c++ vector 赋值_数据分析：R篇 | 变量赋值、计算、画图、基本检验

点击上方“蓝字”关注我们吧！

一、R的基本使用

# 注释

> 提示输入指令

+ 命令没有输完的提示符

键盘的上下键：查看或选择历史命令

区分大小写：是

在好几条命令中间加；，可以同时执行多组命令

CTRL+L #清屏rm(list = ls(all = TRUE))  #清除工作空间内存help(ts); help.search("lm"); apropos("lm");?lm   #帮助setwd("C:\\Users")  #设置路径getwd()  #显示路径load()   # load workspacels()  #列出内存中全部对象的名称search()  #列出当前使用的程序包q()  # quit，退出R

二、变量的计算赋值

1、赋值

x=1;y=2;x+3;z=x+y;zx+y->zx=c(1:100)   # 行向量assign(“x”,c(10.4,5.6,1,2))  #给x赋值y=numeric(length=10)  #初始化向量y1=vector(mode=”numeric”,length=5)  #初始化向量

2、四则运算

+   -   *   /   ^

%/%    整除

%%     取余数

<  <=  >  >=  ==  !=

x|y x&y

3、常用函数

abs(x)  #求绝对值sum(x)   #求和sqrt(x)  #开根号min()  max()  mean()  median()  var()  sd() sin()   log(x)  exp()   det() which.min()   which.max()     range(x)lag(x, k=10)  #延迟运算log(x,base=5)  #以5为底求对数quantile(x,probs)  #分位数，probs分位点取(0，1)factorial(x)   #阶乘x!choose(n,k)   #cnklx=x1[1:99]  x=x1[2:100]floor(x)   #下取整，ceiling(x)  #上取整，>x的最小整数trunc(x)  #靠近0取整diff(x,k)    #k步差分，xt-xt-khead(x)    #显示x的前6个观测值diag(x)summary(x)   #显示x的基本统计量prod(x)   #连乘length(x)  #向量的维度sort(x)order(x)sort.list()set.seed(n)   #产生以n为基数的随机数种子runif(n)      #产生n个(0，1)区间的均匀分布随机数rnorm(n=,mean=,sd=)    #产生正态分布随机数pnorm(x)    #计算正态分布在x点时的累积分布函数qnorm(q)    # q分位数对应的x ，与pnorm互逆dnorm      #概率密度dt / pt / qt / rt  #t分布df / pf / qf / rf  #F分布gamma(x)

4、数值调用

x[5]   #X的第5个数

5、多借助help命令

help(ts)help.search("lm")apropos("lm")?lm??lm

三、画图

1、单变量基本画图

y=range(1:100)y=ts(y,start=1920)plot(y)plot(y,type=”l”, pch=10, lty=2, lwd=2, col=2,main=”ad”,sub=””,xlab=””,ylab=””, xlim=c(1920,2019), ylim=c(20,30) )abline(v=2001,lty=2)   abline(v=c(2001,2008),lty=2,col=1)  #垂直参照线abline(h=c(22.5 25.5),lty=2)   #水平参照线#type—— “p”：点；“l”：线；“b”：点连线；“o”：线穿过点；“h”：悬垂线；“s”：阶梯线#pch符号参数：1-25#lty连线类型：1-6，分别代表实线、虚线、点线、点+短虚线、长虚线、点+长虚线#lwd线宽：默认为1#col颜色：1-4，分别代表黑、红、绿、蓝#main标题文本#sub副标题文本#xlab横轴标签#ylab纵轴标签#xlim横坐标范围#ylim纵坐标范围# abline参照线：v、h分别表示垂直、水平参照线

2、x-y画图

plot(x,y,type=”l”,lty=2,lwd=2,main="",xlab="",ylab="")line(x,y,col=2)line(x,dnorm(x),col=3)#type—— “p”：点；“l”：线；“b”：点连线；“o”：线穿过点；“h”：悬垂线；“s”：阶梯线#pch符号参数：1-25#lty连线类型：1-6，分别代表实线、虚线、点线、点+短虚线、长虚线、点+长虚线#lwd线宽：默认为1#col颜色：1-4，分别代表黑、红、绿、蓝#main标题文本#sub副标题文本#xlab横轴标签#ylab纵轴标签#xlim横坐标范围#ylim纵坐标范围

3、自相关函数图

acf(x)acf(x,lag=10)acf(x,lag=10,plot = FALSE)

4、偏自相关函数图

pacf(x)pacf(x,lag=10)pacf(x,lag=10,plot = FALSE)

四、时间序列分析常用检验

1、平稳性检验

(1)看时序图是否有明显趋势

plot(x)

(2)看自相关图是否随着时间的推移趋于0

acf(x)  #若自相关图呈单调特征或周期性变量规律，则非平稳

2、纯随机性检验

# Q检验：BP检验或LB检验，相当于检验所有的自回归系数是否全为0.

Box.test(x)Box.test(x,lag=4)Box.test(x,type=”Ljung-Box”,lag=5)for (i in 1:2) {print(Box.test(x,lag=6*i))}

3、正态分布检验

(1)与正态分布图进行对比

Install.packages(“MASS”)library(MASS)mu0,Sigma1,M1000, mu, Sigma)d2])plot(d$x,dnorm(d$x),col=2,type = "n")lines(d$x,dnorm(d$x),col=2,lwd=2)  #正态分布的分布图lines(d,col=3,lwd=2)  #生成的随机序列的分布图

(2)Q-Q图

# 两个quantile。quantile是我们的数据和标准正态分布的很多分位数组成的数组画出来的图。横坐标是标准的正态分布的quantile, 纵坐标是我们数据的图。如果两者基本相等，则这个散点图会非常像y=x。

qqnorm(M[,2])qqline(M[,2],col=2)

(3)normalTest

# 类似shapiro检验

install.packages(“fBasics“)library(fBasics)normalTest(x,method="jb")

(4)shapiro检验

shapiro.test(M[,2])   #Shapiro-Wilk方法进行正态检验

扫描关注我们， 一起来充电吧！