对数运算在数据科学中具有重要意义,还有其它运算呢?

下面内容摘录自《用R探索医药数据科学》专栏文章的部分内容。栏目后续章节的文章将深入概括R语言在临床研究和新药创新领域的应用,填补了国内R教材中尚未广泛覆盖的部分内容。​​​​​​​3章3节:R的赋值操作与算术运算_r 链式赋值-CSDN博客文章浏览阅读266次。掌握这些基本的算术运算,不仅是 R 语言编程的基石,更是开展医学数据分析与建模的关键所在,进而为临床数据的科学分析提供强有力的计算支撑。_r 链式赋值https://blog.csdn.net/2301_79425796/article/details/140776119

欢迎订阅我们专栏

.......前面部分请点击上面链接看原文(原文5307字)

 5、对数运算

对数运算是幂运算的逆操作。对数运算的不同底数对计算结果有直接影响,R语言提供了多种对数函数,分别是:

  • log():计算以自然常数 ee 为底的对数。
  • log2():计算以2为底的对数。
  • log10():计算以10为底的对数。
  • log(x, base = a):计算以任意数 aa 为底的对数。
# 1. 使用 log() 函数计算自然对数
x1 <- c(1, 2, 3)
result_log <- log(x1)
print(result_log)
# 结果: [1] 0.000000 0.693147 1.098612

# 2. 使用 log2() 函数计算以 2 为底的对数
x2 <- c(1, 2, 4, 8)
result_log2 <- log2(x2)
print(result_log2)
# 结果: [1] 0 1 2 3

# 3. 使用 log10() 函数计算以 10 为底的对数
x3 <- c(1, 10, 100, 1000)
result_log10 <- log10(x3)
print(result_log10)
# 结果: [1] 0 1 2 3

# 4. 使用 log(x, base = a) 函数计算任意底数的对数
x4 <- c(1, 2, 4, 8)
base <- 3
result_log_base <- log(x4, base = base)
print(result_log_base)
# 结果: [1] 0.000000 0.630930 1.261861 1.892791

log() 函数用于计算以自然常数 e 为底的对数,示例中计算了 1、2 和 3 的自然对数。

log2() 函数用于计算以 2 为底的对数,示例中计算了 1、2、4 和 8 的对数(底数为 2)。

log10() 函数用于计算以 10 为底的对数,示例中计算了 1、10、100 和 1000 的对数(底数为 10)。

log(x, base = a) 函数用于计算以任意底数 a 为底的对数,示例中计算了 1、2、4 和 8 的对数,底数设为 3 。

对数运算在数据科学中具有重要意义。例如,它们可以用于数据的标准化处理、建模中的特征变换等。在实际应用中,选择适当的对数底数可以使模型更具可解释性。

6、绝对值运算

绝对值运算是数学中常用的操作,用于计算一个数的非负值。在R语言中,我们使用 abs() 函数来计算绝对值。

# 计算-5的绝对值
result_abs <- abs(-5)
print(result_abs)

结果为:

[1] 5

绝对值函数在数据处理和数学计算中非常重要。它可以用于距离计算、误差度量等场景。

5、平方根运算

平方根运算是计算一个数的平方根。在R语言中,平方根运算使用 sqrt() 函数来完成。

> # 计算9的平方根
> result_sqrt <- sqrt(9)
> print(result_sqrt)

结果为:

[1] 3

7、三角函数运算

R语言中的三角函数包括正弦(sin())、余弦(cos())、正切(tan())、反正弦(asin())、反余弦(acos())和反正切(atan())。需要注意的是,R语言中的三角函数使用弧度作为单位。

  • sin():计算正弦值。
  • cos():计算余弦值。
  • tan():计算正切值。
  • asin():计算反正弦值。
  • acos():计算反余弦值。
  • atan():计算反正切值。
  • 常数 π(圆周率)在数学中表示一个圆的周长与直径之比,约等于3.14159。这个常数在计算三角函数、圆形几何、傅里叶变换等许多数学和科学应用中都有重要作用。在R语言中,常数 π 使用 pi 表示。R语言提供了内置的 pi 常量,代表了这个数学常数的值,可以在各种计算中直接使用它。
# 1. 正弦函数 (sin)
# 计算30度的正弦值
angle_sin <- pi / 6  # 30度的弧度值
sin_value <- sin(angle_sin)
print(paste("sin(30度) =", sin_value))
# 结果: [1] "sin(30度) = 0.5"

