R के लिए कुछ और टिप्स और ट्रिक्स साझा करने के लिए , आपकी एकल-उपयोगी सुविधा या ट्रिक क्या है? चतुर वैश्वीकरण? डेटा इनपुट / आउटपुट? विज़ुअलाइज़ेशन और ग्राफिक्स? सांख्यिकीय विश्लेषण? विशेष कार्य? इंटरैक्टिव वातावरण ही?
प्रति पोस्ट एक आइटम, और हम देखेंगे कि क्या हमें वोट के माध्यम से विजेता मिलता है।
[संपादित करें २५-अगस्त २०० after]: इसलिए एक सप्ताह के बाद, ऐसा लगता है कि साधारण str()ने चुनाव जीत लिया। जैसा कि मैं यह सलाह देना चाहता हूं कि यह स्वयं, यह स्वीकार करने का एक आसान उत्तर है।
जवाबों:
str() आपको किसी भी वस्तु की संरचना बताता है।
dir()- अधिक समझ में आता है।
strभी कम है string।
class()? यह इसी प्रकार की सूचना को प्रकट करता है। ऐसी दो आज्ञाएँ क्यों हैं?
class()जानकारी का एक छोटा सा हिस्सा है जो str()प्रदर्शित करता है
एक बहुत ही उपयोगी फ़ंक्शन जिसका मैं अक्सर उपयोग करता हूं वह है dput (), जो आपको आर कोड के रूप में एक ऑब्जेक्ट को डंप करने की अनुमति देता है।
# 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")
जब आप मदद मांगते हैं, या किसी कारक के स्तरों को संपादित या फिर से व्यवस्थित करने के लिए आसानी से प्रतिलिपि प्रस्तुत करने योग्य डेटा विखंडन पोस्ट करने के लिए यह बहुत उपयोगी हो सकता है।
सिर () और पूंछ () डेटाफ़्रेम, वेक्टर, मैट्रिक्स, फ़ंक्शन, आदि के पहले और अंतिम भागों को प्राप्त करने के लिए विशेष रूप से बड़े डेटा फ़्रेम के साथ, यह जाँचने का एक त्वरित तरीका है कि यह ठीक लोड किया गया है।
एक अच्छी सुविधा: डेटा पढ़ना उन कनेक्शनों का उपयोग करता है जो स्थानीय फाइलें, http के माध्यम से एक्सेस की गई दूरस्थ फाइलें, अन्य कार्यक्रमों से पाइप या अधिक हो सकते हैं।
एक साधारण उदाहरण के रूप में, एन के लिए इस का उपयोग = से न्यूनतम = 100 और अधिकतम = 200 के बीच 10 यादृच्छिक पूर्णांकों पर विचार random.org (जो बल्कि एक छद्म यादृच्छिक संख्या जनरेटर से वायुमंडलीय शोर के आधार पर सच यादृच्छिक संख्या की आपूर्ति):
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>
एक तरफ के रूप में, यादृच्छिक पैकेज random.org तक पहुँचने के लिए कई सुविधा फ़ंक्शंस प्रदान करता है ।
मुझे लगता है मैं उपयोग कर रहा हूँ with()और within()अधिक से अधिक। $मेरे कोड को और अधिक लेट करने और किसी को खोज पथ पर ऑब्जेक्ट्स को प्रारंभ करने की आवश्यकता नहीं है। अधिक गंभीरता से, मुझे लगता है with()आदि बनाने के इरादे मेरी डेटा विश्लेषण लिपियों के अधिक स्पष्ट।
> df <- data.frame(A = runif(10), B = rnorm(10))
> A <- 1:10 ## something else hanging around...
> with(df, A + B) ## I know this will use A in df!
