R进阶使用技巧

最新推荐文章于 2024-11-08 10:37:11 发布
最新推荐文章于 2024-11-08 10:37:11 发布
阅读量819 收藏 18
点赞数 8
分类专栏： R语言 文章标签： r语言 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/asa12138/article/details/139727969
版权

Introduction

分享一些R进阶使用的技巧，相当于是之前写的R语言学习的实践和总结了。

Use R

R语言简介

R语言是S语言的一个变种。S语言由Rick Becker等人在贝尔实验室开发（著名的C语言、Unix系统开发实验室）。

R是一个自由源代码软件，GPL授权，于1997年发布，实现了与S语言基本相同的功能和统计功能。 现在由R核心团队开发，但全世界的用户都可以贡献软件包。

R的网站: http://www.r-project.org/

特点：

  • 自由软件，免费、开放源代码，支持各个主要计算机系统；
  • 具有完善的数据类型，代码简洁、可读；
  • 强调交互式数据分析，支持复杂算法描述，图形功能强；
  • 统计科研工作者广泛使用R进行计算和发表算法。R有上万扩展包(截止2023年7月5日在R包网站CRAN上有19784个)。

S语言作者，R语言专家J. M. Chambers指出R的.red[本质特征]：

  • R中所有的存在都是对象（object）；
  • R中发生的动作都是函数调用（function call）。

详细地说R有如下技术特点：

  • 函数编程（functional programming）。
  • 支持对象类和类方法，面向对象的程序设计。
  • 动态类型语言，解释执行，速度较慢。
  • 数据框（data.frame）是基本数据类型，类似于数据库的表。
  • 可以用作C和C++、FORTRAN语言编写的算法库的接口。
  • 内部数值算法采用已广泛测试和采纳的算法实现，如排序、线性代数等。

R & Rstudio

  • R是一种统计学编程语言
  • Rstudio是R语言最好的IDE（Integrated development environment）

2022年RStudio公司正式改名Posit，拥抱大数据科学生态：R、Python、Julia…

RStudio使用方法概要PDF下载：rstudio-ide.pdf

Rstuido的魔法：按住Ctrl（Command）单击某个变量名或函数名，如果是data.frame就可以进入预览窗格，
如果是函数就可以进入函数内部看具体的代码。

其实是调用了View()函数，对于不是以上类型的对象我们可以手动调用。

学习资料

基本使用

很多人使用 R，只为用其中的某个包的某个功能，只需学会以下几步即可：

1. 装好R & Rstudio ✅
2. 认识基本数据类型，结构
  • 数值型常量 1,1e2,5L,Inf,-Inf;
  • 字符型常量 "str",'str';
  • 逻辑型常量 TRUE,FALSE,T,F;
  • 缺失值 NaN,NA, 空值 NULL;
  • 复数常量 2.2 + 3.5i;
  • 变量，区分大小写的字母、数字、下划线和句点组成变量名，支持但不建议中文;
  • 向量(vector)：用c()函数把多个元素或向量组合成一个向量。如果元素基本类型不同，将统一转换成最复杂的一个，复杂程度从简单到复杂依次为： logical<integer<double<character。此外还可以有Date和factor类型的元素
  • 列表(list)：包装保存不同类型的数据。单个列表元素必须用两重方括号格式访问,单重方括号结果还是列表而不是列表元素。普通有names属性的列表可以用$访问元素，S4对象可以用@访问元素。
  • 矩阵，数组(matrix, array)：矩阵用matrix函数定义，实际存储成一个向量，根据保存的行数和列数对应到矩阵的元素， 存储次序为按列存储。
  • 数据框(data.frame)：数据框类似于一个矩阵，有多个横行、多个纵列，各列允许有不同类型：数值型、因子、字符、日期时间，但同一列的数据类型相同。取子集应注意drop 。
  • 改进数据框(tibble)：tibble类型是一种改进的数据框，tidyverse全家桶推荐使用，确实有不少好处：
    不会随意改变我们的数据名称，类型。打印优美。
3. 装好需要的包

包是R函数、数据、预编译代码以一种定义完善的格式组成的集合。

  • 找到包，主要平台：
    • CRAN 官方存储库，多个镜像
    • BioConductor 用于生物信息学的开源软件专题库
    • Github 开发版本，无限惊喜，但也可能缺少维护
    • Bitbucket、SVN…
  • 装在哪，本机位置：

