![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
R语言统计分析
文章平均质量分 71
使用R语言进行统计分析
maizeman126
这个作者很懒,什么都没留下…
展开
-
R语言统计分析——回归模型深层次分析
对于OLS(普通最小二乘)回归,通过使得预测误差(残差)平方和最小和对响应变量的解释度(R平方)最大,可获得模型参数。,我们可以评价回归方程的泛化能力。所谓交叉验证,就是将一定比例的数据挑选出来作为驯良样本,另外的样本作为保留样本,先在训练样本上获取回归方程,然后在保留样本上做预测。它表示当其他预测变量不变时,该预测变量一个标准差的变化可引起的响应变量的预期变化(以标准差单位度量)。有结果可知,基于初始用样本的R平法(0.567)过于乐观,对新数据更好的方差解释率估计是交叉验证后的R平方(0.476)。原创 2024-08-29 01:00:00 · 800 阅读 · 0 评论 -
R语言统计分析——如何选择最佳回归模型
本例中,开始时模型中包含4个(全部)预测变量,然后每一步中,AIC提供了删除一个行中变量后模型的AIC值。(stepwise stepwise regression,通常称作逐步回归)结合了向前逐步回归和向后逐步回归的方法,变量每次进入一个,但是每一步中,变量都会被重新评价,对模型没有贡献的变量将会被删除,预测变量可能会被添加、删除多次,直到获得最优模型位置。例如,若nbest=2,表示先展示两个最佳的单预测变量模型,然后展示两个最佳的双预测变量模型,以此类推,直到包含所有的预测变量。原创 2024-08-28 01:00:00 · 1001 阅读 · 0 评论 -
R语言统计分析——回归分析的改进措施
但本例中,λ=1的假设是无法拒绝的(p=0.145),因此没有足够的证据表明本例需要进行变量变换。删除离群点通常可以提高数据集对正态假设的拟合度,而强影响点会干扰结果,通常也会被删除。不过在其他情况下,所有收集数据中的异常点可能是最有趣的东西。有时,添加一个重要变量可以解决我们许多问题,删除一个冗余变量也能达到同样的效果。当模型不符合正态性、线性或者同方差假设时,一个或多个变量的变换通常可以改善或调整模型效果。最后,我们还能转向广泛应用的广义线性模型,它能适用于许多OLS回归假设不成立的情况。原创 2024-08-23 01:00:00 · 571 阅读 · 0 评论 -
R语言统计分析——回归中的异常观测值
所谓变量添加图,即对每一个预测变量Xk,绘制Xk在其他k-1个预测变量上回归的残差值相对于响应变量在其他k-1个预测变量上回归的残差值的关系图。一般来说,Cook's D值大于4/(n-k-1),则表明它是强硬点,其中n是样本量大小,k是预测变量数目。当然,用D=1作为判断标准可能比用D=4/(n-k-1)更具有一般性,如果用D=1为判断标准,则本例的数据集中没有点是强影响点。纵坐标显示的是标准化残差,纵坐标超过+2或-2时,可以被认为离群点:所以Nevada和Rhode Island是离群点。原创 2024-08-22 01:00:00 · 1148 阅读 · 0 评论 -
R语言统计分析——线性模型假设的综合验证与多重共线性
假设我们正在进行一项握力研究,自变量包括DOB( Date Of Birth,出生日期)和年龄。但是当我们观察DOB和年龄的回归系数时,却发现它们都不显著(也就是说无法证明它们与握力相关)。如果Global stat 的p值小于0.05,我们则需要对数据进行逐项排查与验证(正态性、误差独立性、线性、同方差性等)VIF的平方根表示变量回归参数的置信区间能膨胀为与模型无关的预测变量的程度(因此而得名)。gvlma包中的gvlma()函数,能对线性模型进行综合验真,同时还能做偏斜度、峰度和异方差性的评价。原创 2024-08-21 01:00:00 · 558 阅读 · 0 评论 -
R语言统计分析——回归诊断2