[1] 0.04334784 -0.40444686 1.99368816 0.13871605 -1.17734837
[6] 0.42473812 2.33014226 1.61690799 1.41901860 0.8699079
with()एक वातावरण सेट करता है जिसके भीतर R अभिव्यक्ति का मूल्यांकन किया जाता है। within()एक ही बात करता है, लेकिन आपको पर्यावरण बनाने के लिए उपयोग किए गए डेटा ऑब्जेक्ट को संशोधित करने की अनुमति देता है।
> df <- within(df, C <- rpois(10, lambda = 2))
> head(df)
A B C
1 0.62635571 -0.5830079 1
2 0.04810539 -0.4525522 1
3 0.39706979 1.5966184 3
4 0.95802501 -0.8193090 2
5 0.76772541 -1.9450738 2
6 0.21335006 0.2113881 4
जब मुझे पहली बार इस्तेमाल किया गया था तो कुछ भी महसूस नहीं हुआ था within()कि आपको वांछित प्रभाव प्राप्त करने के लिए मूल्यांकन किए गए अभिव्यक्ति के हिस्से के रूप में एक असाइनमेंट करना होगा और लौटी हुई वस्तु (ऊपर के रूप में) को असाइन करना होगा।
http://www.omegahat.org/RGoogleDocs/
मैंने पाया है कि Google स्प्रेडशीट सभी सहयोगियों के लिए एक ही पृष्ठ पर होने का एक शानदार तरीका है। इसके अलावा, Google फ़ॉर्म उत्तरदाताओं के डेटा को कैप्चर करने की अनुमति देता है और इसे आसानी से Google स्प्रेडशीट में लिख देता है। चूँकि डेटा बार-बार बदलता है और लगभग कभी भी अंतिम नहीं होता है, इसलिए आर के लिए एक Google स्प्रेडशीट को सीधे पढ़ना पसंद होता है, जो कि csv फ़ाइलों को डाउनलोड करने और उन्हें पढ़ने के साथ फ्यूज़ करने की तुलना में सीधे होता है।
# Get data from google spreadsheet
library(RGoogleDocs)
ps <-readline(prompt="get the password in ")
auth = getGoogleAuth("me@gmail.com", ps, service="wise")
sheets.con <- getGoogleDocsConnection(auth)
ts2=getWorksheets("Data Collection Repos",sheets.con)
names(ts2)
init.consent <-sheetAsMatrix(ts2$Sheet1,header=TRUE, as.data.frame=TRUE, trim=TRUE)
मैं याद नहीं कर सकता, लेकिन निम्नलिखित में से एक या दो कमांड में कई सेकंड लगते हैं।
getGoogleAuth
getGoogleDocsConnection
getWorksheets
गैर मानक नामों को संदर्भित करने के लिए बैकटिक्स का उपयोग करें।
> 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
इस मामले में, df [, "1"] भी काम करेगा। लेकिन बैक टिक्स फॉर्मूलों के अंदर काम करते हैं!
> lm(`2`~`1`,data=df)
Call:
lm(formula = `2` ~ `1`, data = df)
Coefficients:
(Intercept) `1`
0.4087 -0.3440
[संपादित करें] डिर्क पूछता है कि कोई अमान्य नाम क्यों देगा? मुझे नहीं पता! लेकिन मैं निश्चित रूप से अक्सर इस समस्या का सामना करता हूं। उदाहरण के लिए, हैडले के रिशेप पैकेज का उपयोग करना:
> 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.tableहोने पर भी उपयोगी check.namesहै - जब आप मूल कॉलम नामों के साथ काम करना चाहते हैं।
पता नहीं कितनी अच्छी तरह से जाना जाता है / नहीं है, लेकिन कुछ है जो मैंने निश्चित रूप से लाभ उठाया है पर्यावरण के पास-दर-संदर्भ क्षमताओं हैं।
zz <- new.env()
zz$foo <- c(1,2,3,4,5)
changer <- function(blah) {
blah$foo <- 5
}
changer(zz)
zz$fooइस उदाहरण के लिए यह समझ में नहीं आता है कि यह उपयोगी क्यों होगा, लेकिन अगर आप बड़ी वस्तुओं को पास कर रहे हैं तो यह मदद कर सकता है।
मेरी नई पसंदीदा चीज़ है फ़ोरच लाइब्रेरी। यह आपको सभी अच्छी चीजों को लागू करने देता है, लेकिन कुछ हद तक आसान वाक्य रचना के साथ:
list_powers <- foreach(i = 1:100) %do% {
lp <- x[i]^i
return (lp)
}सबसे अच्छी बात यह है कि यदि आप कुछ ऐसा कर रहे हैं जिसके लिए वास्तव में एक महत्वपूर्ण राशि की आवश्यकता होती है, तो आप एक क्लस्टर में भी तुरंत समानांतर करने के %do%लिए %dopar%(उपयुक्त बैकएंड लाइब्रेरी के साथ) स्विच कर सकते हैं । बहुत चालाक है।