计算机上存储包的目录称为库（library）。
函数.libPaths()能够显示库所在的位置，函数library()可以显示库中有哪些包。

.libPaths()

这个地址很重要，有时候会有多个（如Windows分区），我们要搞清楚装在哪里。

  • 怎么装，例子：大部分情况下CRAN用 install.packages("pkg")，BioConductor用BiocManager::install("pkg")，Github用devtools::install_github("repos")即可。
    但有时候会有依赖包相关的报错，我们可以手动下载特定版本包文件后安装。

  • source， 源码，一堆R脚本和文本文件，我们直接在github上看的就是这个。
  • bundle， 捆绑态，其实就是打包过的source，一般.tar.gz结尾。
  • binary， 二进制版本，架构不一样，.zip(Windows)或.tgz(macOS)结尾。

所谓安装包就是把source变成binary在放在我们的.libPaths()文件夹下。

还有问题，谷歌大法，或github问包作者。
带C++的R包出问题会麻烦一些，需要考察自己本机的C语言编译器。

  • 怎么用包

首先可以用library(pkg)或require(pkg)将包导入内存，这样便可以调用其中的函数。
search()函数可以查看我们已经library的包。

library(pcutils)
search()

if(!require("pcutils")) install.packages("pcutils")

使用pkg::加上tab键可以列出某个包里所有导出的函数，多用help(pkg::func)或?pkg::func查看某个函数的用法。

如果不想用某个包了，可以用detach从当前环境移除（不是删除包）

detach("package:pcutils")
4. 正确数据/图像读入和写出

各种表格读取：read.table(), read.csv(), read.delim()

read.table("test.txt") #无法读取

当我们的表格含有 ", ', # 或者列名中含有任何非变量名字符时都要小心

read.table("test.txt",header = T,sep = "\t",comment.char = "",quote = "",check.names = F)

建议在readr包的支持下用read_csv(), read_table2(), read_delim()等函数读入。

保存为tibble类型，快得多，也不自动将字符型列转换成因子，不自动修改变量名为合法变量名。

readr::read_delim("test.txt",delim = "\t")

excel用readxl包，剪切板可用datapasta包或clipr::read_clip()。表格写出用write_*()，与读入一致。

任意文件访问，跟python很像，使用file()打开文件，close()关闭。

  • r—文本型只读;
    w—文本型只写;
    a—文本型末尾添加;
  • rb—二进制只读;
    wb—二进制只写;
    ab—二进制末尾添加;
  • r+或r+b—读写;
    w+或w+b—读写，清空文件;
    a+或a+b—读和末尾添加。

或者可以用cat()直接输出任意文本到文件。

clipr::write_clip()可以把R数据框或向量写入剪切板，可以直接粘贴他处。

图片保存：

pdf("new.pdf") #png(),jpg(),tiff(),bmp()
#画一些图
dev.off() #要记得关闭设备

ggplot2::ggsave("new.pdf",plot = p,device = "pdf") 
#p是一个ggplot对象，device可选各种文件格式

R变量储存：

R的save()命令可以将一个或者多个R变量保存到文件(.rda或.RData)中，保存结果是经过压缩的，在不同的R运行环境中兼容。
使用load()可以恢复保存的变量。

强烈建议传递数据时用这种文件，避免了数据写入和读取时引起的差异。

使用save.image()可以把整个环境的所有变量保存，方便结果复现。

保存单变量时推荐使用saveRDS()，用readRDS()载入并返回变量，这样可以将某个变量赋值给某个拟定的变量名，避免某个变量值变了我们还不知道， 如

saveRDS(old,file = "tmp.RDS")
new=readRDS("tmp.RDS")
5. 关闭R走人 ✅

R programming

程序控制结构

分支结构
x=1
if(x>0) {
  print("x > 0")
} else {
  print("x <= 0")
}

#或者用switch函数
switch (x>0,
    T = {print("x > 0")},
    F = {print("x <= 0")}
)

#或者用ifelse函数，向量式
x <- c(-2, 0, 1)
ifelse(x >=0, 1, 0)
循环结构
for (i in 1:3) {
    print(i)
}
#或者用while函数
i=1
while (i<4) {
    print(i)
    i=i+1
}
#或者用repeat函数
i=1
repeat{
    print(i)
    i=i+1
    if(i>3)break
}