与基础包中的plot()函数相比,qqPlot()函数提供了更为精确的正态假设检验方法,它画出了在n-p-1个自由度的图分布下的学生化残差(studentized residual,也称学生化删除残差或折叠化残差)图形,其中n是样本大小,p是回归参数的数目(包括截距项)。从上图中可以看出,除了Nevada,所有的点都离直线很近,并都落在置信区间内,这表明正态性假设符合得很好。那么就需要添加一些曲线成分,如多项式,或对一个或多个变量进行变换(如log(x)代替x),或用其他回归变体形式而不是线性回归。原创 2024-08-20 01:00:00 · 1477 阅读 · 0 评论 -
R语言统计分析——回归诊断
不过,我们对这些结果的信息,都只建立在我们的数据满足统计假设的前提上。换句话说,除了白噪音,模型应该包含数据中所有的系统方差,在“残差与拟合图”(Residuals vs Fitted,左上角的图)中可清楚地看到一条曲线关系,这暗示着我们可能需要对回归模型加上一个二次项。上面的例子中,没有任何先验的理由去相信一位女性的体重会影响另一位女性的体重。:若满足不变方差假设,那么在“位置尺度图”(Scale-Location Graph,左下角的图)中,水平线周围的点应该随机分布。我们在看看二次方拟合的诊断图。原创 2024-08-19 01:00:00 · 505 阅读 · 0 评论 -
R语言统计分析——多元线性回归
在本例的分析结果中,可以知道Income和Frost的系数无统计学上的显著意义,可以认为这两个变量与Murder不呈线性相关。term即模型要画的项,mod为通过lm()拟合的模型,xlevels是一个列表,指定变量要设定的常量值,multiline=TRUE选项表示田间相应直线。在上面的例子中我们没有考虑变量的交互项,但许多研究是需要涉及交互项的预测变量。以基础包中的state.x77数据集为例,我们探究一个州的犯罪率和其他因素的关系,包括人口、文盲率、平均收入和结霜天数。2、有交互项的多元线性回归。原创 2024-08-18 01:00:00 · 447 阅读 · 0 评论 -
R语言统计分析——OLS回归2
本例只有一个自变量,查看预测方程的拟合程度看Multiple R-squared,其值为0.991,表明预测模型可以解释体重99.1%的方差,其同时也是实际值和预测值之间的相关系数的平方。F统计量检验所有的预测变量预测响应变量是否都在某一个几率水平上(即检验预测方程是否统计学意义),由于简单回归只有一个预测变量,此处F检验等同于身高回归系数的t检验。因为^在表达式中有特殊的含义(表示自变量的交互项达到某个次数,例如,y~(x+z+w)^2表示y~x+z+w+x:z+x:w+z:w)使数据展示的更加直观。原创 2024-08-17 01:00:00 · 402 阅读 · 0 评论 -
R语言统计分析——OLS回归1
其中,formula指要拟合的模型形式,data是一个数据框,包含了用于拟合模型的数据。拟合模型后,将这些函数应用于lm()返回的对象,可以得到更多额外的模型信息。OLS回归是通过预测变量的加权和来预测量化的因变量,其中权重是通过数据估计而得到的参数。我们的目标是通过减少响应变量的真实值和预测值的差值来获得模型参数(截距项和斜率)。~左边为响应变量(因变量),右边为各个预测变量(自变量),预测变量之间用+符号分隔。其中,i=1...n,n为观测的数目,k为预测变量的数目。第i次观测对应的因变量的预测值。原创 2024-08-16 01:00:00 · 499 阅读 · 0 评论 -
R语言统计分析——组间差异的非参数检验
但另一种更好的方法是在控制犯第一类错误的概率(发现一个事实上并不存在的差异的概率)的前提下,执行可以同步进行的多组比较,这样可以直接完成所有组之间的成对比较。其中,y1和y2为各组的结果变量。若两组数据独立,可以使用Wilcoxon秩和检验(这里也可以称为Mann-Whitney U检验)来评估观测是否是从相同的概率分布中抽得的(即,在一个总体中获得更高得分的概率是否比另一个总体要打)。其中,y是数值型结果变量,A是一个分组变量,而B是一个用以认定匹配观测的区组变量(blocking variable)。原创 2024-08-15 01:00:00 · 1560 阅读 · 0 评论 -