मैं डेटा के बुनियादी हेरफेर का एक बहुत है, इसलिए यहाँ हैं दो बिल्ट-इन कार्य ( बदलना , सबसेट ) और एक पुस्तकालय ( sqldf ) है कि मैं दैनिक उपयोग करें।
sales <- expand.grid(country = c('USA', 'UK', 'FR'),
product = c(1, 2, 3))
sales$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 2 100.3475Sqldf पैकेज आर डेटा फ्रेम करने के लिए एक एसक्यूएल इंटरफेस प्रदान करता है
## 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 2 100.3475एक एकत्रीकरण या ग्रुप बाय करें
sqldf('select country, sum(revenue) revenue \
FROM sales \
GROUP BY country')
>
country revenue
1 FR 307.1157
2 UK 280.6382
3 USA 304.6860डेटा फ़्रेम पर अधिक परिष्कृत मैप-कम-जैसी कार्यक्षमता के लिए, प्लाई पैकेज देखें। और अगर अपने आप को अपने बालों को बाहर निकालना चाहते हैं, तो मैं आर के साथ डेटा हेरफेर की जांच करने की सलाह देता हूं ।
?ave'X []' के सब्स्क्राइब्ड औसत हैं, जहां प्रत्येक उपसमूह में समान कारक स्तरों के साथ उन टिप्पणियों का समावेश होता है। एव (x, ..., FUN = माध्य)
मैं इसका हर समय उपयोग करता हूं। ( इस जवाब में यहाँ पर उदाहरण के लिए )
कोड को गति देने और छोरों के लिए खत्म करने का एक तरीका।
मानों की तलाश में डेटाफ्रेम के माध्यम से उस लूप के बजाय लूप। बस उन मूल्यों के साथ डीएफ का एक सबसेट ले लो, बहुत जल्दी।
इसके बजाय:
for(i in 1:nrow(df)){
if (df$column[i] == x) {
df$column2[i] <- y
or any other similiar code
}
}कुछ इस तरह से करें:
df$column2[df$column1 == x] <- yयह आधार अवधारणा बहुत बार लागू होती है और लूप से छुटकारा पाने का एक शानदार तरीका है
कभी-कभी आपको rbindकई डेटा फ़्रेम की आवश्यकता होती है । do.call()क्या आप ऐसा करेंगे (किसी ने मुझे यह समझाने के लिए बाध्य किया था जब मैंने यह प्रश्न पूछा था, क्योंकि यह एक स्पष्ट उपयोग नहीं प्रतीत होता है)।
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)unsplit।
आर प्रोग्रामिंग (इंटरेक्टिव सत्र नहीं) में, मैं बहुत उपयोग if (bad.condition) stop("message")करता हूं । प्रत्येक फ़ंक्शन इनमें से कुछ के साथ शुरू होता है, और जैसा कि मैं संगणना के माध्यम से काम करता हूं, मैं इन में काली मिर्च भी डालता हूं। मुझे लगता है कि मैं सी में उपयोग करने से आदत में आया। लाभ दो गुना हैं। सबसे पहले, इन चेकों के साथ काम कोड प्राप्त करना बहुत तेज़ है। दूसरा, और शायद अधिक महत्वपूर्ण, मौजूदा कोड के साथ काम करना बहुत आसान है जब आप अपने संपादक में हर स्क्रीन पर इन जांचों को देखते हैं। आपको आश्चर्य नहीं होगा कि क्या है , या किसी टिप्पणी पर विश्वास करना है कि यह है ... आपको पता चल जाएगा , एक नज़र से, कि यह है।assert()x>0
पुनश्च। मेरी पहली पोस्ट यहाँ नेक बनो!
stopfifnot(!bad.condition)जो अधिक संक्षिप्त है।
traceback()समारोह बहुत जरूरी है तो आपको एक त्रुटि कहीं है और यह आसानी से समझ में नहीं आता है। यह स्टैक के ट्रेस को प्रिंट करेगा, बहुत मददगार होगा क्योंकि आर डिफ़ॉल्ट रूप से बहुत क्रिया नहीं है।
फिर सेटिंग options(error=recover)आपको त्रुटि को बढ़ाने वाले फ़ंक्शन में "दर्ज" करने की अनुमति देगा और यह समझने और समझने की कोशिश करेगा कि वास्तव में क्या होता है, जैसे कि आपके पास इस पर पूर्ण नियंत्रण था और इसमें एक डाल सकता browser()था।
ये तीन कार्य वास्तव में आपके कोड को डीबग करने में मदद कर सकते हैं।
options(error=recover)मेरी पसंदीदा डिबगिंग विधि है।
