım matrisi x'i ve y yanıtını bağımsız değişken olarak alan lm.fit () kullanmaktır. Bu yaklaşımın dezavantajı, dönüş değerinin nesnelerin bir listesi olması (yerleştirilmiş katsayılar, artıklar, vb.), Güzel bir şekilde özetlenebilen, tahmin, aşamalı seçim vb. İçin kullanılabilen "lm" sınıfına ait bir nesne değil. yaklaşım bir formül oluşturmaktır:
> A
X1 X2 X3 X4 y
1 0.96852363 0.33827107 0.261332257 0.62817021 1.6425326
2 0.08012755 0.69159828 0.087994158 0.93780481 0.9801304
3 0.10167545 0.38119304 0.865209832 0.16501662 0.4830873
4 0.06699458 0.41756415 0.258071616 0.34027775 0.7508766
...
> (f=paste("y ~",paste(names(A)[1:4],collapse=" + ")))
[1] "y ~ X1 + X2 + X3 + X4"
> lm(formula(f),data=A)
Call:
lm(formula = formula(f), data = A)
Coefficients:
(Intercept) X1 X2 X3 X4
0.78236 0.95406 -0.06738 -0.43686 -0.06644
If-else bloğundan dönen bir değer atayabilirsiniz.
Bunun yerine, örneğin
condition <- runif(1) > 0.5
if(condition) x <- 1 else x <- 2
yapabilirsin
x <- if(condition) 1 else 2
Bunun tam olarak nasıl çalıştığı derin bir sihirdir.
if-then-elseifadeleri herhangi fonksiyonel dilde çalışacak (ile karıştırılmamalıdır if-then-else ifadeleri ). ?:C benzeri dillerin üçlü operatörüne çok benzer .
CrossTable()dan gmodelspaketin olağan testler (Chisq, McNemar vs.) ile birlikte Sas- ve SPSS tarzı Crosstabs kolay erişim sağlar. Temel olarak, xtabs()fantezi çıktı ve bazı ek testler ile - ancak çıktıları kutsallarla paylaşmayı kolaylaştırıyor.
Kesinlikle system(). R ortamının içinden tüm unix araçlarına (en azından Linux / MacOSX altında) erişebilmek, günlük iş akışımda hızla paha biçilmez hale geldi.
help(connections)Ayrıntılar ve örnekler için bakın .
İşte bir faktörü sayısal hale dönüştürmek için can sıkıcı bir çözüm. (Diğer veri türleri için de benzer)
old.var <- as.numeric(levels(old.var))[as.numeric(old.var)]
as.numeric(levels(old.var))[old.var]
Bu soru bir süredir sorulsa da, kısa süre önce SAS ve R blogunda komutu kullanmak için harika bir numara keşfettim cut. Komut, verileri kategorilere ayırmak için kullanılır ve iris veri setini örnek olarak kullanacağım ve 10 kategoriye ayıracağım:
> irisSL <- iris$Sepal.Length
> str(irisSL)
num [1:150] 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
> cut(irisSL, 10)
[1] (5.02,5.38] (4.66,5.02] (4.66,5.02] (4.3,4.66] (4.66,5.02] (5.38,5.74] (4.3,4.66] (4.66,5.02] (4.3,4.66] (4.66,5.02]
[11] (5.38,5.74] (4.66,5.02] (4.66,5.02] (4.3,4.66] (5.74,6.1] (5.38,5.74] (5.38,5.74] (5.02,5.38] (5.38,5.74] (5.02,5.38]
[21] (5.38,5.74] (5.02,5.38] (4.3,4.66] (5.02,5.38] (4.66,5.02] (4.66,5.02] (4.66,5.02] (5.02,5.38] (5.02,5.38] (4.66,5.02]
[31] (4.66,5.02] (5.38,5.74] (5.02,5.38] (5.38,5.74] (4.66,5.02] (4.66,5.02] (5.38,5.74] (4.66,5.02] (4.3,4.66] (5.02,5.38]
[41] (4.66,5.02] (4.3,4.66] (4.3,4.66] (4.66,5.02] (5.02,5.38] (4.66,5.02] (5.02,5.38] (4.3,4.66] (5.02,5.38] (4.66,5.02]
[51] (6.82,7.18] (6.1,6.46] (6.82,7.18] (5.38,5.74] (6.46,6.82] (5.38,5.74] (6.1,6.46] (4.66,5.02] (6.46,6.82] (5.02,5.38]
[61] (4.66,5.02] (5.74,6.1] (5.74,6.1] (5.74,6.1] (5.38,5.74] (6.46,6.82] (5.38,5.74] (5.74,6.1] (6.1,6.46] (5.38,5.74]
[71] (5.74,6.1] (5.74,6.1] (6.1,6.46] (5.74,6.1] (6.1,6.46] (6.46,6.82] (6.46,6.82] (6.46,6.82] (5.74,6.1] (5.38,5.74]
[81] (5.38,5.74] (5.38,5.74] (5.74,6.1] (5.74,6.1] (5.38,5.74] (5.74,6.1] (6.46,6.82] (6.1,6.46] (5.38,5.74] (5.38,5.74]
[91] (5.38,5.74] (5.74,6.1] (5.74,6.1] (4.66,5.02] (5.38,5.74] (5.38,5.74] (5.38,5.74] (6.1,6.46] (5.02,5.38] (5.38,5.74]
[101] (6.1,6.46] (5.74,6.1] (6.82,7.18] (6.1,6.46] (6.46,6.82] (7.54,7.9] (4.66,5.02] (7.18,7.54] (6.46,6.82] (7.18,7.54]
[111] (6.46,6.82] (6.1,6.46] (6.46,6.82] (5.38,5.74] (5.74,6.1] (6.1,6.46] (6.46,6.82] (7.54,7.9] (7.54,7.9] (5.74,6.1]
[121] (6.82,7.18] (5.38,5.74] (7.54,7.9] (6.1,6.46] (6.46,6.82] (7.18,7.54] (6.1,6.46] (5.74,6.1] (6.1,6.46] (7.18,7.54]
[131] (7.18,7.54] (7.54,7.9] (6.1,6.46] (6.1,6.46] (5.74,6.1] (7.54,7.9] (6.1,6.46] (6.1,6.46] (5.74,6.1] (6.82,7.18]
[141] (6.46,6.82] (6.82,7.18] (5.74,6.1] (6.46,6.82] (6.46,6.82] (6.46,6.82] (6.1,6.46] (6.46,6.82] (6.1,6.46] (5.74,6.1]
10 Levels: (4.3,4.66] (4.66,5.02] (5.02,5.38] (5.38,5.74] (5.74,6.1] (6.1,6.46] (6.46,6.82] (6.82,7.18] ... (7.54,7.9]
Başka bir numara. Glmnet gibi bazı paketler, yalnızca tasarım matrisini ve yanıt değişkenini girdi olarak alır. Özellikler arasındaki tüm etkileşimleri bir modele uydurmak isterse, "y ~. ^ 2" formülünü kullanamaz. Kullanımı expand.grid(), R'nin güçlü dizi indekslemesinden ve vektör işlemlerinden yararlanmamızı sağlar.
