分类：R语言

2021
05-09

R语言 UTF-8各种问题的解决方案

R语言 UTF-8各种问题的解决方案 R语言在碰到读UTF-8文件，或者处理UTF-8数据时总是会遇到各种各样的问题，本姑娘也是在碰了n多次壁，被气得吐血好多次之后，终于对这类总结出了一些解决办法：1.读UTF-8文件，例如UTF-8格式的csv：最好的处理办法就是：a1=read.table('C:\\test11.csv',sep=',',fileEncoding='UTF-8',header=F)如果使用如下方法可能会出错（全是血泪教训啊）：a2=read.csv('C:\\test11.csv',fileEncoding='UTF-8',header=F)a2=read.csv('C... 继续阅读 >
2021
05-09

R语言-进行数据的重新编码(recode)操作

R语言-进行数据的重新编码(recode)操作 在分析数据时我们经常会遇到将变量值转换成其他的值的情况（如：将连续变量转成分类变量）这时就需要我们对原有数据进行重新编码。本文将介绍R软件中常用的三种重编吗方法：1、使用逻辑判断式编码。2、使用cut函数编码。3、使用car程序包的recode函数。（一）使用逻辑判断式（1）现假设我们需要将下面的连续型变量x按照10与20分成三个组，新的分组名称为1、2、3：>x2=1*(x<=10)+2*(x>10&x<=20)+3*(x>20)>x2[1]12323333... 继续阅读 >
2021
05-09

R语言-实现按日期分组求皮尔森相关系数矩阵

R语言-实现按日期分组求皮尔森相关系数矩阵 R语言按日期分组求相关系数前几天得到了3700+支股票一周内的波动率，想要计算每周各个股票之间的相关系数并将其可视化。最终结果保存在制定文件夹中。部分数据如下：先读取数据data<-read.csv("D:/data/stock_day_close_price_week_series.csv",header=TRUE,blank.lines.skip=TRUE)利用mice包处理缺失值：library(lattice)library(MASS)library(mice)aggr(data,prop=FALSE,numbers=TRUE,sortVars=TRUE)#查看缺... 继续阅读 >
2021
05-09

R语言-因子与向量的转换方式

一、因子的特点或性质1、因子可视为C或JAVA语言中的枚举，适用于有限状态的表示。2、因子不可以赋枚举集合外的值，如一个因子包含male,female,则不能再赋male和female以为的值，赋其他值会将该元素设置为空值。二、因子的建立1、因子的建立假定有因子gendor，为一组人的性别：>gendor<-factor(c('m','f','f','m'),labels=c('male','female')）则通过上式建立一个性别因子。>gendor[1]femalemalemalefemaleLevels:malef... 继续阅读 >
2021
05-09

R语言差异检验:非参数检验操作

非参数检验是在总体方差未知或知道甚少的情况下，利用样本数据对总体分布形态进行推断的方法。它利用数据的大小间的次序关系(秩Rank)，而不是具体数值信息，得出推断结论。它是参数检验所需要的某些条件不满足时所使用的方法。和参数检验相比，非参数检验的优势如下：稳健性。对总体分布的条件要求放宽对数据类型要求不严格，适用有序分类变量适用范围广劣势：没有利用实际数值，损失了部分信息，检验的有效性较差。非参数性检验的... 继续阅读 >
2021
05-09

R语言编码问题的解决

R语言编码问题的解决 今天博客主要是解决一个学R语言里面最最痛苦的问题（嗯，python2.x里面也有），就是中文乱码问题：一般用R语言的同学，多半遇见过以下这个问题：反正虾神我每次遇见这个问题，立刻就是：实际上这个问题写代码的人一般都能遇见，不同字符编码的问题，如果是从文件里面读的还好说，可以带这个字符编码集一起读，但是如果这个数据是来自于数据库的，如果经验的话，那就真得各种凉拌了。下面我简单把我今天通过R语言从Postgresql数据库... 继续阅读 >
2021
05-09

R语言实现将分类变量转换为哑变量(dummy vairable)

生成测试数据a1<-c(“f”,”f”,”b”,”b”,”c,”c”)利用nnet包中的函数class.ind>class.ind(a1)bcf[1,]001[2,]001[3,]100[4,]100[5,]010[6,]010class.ind代码class.ind<-function(cl){n<-length(cl)cl<-as.factor(cl)x<-matrix(0,n,length(levels(cl)))#unclass返回每个字符在level表中的位置#然后按照列计算在向量中的位置x[n*(unclass(cl)-1)+（1：n）]<-1dimn... 继续阅读 >
2021
05-09