注意用到的判断条件必须是逻辑标量值，不能为NA或零长度。
这是R编程时比较容易出错的地方。

循环结构进阶，apply()家族

上述显式循环是R运行速度较慢的部分，有循环的程序也比较冗长，建议使用apply, sapply, lapply, vapply, tapply等函数替代。

func=function(i)print(i)
a=lapply(1:3, func)

另外，建议循环过程不要制作副本：

类似于x <- c(x, y)这样的累积结果每次运行都会制作一个x的副本， 在x存储量较大或者重复修改次数很多时会减慢程序。

而是应该在循环前设置好用来保存结果的数据结构：

x=numeric(100)
x[[i]]={i循环100次产生的结果}
管道

原生管道，R从4.1.0版本开始提供了一个|>运算符实现管道，如计算 e 2 e^{\sqrt{2}} e2 ​：

2 |> sqrt() |> exp()

但是我还是更喜欢用magrittr提供的%>%，支持更复杂的应用，比如用.代表产生的中间变量放到合适的参数位置：

library(magrittr)
"hhh"%>%paste0("prefix_",.)

还有%<>%等方便的变体:

a="hhh"; a%<>%paste0("prefix_",.)
a
函数

使用自定义函数， 优点是代码复用、模块化设计。

函数名 <- function(形式参数表) 函数体

特殊形参：...

my_mean=function(...)sum(...)/length(c(...))
my_mean(1,2,3,4)

无名函数: 不定义函数名也可以调用

a=lapply(1:3, \(i)print(i))

变量作用域：全局变量 vs 局部变量

x=100
func=function(x){
    print(x+1)
}
func(0)
  • R中所有的存在都是对象（object）
    对象其实就是一种封装的概念，它把事物封装成一个类(class)，然后提供类的方法(method)，而具体的过程人们看不到。
class(mean)
  • R中发生的动作都是函数调用（function call）???

函数调用有四种方式：

1 前缀形式。
这也是一般的格式

mean(1:2)

2 中缀形式。二元运算符实际上都是函数

1+1
`+`(1,1)

`%love%`=function(a,b)paste0(a," loves ",b)
"Romeo"%love%"Juliet"

3 替换形式。

x <- 1:2
names(x) <- c("a", "b")
x

print(`names<-`)

4 特殊形式。x[1], x[[1]]这些取子集或元素等

x <- 1:5
x[1]
`[`(x, 1)

确实，R中发生的动作都是函数调用（function call），知晓函数调用的形式，可以让我们在用某些包的函数时明确问题来源，查找源码等。

Debug

某个函数突然失灵了

  1. 工作环境变化

环境是R语言比较困难的概念，一般不需要深入了解也能用。

但我们要知道，大多数时候我们处于Global Environment，我们敲出来的每一个变量名(函数名)都是优先在全局环境找，找不到的话就search()里面按顺序去每个环境找。
所以要注意环境优先级以及变量名冲突，极端情况如下：

1+1 #正常当然等于2
#定义了`+`,或者新导入的包包含一个`+`的函数名，覆盖了base的加法
`+`=`-`
1+1 #结果会变成0

常使用pkg::func的形式调用函数是个好习惯，可以防止不同包的同名函数冲突。

  1. 断点，traceback()，debug()， browser()

反向追踪(traceback)将错误定位到某一函数调用。

可以用debug(func)命令对函数func开启跟踪运行。

用undebug(func)取消对func的这种操作。

  1. 我要debug的函数在哪？

一般来说我们可以找到报错的代码行以及具体的函数，便可以使用debug()。

但有时候会发现一些函数无法被正确定位，具体代码也只能看到UseMethod()：其实是我们碰到了泛型函数。下面同样一个summary函数，为啥对women和fit做出了完全不同的处理？

summary(women)
fit <- lm(weight ~ height, data=women)
summary(fit)

summary(women)
fit <- lm(weight ~ height, data=women)
summary(fit)

class(women); class(fit)

原来他们是不同的类（class），泛型函数会更具对象的类选择运行什么样的代码（即见人说人话，见鬼说鬼话）：
调用func.class()函数，上述就是分别调用了summary.data.frame()，summary.lm()。print和plot也是非常常见的泛型函数。