R语言统计分析——t检验
默认的备择假设是双侧的(即均值不想等,但大小的方向不确定)。当两组的观测之间相关时,我们获得的是一个非独立组设计(dependent groups design)。前-后测量设计(pre-post design)或重复测量设计(repeated measures design)同样也会产生非独立的组。一个针对两组的独立样本t检验可以用于检验两个总体的均值相等的假设。其中的y1和y2为数值型向量(即各组的结果变量)。本例结论:差异的均值足够大,可以拒绝年长和年轻粘性的平均失业率相同的假设。原创 2024-08-14 01:00:00 · 603 阅读 · 0 评论 -
R语言统计分析——相关
其中,x和y为要检验相关性的变量,alternative则用来指定双侧检验或单侧检验(取值为"two.side"、"less"或"greater",默认为two.side),而method用以指定要计算的相关类型("pearson","spearman","kendall")。相关系数的符号(±)表明关系的方向(正相关或负相关),其值的大小表示关系的强弱程度(完全不相关时为0,完全相关时为1)。其中,r是pcor()函数计算得到的偏相关系数,q为要控制的变量数(以数值表示位置),n为样本量大小。原创 2024-08-13 01:00:00 · 785 阅读 · 0 评论 -
R语言统计分析——独立性检验
Fisher精确检验的原假设是:边界固定的列联表中行和列是相互独立的。vcd包也提供了kappa()函数,可以计算混淆矩阵的Cohen's kappa值以及加权的kappa值(举例说明,混淆矩阵可以表示两位判断者对于一系列对象进行分类所得结果的一致程度)。结果解读:卡方值为13.055,对应的p值为0.001463,小于0.05,说明治疗方案和改善水平之间存在显著的相关关系。值得注意的是:这里的fisher.test()函数可以在任意行列数大于等于2的联列表上使用,但不能用于2×2的列联表。原创 2024-08-12 01:00:00 · 494 阅读 · 0 评论 -
R语言统计分析——频数表和列联表1
CrossTable()函数有很多选项,可以做很多事情:如计算(行、列、单元格)的百分比、指定小数位数、进行卡方、Fisher和McNemar独立性检验、计算期望和(皮尔逊、标准化、调整的标准化)残差、将缺失值作为一种有效值、进行行标题和列标题的标注等等。margin.table()、prop.table()和addmargins()函数可以自然地推广到高于二维的情况。上例中margin.table()函数和prop.table()函数中的第二个参数margin是指定按行或按列进行汇总。原创 2024-08-09 01:00:00 · 1643 阅读 · 0 评论 -
R语言统计分析——点图
其中,x是一个数值向量,而labels则是由每个点的标签组成的向量。我们可以通过添加参数groups来选定一个因子,用以指定x中元素的分组方式。如果这样做,则参数gcolor可以控制不同组标签的颜色,cex可以控制标签的大小。点图提供了一种在简单水平刻度上绘制大量有标签值得方法。通常来说,点图在经过排序并且分组变量被不同的符号和颜色区分开的时候最为有用。参考资料:R语言实战【第2版】原创 2024-08-03 01:00:00 · 135 阅读 · 0 评论 -
R语言统计分析——箱线图
一个示例公式为:有~A,这将为类别型变量A的每个值并列地生成数值型变量的y的箱线图。箱线图(又称盒须图)通过绘制连续型变量的五数总括,即最小值、下四分位数(第25百分位数)、中位数(第50百分位数)、上四分位数(第75百分位数)以及最大值,描述了连续型变量的分布。外部形状即为和密度估计。由上图可看出四缸、六缸、八缸的油耗中位数是明显不同的,随着汽缸数的增加,每加仑汽油行驶里程约小。箱线图能够显示出可能为离群点(范围±1.5*IQR以外的值,IQR表示四分位距,即上四分位数与下四分位数的差值)的观测。原创 2024-08-02 01:00:00 · 361 阅读 · 0 评论 -
