处理时间数据并非易事，即使在内置分析软件中有时也很困难，因此在 R 中也不容易。大多数情况下，我们以 12 小时制记录时间，但在某些情况下，我们需要 24 小时制。因此，如果我们想将 12 小时制转换为 24 小时制，则可以使用 `format` 函数和 `as.POSIXct`。请查看下面的示例，以便更好地理解。示例 1 在线演示Time1

矩阵也可以包含缺失值，这些缺失值也可以通过随机化放置在矩阵中，因此我们无法确定那些被称为 NA 的值和非缺失值的位置。如果我们想查找矩阵中非缺失值的位置，则可以使用 `apply` 函数，其中我们可以使用 `which` 函数来排除 NA 值。查看下面的示例以了解其工作原理。示例 1 在线演示M1

要将矩阵的行或列相乘，我们需要使用 `%*%` 符号，该符号在 R 中执行矩阵的乘法运算。如果我们有一个具有 5 行 5 列的矩阵 M，则可以使用 `M[1,]%*%M[,1]` 将 M 的第 1 行与 M 的第 1 列相乘，类似地，我们可以相乘其他行和列。示例 在线演示M

通常，图表是用实线创建的，但有时我们需要使用虚线，以便点可以表示阈值或某些关键内容，此处的主要目标是将读者的注意力吸引到这些点上。在基础 R 中，图表是用 `plot` 函数创建的，我们可以使用 `abline` 函数和 `lty =2` 来绘制虚线。示例 1 在线演示x

树状图显示对象之间的层次关系，它是使用层次聚类创建的。在基础 R 中，我们可以使用 `hclust` 函数创建聚类，并可以使用 `plot` 函数创建树状图。例如，如果我们想为 mtcars 数据创建没有 X 轴标签的树状图，则可以按照如下所示进行操作：hc=hclust(dist(mtcars)) plot(hc, xlab="", sub="")示例 在线演示head(mtcars) mpg cyl disp hp drat wt qsec vs am gear carb Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4 Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 ... 阅读更多