R语言变量重编码、重命名的操作

1、变量重编码重编码涉及根据同一个变量和/或其他变量的现有值创建新值的过程，如将符合某个条件的值重新赋值等，这里主要介绍两种常见的方法：#第一种方法per<-data.frame(name=c("张三","李四","王五","赵六"),age=c(23,45,34,1000))perper$age[per$age==1000]<-NA#设置缺失值per$age1[per$age<30]="young"#生成新变量per$age1[per$age>=30&per$age<50]<-"middleage"per#第二种方法pe... 继续阅读 >
2021
05-02

R语言 如何删除指定变量或对象

R语言中删除指定变量或对象，可以直接删除某名字的变量或对象，也可以删除以字符串形式表示的变量和对象。例如：1、直接删除>a<-c(1,2,3)>rm(a)2、以字符串形式的方式删除>a<-c(1,2,3)>rm('a')3、删除不再需要的对象在使用R语言的过程中，除了要保留特定的对象外，其他的对象不再需要>a<-ls()>rm(list=a[which(a!='c2'&a!='m2'&a!='cpu1'&a!='mem1')])>ls()[1]"a""c2""cpu1""m2""mem1"如这个例子中，除了a... 继续阅读 >
2021
04-27

R语言绘制散点图实例分析

R语言绘制散点图实例分析 散点图显示在笛卡尔平面中绘制的许多点。每个点表示两个变量的值。在水平轴上选择一个变量，在垂直轴上选择另一个变量。使用plot()函数创建简单散点图。语法在R语言中创建散点图的基本语法是-plot(x,y,main,xlab,ylab,xlim,ylim,axes)以下是所使用的参数的描述- x是其值为水平坐标的数据集。y是其值是垂直坐标的数据集。main要是图形的图块。xlab是水平轴上的标签。ylab是垂直轴上的标签。... 继续阅读 >
2021
04-27

R语言绘制折线图实例分析

R语言绘制折线图实例分析 折线图是通过在它们之间绘制线段来连接一系列点的图。这些点在它们的坐标（通常是x坐标）值之一中排序。折线图通常用于识别数据中的趋势。R语言中的plot()函数用于创建折线图。语法在R语言中创建折线图的基本语法是-plot(v,type,col,xlab,ylab)以下是所使用的参数的描述- v是包含数值的向量。类型采用值“p”仅绘制点，“l”仅绘制线和“o”绘制点和线。xlab是x轴的标签。ylab是y轴的标签。main是图... 继续阅读 >
2021
04-27

R语言绘制直方图实例讲解

R语言绘制直方图实例讲解 直方图表示被存储到范围中的变量的值的频率。直方图类似于条形图，但不同之处在于将值分组为连续范围。直方图中的每个柱表示该范围中存在的值的数量的高度。R语言使用hist()函数创建直方图。此函数使用向量作为输入，并使用一些更多的参数来绘制直方图。语法使用R语言创建直方图的基本语法是hist(v,main,xlab,xlim,ylim,breaks,col,border)以下是所使用的参数的描述v是包含直方图中使用的数值的向量。main表示图表的标... 继续阅读 >
2021
04-27

R语言箱线图创建实例讲解

R语言箱线图创建实例讲解 箱线图是数据集中的数据分布良好的度量。它将数据集分成三个四分位数。此图表表示数据集中的最小值，最大值，中值，第一四分位数和第三四分位数。它还可用于通过绘制每个数据集的箱线图来比较数据集之间的数据分布。R语言中使用boxplot()函数来创建箱线图。语法在R语言中创建箱线图的基本语法是-boxplot(x,data,notch,varwidth,names,main)以下是所使用的参数的描述- x是向量或公式。数据是数据帧。not... 继续阅读 >
2021
04-27

R语言条形图创建方法

R语言条形图创建方法 条形图表示矩形条中的数据，条的长度与变量的值成比例。R语言使用函数 barplot() 创建条形图。R语言可以在条形图中绘制垂直和水平条。在条形图中，每个条可以给予不同的颜色。语法在R语言中创建条形图的基本语法是H是包含在条形图中使用的数值的向量或矩阵。xlab是x轴的标签。ylab是y轴的标签。main是条形图的标题。names.arg是在每个条下出现的名称的向量。col用于向图中的条... 继续阅读 >
2021
04-27

R语言关于数据帧的知识点详解

数据帧是表或二维阵列状结构，其中每一列包含一个变量的值，并且每一行包含来自每一列的一组值。以下是数据帧的特性。列名称应为非空。行名称应该是唯一的。存储在数据帧中的数据可以是数字，因子或字符类型。每个列应包含相同数量的数据项。创建数据帧#Createthedataframe.emp.data<-data.frame(emp_id=c(1:5),emp_name=c("Rick","Dan","Michelle","Ryan","Gary"),salary=c(623.3,515.2,6... 继续阅读 >