R语言统计分析——饼图
饼图让比较各扇形的值变得困难(除非这些值被附加在标签上)。为了改善这种状况,R语言中有一种扇形图(fanplot)的饼图变种。扇形图提供了一种同时展示相对数量和相互差异的方法。在R中,扇形图是通过plotrix包中的fan.plot()函数实现的。在一幅扇形图中,各个扇形相互叠加,并对半径做了修改,这样所有扇形都是可见的。其中x是一个非负数值向量,表示每个扇形的面积,而labels则表示各扇形标签的字符型向量。参考资料:R语言实战【第2版】原创 2024-07-31 01:00:00 · 219 阅读 · 0 评论 -
R语言统计分析——条形图
若beside=FALSE(默认值),则矩阵中的每一列都将生成图中的一个条形,各列中的值将给出堆砌的“子条”的高度。例如,随着条数的增多,条形的标签可能会开始重叠。若height是一个向量,则它的值就确定了各条形的高度,并将绘制一幅垂直的条形图。我们还可以进一步完善这个示例:如使用gplots包中的barplot2()函数创建叠加有置信区间的均值条形图,可以通过help(barplot2)看到更多的例子。棘状图(spinogram)是对堆砌条形图的重缩放,这样每个条形的高度均为1,每一段的高度即表示比例。原创 2024-07-30 01:00:00 · 1389 阅读 · 0 评论 -
R语言统计分析——自编函数
假设我们要编写一个函数,用来计算数据对象的集中趋势和离散程度。要求此函数可以选择性地给出参数统计量(均值和标准差)和非参数统计量(中位数和绝对中位差),结果以一个含名称列表的形式给出。另一个自编函数是switch结构的。此函数可以让用户选择输出当天日期的格式。在函数声明中位参数指定的值作为默认值。在此函数中,如果未指定type,则long将作为默认的日期格式。函数中的对象只在函数内部使用。返回对象的数据类型是任意的。参考资料:R语言统计分析【第2版】原创 2024-07-28 11:56:18 · 513 阅读 · 0 评论 -
R语言统计分析——控制流
在条件执行结构中,一条活路一组语句仅在满足一个指定条件时执行。语句(statement)是一条单独的R语言或一组复合语言(包含在花括号{}中的一组R语言,使用分号分隔)也可以同时在条件为假时执行另外的语句。for循环重复地执行一个语句,直到某个变量的值不再包含在序列seq中为止。当程序的行为是二元时,或者希望结构的输入和输出均为向量时,请使用ifelse。条件(cond)是一条最终被解析为真(TRUE)或假(FALSE)的表达式。其中,...表示与expr的各种可能输出值绑定的语句。(2)while结构。原创 2024-07-27 01:00:00 · 334 阅读 · 0 评论 -
R语言统计分析——数据管理4
密度函数(dnorm)、分布函数(pnorm)、分位数函数(qnorm)和随机数生成函数(rnorm)。scale(x,center=TRUE,scale=TRUE):为数据对象x按列进行中心化(center=TRUE)或标准化(center=TRUE,scale=TRUE)acos(x)、asin(x)、atan(x):反余弦、反正弦、反正切。signif(x,digits=n):将x舍入为指定的有效数字位数。cos(x)、sin(x)、tan(x):余弦、正弦、正切。d=密度函数(density)原创 2024-07-25 02:00:00 · 1478 阅读 · 0 评论 -
R语言统计分析——数据集概念和数据结构
