หากต้องการแบ่งปันคำแนะนำและเคล็ดลับเพิ่มเติมสำหรับRคุณลักษณะหรือเคล็ดลับเดียวที่มีประโยชน์ที่สุดของคุณคืออะไร? เวกเตอร์ฉลาด? อินพุต / เอาต์พุตข้อมูล? การแสดงภาพและกราฟิก? การวิเคราะห์ทางสถิติ? ฟังก์ชั่นพิเศษ? สภาพแวดล้อมแบบโต้ตอบเอง?
หนึ่งรายการต่อโพสต์และเราจะดูว่าเราได้ผู้ชนะด้วยการโหวตหรือไม่
[แก้ไข 25- ส.ค. 2551]: หลังจากนั้นหนึ่งสัปดาห์ดูเหมือนว่าผู้str()ชนะจะได้รับการหยั่งเสียง ตามที่ฉันต้องการแนะนำตัวเองมันเป็นคำตอบที่ง่ายที่จะยอมรับ
คำตอบ:
str() บอกโครงสร้างของวัตถุใด ๆ
dir()- เหมาะสมกว่า
strยังย่อมาจากstringหลายภาษา
class()? ดูเหมือนว่าจะเปิดเผยข้อมูลประเภทเดียวกัน เหตุใดจึงมีสองคำสั่งที่คล้ายกัน
class()เป็นเพียงส่วนเล็ก ๆ ของข้อมูลที่str()แสดง
ฟังก์ชันที่มีประโยชน์อย่างหนึ่งที่ฉันมักใช้คือ dput () ซึ่งช่วยให้คุณสามารถถ่ายโอนวัตถุในรูปแบบของรหัส R
# Use the iris data set
R> data(iris)
# dput of a numeric vector
R> dput(iris$Petal.Length)
c(1.4, 1.4, 1.3, 1.5, 1.4, 1.7, 1.4, 1.5, 1.4, 1.5, 1.5, 1.6,
1.4, 1.1, 1.2, 1.5, 1.3, 1.4, 1.7, 1.5, 1.7, 1.5, 1, 1.7, 1.9,
1.6, 1.6, 1.5, 1.4, 1.6, 1.6, 1.5, 1.5, 1.4, 1.5, 1.2, 1.3, 1.4,
1.3, 1.5, 1.3, 1.3, 1.3, 1.6, 1.9, 1.4, 1.6, 1.4, 1.5, 1.4, 4.7,
4.5, 4.9, 4, 4.6, 4.5, 4.7, 3.3, 4.6, 3.9, 3.5, 4.2, 4, 4.7,
3.6, 4.4, 4.5, 4.1, 4.5, 3.9, 4.8, 4, 4.9, 4.7, 4.3, 4.4, 4.8,
5, 4.5, 3.5, 3.8, 3.7, 3.9, 5.1, 4.5, 4.5, 4.7, 4.4, 4.1, 4,
4.4, 4.6, 4, 3.3, 4.2, 4.2, 4.2, 4.3, 3, 4.1, 6, 5.1, 5.9, 5.6,
5.8, 6.6, 4.5, 6.3, 5.8, 6.1, 5.1, 5.3, 5.5, 5, 5.1, 5.3, 5.5,
6.7, 6.9, 5, 5.7, 4.9, 6.7, 4.9, 5.7, 6, 4.8, 4.9, 5.6, 5.8,
6.1, 6.4, 5.6, 5.1, 5.6, 6.1, 5.6, 5.5, 4.8, 5.4, 5.6, 5.1, 5.1,
5.9, 5.7, 5.2, 5, 5.2, 5.4, 5.1)
# dput of a factor levels
R> dput(levels(iris$Species))
c("setosa", "versicolor", "virginica")
การโพสต์ส่วนข้อมูลที่ทำซ้ำได้ง่ายจะมีประโยชน์มากเมื่อคุณขอความช่วยเหลือหรือแก้ไขหรือจัดลำดับระดับของปัจจัยใหม่
head () และ tail () เพื่อรับส่วนแรกและส่วนสุดท้ายของ dataframe, vector, matrix, function ฯลฯ โดยเฉพาะอย่างยิ่งกับ data frames ขนาดใหญ่นี่เป็นวิธีที่รวดเร็วในการตรวจสอบว่าโหลดเรียบร้อยแล้ว
คุณสมบัติที่ดีอย่างหนึ่ง: การอ่านข้อมูลใช้การเชื่อมต่อซึ่งอาจเป็นไฟล์ในเครื่องไฟล์ระยะไกลที่เข้าถึงผ่าน http ท่อจากโปรแกรมอื่น ๆ
เป็นตัวอย่างง่ายๆให้พิจารณาการเข้าถึงนี้สำหรับ N = 10 จำนวนเต็มสุ่มระหว่าง min = 100 และ max = 200 จากrandom.org (ซึ่งให้ตัวเลขสุ่มจริงตามเสียงรบกวนในบรรยากาศแทนที่จะเป็นตัวสร้างตัวเลขสุ่มหลอก):
R> site <- "http://random.org/integers/" # base URL
R> query <- "num=10&min=100&max=200&col=2&base=10&format=plain&rnd=new"
R> txt <- paste(site, query, sep="?") # concat url and query string
