R入门（四） --- 循环语句、apply函数、进度提示

今日版块循环

大面积展示作业

#作业5.1打印出奇数
for (i in 1:100) {
  if(i %% 2 == 1){
    print(i)
  }
}
#5.1参考答案
for(i in seq(from=1,to = 100,by = 2)) print(i)
#或者
print(seq(from=1,to = 2,by = 100))

关于马尔萨斯人口增长模型的R实现,设定增长率,初始年人口数,增长年数

#人口的马尔萨斯增长模型
r <- 0.011
x <- numeric(100)
x[1] <- 66.8
for (i in 2:100) {
  x[i] <- x[i-1]*r+x[i-1]
}
#画出增长模型
y <- seq(from=2008,length.out = 100,by = 1)
plot(y,x)
#找到人口在哪一年开始超过100亿
abline(h = 100,col='darkgreen',lty=2)
locator(1)  #结果显示大概是在2045年人口超过100亿
$`x`
[1] 2044.262
$y
[1] 100.0087

按要求生成矩阵m,m中的元素根据矩阵$x,y$而来,$m[i,j]=x[i]\ast y[j]$

#作业5.2
#马尔萨斯增长模型中,x为向量,用0来占位,
#在本作业中,m为矩阵,用NA来占位,先设置好框架,几行几列,再往里面填数
example("matrix")
x <- c(2,3,5)
y <- c(1,2,3,4)
m <- matrix(nrow = length(x),ncol = length(y))
for (i in 1:length(x)) {
  for (j in 1:length(y)) {
    m[i,j] <- x[i]*y[j]
  }
}
#image()绘制的是颜色网格图
example("image")

总结:
1.当要设定某长度的向量,或某维度的矩阵时,要用占位符,进行占位,把框架搭建好。

• 其中，向量是用0来占位，numeric(长度) [见马尔萨斯增长模型];
• 矩阵用NA来占位,搭建框架matrix(nrow=a,ncol=b) [见]作业5.2

2.如果是两个循环变动的变量,需要循环套循环,for()语句套for()语句,

• 通俗来讲,就是固定外圈for的某个值,内圈for走一遍,
• 再换个外圈for(),内圈for()所有数值再走一遍

循环的魅力—> 动画

康威生命游戏的R实现

规则:

• 每个玩家有一个国际象棋棋盘，除了边缘外，每个方格被8个方格包围。每个方格里可以居住一个细胞，假定每个细胞周边养活细胞的资源是有限的。
• 游戏开始时，由玩家选任意多个方格，每个方格放进去一个活细胞。在下一个时刻，细胞的生死由相邻8个方格中的活细胞数量决定：
• ==>当相邻的活细胞多于3时，那么由于僧多粥少，中央的这个细胞就会饿死；当相邻的活细胞少于2时，中央这个细胞会因太孤单而死
• 只有在相邻活细胞数量刚好是2或3时，中央的细胞才会活下去;这种情况下，即使中央原本没有细胞，也会诞生一个新细胞。

install.packages('simecol')
require(simecol)
# 40 * 40的棋盘:
m <- matrix(0, 40, 40)
# 玩家放置细胞的初始条件。0 表示该位置没有细胞，1 表示有细胞：
m[5:35, 19:21] <- 1
# 白色表示没有细胞，绿色有细胞：
image(m, col = c("white", "darkgreen"), axes = FALSE)
for(i in 1:200) {
  nn <- eightneighbours(m)
  m.old <- m
  # 当周围有三个细胞时该位置产生细胞：
  m[m.old == 0 & nn == 3] <- 1
  # 当周围细胞少于 2 个（太孤单）或大于 3 个（太拥挤）时，
  # 该位置细胞死亡。
  m[m.old == 1 & (nn < 2 | nn > 3)] <- 0
  image(m, col = c("white", "darkgreen"), axes = FALSE)
  Sys.sleep(0.1)
}

注释:

1. simecol() 扩展包是用来使用eightneighbours()函数,作用类似于windows扫雷游戏中,每个方格的数字表示周围8个方格地雷数量之和,这个函数就是计算矩阵的每个元素相邻周围8个元素之和。
2. 其中调用包使用require(),而不是library(),好生奇怪,为啥?
3. 这个代码没有看明白,还需深究

png(paste("F:/R lab/学R/data/conway_",
          formatC(i,width = 2,flag = '0'),'.png',
          sep = ''),
    width = 300,height = 300)
image(m,col = c('white','darkgreen'),axes=FALSE)
dev.off()

将连续图片连接的软件ffmpeg
ffmpeg: https://ffmpeg.org/
注释:

1. 保存图片,在作图前后增加打开和关闭图片的函数,像上述代码存成的png格式照片那样
2. 但是运行出来,路径下只有最后一张图片。
3. ffmpeg软件下载了,但是不知道怎么用,英文网站看不懂,OMG!