# 2. 余弦函数 (cos)
# 计算45度的余弦值
angle_cos <- pi / 4  # 45度的弧度值
cos_value <- cos(angle_cos)
print(paste("cos(45度) =", cos_value))
# 结果: [1] "cos(45度) = 0.707106781186548"

# 3. 正切函数 (tan)
# 计算60度的正切值
angle_tan <- pi / 3  # 60度的弧度值
tan_value <- tan(angle_tan)
print(paste("tan(60度) =", tan_value))
# 结果: [1] "tan(60度) =  1.73205080756888"

# 4. 反正弦函数 (asin)
# 计算正弦值为0.5的角度
sin_value_asin <- 0.5
angle_asin <- asin(sin_value_asin)
print(paste("asin(0.5) =", angle_asin, "弧度"))
# 结果: [1] "asin(0.5) = 0.523598775598299 弧度"

# 5. 反余弦函数 (acos)
# 计算余弦值为0.5的角度
cos_value_acos <- 0.5
angle_acos <- acos(cos_value_acos)
print(paste("acos(0.5) =", angle_acos, "弧度"))
# 结果: [1] "acos(0.5) = 1.0471975511966 弧度"

# 6. 反正切函数 (atan)
# 计算正切值为1的角度
tan_value_atan <- 1
angle_atan <- atan(tan_value_atan)
print(paste("atan(1) =", angle_atan, "弧度"))
# 结果: [1] "atan(1) = 0.785398163397448 弧度"

# 7. 常数 π (pi)
# 输出常数π的值
print(paste("常数π的值 =", pi))
# 结果: [1] "常数π的值 = 3.14159265358979"

掌握这些基本的算术运算,不仅是 R 语言编程的基石,更是开展医学数据分析与建模的关键所在,进而为临床数据的科学分析提供强有力的计算支撑。以下为重要计算函数表,以助大家运用:

函数名称具体功能函数名称具体功能
sqrt()求解平方根sd()求解标准差
var()求解方差median()求解中位数
max()返回最大值min()返回最小值
range()返回极值round()四舍五入
floor()向下取整log()取自然对数
log10()取以10为底的对数exp()以e为底的指数运算
sin()取正弦cos()取余弦
tan()取正切sum()求和运算
cumsum()累加求和运算prod()累乘运算
abs()取绝对值fivenum()求解四分位数和中位数
quantile()求解任意分位数IQR()求解四分位数间距

在这里,你学到的并非仅仅是 R 的某一个技巧,而是能够从零开始,深入且系统地学习 R 语言。此外,本专栏每周至少定期更新三篇文章,每篇文章篇幅均在 5000 字以上。而且,对于已经发表的知识点,我们也会根据新的技术或理解及时进行更新,这是纸质版图书无法做到的。为了让更多的忠实粉丝和同学们享受到实惠,本专栏采用折扣定价策略。随着章节的不断完成,折扣力度会逐渐减小。所以,现在正是订阅的最佳时机!

https://blog.csdn.net/2301_79425796/category_12729892.html?spm=1001.2014.3001.5482

