R语言（小tips）

1. 仅知道函数的部分名称,想列出全部

apropos(‘tab’)

2. 列出全部有tab字段的函数,或者访问

http://finzi.psych.upenn.edu/search.html

3. 自动补全

双击tab键将返回所有可能的补全命令列表

4. 更改小数点位数

options(digits = ) #参数为1至22,默认7

5. 显示错误信息

options(show.error.messages=T)

6. 升级R,但不想重装packages?

• 在其他目录安装R,在将旧版本保留的library目录下的文件拷贝至新版本library目录下,然后update.packages()
• 或卸载R,把R装到旧的目录下,然后update.packages()

7. 卸载已安装的packages

remove.packages(c('pkg1','pkg2'), lib = file.path('path','to','library'))

8. library()的逆向操作

detach('package:pkg')

9. 得到加载package的列表

search()
.packages(all.available = T)

#le10=10*10^9
#1.2e-4=0.00012

10. 读取Excel数据两种方法

• 另存为csv
• 安装包openxlsx

library(openxlsx)
file <- file.choose()
a <- read.xlsx(xlsxFile =file,sheet = 1)

补充：读取pdf文件

library(pdftools) #加载PDF包
library(tidyverse) 
#file <- file.choose()
file <- "C:\\Users\\检验结果1.pdf"
pdf <- pdf_text(file) %>% readr::read_lines()
head(pdf)

11. 在对原数据进行了删除处理,但是希望调出原数据

data(iris)

12. 查看R中自带哪些数据

data()

13. 列出已安装的包中所有数据集

data(package = .packages(all.available = TRUE)) 
#packages(all.available = TRUE)表示可用的安装包

choose.dir()

14. 读取大数据

(fread是真的很快)

library(data.table)
data<-fread("附件 1.csv")

15. 查看环境中使用了哪些变量

ls()

16. 对所选行的R代码注释快捷键：Ctrl+Shift+c

17. R“无法打开cran”

#手动选择清华镜像
options(repos=structure(c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")))
install.packages("RCurl")

18. 数据合并dplyr

从GitHub上下载包，要先library（devtools）

19. 混淆矩阵

library(caret)
confusionMatrix(actual, predicted) 

20.data.frame数据框变成一列向量

unlist(dataframename)

21. 对数值型变量分组cut()

cut(x = value,breaks =c(-Inf,20,40,60,Inf),labels =c("(-Inf,20)","[20,40)","[40-60)","[60,Inf)"),right = F)
#right默认为T，即(a,b]，表示右边是为闭，是包含b值的，整个区间是左开右闭
#right改为F,表示不包含b值

22. levene检验既可用于正态总体，也可用于非正态总体，较为稳健的方差分析

library(car)
leveneTest(y = newdata$总费用,group=newdata$costtype)

23.从GitHub上下载安装包

例如，下载onetree这个包

library(devtools)
install_github("yikeshu0611/onetree") #在GitHub上下载安装包
library(onetree)

24. 根据dataframe的某两列进行排序

(负号可以进行降序，默认升序）
dat[order(col1,col2),]

25.R取分位数，并不显示分位数的名称

quantile(x,names=FALSE)

26.取出table()后的结果

as.numeric(table(df$col1))

问:bagging,boosting是什么？（答案不完全）

答：集成学习中,他们属于抽样的方式,bagging是等概率抽样,boosting是根据错误率进行抽样

问：支持向量机是什么？（待学习）

问：qq.plot()？如何实现对数据进行正态性检验,有了正态线,还希望画出误差线(待学习)

问：R当前已有向量？(待学习)

问：数据挖掘包含哪些领域？

答：分类,估值,预测,聚类,描述,可视化,文本分析,复杂数据挖掘（爬虫）txt、web、图形图像、视频、音频

问：聚类算法包括哪些？简述原理

答：层次聚类（凝聚的层次聚类和分裂的层次聚类）,k中心聚类/k均值聚类,BIRCH,DBSCAN

• 层次聚类不用预先确定k数,分类的类数
• 凝聚层次聚类:所有样本都视为一类,按照距离合并,只至所有的都合为一类。
• 分裂的层次聚类,将所有的都视为一类,根据距离,将样本进行细分,只至每个样本都归为一类,或者某个类达到最大样本数,或存在某两个类之间的距离达到阈值
• k中心聚类/k均值聚类

需要事先确定k,类别数,以此来确定随机点的个数, 这一分类的思想是,人为确定类别数k后,系统设定k个随机点,作为类别中心,其他点根据距离最近被分配到这k个中心中,再计算k个类别的中心/均值作为新的类别中心,循环,只至迭代一定次数后,每个类别趋于稳定

• BIRCH
  分为BOOT(UNLEAF),LEAF,MINCLUSTER,构成树的形状,从右到左依次是领边的子集,对容量有限制,限制数记为B,L,T,每个节点存储一个CF值,CF=(N,LS,SS),计算方法不做赘述.依次存储,计算距离,然后把点近的归为一类,达到饱和限定值后,分裂出新的节点,循环只到所有的点,都被安排好.当个别点未归入类比较集中的叶子中,可以视为离群点.
• DBSCAN
  找出待聚类点中的核心点,再将其身边的直接密度可达点以及密度可达点找出,这些点形成一个簇

问：k折交叉验证是什么？

答：获得同等大小的k个数据集,将k-1作为训练集构建出训练模型,剩下的那个作为测试集,得到性能指标的测试值,重复k次,得到k个性能指标值,取平均.一般k取10

问：abline和lines的区别？

答：

1. abline的使用(一般做回归线)
   在图上加水平直线
   abline(h=)
   在图上加垂直直线
   abline(v=x)
   在图上加y=a+bx的直线
   abline(a,b)
   在图上绘出线性方程y=a+bx
   abline(lm.obj)

2. lines的使用(一般做连线图)
   lines(x,y)