मैं वास्तव में आश्चर्यचकित हूं कि किसी ने भी आवेदन के बारे में पोस्ट नहीं किया है, टॅाप्ली, लंग्ली और नीलम। आर में सामान करते समय एक सामान्य नियम जो मैं उपयोग करता हूं वह यह है कि अगर मेरे पास एक लूप है जो डेटा प्रोसेसिंग या सिमुलेशन कर रहा है, तो मैं इसे लागू करने की कोशिश करता हूं और इसे * लागू करने के साथ प्रतिस्थापित करता हूं। कुछ लोग * कार्यों को लागू करने से कतराते हैं क्योंकि उन्हें लगता है कि केवल एकल पैरामीटर फ़ंक्शन ही पारित किए जा सकते हैं। सच्चाई से आगे कुछ भी नहीं हो सकता है! जावास्क्रिप्ट में प्रथम श्रेणी की वस्तुओं के रूप में मापदंडों के साथ कार्यों के आसपास से गुजरने की तरह, आप इसे अनाम कार्यों के साथ आर में करते हैं। उदाहरण के लिए:
> 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"(#Rstats को फॉलो करने वालों के लिए, मैंने भी यह पोस्ट किया है)।
याद रखें, लागू करें, नीलमणि, लंगोटी, टप्पली, और do.call का उपयोग करें! आर के वैश्वीकरण का लाभ उठाएं। आपको कभी भी R कोड के एक समूह तक नहीं जाना चाहिए और देखना चाहिए:
N = 10000
l = numeric()
for (i in seq(1:N)) {
sim <- rnorm(1, 0, 1)
l <- rbind(l, sim)
}यह न केवल सदिश है, बल्कि R में सरणी संरचना नहीं है क्योंकि यह पाइथन में है (दोगुना आकार जब अंतरिक्ष चलता है, IIRC)। इसलिए प्रत्येक rbind चरण को rbind () से परिणाम स्वीकार करने के लिए पहले l को पर्याप्त रूप से विकसित करना चाहिए, फिर सभी पिछले l की सामग्री पर कॉपी करें। मज़े के लिए, उपरोक्त आर में प्रयास करें। ध्यान दें कि आपको कितना समय लगता है (आपको रिफ़ॉर्म या किसी भी टाइमिंग फ़ंक्शन की आवश्यकता नहीं होगी)। फिर कोशिश करो
N=10000
l <- rnorm(N, 0, 1)निम्नलिखित पहले संस्करण से भी बेहतर है:
N = 10000
l = numeric(N)
for (i in seq(1:N)) {
sim <- rnorm(1, 0, 1)
l[i] <- sim
}डिर्क की सलाह पर, मैं एकल उदाहरण पोस्ट कर रहा हूं। मुझे आशा है कि वे बहुत "प्यारे" नहीं हैं [चतुर, लेकिन मुझे परवाह नहीं है] या इस दर्शकों के लिए तुच्छ।
रैखिक मॉडल आर की रोटी और मक्खन हैं। जब स्वतंत्र चर की संख्या अधिक होती है, तो एक के पास दो विकल्प होते हैं। पहला यह है कि lm.fit () का उपयोग करें, जो डिज़ाइन मैट्रिक्स x और प्रतिक्रिया y को तर्क के रूप में प्राप्त करता है, उसी तरह मतलाब को भी। इस दृष्टिकोण की कमी यह है कि रिटर्न वैल्यू वस्तुओं की एक सूची है (फिट किए गए गुणांक, अवशिष्ट, आदि), न कि कक्षा "एलएम" की एक वस्तु, जो अच्छी तरह से संक्षेप में बताई जा सकती है, जिसका उपयोग भविष्यवाणी, स्टेपल चयन, आदि के लिए किया जाता है। दूसरा। दृष्टिकोण एक सूत्र बना रहा है:
> 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 यदि आप किसी अन्य ब्लॉक से लौट रहे मान को असाइन कर सकते हैं।
इसके बजाय, उदाहरण के लिए
condition <- runif(1) > 0.5
if(condition) x <- 1 else x <- 2तुम कर सकते हो
x <- if(condition) 1 else 2वास्तव में यह कैसे काम करता है गहरा जादू है।
if-then-elseकिसी भी कार्यात्मक भाषा में अभिव्यक्ति का काम करने का तरीका है ( if-then-else बयानों के साथ भ्रमित नहीं होना )। ?:सी-जैसी भाषाओं के टर्नरी ऑपरेटर के समान ।
CrossTable()gmodelsपैकेज से एसएएस- और एसपीएस-शैली के क्रॉसस्टैब्स को सामान्य परीक्षणों (चिसक, मैकनेमार, आदि) के साथ आसान पहुंच प्रदान करता है। असल में, यह xtabs()फैंसी आउटपुट और कुछ अतिरिक्त परीक्षणों के साथ है - लेकिन यह हीथेन के साथ साझाकरण को आसान बनाता है।
निश्चित रूप से system()। आर पर्यावरण के अंदर से सभी यूनिक्स उपकरणों (कम से कम लिनक्स / मैकओएसएक्स के तहत) तक पहुंच बनाने में सक्षम होने के लिए तेजी से मेरे दैनिक वर्कफ़्लो में अमूल्य हो गया है।