R> nums <- read.table(file=txt) # and read the data
R> nums # and show it
V1 V2
1 165 143
2 107 118
3 103 132
4 191 100
5 138 185
R>
เช่นกันที่สุ่มแพคเกจให้ฟังก์ชั่นอำนวยความสะดวกหลายอย่างสำหรับการเข้าถึงrandom.org
ฉันพบว่าฉันกำลังใช้with()และwithin()มากขึ้นเรื่อย ๆ ไม่ต้อง$ทิ้งรหัสของฉันอีกต่อไปและไม่จำเป็นต้องเริ่มติดวัตถุเข้ากับเส้นทางการค้นหา อย่างจริงจังฉันพบว่าwith()ฯลฯ ทำให้ความตั้งใจของสคริปต์การวิเคราะห์ข้อมูลของฉันชัดเจนขึ้นมาก
> df <- data.frame(A = runif(10), B = rnorm(10))
> A <- 1:10 ## something else hanging around...
> with(df, A + B) ## I know this will use A in df!
[1] 0.04334784 -0.40444686 1.99368816 0.13871605 -1.17734837
[6] 0.42473812 2.33014226 1.61690799 1.41901860 0.8699079
with()ตั้งค่าสภาพแวดล้อมที่มีการประเมินนิพจน์ R within()ทำสิ่งเดียวกัน แต่อนุญาตให้คุณแก้ไขออบเจ็กต์ข้อมูลที่ใช้สร้างสภาพแวดล้อม
> df <- within(df, C <- rpois(10, lambda = 2))
> head(df)
A B C
1 0.62635571 -0.5830079 1
2 0.04810539 -0.4525522 1
3 0.39706979 1.5966184 3
4 0.95802501 -0.8193090 2
5 0.76772541 -1.9450738 2
6 0.21335006 0.2113881 4
สิ่งที่ฉันไม่ทราบเมื่อใช้ครั้งแรกwithin()คือคุณต้องทำการมอบหมายซึ่งเป็นส่วนหนึ่งของนิพจน์ที่ประเมินและกำหนดอ็อบเจ็กต์ที่ส่งคืน (ตามด้านบน) เพื่อให้ได้เอฟเฟกต์ที่ต้องการ
http://www.omegahat.org/RGoogleDocs/
ฉันพบว่า Google สเปรดชีตเป็นวิธีที่ยอดเยี่ยมสำหรับผู้ทำงานร่วมกันทุกคนในหน้าเดียวกัน นอกจากนี้ Google ฟอร์มยังช่วยให้สามารถบันทึกข้อมูลจากผู้ตอบแบบสอบถามและเขียนลงในสเปรดชีตของ Google ได้อย่างง่ายดาย เนื่องจากข้อมูลมีการเปลี่ยนแปลงบ่อยครั้งและแทบจะไม่สิ้นสุดจึงเป็นที่นิยมสำหรับ R ในการอ่านสเปรดชีตของ Google โดยตรงมากกว่าการดาวน์โหลดไฟล์ csv และอ่านไฟล์เหล่านี้
# Get data from google spreadsheet
library(RGoogleDocs)
ps <-readline(prompt="get the password in ")
auth = getGoogleAuth("me@gmail.com", ps, service="wise")
sheets.con <- getGoogleDocsConnection(auth)
ts2=getWorksheets("Data Collection Repos",sheets.con)
names(ts2)
init.consent <-sheetAsMatrix(ts2$Sheet1,header=TRUE, as.data.frame=TRUE, trim=TRUE)
ฉันจำไม่ได้ว่าคำสั่งใด แต่หนึ่งหรือสองคำสั่งต่อไปนี้ใช้เวลาหลายวินาที
getGoogleAuth
getGoogleDocsConnection
getWorksheets
ใช้ backticks เพื่ออ้างอิงชื่อที่ไม่ได้มาตรฐาน
> df <- data.frame(x=rnorm(5),y=runif(5))
> names(df) <- 1:2
> df
1 2
1 -1.2035003 0.6989573
2 -1.2146266 0.8272276
3 0.3563335 0.0947696
4 -0.4372646 0.9765767
5 -0.9952423 0.6477714
> df$1
Error: unexpected numeric constant in "df$1"
> df$`1`
[1] -1.2035003 -1.2146266 0.3563335 -0.4372646 -0.9952423
ในกรณีนี้ df [, "1"] ก็ใช้ได้เช่นกัน แต่เห็บกลับทำงานในสูตร!