​​​​

第一章:认识数据科学和R

1章1节:数据科学的发展历程,何 R 备受青睐及我们专栏的独特之处(更新20240822)-CSDN博客

1章2节:关于人工智能、机器学习、统计学连和机器学习、R 与 ChatGPT 的探究 (更新20240814)-CSDN博客

1章3节:R 语言的产生与发展轨迹(更新2024/08/14)-CSDN博客

1章4节:数据可视化, R 语言的静态绘图和 Shiny 的交互可视化演示(更新20240814)-CSDN博客

第二章:R的安装和数据读取

2章1节:R和RStudio的下载和安装(Windows 和 Mac)_rst语言选择哪个镜像-CSDN博客

2章2节:RStudio 四大区应用全解,兼谈 R 的代码规范与相关文件展示_rstudio的console和terminal-CSDN博客

2章3节:RStudio的高效使用技巧,自定义RStudio环境(更新20240823)_rstudio如何使用-CSDN博客

2章4节:用RStudio做项目管理,静态图和动态图的演示,感受ggplot2的魅力-CSDN博客

2章5节:认识和安装R的扩展包,什么是模糊搜索安装,工作目录和空间的区别与设置(更新20240807 )-CSDN博客

2章6节:R的数据集读取和利用,如何高效地直接复制黏贴数据到R(更新20240807 )_r语言 复制数据集-CSDN博客

2章7节:读写RDS,CSV,TXT,Excel,SPSS、SAS、Stata、Minitab等的数据文件(更新20240807)_r语言读取rds文件-CSDN博客