或者我们可能发现某些报错函数not found（但我们又确定有这样一个函数）：
其实是我们碰到了非导出函数（R包开发者不想用户看到所有的函数，只把有用的导出）。

library(reshape2)
class(mtcars)
#melt是泛型函数，那应该调用melt.data.frame
melt.data.frame(mtcars,id.vars = "cyl")
## Error in melt.data.frame(mtcars, id.vars = "cyl") : 
##  could not find function "melt.data.frame"

找到这些函数的方法也很简单（毕竟R包需要都开源）：pkg:::func即可

reshape2:::melt.data.frame(mtcars,id.vars = "cyl")

有时候我们通过debug可以发现一些有用的内部函数（比如从那种一步/很久完成XX分析的函数中找到我们需要的功能），
这样我们便可以使用pkg:::func做想做的部分。

代码整理

我们在做数据分析时会产生大量代码，做好整理非常重要。

  • 最开始，每一个独立的R脚本进行分析 （代码冗余度太高，后期很难快速看懂）

  • 学会编写函数，复制函数到不同的R脚本使用（n个地方的函数需要修改n次）

  • 将常用的函数放在一个R脚本下，要用的时候source()整个脚本（全局环境中出现大量函数名，可能还会引起冲突）

  • 将常用函数整理成R包，写好注释和帮助文档，方便调用和分享 （嘎嘎香)

接下来的3,4部分非必需，但我觉得学习后便会有惊喜：

R markdown (to everything)

R Markdown是一种文本格式，用于创建具有代码、文本、图形和输出结果的可重复性报告。
是“文学式编程”(literate programming, (Knuth 1984))思想的实践。

它是在R语言环境中开发的，也可以与其他编程语言（如Python，shell）结合使用。

优点：

  • 可重复性：代码和结果都是可重复的，有助于确保研究结果的可靠性和透明度。
  • 效率：使用R Markdown在单个文件中组织和记录所有内容，节省时间和精力。
  • 灵活性：R Markdown支持多种格式和输出选项，根据需要自定义样式布局。

总之，比word好用，比Latex好学😂

Yihui Xie大佬的官方文档：R Markdown: The Definitive Guide (bookdown.org)

以及参考书：R Markdown Cookbook (bookdown.org)

To Documents

Rmd文档头部是YAML元数据，可指定各种输出参数

  1. HTML

  2. PDF

  3. Word

优点：

  1. 公式，化学分子式非常好写

  2. 文献插入也不错（配合Zotero）

  3. 图表自动编号和引用、链接（我觉得比word好用点）

  4. 支持交互式图形（HTML）

To Presentation

R Markdown支持生成各种幻灯片文件（此幻灯片也是由Rmd生成的😂）

  1. PowerPoint

    常用，易分享

  2. ioslide/Slidy

    网页格式的幻灯片，支持交互 (拜托，PPT可交互真的很酷)

  3. Beamer

    PDF幻灯片，模版众多，大学课堂热衷使用

To Research Papers

rticle包，包含一套自定义 R Markdown 格式和模板，用于创作期刊文章和会议提交。

例子：

To Website

Rmarkdown可以帮助我们搭建简易网站：

  • index.Rmd是主页内容， 可以在此处人工加入其它页面链接。

  • _site.yml是一个YAML文件， 其中包含站点的设定和输出设定。

例子：

File -> New Project -> New directory -> Simple R Markdown Website ->

Create Project (click Open in new session) -> Build -> Build Website

To Blog

R扩展包blogdown可以与Hugo软件配合制作简单的静态博客网站。

网站的所有文件都在一个目录中，只要上传到任意的网站服务器就可以发布，没有任何限制。

我的博客：Asa’s blog

参考书：blogdown: Creating Websites with R Markdown (bookdown.org)

To Book

R的bookdown扩展包

在bookdown的管理下：一本书的内容可以分解成多个Rmd文件， 其中可以有可执行的R代码， R代码生成的文字结果、表格、图形可以自动插入到生成的内容中， 表格和图形可以是浮动排版的。 输出格式主要支持gitbook格式的网页图书。

我也稍微尝试写了一下：MetaNet Tutorial

参考书：bookdown: Authoring Books and Technical Documents with R Markdown

R package/shiny

写R包

包是可重现 R 代码的基本单元，包括可重用的 R 函数、描述如何使用它们的文档和示例数据。
一个包将代码、数据、文档和测试捆绑在一起，并且很容易与他人共享。

简单例子（需要下载roxygen2包）：

File -> New Project -> New directory -> R package ->

Create Project (click Open in new session)-> Package name -> Build -> Install

最简单的包只需要这些目录和文件即可，

  • R目录下放在我们编写的R函数脚本
  • man目录放着所有函数的帮助文档（roxygenise()函数生成，不要自己写）
  • DECRIPTION定义了包的各种元数据，包名/版本/依赖包等等，非常重要
  • NAMESPACE控制函数的可视性（roxygenise()函数生成，不要修改！）