> lm(`2`~`1`,data=df)
Call:
lm(formula = `2` ~ `1`, data = df)
Coefficients:
(Intercept) `1`
0.4087 -0.3440
[แก้ไข] เดิร์กถามว่าทำไมถึงตั้งชื่อไม่ถูกต้อง? ไม่รู้สิ! แต่ฉันพบปัญหานี้ในทางปฏิบัติบ่อยพอสมควร ตัวอย่างเช่นการใช้แพ็คเกจการปรับรูปร่างของ Hadley:
> library(reshape)
> df$z <- c(1,1,2,2,2)
> recast(df,z~.,id.var="z")
Aggregation requires fun.aggregate: length used as default
z (all)
1 1 4
2 2 6
> recast(df,z~.,id.var="z")$(all)
Error: unexpected '(' in "recast(df,z~.,id.var="z")$("
> recast(df,z~.,id.var="z")$`(all)`
Aggregation requires fun.aggregate: length used as default
[1] 4 6
read.tableเมื่อcheck.namesเป็นเท็จเช่นเมื่อคุณต้องการทำงานกับชื่อคอลัมน์เดิม
ไม่รู้ว่าสิ่งนี้เป็นที่รู้จักกันดีเพียงใด แต่สิ่งที่ฉันใช้ประโยชน์ได้อย่างแน่นอนคือความสามารถในการอ้างอิงของสภาพแวดล้อม
zz <- new.env()
zz$foo <- c(1,2,3,4,5)
changer <- function(blah) {
blah$foo <- 5
}
changer(zz)
zz$foo
สำหรับตัวอย่างนี้มันไม่สมเหตุสมผลว่าทำไมมันถึงมีประโยชน์ แต่ถ้าคุณผ่านวัตถุขนาดใหญ่รอบ ๆ มันสามารถช่วยได้
สิ่งใหม่ที่ฉันชอบคือห้องสมุด foreach ช่วยให้คุณสามารถประยุกต์ใช้สิ่งต่างๆได้ดี แต่ด้วยไวยากรณ์ที่ค่อนข้างง่ายกว่า:
list_powers <- foreach(i = 1:100) %do% {
lp <- x[i]^i
return (lp)
}
ส่วนที่ดีที่สุดคือหากคุณกำลังทำบางสิ่งที่ต้องใช้เวลามากจริง ๆ คุณสามารถเปลี่ยนจาก%do%เป็น%dopar%(ด้วยไลบรารีแบ็กเอนด์ที่เหมาะสม) เพื่อทำการขนานกันได้ทันทีแม้จะข้ามคลัสเตอร์ก็ตาม เนียนมาก.
ฉันทำมากของการจัดการพื้นฐานของข้อมูลเพื่อให้ที่นี่เป็นสองในตัวฟังก์ชั่น ( เปลี่ยน , ส่วนย่อย ) และห้องสมุดหนึ่ง ( sqldf ) ที่ผมใช้ในชีวิตประจำวัน
sales <- expand.grid(country = c('USA', 'UK', 'FR'),
product = c(1, 2, 3))
sales$revenue <- rnorm(dim(sales)[1], mean=100, sd=10)
> sales
country product revenue
1 USA 1 108.45965
2 UK 1 97.07981
3 FR 1 99.66225
4 USA 2 100.34754
5 UK 2 87.12262
6 FR 2 112.86084
7 USA 3 95.87880
8 UK 3 96.43581
9 FR 3 94.59259
## transform currency to euros
usd2eur <- 1.434
transform(sales, euro = revenue * usd2eur)
>
country product revenue euro
1 USA 1 108.45965 155.5311
2 UK 1 97.07981 139.2125
3 FR 1 99.66225 142.9157
...