interArray=function(X){
n=ncol(X)
ind=expand.grid(1:n,1:n)
return(X[,ind[,1]]*X[,ind[,2]])
}
> X
X1 X2
1 0.96852363 0.33827107
2 0.08012755 0.69159828
3 0.10167545 0.38119304
4 0.06699458 0.41756415
5 0.08187816 0.09805104
> interArray(X)
X1 X2 X1.1 X2.1
1 0.938038022 0.327623524 0.327623524 0.114427316
2 0.006420424 0.055416073 0.055416073 0.478308177
3 0.010337897 0.038757974 0.038757974 0.145308137
4 0.004488274 0.027974536 0.027974536 0.174359821
5 0.006704033 0.008028239 0.008028239 0.009614007
model.matrix?
Benim favorim, aynı biraz alışılmışın dışında değil hileler eğer kullanılmasıdır eval()ve parse(). Bu örnek belki de nasıl yardımcı olabileceğini gösteriyor
NY.Capital <- 'Albany'
state <- 'NY'
parameter <- 'Capital'
eval(parse(text=paste(state, parameter, sep='.')))
[1] "Albany"
Bu tür bir durum, sık olmamakla birlikte daha sık meydana gelir ve bunların kullanımı eval()ve bunların parse()ele alınmasına yardımcı olabilir. Elbette, bunu kodlamanın alternatif yolları hakkında herhangi bir geri bildirim almaktan memnuniyet duyarım.
set.seed() rastgele sayı üreteci durumunu ayarlar.
Örneğin:
> set.seed(123)
> rnorm(1)
[1] -0.5604756
> rnorm(1)
[1] -0.2301775
> set.seed(123)
> rnorm(1)
[1] -0.5604756
C yazanlar için R'den .Internal(inspect(...))aranmak kullanışlıdır. Örneğin:
> .Internal(inspect(quote(a+2)))
@867dc28 06 LANGSXP g0c0 []
@8436998 01 SYMSXP g1c0 [MARK,gp=0x4000] "+"
@85768b0 01 SYMSXP g1c0 [MARK,NAM(2)] "a"
@8d7bf48 14 REALSXP g0c1 [] (len=1, tl=0) 2
d = '~ / R Kodu / Kitaplık /'
dosyalar = list.files (d, '. r $')
for (f dosyalarda) {if (! (f == 'mysource.r')) {print (paste ('Sourcing', f)) source (paste (d, f, sep = ''))}}
R ile etkileşimli oturumumda kullandığım çeşitli yardımcı programlarla başlangıçta bir dizindeki tüm dosyaları kaynaklamak için yukarıdaki kodu kullanıyorum. Eminim daha iyi yollar vardır, ancak işim için yararlı buluyorum. Bunu yapan satır aşağıdaki gibidir.
kaynak ("~ / R Kodu / Kitaplık / mysource.r")
Bir veri çerçevesindeki bir dizi değişken üzerinde işlem gerçekleştirmek için. Bu, subset.data.frame'den çalındı.
get.vars<-function(vars,data){
nl <- as.list(1L:ncol(data))
names(nl) <- names(data)
vars <- eval(substitute(vars), nl, parent.frame())
data[,vars]
#do stuff here
}
get.vars(c(cyl:hwy,class),mpg)
get.varsçok sayıda çembere atlamadan çağıran bir fonksiyon yazmak zordur .
Bunu daha önce bir kez gönderdim ama o kadar çok kullanıyorum ki, tekrar göndereceğimi düşündüm. Bir data.frame'in isimlerini ve konum numaralarını döndürmek için sadece küçük bir işlev. Emin olmak için özel bir şey değil, ama bir seansta neredeyse hiç kullanmıyorum.
##creates an object from a data.frame listing the column names and location
namesind = function (df) {
temp1=names(df)
temp2=seq(1,length(temp1))
temp3=data.frame(temp1,temp2)
names(temp3)=c("VAR","COL")
return(temp3)
rm(temp1,temp2,temp3)
}
ni <- namesind
data.frame(VAR = names(df), COL = seq_along(df))