2章8节:一文学会 R Markdown 的文档核心操作,切记文末有R资源的分享_r markdown文件(.rmd)-CSDN博客

2章9节:认识R与数据库连接和网络爬虫,学会在R中使用SQL语言_sql和r语言-CSDN博客

2章10节:用 R 直接下载并分析 NHANES 数据库的数据,文末示例自创便捷下载函数(更新20240807)_nhanes数据分析-CSDN博客

第三章:认识数据

3章1节:数据的基本概念以及 R 中的数据结构、向量与矩阵的创建及运算-CSDN博客

3章2节:继续讲R的数据结构,数组、数据框和列表-CSDN博客

3章3节:R的赋值操作与算术运算_r里面的赋值-CSDN博客

3章4节:R的逻辑运算和矩阵运算-CSDN博客

3章5节:R 语言的循环与遍历函数全解析-CSDN博客

第四章:数据的预处理

4章1节:全面了解 R 中的数据预处理,通过 R 基本函数实施数据查阅_r数据预处理-CSDN博客

4章2节:从排序到分组和筛选,通过 R 的 dplyr 扩展包来操作-CSDN博客

4章3节:处理医学类原始数据的重要技巧,R语言中的宽长数据转换,tidyr包的使用指南-CSDN博客

4章4节:临床数据科学中如何用R来进行缺失值的处理_临床生存分析缺失值r语言-CSDN博客

4章5节:数据科学中的缺失值的处理,删除和填补的选择,K最近邻填补法-CSDN博客

4章6节:R的多重填补法中随机回归填补法的应用,MICE包的实际应用和统计与可视化评估-CSDN博客

4章7节:用R做数据重塑,数据去重和数据的匹配-CSDN博客

4章8节:用R做数据重塑,行列命名和数据类型转换-CSDN博客

4章9节:用R做数据重塑,增加变量和赋值修改,和mutate()函数的复杂用法_r语言如何在数据集中添加变量-CSDN博客

4章10节:用R做数据重塑,变体函数应用详解和可视化的数据预处理介绍-CSDN博客

4章11节:用R做数据重塑,数据的特征缩放和特征可视化-CSDN博客

4章12节:R语言中字符串的处理,正则表达式的基础要点和特殊字符-CSDN博客

4章13节:R语言中Stringr扩展包进行字符串的查阅、大小转换和排序-CSDN博客

4章14节:R语言中字符串的处理,提取替换,分割连接和填充插值_r语言替换字符串-CSDN博客

4章15节:字符串处理,提取匹配的相关操作扩展,和Stringr包不同函数的重点介绍和举例-CSDN博客

4章16节:R 语言中日期时间数据的关键处理要点_r语言 时刻数据-CSDN博客

第五章:定量数据的统计描述

5章1节:用R语言进行定量数据的统计描述,文末有众数的自定义函数-CSDN博客

5章2节:离散趋势的描述,文末1个简单函数同时搞定20个结果-CSDN博客

5章3节:在R语言中,从实际应用的角度认识假设检验-CSDN博客

5章4节:从R语言的角度认识正态分布与正态性检验-CSDN博客

5章5节:认识方差和方差齐性检验(三种方法全覆盖)-CSDN博客

5章6节:R语言中的t检验,独立样本的t检验-CSDN博客

5章7节:单样本t检验和配对t检验-CSDN博客

5章8节:方差分析(ANOVA)及其应用-CSDN博客

5章9节:组间差异的非参数检验,Wilcoxon秩和检验和Kruskal-Wallis检验-CSDN博客

第六章:定性数据的统计描述 

6章1节:定性数据的统计描述之列联表,文末有优势比计算介绍-CSDN博客

6章2节:认识birthwt数据集,EpiDisplay和Gmodels扩展包的应用-CSDN博客

6章3节:独立性检验,卡方检验,费希尔精确概率检验和Cochran-Mantel-Haenszel检验-CSDN博客

6章4节:相关关系和连续型变量的Pearson相关分析-CSDN博客

6章5节:分类型变量的Spearman相关分析,偏相关分析和相关图分析-CSDN博客

6章6节:相关图的GGally扩展包,和制表的Tableone扩展包-CSDN博客

第七章:R的传统绘图

7章1节:认识R的传统绘图系统,深度解析plot()函数和par()函数的使用-CSDN博客

7章2节:R基础绘图之散点图、直方图和概率密度图-CSDN博客

7章3节:R基础绘图之条形图和堆积条形图-CSDN博客

7章4节:饼图,箱线图和克利夫兰点图-CSDN博客

7章5节:散点矩阵图,与小提琴图、Cleveland 点图、马赛克图和等高图-CSDN博客

7章6节:用R进行图形的保存与导出,详细的高级图形输出,一文囊括大多数保存的各种问题,和如何批量保存不同情况的图形-CSDN博客

 第八章:R的进阶绘图

8章1节:认识 ggplot2 扩展包,深度解析 qplot() 函数的使用-CSDN博客

 8章2节:深度讲解 ggplot2 的绘图步骤,理解其核心逻辑, 和 ggplot()函数-CSDN博客

 8章3节:用R来绘制医学地理图,文末有具体完整代码-CSDN博客

 8章4节:维恩图的认识与应用,和使用UpSet图-CSDN博客

 8章5节:用R绘制平行坐标图-CSDN博客

8章6节:雷达图及RadViz图-CSDN博客

8章7节:词云图,矩形树状图和三维散点图-CSDN博客

 8章8节:绘制自定义的高质量动态图和交互式动态图-CSDN博客

第九章:临床试验的统计

9章1节:初步认识临床试验(约7500字)-CSDN博客

9章2节:样本量估计的初步介绍-CSDN博客

9章3节:用R进行样本量估计的统计学参数-CSDN博客

9章4节:两组例数相同的均数比较的样本量估计和绘制功效曲线-CSDN博客

9章5节:两组的例数不等的均数比较的样本量估计和可视化-CSDN博客

9章6节:自身配对设计的均数比较临床试验的样本量估计和可视化-CSDN博客

9章7节:与总体均数比较的样本量估计和可视化-CSDN博客

9章8节: 两、三组试验组率比较的样本量估算和可视化-CSDN博客

9章9节:试验的随机分组认识,用R做简单随机化-CSDN博客​​​​​​​

9章10节:用R实现分层随机化-CSDN博客

9章11节:用R实现区组随机化和置换区组随机化-CSDN博客

9章12节:动态随机化方法介绍,和用R绘制随机化卡片-CSDN博客

第十章:Meta分析攻略

10章1节:认识循证医学中的Meta分析,并予代码演示分析绘图-CSDN博客

​​10章2节:Meta分析的7大步骤的扼要解读-CSDN博客

10章3节:二分类变量的Meta分析模型,分析公式构建和结果解读-CSDN博客

10章4节:二分类变量的Meta分析模型,绘制漏斗图和应用剪补法,最后绘制和解读轮廓增强漏斗图-CSDN博客

10章5节:二分类变量的Meta分析模型,敏感性分析和亚组分析,绘制森林图-CSDN博客

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

数据科学和人工智能兴趣组

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值