subset(sales,
country == 'USA' & product %in% c(1, 2),
select = c('product', 'revenue'))
>
product revenue
1 1 108.4597
4 2 100.3475
แพคเกจ sqldfมีอินเตอร์เฟซ SQL เพื่อเฟรมข้อมูล R
## recast the previous subset() expression in SQL
sqldf('SELECT product, revenue FROM sales \
WHERE country = "USA" \
AND product IN (1,2)')
>
product revenue
1 1 108.4597
2 2 100.3475
ทำการรวมหรือ GROUP BY
sqldf('select country, sum(revenue) revenue \
FROM sales \
GROUP BY country')
>
country revenue
1 FR 307.1157
2 UK 280.6382
3 USA 304.6860
สำหรับฟังก์ชันการทำงานคล้ายแผนที่ลดขนาดที่ซับซ้อนยิ่งขึ้นบนเฟรมข้อมูลโปรดดูแพ็คเกจplyr และถ้าพบว่าตัวเองต้องการที่จะดึงผมออกผมขอแนะนำให้ตรวจสอบจากการจัดการข้อมูลกับ R
?ave
ชุดย่อยของ 'x []' เป็นค่าเฉลี่ยโดยที่แต่ละชุดย่อยประกอบด้วยการสังเกตที่มีระดับปัจจัยเดียวกัน การใช้งาน: ave (x, ... , FUN = mean)
ฉันจะใช้มันตลอดเวลา. (เช่นในคำตอบนี้ที่นี่ )
วิธีเพิ่มความเร็วโค้ดและกำจัดลูป
แทนที่จะเป็นลูปที่วนลูปผ่านดาต้าเฟรมที่มองหาค่า เพียงแค่ใช้ส่วนย่อยของ df กับค่าเหล่านั้นเร็วกว่ามาก
แทนที่จะเป็น:
for(i in 1:nrow(df)){
if (df$column[i] == x) {
df$column2[i] <- y
or any other similiar code
}
}
ทำสิ่งนี้:
df$column2[df$column1 == x] <- y
แนวคิดพื้นฐานนั้นใช้ได้บ่อยมากและเป็นวิธีที่ดีในการกำจัดลูป
บางครั้งคุณต้องrbindใช้ข้อมูลหลายเฟรม do.call()จะปล่อยให้คุณทำอย่างนั้น (มีคนอธิบายเรื่องนี้กับฉันเมื่อฉันผูกมัดฉันถามคำถามนี้เนื่องจากดูเหมือนจะไม่เป็นการใช้งานที่ชัดเจน)
foo <- list()
foo[[1]] <- data.frame(a=1:5, b=11:15)
foo[[2]] <- data.frame(a=101:105, b=111:115)
foo[[3]] <- data.frame(a=200:210, b=300:310)
do.call(rbind, foo)
unsplitผมพบว่านี้มักจะง่ายกว่าการใช้
ในการเขียนโปรแกรม R (ไม่ใช่เซสชันแบบโต้ตอบ) ฉันใช้ if (bad.condition) stop("message")มาก ทุกฟังก์ชั่นเริ่มต้นด้วยสิ่งเหล่านี้และเมื่อฉันทำงานผ่านการคำนวณฉันก็ใส่สิ่งเหล่านี้เข้าไปด้วย ฉันเดาว่าฉันติดนิสัยจากการใช้assert()ใน C ประโยชน์คือสองเท่า อย่างแรกการรับรหัสที่ใช้งานได้เร็วขึ้นมากเมื่อใช้การตรวจสอบเหล่านี้ ประการที่สองและอาจสำคัญกว่านั้นการทำงานกับโค้ดที่มีอยู่นั้นง่ายกว่ามากเมื่อคุณเห็นการตรวจสอบเหล่านี้บนทุกหน้าจอในตัวแก้ไขของคุณ คุณจะไม่ต้องสงสัยว่าx>0หรือเชื่อถือความคิดเห็นที่ระบุว่าเป็น ... คุณจะรู้ได้ทันทีว่ามันคืออะไร
ปล. โพสต์แรกของฉันที่นี่ อ่อนโยน!
