《R语言实战》第1章

# 了解R能够作出何种图形,循环执行以下命令
demo(graphics)demo(Hershey)demo(persp)demo(image)# 查阅帮助文档
help.start()
??foo
# 查看使用例子
example("qplot")
# 以foo为关键词搜索在线文档和邮件列表存档
RSiteSearch("foo")
# 列出名称中含有foo的所有可用函数
apropos("foo", mode = "function")
# 列出当前已加载包中所含的所有可用示例数据集
data()
# 列出当前已安装包中所有可用的vignette文档
vignette()
# 为主题caret显示指定的vignette文档
vignette("caret")# 查看当前工作目录 默认是当前用户下：/Users/moxingjian
getwd()
# 设置当前工作目录
setwd('/Users/moxingjian/Learn/R')
# 列出当前工作空间中的对象
ls()
# 移除(删除)一个或多个对象（从ls()函数中查询出来的对象）
rm(f)
# 显示可用选项的说明
help(rm)
# 显示或设置当前选项
options()
# 显示最近使用过的#个命令(默认值为25)
history(10)
# 保存命令历史到文件myfile中(默认值为.Rhistory)
savehistory("myfile")
# 载入一个命令历史文件(默认值为.Rhistory)
loadhistory("myfile")
# 保存工作空间到文件myfile中(默认值为.RData)
save.image("myfile")
# 保存工作空间到文件myfile中(默认值为.RData)
save(mod, file = "myfile")
# 读取一个工作空间到当前会话中(默认值为.RData)
load('myfile')
# 退出R。将会询问你是否保存工作空间
q()# 实战
getwd()
setwd("/Users/moxingjian/Learn/R/test")
options()
options(digiits = 3)
x <- runif(3)
summary(x)
hist(x)
savehistory()
save.image()
q()# 输入和输出
# 执行当前工作目录下的R文件
source("test.R")
# 文本输出，默认覆盖，使用参数append=TRUE可以将文本追加到文件后，而不是覆盖它。
sink("test.R", append = TRUE)
# 图形输出
# PDF文件
pdf("filename.pdf")
# Windows图元文件
win.metafile("filename.wmf")
# PBG文件
png("filename.png")
# JEPG文件
jpeg("filename.jpg")
# BMP文件
bmp("filename.bmp")
# PostScript文件
postscript("filename.ps")# 实战
# 执行script1.R
source("script1.R")
# 文件script2.R中的R代码将执行，结果也将显示在屏幕上。除此之外，文本输出将被追加到文件myoutput中，图形输出将保存到文件mygraphs.pdf中。
sink("myoutput", append = TRUE, split = TRUE)
pdf("mygraphs.pdf")
source("script2.R")
# 文件script3.R中的R代码将执行，结果将显示在屏幕上。这一次，没有文本或图形输出保存到文件中
sink()
dev.off()
source("script3.R")# 显示库中有哪些包
library
# 查询包
help(package = "ggplot2")# 批处理 在终端使用该命令
# 其中infile是包含了要执行的R代码所在文件的文件名，outfile是接收输出文件的文件名， options部分则列出了控制执行细节的选项。依照惯例，infile的扩展名是.R，outfile的扩 展名为.Rout。
#  R CMD BATCH options infile outfile# 将输出用为输入——结果的重用
lm(mpg~wt, data = mtcars)
# 保存结果在对象中
lmfit <- lm(mpg ~ wt, data = mtcars)
# 统计概要
summary(lmfit)
# 计算影响度量统计量
cook <- cooks.distance(lmfit)
# 生成回归诊断图
plot(cook)
# 查阅文档
help(lm)# 1.8 示例实战
# (1) 打开帮助文档首页，并查阅其中的“Introduction to R”。
help.start()
# (2) 安装vcd包(一个用于可视化类别数据的包，我们将在第11章中使用)。
install.packages("vcd")
# (3) 列出此包中可用的函数和数据集。
help(package = "vcd")
# (4) 载入这个包并阅读数据集Arthritis的描述。
library(vcd)
help(Arthritis)
# (5) 显示数据集Arthritis的内容(直接输入一个对象的名称将列出它的内容)。
Arthritis
# (6) 运行数据集Arthritis自带的示例。如果不理解输出结果，也不要担心。它基本上显示了接受治疗的关节炎患者较接受安慰剂的患者在病情上有了更多改善。
example(Arthritis)
# (7) 退出。
q()