请保证指定的水平与数据中的真实值相匹配,因为任何在数据中出现而未在参数中列举的数据都将设为缺失值。factor()函数以一个整数向量的形式存储类别值,整数的取值范围是[1,...,k](其中k是名义变量中唯一值的个数),同时一个有字符串(原始值)组成的内部向量将映射到这些整数上。这里a是数值型向量,b是字符型向量,c是逻辑型向量。由于不同的列可以包含不同模式(数值型、字符型等)的数据,数据框的概念较矩阵来说更为一般。X[i,]指矩阵中的第i行,X[,j]指矩阵中的第j列,X[i,j]指第i行第j列的元素。原创 2024-06-10 01:00:00 · 876 阅读 · 0 评论 -
R语言统计分析——图形文本、自定义坐标轴和图例
location:我们可以直接给定图例左上角的x、y坐标,也可以执行locator(1),然后通过鼠标单击给出图例的位置,还可以使用关键字bottom、bottomleft、left、topleft、top、topright、right、bottomright、或center放置图例。1=下,2=左,3=上,4=右。1=下,2=左,3=上,4=右。tck:刻度线的长度,以相对于绘图区与大小的分数表示(负值表示在图形外侧,正值表示在图形内侧,0表示禁用刻度,1表示绘制网格线),默认值为-0.01。原创 2024-06-13 01:00:00 · 1054 阅读 · 0 评论 -
R语言统计分析——图形的组合
我们可以在par()函数中使用图形参数mfrow=c(nrows,ncols)来创建按行填充的行数为nrows、列数为ncols的图形矩阵。如果我们想通过排布或叠加若干图形来创建单幅的、有意义的图形,这需要有对图形布局的精细控制能力。函数layout()的调用形式为layout(mat),其中mat是一个矩阵,它指定了所要组合的多个图形的所在位置。以下代码表示:第一幅图被置于第1行,另外两幅图被置于第2行。在以下代码中,我们再次将一幅图形置于第1行,两幅图形置于第2行。高度是第2行中图形高度的二分之一。原创 2024-06-19 19:38:19 · 501 阅读 · 0 评论 -
R语言统计分析——图形的简单示例
除了pdf(),还可以使用函数win.metafile()、png()、jpeg()、bmp()、tiff()、xfig()和postscript()将图形保存为其他格式。参考资料:R语言实战【第2版】原创 2024-06-11 01:00:00 · 170 阅读 · 0 评论 -
R语言统计分析——数据管理1
如果只有少数缺失值或者缺失值尽集中与一小部分观测中,行删除不失为解决缺失值问题的一种手段。但如果缺失值遍布于数据之中,或者一小部分变量中包含大量的缺失数据,行删除可能会剔除相当比例的数据。在处理缺失值时,需注意:①缺失值被认为是不可比较的,即便是与缺失值自身的比较。②R并不把无限的或不可能出现的数值标志为缺失值。在R中字符型和数值型数据局使用的缺失值符号是相同的。确定了缺失值的位置后,我们在进一步的分析数据之前可能需要以某种方式删除这些缺失值。原因是:含有缺失值的算术表达式和函数的计算的结果也是缺失值。原创 2024-06-20 01:00:00 · 343 阅读 · 0 评论 -
R语言统计分析——图形参数
举例来说:col=1,col='white',col='#FFFFFF',col=rgb(1,1,1),col=hsv(0,0,1)都是表示白色的等价方式。举例:在执行此语句:par(font.lab=3,cex.lab=1.5,font.main=4,cex.main=2)之后,创建的所有图形都将拥有斜体、1.5倍于默认文本大小的坐标轴标签(名称),以及粗斜体、2倍于默认文本大小的标题。mar:以数值向量表示的边界大小,顺序为“下、左、上、右”,单位为英分,默认值为c(5,4,4,2,)+0.1。原创 2024-06-12 01:00:00 · 879 阅读 · 0 评论 -
R语言统计分给——数据管理2
日期变量也可以转换为字符型变量,使用函数as.Charactet()可将日期值转换为字符型,进行转换后,即可使用一系列字符处理函数处理数据(如取子集,替换,连接等)名为is.datatype()这样的函数返回TRUE或FALSE,而as.datatype()这样的函数则将其转换为对应的类型。R的内部存储日期是使用自1970年1月1日以来的天数表示的,更早的日期则表示为负数。有两个函数对于处理时间戳数据特别实用:Sys.Date()可以返回当天的日期,而date()则返回前的日期和时间。原创 2024-07-23 01:00:00 · 281 阅读 · 0 评论 -