stopfifnot(!bad.condition)ซึ่งกระชับกว่า
traceback()ฟังก์ชั่นเป็นต้องเมื่อคุณมีที่ไหนสักแห่งความผิดพลาดและไม่เข้าใจมันได้อย่างง่ายดาย มันจะพิมพ์ร่องรอยของสแต็กซึ่งมีประโยชน์มากเนื่องจาก R ไม่ละเอียดมากโดยค่าเริ่มต้น
แล้วการตั้งค่า options(error=recover)จะช่วยให้คุณ "เข้าสู่" ฟังก์ชั่นที่เพิ่มข้อผิดพลาดและพยายามทำความเข้าใจว่าเกิดอะไรขึ้นราวกับว่าคุณสามารถควบคุมได้อย่างสมบูรณ์และสามารถใส่browser()ไปได้
ฟังก์ชันทั้งสามนี้สามารถช่วยในการดีบักโค้ดของคุณได้
options(error=recover)เป็นวิธีการดีบักที่ฉันชอบที่สุด
ฉันแปลกใจจริงๆที่ไม่มีใครโพสต์เกี่ยวกับการใช้การแตะการใช้งานและการพัฒนา กฎทั่วไปที่ฉันใช้เมื่อทำสิ่งต่างๆใน R คือถ้าฉันมี for loop ที่กำลังประมวลผลข้อมูลหรือการจำลองฉันจะพยายามแยกตัวประกอบและแทนที่ด้วย * apply บางคนไม่สนใจฟังก์ชั่น * ใช้เพราะพวกเขาคิดว่าฟังก์ชันพารามิเตอร์เดียวเท่านั้นที่สามารถส่งผ่านได้ไม่มีอะไรเพิ่มเติมจากความจริง! เช่นเดียวกับการส่งผ่านฟังก์ชันที่มีพารามิเตอร์เป็นออบเจ็กต์ชั้นหนึ่งใน Javascript คุณทำสิ่งนี้ใน R ด้วยฟังก์ชันที่ไม่ระบุชื่อ ตัวอย่างเช่น:
> sapply(rnorm(100, 0, 1), round)
[1] 1 1 0 1 1 -1 -2 0 2 2 -2 -1 0 1 -1 0 1 -1 0 -1 0 0 0 0 0
[26] 2 0 -1 -2 0 0 1 -1 1 5 1 -1 0 1 1 1 2 0 -1 1 -1 1 0 -1 1
[51] 2 1 1 -2 -1 0 -1 2 -1 1 -1 1 -1 0 -1 -2 1 1 0 -1 -1 1 1 2 0
[76] 0 0 0 -2 -1 1 1 -2 1 -1 1 1 1 0 0 0 -1 -3 0 -1 0 0 0 1 1
> sapply(rnorm(100, 0, 1), round(x, 2)) # How can we pass a parameter?
Error in match.fun(FUN) : object 'x' not found
# Wrap your function call in an anonymous function to use parameters
> sapply(rnorm(100, 0, 1), function(x) {round(x, 2)})
[1] -0.05 -1.74 -0.09 -1.23 0.69 -1.43 0.76 0.55 0.96 -0.47 -0.81 -0.47
[13] 0.27 0.32 0.47 -1.28 -1.44 -1.93 0.51 -0.82 -0.06 -1.41 1.23 -0.26
[25] 0.22 -0.04 -2.17 0.60 -0.10 -0.92 0.13 2.62 1.03 -1.33 -1.73 -0.08
[37] 0.45 -0.93 0.40 0.05 1.09 -1.23 -0.35 0.62 0.01 -1.08 1.70 -1.27
[49] 0.55 0.60 -1.46 1.08 -1.88 -0.15 0.21 0.06 0.53 -1.16 -2.13 -0.03
[61] 0.33 -1.07 0.98 0.62 -0.01 -0.53 -1.17 -0.28 -0.95 0.71 -0.58 -0.03
[73] -1.47 -0.75 -0.54 0.42 -1.63 0.05 -1.90 0.40 -0.01 0.14 -1.58 1.37
[85] -1.00 -0.90 1.69 -0.11 -2.19 -0.74 1.34 -0.75 -0.51 -0.99 -0.36 -1.63
[97] -0.98 0.61 1.01 0.55
# Note that anonymous functions aren't being called, but being passed.
> function() {print('hello #rstats')}()
function() {print('hello #rstats')}()
> a = function() {print('hello #rstats')}
> a
function() {print('hello #rstats')}
> a()
[1] "hello #rstats"
(สำหรับผู้ที่ติดตาม #rstats ฉันโพสต์สิ่งนี้ไว้ที่นั่นด้วย)
จำไว้ว่าใช้ Apply, sapply, lapply, tapply และ do.call! ใช้ประโยชน์จากเวกเตอร์ของ R คุณไม่ควรเดินขึ้นไปที่รหัส R จำนวนมากและดู:
N = 10000
l = numeric()
for (i in seq(1:N)) {
sim <- rnorm(1, 0, 1)
l <- rbind(l, sim)
}
สิ่งนี้ไม่เพียง แต่จะไม่เป็นเวกเตอร์ แต่โครงสร้างอาร์เรย์ใน R ไม่ได้เติบโตขึ้นเหมือนใน Python (เพิ่มขนาดเป็นสองเท่าเมื่อพื้นที่หมด IIRC) ดังนั้นแต่ละขั้นตอน rbind จะต้องเติบโต l พอที่จะยอมรับผลลัพธ์จาก rbind () ก่อนจากนั้นคัดลอกเนื้อหาของ l ก่อนหน้าทั้งหมด เพื่อความสนุกสนานลองใช้ข้างต้นใน R สังเกตว่าใช้เวลานานแค่ไหน (คุณไม่จำเป็นต้องใช้ Rprof หรือฟังก์ชันจับเวลาใด ๆ ) แล้วลอง
