韩王-信

1、矩阵可由向量转换得到，所以矩阵原则上用向量的索引方法> a=matrix(1:12,3,4)> a     [,1] [,2] [,3] [,4][1,]    1    4    7   10[2,]    2    5    8   11[3,]    3    6    9   12使用二维索引> a[1,2][1] 4

R语言中的四类统计分布函数R语言中提供了四类有关统计分布的函数（密度函数，累计分布函数，分位函数，随机数函数）。分别在代表该分布的R函数前加上相应前缀获得(d，p，q，r)。如：1）正态分布的函数是norm，命令dnorm(0)就可以获得正态分布的密度函数在0处的值(0.3989)(默认为标准正态分布)。2）同理，pnorm(0)是0.5就是正态分布的累计密度函数在0处的值。

1、使用统计变换summary后的标签值得显示，统计变换后需要用到衍生变量来显示变换后的统计值df  x=c(3,1,5,3),  y=c(2,4,6,10),  label=c('a','a','a','b'))  ggplot(data=df,aes(x=as.character(x),y=y))+geom_bar(fun.y=sum,stat='summary')

library(ggplot2)source('~/R/odps_common.R')sql' select cust_name_cn,yyyymm as ds,gmv,amplitude,rn  from icbubi.dwa_en_ftrd_mon_cust_gmv_d   where ds=max_pt(\'icbubi.dwa_en_ftrd_mon_cust_gmv_

导入关系测试数据，如下，这个不是用户和用户之间的关心，而是用户和环境信息的关系，基于用户和设备之间的关系，不同的设备用不同的颜色标出来###从csv文件中读取关系数据df###从关系数据中整理出来顶点的数据，vertex##给用户的顶点统一表上黑色co##根据设备类型进行着色iwhile (i##生成顶点数据框vertex###组合成

1、order 是返回内在的排序位置，而不是直接返回排序结果。a> order(a)[1] 3 1 2 5 4order 默认是asc的如果要desc的直接加-号> order(-a)[1] 4 5 2 1 3order 返回结果> a[order(-a)][1] 23 20 15 12  9order的这样的特性在datafra

使用内置的mtcars统计频数table(mtcars$gear)统计频率paste0(round(prop.table(table(mtcars$gear)),2)*100,’%’)统计频率的另一种方法，使用arregatetotal<-length(mtcarsgear)b<−aggregate(mtcarsgear) b<-aggregate(mtcarsgear,by=list(mtca

ggplot 多列情况下bar图，geom_bar 的y只是支持一列不像barplot一样，要实现多列的需要把其余的列数转换成一列dsgmvorderdf##第一种方法是使用reshape的melt#install.packages('reshape2')#library('reshape2')df2pprint(p)##

数据挖掘主要分为4类，即预测、分类、聚类和关联，根据不同的挖掘目的选择相应的算法。R语言博大精深，吸纳了来自各方的挖掘算法包，这些包都是由统计学家或是算法研究人员提供，我们可以站在这些伟人的肩膀上实现算法的应用。下面对常用的数据挖掘包做一个汇总：连续因变量的预测：stats包lm函数，实现多元线性回归stats包 glm函数，实现广义线性回归stats包 nls函数，实