《R语言与农业数据统计分析及建模》学习——创建与访问数据框
数据框具有多种基本属性可以用于查看和处理数据,包括纬度、列名、数据类型、列数、行数、摘要信息等。用read.table()、read.csv()函数读入外部文件的表格数据,也将可以数据框的形式保存在R中。在R语言中,可以使用不同的索引方式对数据框中的数据进行访问、索引和切片。使用data.frame()函数,可以通过列名和数据向量创建数据框。每个列名后面紧跟着一个数据向量,每个数据向量表示数据框中的一列。多种特点使数据框在数据和分析复杂数据时非常有效和方便。1、数据框的概念和特点。2、数据框的基本操作。原创 2024-04-20 01:00:00 · 440 阅读 · 0 评论 -
《R语言与农业数据统计分析及建模》学习——R基础包的函数
基础包是R语言的核心组成部分,构建了R语言的基本功能框架。是R语言默认的安装包,不需要额外安装,使用时无需加载。(2)数据模式和结构转换:as.numeric()、as.data.frame()、as.Date()(3)统计分析函数:mean()、median()、dnorm()、t.test()(1)数据处理函数:unique()、sort()、subset()(4)图形绘制函数:plot()、hist()、pie()2、常用函数及其功能。原创 2024-04-17 01:00:00 · 283 阅读 · 0 评论 -
《R语言与农业数据统计分析及建模》学习——数据读入
以2中的绝对路径为例,若将"D:/R_class_new"设置为当前工作目录,则其后面的"./documents/data.csv"就是相对路径;若将"D:/R_class_new/documents"设置为当前工作目录,则"data.csv"就是相对路径。2、从文本文件中读取数据:用read.table()、read.csv()等函数从文本文件中读取数据。读取文件中的数据首先要确定文件路径,如果文件不在工作目录下,则必须使用绝对路径。1、使用R的函数edit()自动调用一个允许手动输入数据的数据编辑器。原创 2024-04-16 01:00:00 · 478 阅读 · 0 评论 -
《R语言与农业数据统计分析及建模》学习——控制流
在R语言中,常见的循环语句有for、while和repeat。R语言中,条件语句有if、else if和else关键字组成。循环语句允许程序重复执行特定的代码块,知道满足特定条件。控制流是指根据循环或条件来控制程序的执行顺序和逻辑。1、控制流的概念和作用。原创 2024-04-19 01:00:00 · 214 阅读 · 0 评论 -
《R语言与农业数据统计分析及建模》学习——操作数据框
R的基础包中使用rbind()函数新增行,使用[-行索引,]的方式从数据框中删除列,使用$的方式新增或删除列。要修改数据框中的数据,可以使用行列索引或列名索引的方式来定位要修改的数据,并赋予新的执行。使用split()函数根据数据框中选定列的不同取值将数据框拆分为多个子数据框。使用order()函数按照数据框中选定列的数据大小对数据框进行排序。R语言中,使用rbind()函数按行合并数据框。R语言中,使用cbind()函数按行合并数据框。2、数据框的合并和拆分。(1)按行合并数据框。(2)按列合并数据框。原创 2024-04-21 01:00:00 · 282 阅读 · 0 评论 -
《R语言与农业数据统计分析及建模》学习——数据框的统计处理