《R语言实战》第1章相关推荐

AI - 深度学习之美十四章-概念摘要（8~14）
原文链接:https://yq.aliyun.com/topic/111 本文是对原文内容中部分概念的摘取记录,可能有轻微改动,但不影响原文表达. 08 - BP算法双向传,链式求导最缠绵反向传播( ...
AI - 深度学习之美十四章-概念摘要（1~7）
原文链接:https://yq.aliyun.com/topic/111 本文是对原文内容中部分概念的摘取记录,可能有轻微改动,但不影响原文表达. 01 - 一入侯门"深"似海,深 ...
【深度学习之美】卷地风来忽吹散，积得飘零美如画（入门系列之十）
系列文章: 一入侯门"深"似海,深度学习深几许(深度学习入门系列之一) 人工"碳"索意犹尽,智能"硅"来未可知(深度学习入门系列之二) 神经 ...
【深度学习之美】激活引入非线性，池化预防过拟合（入门系列之十二）
12.1 两个看似闲扯的问题在开讲本章内容之前,先请你思考两个问题呗:第一个问题,你能用直线画出一张漂亮的笑脸吗?第二个问题是,你知道那副著名的对联:"诸葛一生唯谨慎,吕端大事不糊涂&qu ...
【深度学习之美】LSTM长短记，长序依赖可追忆（入门系列之十四）
14.1 遗忘是件好事还是坏事? 如果我问你,遗忘,是件好事,还是坏事? 或许你会说,当然是件坏事啊,我可羡慕记忆力好的人了. 可我要告诉你,如果你到现在还记得,两岁时,隔壁家的小女孩"横刀 ...
【深度学习之美】BP算法双向传，链式求导最缠绵（入门系列之八）
8.1 BP神经网络极简史在神经网络(甚至深度学习)参数训练中,BP(Back Propagation)算法非常重要,它都占据举足轻重的地位.在提及BP算法时,我们常将它与杰弗里•辛顿(Geoffr ...
【深度学习之美】局部连接来减参，权值共享肩并肩（入门系列之十一）
系列文章: 一入侯门"深"似海,深度学习深几许(深度学习入门系列之一) 人工"碳"索意犹尽,智能"硅"来未可知(深度学习入门系列之二) 神经 ...
一文弄懂元学习 (Meta Learing)（附代码实战）《繁凡的深度学习笔记》第 15 章元学习详解（上）万字中文综述
<繁凡的深度学习笔记>第 15 章元学习详解 (上)万字中文综述(DL笔记整理系列) 3043331995@qq.com https://fanfansann.blog.csdn.net ...
一文让你完全弄懂逻辑回归和分类问题实战《繁凡的深度学习笔记》第 3 章分类问题与信息论基础（上）（DL笔记整理系列）
好吧,只好拆分为上下两篇发布了>_< 终于肝出来了,今天就是除夕夜了,祝大家新快乐!^q^ <繁凡的深度学习笔记>第 3 章分类问题与信息论基础 (上)(逻辑回归.Softm ...
一文让你完全弄懂回归问题、激活函数、梯度下降和神经元模型实战《繁凡的深度学习笔记》第 2 章回归问题与神经元模型（DL笔记整理系列）
<繁凡的深度学习笔记>第 2 章回归问题与神经元模型(DL笔记整理系列) 3043331995@qq.com https://fanfansann.blog.csdn.net/ http ...

《R语言实战》第1章

《R语言实战》第1章相关推荐

最新文章

热门文章