参考书：R Packages (2e) (r-pkgs.org)

如果真的有意开发R包，建议走devtools的流程，要比前面的简单例子好用。

library(devtools)
#创建R包
create_package("testpkg")
#配置git用于版本控制
use_git()
#创建一个R脚本，开始写函数
use_r("first")
#生成man文件和NAMESPACE
document("./")
#使所有函数可用（没有install但R包已在内存）
load_all("./")
#检查R包语法，建议每次重要修改后运行一次，解决完所有的Error，Warning，Note再进一步修改，不要积累较多错误
check("./")
#打包为bundle包，.tar.gz
build("./")
#install我们写好的R包
install("./")
#定义一些测试例子
use_testthat()

循环后面几步：function -> document -> load_all -> check ->install，直到功能完善，check无误。

  • 函数应该功能明确，不能使用library，而应该用pkg::func调用，并且这里的pkg一定要在DESCRIPTION中声明。
  • 函数不应该产生不良副作用，比如修改用户环境变量，谨慎使用option, par, setwd等函数。
  • 函数的头文件很重要，包含了帮助文档以及决定函数性质的参数：
  • 使用Shift+option+command+R可以帮助生成头文件

发布包:

  • CRAN submission 请仔细阅读CRAN Repository Policy，然后必须让代码通过R CMD check再提交，不然会直接拒收。我们提交的包是bundle包，.tar.gz格式。过了机检后就会有“审包人”联系（一般是志愿者，我们应当态度好些），
    再积极沟通修改代码就好，最后通过审核一天就能在CRAN上看到了。

  • BioConductor submission 用于生物信息学的开源软件专题库，上传前仔细阅读Guidelines，
    明确包的主题要跟生物有相关性（ Software, Experiment Data, Annotation and Workflow.），发布包的流程是Github issues，
    审核过程全公开透明，你现在就能点进去看有哪些包正在提交。

  • Github 这里就最自由了，你可以随意上传在自己的仓库，也可以邀请别人直接从github安装。

制作Shiny APP

Shiny 是一个 R 包，可轻松地直接从 R 构建交互式 Web 应用程序。

可以在网页上托管独立应用程序或将它们嵌入 R Markdown 文档。还可以使用 CSS 主题、html 小部件和 JavaScript 操作扩展Shiny 应用程序。

例子：

File -> New Project -> New directory -> Shiny Application ->

Create Project (click Open in new session) -> Run App

shiny::runApp("test_shiny/app.R")