N=10000
l <- rnorm(N, 0, 1)
ต่อไปนี้ดีกว่าเวอร์ชันแรกด้วย:
N = 10000
l = numeric(N)
for (i in seq(1:N)) {
sim <- rnorm(1, 0, 1)
l[i] <- sim
}
ตามคำแนะนำของ Dirk ฉันกำลังโพสต์ตัวอย่างเดียว ฉันหวังว่าพวกเขาจะไม่ "น่ารัก" เกินไป [ฉลาด แต่ฉันไม่สนใจ] หรือไม่สำคัญสำหรับผู้ชมกลุ่มนี้
แบบจำลองเชิงเส้นคือขนมปังและเนยของ R เมื่อจำนวนตัวแปรอิสระสูงตัวแปรหนึ่งมีสองทางเลือก ประการแรกคือใช้ lm.fit () ซึ่งรับเมทริกซ์การออกแบบ x และการตอบสนอง y เป็นอาร์กิวเมนต์เช่นเดียวกับ Matlab ข้อเสียเปรียบของแนวทางนี้คือค่าที่ส่งคืนเป็นรายการของวัตถุ (ค่าสัมประสิทธิ์ที่พอดีเศษซาก ฯลฯ ) ไม่ใช่วัตถุของคลาส "lm" ซึ่งสามารถสรุปได้อย่างสวยงามใช้สำหรับการทำนายการเลือกตามขั้นตอน ฯลฯ อย่างที่สอง แนวทางคือสร้างสูตร:
> A
X1 X2 X3 X4 y
1 0.96852363 0.33827107 0.261332257 0.62817021 1.6425326
2 0.08012755 0.69159828 0.087994158 0.93780481 0.9801304
3 0.10167545 0.38119304 0.865209832 0.16501662 0.4830873
4 0.06699458 0.41756415 0.258071616 0.34027775 0.7508766
...
> (f=paste("y ~",paste(names(A)[1:4],collapse=" + ")))
[1] "y ~ X1 + X2 + X3 + X4"
> lm(formula(f),data=A)
Call:
lm(formula = formula(f), data = A)
Coefficients:
(Intercept) X1 X2 X3 X4
0.78236 0.95406 -0.06738 -0.43686 -0.06644
คุณสามารถกำหนดค่าที่ส่งคืนจากบล็อก if-else
แทนที่จะเป็นเช่น
condition <- runif(1) > 0.5
if(condition) x <- 1 else x <- 2
คุณทำได้
x <- if(condition) 1 else 2
วิธีการทำงานนี้เป็นเวทมนตร์ที่ล้ำลึก
if-then-elseนิพจน์ทำงานในภาษาที่ใช้งานได้ (เพื่อไม่ให้สับสนกับif-then-else ข้อความ ) คล้ายกับตัว?:ดำเนินการตามท้ายของภาษาซีเหมือนกันมาก
ในฐานะที่เป็น noob ทั้งหมดสำหรับ R และมือใหม่ที่สถิติฉันรัก unclass()
จะพิมพ์องค์ประกอบทั้งหมดของ data frame เป็นรายการธรรมดา
ค่อนข้างสะดวกสำหรับการดูชุดข้อมูลทั้งหมดในครั้งเดียวเพื่อแก้ไขปัญหาที่อาจเกิดขึ้นได้อย่างรวดเร็ว
CrossTable()จากgmodelsแพคเกจช่วยให้สามารถเข้าถึง crosstabs สไตล์ SAS และ SPSS พร้อมกับการทดสอบตามปกติ (Chisq, McNemar ฯลฯ ) โดยพื้นฐานแล้วมันxtabs()มีเอาต์พุตแฟนซีและการทดสอบเพิ่มเติมบางอย่าง - แต่จะทำให้การแบ่งปันผลลัพธ์กับคนต่างชาติง่ายขึ้น
system()แตกหัก เพื่อให้สามารถเข้าถึงเครื่องมือยูนิกซ์ทั้งหมด (อย่างน้อยก็ใน Linux / MacOSX) จากภายในสภาพแวดล้อม R ได้กลายเป็นสิ่งล้ำค่าอย่างรวดเร็วในขั้นตอนการทำงานประจำวันของฉัน
help(connections)รายละเอียดและตัวอย่าง
นี่คือวิธีแก้ปัญหาที่น่ารำคาญในการแปลงปัจจัยเป็นตัวเลข (คล้ายกับข้อมูลประเภทอื่นเช่นกัน)
old.var <- as.numeric(levels(old.var))[as.numeric(old.var)]
as.numeric(levels(old.var))[old.var]
แม้ว่าคำถามนี้ได้รับการขึ้นในขณะที่ฉันเพิ่งค้นพบเคล็ดลับที่ดีในSAS และ R บล็อกcutสำหรับการใช้คำสั่ง คำสั่งนี้ใช้เพื่อแบ่งข้อมูลออกเป็นหมวดหมู่และฉันจะใช้ชุดข้อมูลไอริสเป็นตัวอย่างและแบ่งออกเป็น 10 ประเภท:
> irisSL <- iris$Sepal.Length
> str(irisSL)
