一台没有感情的知识吸尘器

高效率代码课程目录Chapter1. BenchmarkingChapter2. R语言高效化基础Chapter3. 查看Code内部Chapter4. 多线程计算R语言其实本质就是一个脚本语言，和C不一样，没法控制内存。不好的指令会浪费很多内存。在R语言中为了实现高速效率化，有三大原则。1. 绝对不要增长向量(grow vector)比方说你自定义了一个属于向量增长的函数growing()n <- 30000# Slow codegrowing <- function(n)

高效率代码课程目录Chapter1. BenchmarkingChapter2. R语言高效化基础Chapter3. 查看Code内部Chapter4. 多线程计算查看R版本用version就可以，但是注意version不是一个函数。# Print the R version details using versionversion _ platform x86_64-pc-linux-gnu

Tidyverse课程目录Chapter 1. 数据整形Chapter 2. 数据可视化Chapter 3. 分组和概括Chapter 4. 可视化类型Chapter.4 可视化类型这一章节会结合到之前说到的语法和知识。介绍几种最基础和常用的ggplot的图形。线图首先根据year对数据进行组化，然后用summarize计算出dgpPercap的中位数命名为变量medianGdpPercap。最后对每年的medianGdpPercap进行可视化画出线图library(gapminder)

Tidyverse课程目录Chapter 1. 数据整形Chapter 2. 数据可视化Chapter 3. 分组和概括Chapter 4. 可视化类型Chapter 3. 分组和概括用summarize进行描述性统计summarize的功能就是对某个变量根据指定(比方说平均数，中位数)就行概述。举个例子，我们要看一下lifeExp的中位数。# Summarize to find the median life expectancygapminder %>% summarize

Tidyverse课程目录Chapter 1. 数据整形Chapter 2. 数据可视化Chapter 3. 分组和概括Chapter 4. 可视化类型Chapter 2. 数据可视化这一章里会用到ggplot2包来可视化数据。数据的话和Chapter一样，用到了gapminder里的数据。首先运行一下本次会用到的三个包。ggplot2小试牛刀ggplot2的名声估计大家也早有耳闻，在这里做简单的入门介绍。之后会出专题详细讲解，功能之强大罄竹难书(用词不当)。# Load the ggpl

210707 CloudyTidyverse课程目录Chapter 1. 数据整形Chapter 2. 数据可视化Chapter 3. 分组和概括Chapter 4. 可视化类型Chapter 1. 数据整形Tidyverse的核心包如下：课程里会用到包gapminder里的数据。所以首先安装和运行一下包。# Load the gapminder packagelibrary(gapminder)# Load the dplyr packagelibrary(dplyr)再看

Shell 是什么其实在之前的文章里有略微提到过。生信分析中不可或缺的一个伙伴，不管你主打R还是Python，Shell是必修课。当然，Shell的指令相对而言比较简单，不需要太多的学习成本，看完本文大概可以解决90%的日常问题了。Shell的特点及用途和unix指令一样，输入指令然后执行就好指定什么时候按照什么条件用什么指令进行命令执行指定输入文件和输出文件基本设置首先用随便什么IDE创建一个最简单的Shell脚本文件，没有IDE的话可以新建一个txt文件，文件名后缀改成sh就好，比方说

1. 用代码获取数据当然下载数据的方式有多种多样，你可以用最原始的方法在数据库网站上点击下载，但是在不经意之间，电脑不仅帮你下载好了数据，还把原本压缩好的数据给自动解压缩了，原本小巧的压缩包瞬间变成了硬盘杀手。当然可以通过电脑上的设置来取消解压缩功能，但在服务器上下载数据的时候总不能通过网页点击了吧。你还准备在本地点击下载了再上传到服务器？！！1.1 curl的用法首先需要创建一个工作目录，然后cd到工作目录中。我是建立在桌面上的，大家随意。mkdir Bioinfocd /Users/jaso

R里机器学习常用到的carcet包，其实可以实现多线程快速运行。在此把使用方法给总结一下。install.packages("doParallel") #安装多线程处理包install.packages("caret") #caret包library(doParallel)library(caret)接下来就是指定CPU线程数，如果不知道自己的CPU有几个线程，可以使用「detectCores()」来查看cl <- makePSOCKcluster(8) # 假设是8线程 reg

正则表达: https://www.regular-expressions.info/quickstart.html0821第一章 简介（略）第二章 科学计算器2.2 数学运算符和向量要比较整数值是否相等要使用==,而不是=同理，不等就是!=> c(3,4-1,1+1,1+1+1)==3[1] TRUE TRUE FALSE TRUE> 1:3!=3:1[1] TRUE FALSE TRUE==还可以用来比较字符串2.4 特殊数字Inf,-In.

0828https://github.com/hadley/ggplot2-bookChapter 2 Chapter 2 ggplot2 入门ggplot2图像的三个基本构成1.数据2.图形属性映射，设定变量如何射映到图层的图形属性上3.几何对象，至少一层，用于指定绘图所用的几何对象ggplot(mpg,aes(x = displ,y = hwy))+geom_point()ggplot(economics,aes(date,unemploy))+geom_line()

0618 15:00故事：Slot Machine八青哥https://rstudio-education.github.io/hopr/programs.html没有过维加斯体验的人对这个故事的理解会有点费力。比如说本人。一个机器玩一次会生成3个不同的图标组合。如果该图标组合符合中奖规则，就会赢钱。和21点和大转盘比起来，八青哥的赔率比较低，所以更受庄主欢迎。9 Programs写play ( )– 1 随机产生三个图案– 2 计算奖金随机产生三个图案的functiong.

1.主成分分析原理翻了很多帖子没有一个可以直接看懂的，每个帖子的说法用词虽然略微不一样，切入点都差不多，感觉都是从一个地方抄过来稍加修改而已。特别是从协方差忽然就切入特征值特征向量，让数学门外汉摸不着头脑。参考书：<多変量解析II 主成分分析　理論とRによる演習>使用数据：mtcars关键词：1.协方差矩阵2.特征向量，特征值主成分分析的目的:很简单：降低维度（去噪）????将一组N维数据降成K维（K小于N）原始数据Z在主成分向量l上的投影X最大X=Z*l （Z已知

本文将接着讲解ggplot2的多图排列的下半部分，通过其他方式排列组合多张ggplot2的图。除此以外还可以给图加上图层，让你的数据报告更加多姿多彩。整合多图我们可以把不同类型的图放在一起，比方说散点图和密度图。# 绘制散点图sp <- ggscatter(iris, x = "Sepal.Length", y = "Sepal.Width", color = "Species", palette = "jco", size