help(connections)विवरण और उदाहरण के लिए देखें ।
एक कारक को संख्यात्मक में बदलने के लिए यहां एक कष्टप्रद समाधान है। (अन्य डेटा प्रकारों के लिए भी समान)
old.var <- as.numeric(levels(old.var))[as.numeric(old.var)]as.numeric(levels(old.var))[old.var]
हालाँकि यह सवाल कुछ समय के लिए रहा है लेकिन मैंने हाल ही में SAS और R ब्लॉग पर कमांड का उपयोग करने के लिए एक बेहतरीन ट्रिक खोजी है cut। आदेश का उपयोग डेटा को श्रेणियों में विभाजित करने के लिए किया जाता है और मैं आईरिस डेटासेट को एक उदाहरण के रूप में उपयोग करूंगा और इसे 10 श्रेणियों में विभाजित करूंगा:
> 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]एक और तरकीब। कुछ पैकेज, जैसे glmnet, केवल इनपुट मैट्रिक्स के रूप में लेते हैं और प्रतिक्रिया चर। यदि कोई मॉडल के बीच सभी इंटरैक्शन के साथ एक मॉडल फिट करना चाहता है, तो वह सूत्र "y ~। ^ 2" का उपयोग नहीं कर सकता है। उपयोग expand.grid()करने से हम आर के शक्तिशाली सरणी इंडेक्सिंग और वेक्टर संचालन का लाभ उठा सकते हैं।
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 0.009614007model.matrix?
मेरे पसंदीदा में से एक, अगर कुछ अपरंपरागत चाल नहीं है, का उपयोग eval()और है parse()। यह उदाहरण शायद यह दर्शाता है कि यह कैसे सहायक हो सकता है
NY.Capital <- 'Albany'
state <- 'NY'
parameter <- 'Capital'
eval(parse(text=paste(state, parameter, sep='.')))
[1] "Albany"इस प्रकार की स्थिति अधिक बार नहीं होती है, और इसका उपयोग करने eval()और parse()इसे संबोधित करने में मदद कर सकती है। बेशक, मैं इसे कोड करने के वैकल्पिक तरीकों पर किसी भी प्रतिक्रिया का स्वागत करता हूं।
set.seed() यादृच्छिक संख्या जनरेटर राज्य सेट करता है।
उदाहरण के लिए:
> set.seed(123)
> rnorm(1)
[1] -0.5604756
> rnorm(1)
[1] -0.2301775
> set.seed(123)
> rnorm(1)
[1] -0.5604756जो लोग R से बुलाए जाने के लिए C लिख रहे हैं उनके लिए .Internal(inspect(...))यह आसान है। उदाहरण के लिए:
> .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) 2d = '~ / R कोड / पुस्तकालय /'
फाइलें = सूची.फाइल्स (डी, 'आर $')
for (फ़ाइलों में f) {if (((f == 'mysource.r')) {प्रिंट (पेस्ट ('सोर्सिंग', f)) स्रोत (पेस्ट (d, f, sep = ''))}}
मैं उपरोक्त कोड का उपयोग एक निर्देशिका में सभी फाइलों को स्रोत पर करता हूं जो कि आर के साथ मेरे इंटरैक्टिव सत्र में उपयोग किए जाने वाले विभिन्न उपयोगिता कार्यक्रमों के साथ है। मुझे यकीन है कि बेहतर तरीके हैं, लेकिन मुझे यह मेरे काम के लिए उपयोगी लगता है। ऐसा करने वाली रेखा इस प्रकार है।
स्रोत ("~ / आर कोड / लाइब्रेरी / mysource.r")
एक डेटा फ़्रेम में कई चर पर एक ऑपरेशन करने के लिए। यह subset.data.frame से चोरी हो गया है।
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.varsपूरे ढेर सारे हूप्स के बिना कूदता है।
मैंने इसे एक बार पहले पोस्ट किया है, लेकिन मैं इसे बहुत उपयोग करता हूं मैंने सोचा कि मैं इसे फिर से पोस्ट करूंगा। एक data.frame के नाम और स्थिति संख्या को वापस करने के लिए इसका सिर्फ एक छोटा सा कार्य है। यह सुनिश्चित करने के लिए विशेष कुछ भी नहीं है, लेकिन मैं लगभग इसे कई बार उपयोग किए बिना सत्र के माध्यम से कभी नहीं बनाता हूं।
##creates an object from a data.frame listing the column names and locationnamesind = समारोह (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)}
ni <- nameind
data.frame(VAR = names(df), COL = seq_along(df))