官方教程：Shiny Learning Resources

参考书：Mastering Shiny

关注公众号，获取最新推送

关注公众号 ‘bio llbug’,获取最新推送。

Asa12138
关注
专栏目录
R语言使用技巧全面指南
weidl001的博客
10-06 956
筛选数据：使用dplyr包中的filter()函数筛选符合条件的行。排序数据：使用arrange()函数对数据进行排序。可以使用theme()函数来自定义图形的外观，例如字体大小、坐标轴标签等。编写自定义函数可以提高代码的复用性和简洁性。R语言是一个功能强大且灵活的数据分析工具，掌握其各种技巧可以大幅提高数据处理和分析的效率。本文从环境配置、数据操作、可视化、编程与函数设计、代码优化与调试等方面详细介绍了R语言的使用技巧，并结合表格总结了常用命令和R包。
8个Python编程进阶常用技巧！
m0_59236602的博客
02-17 822
最后，如果 CPU 的运行时间超过了限制，我们将发出系统退出的信号。当我们定义了「__slots__」属性时，Python 没有使用字典来表示属性，而是使用小的固定大小的数组，这大大减少了每个实例所需的内存。我们只需要定义「__lt__」和「__eq__」就可以了，它们是实现其余操作所需要的最小的操作集合（这里也体现了装饰器的作用——为我们填补空白）。Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
9个Python编程进阶常用技巧！！！
jzpfbpx的博客
07-21 850
介绍 Python 炫酷功能（例如，变量解包，偏函数，枚举可迭代对象等）的文章层出不穷。但是还有很多 Python 的编程小技巧鲜被提及。因此，本文会试着介绍一些其它文章没有提到的小技巧，这些小技巧也是我平时会用到的的。让我们一探究竟吧！
Python进阶技巧
2201_76032270的博客
09-06 887
python代码进阶技巧/python概念透析/列表表达式/生成器表达式/迭代器/map()函数/zip()函数/python必须要知道的知识/python常用函数/python路径表示
R语言进阶 | 程序结构控制
jeffery0207的博客
05-03 1233
在R语言中有两种程序控制结构：分支结构（choices）和循环结构（loops）。 分支结构，比如if()和switch()，可以根据输入（判断条件）的不同选择执行不同的代码块； 循环结构，比如for，while 和 repeat，则可以重复执行一段代码块，但往往每次重复都有相应参数的改变。 想跳过这一期推文？如果你已经掌握以下知识点👇🏻，Go ahead if 和 ifelse()的区别是什么？ 当x分别为True, False, NA时，下面代码中y的值为多少？ y <- i
vim进阶使用
二郎银的博客
11-22 579
笔记-vim用法总结
Android Studio进阶使用技巧
无心下棋
05-03 3395
1.findViewbyid插件 LayoutCreator 效果是这样的： 安装方法是这样的：
Python进阶常用技巧！
sisi0904的博客
08-03 316
介绍 Python 炫酷功能（例如，变量解包，偏函数，枚举可迭代对象等）的文章层出不穷。但是还有很多 Python 的编程小技巧鲜被提及。因此，本文会试着介绍一些其它文章没有提到的小技巧。
【R语言篇】纯干货，从入门到进阶，R语言必备技能与资源！！！
weixin_53499537的博客
01-17 927
R语言学习资源，赶紧码住~
实例讲解Android中ViewPager组件的一些进阶使用技巧
01-21
在本实例中，我们将探讨如何利用ViewPager实现一些高级使用技巧，特别是自定义滑块来标记当前页面。 首先，我们注意到描述中提到了两个内建的辅助组件，PagerTitleStrip和PagerTabStrip，它们可以显示页面标题，但...
Ubuntu新手使用教程及进阶技巧.pdf
07-12
### Ubuntu新手使用教程及进阶技巧 #### 一、新手使用教程详解 ##### 1. 安装 Ubuntu - **下载 Ubuntu 镜像**： - 访问 Ubuntu 官方网站（https://ubuntu.com/download/desktop）下载最新的 Ubuntu Desktop 版本...
R语言进阶者专用R编程-进阶-基础包源码.zip
01-17
在R语言的学习过程中，进阶者常常会关注到基础包的源码，因为这能帮助他们深入了解R语言的内部机制，提升编程技能。"R语言进阶者专用R编程-进阶-基础包源码.zip"这个压缩包，显然包含了R语言的基础包源代码，这对于...
科研绘图系列：R语言组合堆积图（stacked plot）
专注生信领域
11-04 165
科研绘图系列：R语言堆积图（stacked plot）
MATLAB和Python及R聚类和亚群识别
最新发布
跨学科知识视角展现
11-08 379
在 MATLAB 中进行聚类和亚群识别可以使用一些内置函数和工具箱，如 **Statistics and Machine Learning Toolbox** 和 **Bioinformatics Toolbox**。以下是如何使用 MATLAB 进行聚类和亚群识别的详细步骤，尤其是用于检测和分析选择性扰动效应。
MATLAB和R及Python亚群差异表达分析
跨学科知识视角展现
11-08 284
在进行亚群差异表达分析以检测和分析选择性扰动效应时，MATLAB 可以通过一系列步骤来实现这一目的。以下是如何使用 MATLAB 进行这样的分析的简要步骤和示例。
科研绘图系列：R语言多个组合堆积图（stacked plot）
专注生信领域
11-04 305
科研绘图系列：R语言多个组合堆积图（stacked plot）
科研绘图系列：R语言组合连线图和箱线图（linechart+boxplot）
专注生信领域
11-05 228
科研绘图系列：R语言组合连线图和箱线图（linechart+boxplot）
随机生成100组N个数并对比，C++，python，matlab，pair，std::piecewise_construct
ULTRAmanTAROACE的博客
11-04 662
随机生成100组N个数并对比，C++，python，pair，std::piecewise_construct
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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