常用的方法包括:使用subset()函数或逻辑运算符(例如==,>,<等)结合行列索引来查询数据。在数据处理过程中,有时需要对数据框的类型进行转换,比如将字符型转换为数值型,日期型转换为字符型等。重编码是指将数据框中的特定值映射为新的值,通常用于创建分类变量。aggregate()函数用于对数据框进行聚合操作,可以按照指定的条件对数据进行分组,并计算每组的汇总统计量。缺失值是指数据中缺少某些观测值或信息,而重复值是指数据中存在相同的观测记录。FUN:指定要进行聚合操作的函数,如sum,mean,max等。原创 2024-04-22 01:00:00 · 167 阅读 · 0 评论 -
《R语言与农业数据统计分析及建模》学习——数据框的向量化操作
向量化操作是指对整个数据结构进行一次性操作,而不需要使用显式的循环结构(即同时处理整个数据框的元素,而不需要使用for循环逐个处理每个元素)。条件语句可以根据某些条件对数据框的值进行修改,如根据特定条件修改某列的值,或根据多个条件创建新的列。通过逻辑运算符,我们可以筛选出数据框中满足特定条件的行或列,这样可以快速提取感兴趣的数据子集。R语言中,数学函数是向量化的,可以对整个数据框中的列进行批量计算,例如求和、求平均、取对数等。apply()系列函数是R中强大的向量化函数,可以对数据框的行或列进行迭代操作。原创 2024-04-23 01:00:00 · 212 阅读 · 0 评论 -
《R语言与农业数据统计分析及建模》学习——自编函数
arg1_value,arg2_value是实际参数的值,用于传递给函数。自编函数是用户根据自己需求编写的函数,用于执行特定任务或实现特定功能。return(result)用于返回函数的结果。function_name是自编函数的名称。arg1,arg2,...是函数的输入参数。函数体:是一系列的R语句和操作。(3)提高代码的可维护性。(1)提高代码的可读性。(2)提高代码的重用性。1、自编函数的概念和作用。2、自编函数的语法和结构。3、编写简单的自编函数。原创 2024-04-18 01:00:00 · 215 阅读 · 0 评论 -
《R语言与农业数据统计分析及建模》学习——并行计算
例如:有10万个结构相同的数据文件,想把每个文件的数据都读出来。案例:写一个function,实现对一个数取平方之后,再除以17,再乘以19。针对1至100000的自然熟,运行这个function。案例2:正对1到2000000每个自然数除以13,如果余数大于5,则求该数平方,否则求开平发。当下时代,我们需要处理的数据量日渐增大,R的计算模式限制了R处理大规模数据的能力。R语言是一个单线程的程序。并行计算是指同时使用多种计算资源解决计算问题的过程。案例1:计算1到1000每个自然数的平方。原创 2024-05-04 01:00:00 · 248 阅读 · 0 评论 -
《R语言与农业数据统计分析及建模》学习——ggplot2绘图基础
散点图:用于展示两个变量之间的关系,可用于观察数据的分布、趋势和异常值。折线图:用于展示随时间或其他连续变量变化的趋势,常用于时间序列数据或连续试验结果。饼图:用于显示不同部分占整体的比例,适用于展示百分比或比例数据。柱形图:用于比较不同类别之间的数据,适用于展示离散数据或对比不同处理组的结果。直方图:用于展示数据的分布情况,特别适用于连续数据的分布查看。箱线图:用于展示数据的分布情况和异常值,可同时显示多个组别的数据比较。热力图:用于可视化矩阵型数据,通过颜色映射展示变量之间的关系。原创 2024-04-24 01:00:00 · 903 阅读 · 0 评论 -
《R语言与农业数据统计分析及建模》学习——数字图像处理
EBImage包中提供了translate、resize、rotate等函数来实现图像的平移、尺寸缩放、旋转、平移等操作。R语言中使用EBImage图像处理包:能够在R语言环境下进行信号处理、统计建模、机器学习和图像数据可视化。图像是以矩阵或者数组的形式存储的,对其进行加减乘除数学运算,可以实现图像亮度的增强与减弱。图像的乘方操作会使数值小的像素点变得更小最后趋于0,而本身为1的白像素点保持不变。通过两张图像的加减可以实现图像的合并与差分。,实现图像反色处理,在有些时候可以有效的提取图像的信息。原创 2024-05-03 01:00:00 · 467 阅读 · 0 评论