num [1:150] 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
> cut(irisSL, 10)
[1] (5.02,5.38] (4.66,5.02] (4.66,5.02] (4.3,4.66] (4.66,5.02] (5.38,5.74] (4.3,4.66] (4.66,5.02] (4.3,4.66] (4.66,5.02]
[11] (5.38,5.74] (4.66,5.02] (4.66,5.02] (4.3,4.66] (5.74,6.1] (5.38,5.74] (5.38,5.74] (5.02,5.38] (5.38,5.74] (5.02,5.38]
[21] (5.38,5.74] (5.02,5.38] (4.3,4.66] (5.02,5.38] (4.66,5.02] (4.66,5.02] (4.66,5.02] (5.02,5.38] (5.02,5.38] (4.66,5.02]
[31] (4.66,5.02] (5.38,5.74] (5.02,5.38] (5.38,5.74] (4.66,5.02] (4.66,5.02] (5.38,5.74] (4.66,5.02] (4.3,4.66] (5.02,5.38]
[41] (4.66,5.02] (4.3,4.66] (4.3,4.66] (4.66,5.02] (5.02,5.38] (4.66,5.02] (5.02,5.38] (4.3,4.66] (5.02,5.38] (4.66,5.02]
[51] (6.82,7.18] (6.1,6.46] (6.82,7.18] (5.38,5.74] (6.46,6.82] (5.38,5.74] (6.1,6.46] (4.66,5.02] (6.46,6.82] (5.02,5.38]
[61] (4.66,5.02] (5.74,6.1] (5.74,6.1] (5.74,6.1] (5.38,5.74] (6.46,6.82] (5.38,5.74] (5.74,6.1] (6.1,6.46] (5.38,5.74]
[71] (5.74,6.1] (5.74,6.1] (6.1,6.46] (5.74,6.1] (6.1,6.46] (6.46,6.82] (6.46,6.82] (6.46,6.82] (5.74,6.1] (5.38,5.74]
[81] (5.38,5.74] (5.38,5.74] (5.74,6.1] (5.74,6.1] (5.38,5.74] (5.74,6.1] (6.46,6.82] (6.1,6.46] (5.38,5.74] (5.38,5.74]
[91] (5.38,5.74] (5.74,6.1] (5.74,6.1] (4.66,5.02] (5.38,5.74] (5.38,5.74] (5.38,5.74] (6.1,6.46] (5.02,5.38] (5.38,5.74]
[101] (6.1,6.46] (5.74,6.1] (6.82,7.18] (6.1,6.46] (6.46,6.82] (7.54,7.9] (4.66,5.02] (7.18,7.54] (6.46,6.82] (7.18,7.54]
[111] (6.46,6.82] (6.1,6.46] (6.46,6.82] (5.38,5.74] (5.74,6.1] (6.1,6.46] (6.46,6.82] (7.54,7.9] (7.54,7.9] (5.74,6.1]
[121] (6.82,7.18] (5.38,5.74] (7.54,7.9] (6.1,6.46] (6.46,6.82] (7.18,7.54] (6.1,6.46] (5.74,6.1] (6.1,6.46] (7.18,7.54]
[131] (7.18,7.54] (7.54,7.9] (6.1,6.46] (6.1,6.46] (5.74,6.1] (7.54,7.9] (6.1,6.46] (6.1,6.46] (5.74,6.1] (6.82,7.18]
[141] (6.46,6.82] (6.82,7.18] (5.74,6.1] (6.46,6.82] (6.46,6.82] (6.46,6.82] (6.1,6.46] (6.46,6.82] (6.1,6.46] (5.74,6.1]
10 Levels: (4.3,4.66] (4.66,5.02] (5.02,5.38] (5.38,5.74] (5.74,6.1] (6.1,6.46] (6.46,6.82] (6.82,7.18] ... (7.54,7.9]
เคล็ดลับอีกประการหนึ่ง แพคเกจบางอย่างเช่น glmnet, เพียงใช้เป็นปัจจัยการผลิตเมทริกซ์ออกแบบและตัวแปรการตอบสนอง หากต้องการปรับโมเดลให้พอดีกับการโต้ตอบระหว่างคุณลักษณะทั้งหมดเธอจะใช้สูตร "y ~. ^ 2" ไม่ได้ การใช้expand.grid()ทำให้เราสามารถใช้ประโยชน์จากการจัดทำดัชนีอาร์เรย์และการดำเนินการเวกเตอร์ของ R ได้อย่างมีประสิทธิภาพ
interArray=function(X){
n=ncol(X)
ind=expand.grid(1:n,1:n)
return(X[,ind[,1]]*X[,ind[,2]])
}
> X
X1 X2
1 0.96852363 0.33827107
2 0.08012755 0.69159828
3 0.10167545 0.38119304
4 0.06699458 0.41756415
5 0.08187816 0.09805104
> interArray(X)
X1 X2 X1.1 X2.1
1 0.938038022 0.327623524 0.327623524 0.114427316
2 0.006420424 0.055416073 0.055416073 0.478308177
3 0.010337897 0.038757974 0.038757974 0.145308137
4 0.004488274 0.027974536 0.027974536 0.174359821
5 0.006704033 0.008028239 0.008028239 0.009614007
model.matrixหรือไม่?
