R in Action 学习笔记

R in Action 开一个学习进度笔记，随时更新； p96 代码清单5-6 逻辑已经清楚 在步骤6 name<-strsplit((roster$Student)," ") 显示：非字符参数 出错原因: data.frame(...stringAsFactors=F) 应为data.frame(...stringsAsFactors=F) data.frame(...,row.names=NULL,check.rows=F,check.names=T, stringsAsFactors=default.stringsAsFactors()) 默认stringsAsFactors=T,把字符串转成因子;

p103 代码清单5-8 逻辑已经清楚 mystats<-function(x,parametric=TRUE,print=FALSE) #这个自定义函数接收一个对象及两个逻辑值 用文字解释就是：定义一个函数mystats,一个参数叫parametric,默认值为TRUE；另一个函数叫print，默认值为FALSE; if(parametric)即：在parametric=TRUE的条件下， if(parametric&print)即：在parametric=TRUE and print=FALSE（看到有说print=T但原函数已设定默认值为F,故此处存疑）的条件下

P118 代码清单6-6 "breaks=12":建议的分组组数，但R不一定会用,所以也不是最终结果 明确组数可以： bins<-seq(1,4,by=1) hist(x,breaks=bins) 参考：https://zhidao.baidu.com/question/1511432045281064980 "rug(jitter(mtcars$mpg))”:不理解rug函数和jitter函数的意思 rug: 是在坐标轴上标出元素出现的频数。出现一次，就会画一个小竖杠。从rug的疏密可以看出变量是什么地方出现的次数多，什么地方出现的次数少。 参考来源：http://bbs.pinggu.org/thread-3250365-1-1.html jitter: "比如有一组数据(10, 11, 12, 13, 15, 16, 16, 16, 16, 16, 16, 16, 16, 20) 其实rug就是在x轴上把对应的值描出来 如果有区间[10, 15), [15, 20) 画出来的话第一个区间会有4个点 第二个区间只有3个点 (这是因为都是16, 点100次看起来还是一个点..) 所以就要用jitter() 就是把16做一些"震动" 把 (16, 16, 16, 16)变成类似(15.99, 15.98, 16.01, 16,02)这样你就可以看到16附近有很多点了(因为不在同一点不再重合),比较客观的反应数据的密度啦" 参考来源：https://www.zhihu.com/question/33436881

结合P119 rug(jitter(mtcars$mpag,amount=0.01)) > rep(0, 7) [1] 0 0 0 0 0 0 0 > jitter(rep(0,7)) [1] -0.002448290 0.019793342 0.004345335 0.000578887 -0.019764075 [6] 0.019695490 0.017059758

> jitter(rep(0,7),amount=0.01) [1] -0.006114656 0.008213079 0.001553065 0.008997730 0.000625607 [6] -0.008319048 0.008198304

对轴须图的理解： 一般和密度曲线结合用，可以更好的帮助了解原始数据的信息(位置)

20170103-05 第七章 代码清单7-2 na.omit()移除所有含有缺失值的观测，na.omit()可以删除所有含有缺失数据的行； p75 na.rm=T 可以在计算之前移除缺失值并使用剩余值进行计算： x<-c(1,2,NA,3) y<-sum(x,na.rm=T) y ［1］ 6 is.na() #检测函数是否为缺失值，返回值为TRUE 或者 FALSE x<-x［!is.na(x)］ #忽略向量中的缺省值 vector矢量：并不带有维度dim which(is.na(x)=T) #可以得到x向量中确为NA值的所在下标 x<-c(2:10) x ［1］2 3 4 5 6 7 8 9 10 x<5 T T T F F F F F F x［x<5］<-NA NA NA NA 5 6 7 8 9 10 参考：http://f.dataguru.cn/thread-4402-1-1.html

代码清单7-7 在上一版的书中是这样的 vars <- c("mpg", "hp", "wt") dstats <- function(x)(c(mean=mean(x), sd=sd(x))) by(mtcars［vars］, mtcars$am, dstats) 会报错： Error in is.data.frame(x) : (串列)对象不能强制改变成'double'种类 此外: Warning message: In mean.default(x) : 参数不是数值也不是逻辑值：回覆NA 搜了一堆网页这么解释： "因为mean()的参数必须是numeric或者logical，而书上传给dstats()的是以mtcars$am分组的mtcars［vars］,是一个dataframe，所以报错。对dataframe求各列均值需要用sapply()函数" 参考网页：http://cos.name/cn/topic/155859/ “附带这个例子： > dstats <- function(x)(c(mean=mean(x), sd=sd(x))) > by(mtcars$mpg, mtcars$am, dstats) mtcars$am: 0 mean sd 17.147368 3.833966 ------------------------------------------------------------------------- mtcars$am: 1 mean sd 24.392308 6.166504 #假如传递的只是一列数据比如，就不会出错了。因为传递给dstats()的是一列数据，R会利用降维的思想，变成numeric类型。” 可以改成：dstats <- function(x)(c(mean=sapply(x,mean),sd=sapply(x,sd))； 依然存在的疑问： a<-data.frame(x1=1:3,x2=4:6) a x1 x2 1 1 4 2 2 5 3 3 6 mean(a) ［1］ NA Warning message: In mean.default(a) : 参数不是数值也不是逻辑值：回覆NA 但是 > class(a［1,1］) ［1］ "integer" 另外： > colMeans(a) x1 x2 2 4 > rowMeans(a) ［1］ 2 3 4 matrix > b<-matrix(1:6,2) > b ［,1］ ［,2］ ［,3］ ［1,］ 1 3 5 ［2,］ 2 4 6 > mean(b) ［1］ 3.5 > class(b［1,1］) ［1］ "integer" matrix与dataframe的区别：前者列必须相同，后者列可以是不同的数据类型 mean()可以计算矩阵b,但是不能计算数据框a,可能原因： > is.numeric(b) ［1］ TRUE > is.numeric(a) ［1］ FALSE

清单7-11 其中ftable()函数存疑，看到网上一个很好的示例，记录下来： >x<-mtcars[c("cyl","am","gear")] > table(x) >ftable(x) 在R gui中敲一遍，能很清楚看到table()和ftable()的差异