R制作的3D立体动画

install.packages('rgl')
require(rgl)
example(movie3d)

这一节叫做超越循环,how??

wp <- as.data.frame(WorldPhones) #将WorldPhones转化为数据框数据
wp$year <- as.numeric(rownames(wp)) #将行名称转为数值型数据
#将数据格式重新调整为3列的数据框,三列分别是电话数量,年份,洲名
mydata3 <- data.frame(
  nphone = unlist(wp[,1:7]), year = rep(wp$year, 7),
  conti = rep(names(wp)[1:7], each = nrow(wp)))
summary(mydata3)
str(mydata3)
mydata3$year <- as.factor(mydata3$year) #转为因子格式
nlevels(mydata3$year)
levels(mydata3 $ year)

#练习5.4
boxplot(nphone~year, data = mydata3, col= rainbow(6))

                    *[花里胡哨的图片就不演示了]* 

注释:

1. str()函数可以用来看数据结构
2. 将数值型数据转为因子型数据,as.factor()，查看因子个数nlevels()，查看因子水平情况levels()
3. 因子的含义就是分类的意思

根据因子这一结构,做一下展示,比如对不同年份计算几大洲的电话总和

方法一：for（）循环大法

for (i in levels(mydata3$year)) {
  print(sum(mydata3$nphone[mydata3$year == i]))
}

方法二：apply（）函数大法

tapply(mydata3$nphone, mydata3$year, sum)

注释： tapply（），（table apply的缩写），根据年份，对nphone求和，优秀！！！

apply()家族的小秘密

apply家族：
apply（），tapply（），lapply（），sapply（），rapply（），vapply（），mapply（）

myfile1 <- file.choose()
myfile1 
mydata2 <- read.csv(file = "F:\\R lab\\学R\\r4r\\co2.csv")
smr1 <- summary(mydata2)

注释: summary() 得到的是一个列表,存储的是字符型信息,无法对其进行数字运算操作，若想对其操作，可以用lapply（）函数，lapply（）返回的是列表。sapply（）返回的是数据框。

> smr2 <- lapply(mydata2,summary)
> smr2[[2]][6]-smr2[[2]][1]
 Max. 
47.81 
> smr3 <- sapply(mydata2,summary)
> smr3[6,2]-smr3[1,2]
[1] 47.81

plot() 的第五种化身——箱线图

• 当plot（）中的x为分类型变量时，会自动转化为箱线图

plot(x = mydata3$year, y = mydata3$nphone)
#等同于
boxplot(mydata3$nphone~mydata3$year)

#作业5.5
tapply(mydata3$nphone, mydata3$conti, max )
tapply(mydata3$nphone, mydata3$conti, min )
tapply(mydata3$nphone, mydata3$conti, median )

拓展==>提示进度

• 提示进度，函数WinDialog(),或者print()函数
• 当命令执行完毕后，点击"ok"，便进行下一个操作
• WinDialog()和file.choose()一样属于与用户交互对话的函数

N <- numeric(100)
N[1] <- 66.8
r <- 0.011
for (t in 1:3) {
  N[t+1] <- N[t] + r * N[t]
  winDialog(type = c('ok'),
            message = paste('population in',t + 2007,
                            'will be', N[t+1]))
}

• 马尔萨斯人口模型，交互式自动选择年份，反馈出人口预测数
  从弹出的窗口选择年份，自动给出结果

r <- 0.011
N <- numeric(100)
N[1] <- 66.8
for (i in 2:100) {
  N[i] <- N[i-1]*r+N[i-1]
}
n <- winDialogString(
  message = 'which yearis population would you like to see',
  default = '2050')
winDialog(type = c('ok'),message = paste(
  'population in', n ,'will be',N[as.numeric(n)-2007]))