หนึ่งที่ชื่นชอบของฉัน, เทคนิคหากไม่ได้ค่อนข้างคัมภีร์คือการใช้และeval() parse()ตัวอย่างนี้อาจแสดงให้เห็นว่าจะมีประโยชน์อย่างไร
NY.Capital <- 'Albany'
state <- 'NY'
parameter <- 'Capital'
eval(parse(text=paste(state, parameter, sep='.')))
[1] "Albany"
สถานการณ์ประเภทนี้เกิดขึ้นบ่อยกว่าไม่มากนักและการใช้eval()และparse()สามารถช่วยแก้ไขได้ แน่นอนฉันยินดีรับฟังความคิดเห็นเกี่ยวกับวิธีอื่น ๆ ในการเขียนโค้ดนี้
set.seed() ตั้งค่าสถานะตัวสร้างตัวเลขสุ่ม
ตัวอย่างเช่น:
> set.seed(123)
> rnorm(1)
[1] -0.5604756
> rnorm(1)
[1] -0.2301775
> set.seed(123)
> rnorm(1)
[1] -0.5604756
สำหรับผู้ที่กำลังเขียน C ที่จะเรียกจาก R: .Internal(inspect(...))นั้นมีประโยชน์ ตัวอย่างเช่น:
> .Internal(inspect(quote(a+2)))
@867dc28 06 LANGSXP g0c0 []
@8436998 01 SYMSXP g1c0 [MARK,gp=0x4000] "+"
@85768b0 01 SYMSXP g1c0 [MARK,NAM(2)] "a"
@8d7bf48 14 REALSXP g0c1 [] (len=1, tl=0) 2
d = '~ / R รหัส / ห้องสมุด /'
ไฟล์ = list.files (d, '. r $')
สำหรับ (f ในไฟล์) {if (! (f == 'mysource.r')) {print (paste ('Sourcing', f)) source (paste (d, f, sep = ''))}}
ฉันใช้โค้ดด้านบนเพื่อซอร์สไฟล์ทั้งหมดในไดเร็กทอรีเมื่อเริ่มต้นด้วยโปรแกรมยูทิลิตี้ต่างๆที่ฉันใช้ในเซสชันโต้ตอบกับ R ฉันแน่ใจว่ามีวิธีที่ดีกว่านี้ แต่ฉันพบว่ามีประโยชน์สำหรับงานของฉัน บรรทัดที่ทำมีดังนี้
แหล่งที่มา ("~ / R Code / Library / mysource.r")
เพื่อดำเนินการกับตัวแปรหลายตัวในกรอบข้อมูล สิ่งนี้ถูกขโมยจาก subset.data.frame
get.vars<-function(vars,data){
nl <- as.list(1L:ncol(data))
names(nl) <- names(data)
vars <- eval(substitute(vars), nl, parent.frame())
data[,vars]
#do stuff here
}
get.vars(c(cyl:hwy,class),mpg)
get.varsโดยไม่ต้องกระโดดผ่านห่วงมากมาย
ฉันเคยโพสต์สิ่งนี้มาแล้วครั้งหนึ่ง แต่ฉันใช้มันมากฉันคิดว่าฉันจะโพสต์อีกครั้ง ฟังก์ชั่นเพียงเล็กน้อยในการส่งคืนชื่อและหมายเลขตำแหน่งของ data.frame ไม่มีอะไรพิเศษที่จะต้องแน่ใจ แต่ฉันแทบจะไม่เคยทำผ่านเซสชันโดยไม่ได้ใช้หลายครั้ง
##creates an object from a data.frame listing the column names and location
namesind = ฟังก์ชัน (df) {
temp1=names(df)
temp2=seq(1,length(temp1))
temp3=data.frame(temp1,temp2)
names(temp3)=c("VAR","COL")
return(temp3)
rm(temp1,temp2,temp3)
}
พรรณี <- namesind
data.frame(VAR = names(df), COL = seq_along(df))