如果未定义范围，则连续均匀分布可以在 R 中取 0 到 1 之间的值。要创建连续均匀分布的随机样本，我们可以使用 `runif` 函数，如果我们不传递最小值和最大值，则默认值为 0 和 1，我们也可以使用不同的值范围。示例runif(5) [1] 0.8667731 0.7109824 0.4466423 0.1644701 0.5611908 runif(10) [1] 0.5923782 0.8793613 0.6912947 0.2963916 0.6076762 0.7683766 0.1143595 [8] 0.4782710 0.1143383 0.4540217 runif(50) [1] 0.841674685 0.325249762 0.640847906 0.203868249 0.495230429 0.897175830 [7] 0.744447459 0.490173680 0.254711280 0.144844443 0.867749180 0.004405166 [13] 0.539785687 0.739637398 0.062214554 0.648021581 0.768686809 0.305543906 [19] 0.757496413 0.527085302 0.633331579 0.700118363 0.857950259 0.929350618 [25] 0.167015719 0.775870043 0.430343200 0.528408273 0.600575697 0.612206968 [31] 0.065904791 0.061135682 0.082027863 0.193586800 0.013956337 0.156875620 [37] 0.837501421 0.971202297 0.930835689 0.292126061 0.599263353 0.826630821 [43] 0.509235736 0.741715013 0.224485511 0.113099235 0.395143355 0.375654137 [49] 0.973050494 0.107550270 round(runif(50),2) [1] 0.51 0.70 0.90 0.45 0.41 0.74 0.31 0.40 0.10 0.05 0.18 0.05 0.63 0.34 0.57 [16] 0.06 0.73 0.37 0.79 0.85 0.82 0.41 0.32 0.34 0.37 0.14 0.21 0.11 0.43 0.86 [31] 0.83 0.09 0.88 0.04 0.62 0.64 0.15 0.75 0.78 0.16 0.67 0.97 0.79 0.64 0.56 [46] 0.40 0.07 0.69 0.82 0.63 round(runif(50),4) [1] 0.2951 0.2916 0.9049 0.2669 0.7613 0.2080 0.4739 0.1110 0.6155 0.5429 [11] 0.4490 0.2941 0.8262 0.7719 0.7896 0.7634 0.6260 0.7812 0.7600 0.6852 [21] 0.9142 0.0165 0.2324 0.0821 0.0814 0.4009 0.3315 0.8843 0.9684 0.1966 [31] 0.4841 0.5795 0.7898 0.1865 0.6929 0.8599 0.0492 0.8275 0.7431 0.3122 [41] 0.8480 0.3327 0.4872 0.0503 0.1887 0.0296 0.6011 0.1162 0.7776 0.6874 round(runif(50),5) [1] 0.40368 0.33585 0.03557 0.06047 0.95041 0.18260 0.70011 0.75148 0.12414 [10] 0.01310 0.42343 0.05846 0.21341 0.05454 0.77823 0.66151 0.61406 0.59459 [19] 0.50299 0.96780 0.43033 0.64652 0.39697 0.05897 0.47169 0.79828 0.74154 [28] 0.56074 0.97303 0.35301 0.36110 0.67452 0.14553 0.45195 0.05780 0.90489 [37] 0.96745 0.28014 0.02089 0.77789 0.04797 0.03550 0.40495 0.08924 0.59908 [46] 0.89074 0.48498 0.47335 0.59422 0.00719 round(runif(100),2) [1] 0.10 0.06 0.51 0.89 0.80 0.68 0.97 0.58 0.60 0.79 0.96 0.48 0.29 0.16 0.42 [16] 0.35 0.46 0.18 0.46 0.34 0.48 0.35 0.72 0.10 0.50 0.93 0.30 0.54 0.85 0.19 [31] 0.12 0.10 0.47 0.66 0.43 0.09 0.44 0.86 0.99 0.31 0.10 0.61 0.20 0.15 0.02 [46] 0.25 0.33 0.75 0.98 0.23 0.21 0.70 0.42 0.24 0.87 0.84 0.99 0.06 0.75 0.48 [61] 0.84 0.35 0.48 0.62 0.40 0.25 0.07 0.08 0.75 0.40 0.83 0.95 0.00 0.87 0.27 [76] 0.53 0.21 0.41 0.28 0.83 0.90 0.26 0.50 0.19 0.70 0.93 0.24 0.45 0.33 0.84 [91] 0.15 0.81 0.62 0.17 0.08 0.76 0.74 0.11 0.20 0.49 round(runif(150),1) [1] 0.6 0.3 0.3 0.3 0.9 0.7 0.1 0.1 0.1 0.9 0.4 0.6 1.0 0.0 0.4 1.0 0.1 1.0 [19] 0.8 0.0 0.9 0.9 0.7 0.7 0.7 0.7 0.3 0.7 0.1 0.1 0.9 0.0 0.1 1.0 0.9 1.0 [37] 0.9 0.6 0.0 0.4 0.4 1.0 0.2 0.4 0.2 0.8 0.3 0.9 0.8 0.6 0.3 0.3 0.4 0.7 [55] 0.2 0.9 1.0 0.9 0.8 0.7 0.9 1.0 0.5 0.8 0.6 0.8 0.6 0.8 0.3 0.3 1.0 0.6 [73] 0.9 0.3 0.0 1.0 0.5 0.6 0.7 0.7 0.6 0.3 0.4 0.0 0.3 0.1 0.6 0.2 0.1 0.7 [91] 0.9 0.8 0.3 0.2 0.5 0.6 0.6 0.1 0.0 0.9 0.4 0.6 0.3 0.2 0.9 0.6 0.0 0.2 [109] 0.3 0.3 0.3 0.7 0.4 0.8 0.5 0.9 0.6 0.5 0.3 1.0 0.6 0.7 0.9 0.1 0.8 1.0 [127] 0.3 1.0 0.2 0.9 0.2 0.3 0.5 0.4 0.1 0.6 0.6 0.0 0.3 0.3 0.0 0.3 0.3 1.0 [145] 0.6 0.5 0.1 0.7 0.6 0.4 round(runif(75),1) [1] 0.7 0.3 0.7 0.9 0.8 0.1 0.4 0.2 0.5 0.4 0.1 0.7 0.1 0.6 1.0 0.3 0.4 0.7 0.2 [20] 0.2 0.3 0.4 0.4 0.0 0.1 0.2 0.3 0.5 0.1 1.0 0.3 0.5 0.3 0.7 0.1 0.6 0.6 0.6 [39] 0.5 0.7 0.5 0.8 0.1 1.0 0.7 0.4 0.6 0.1 0.5 0.5 0.9 0.3 0.8 0.9 0.3 0.9 0.7 [58] 0.6 0.8 0.4 0.4 0.7 0.4 0.1 0.2 0.6 0.6 0.9 0.3 0.6 0.5 0.9 0.2 0.3 0.2 round(runif(75),3) [1] 0.712 0.355 0.130 0.768 0.134 0.681 0.273 0.663 0.849 0.851 0.842 0.430 [13] 0.371 0.903 0.148 0.879 0.812 0.330 0.567 0.646 0.199 0.159 0.056 0.448 [25] 0.637 0.204 0.101 0.389 0.797 0.030 0.021 0.167 0.440 0.359 0.670 0.435 [37] 0.807 0.669 0.738 0.546 0.535 0.969 0.055 0.201 0.436 0.336 0.841 0.548 [49] 0.901 0.850 0.369 0.770 0.678 0.922 0.252 0.132 0.635 0.544 0.291 0.715 [61] 0.601 0.399 0.585 0.161 0.423 0.244 0.451 0.397 0.951 0.382 0.123 0.959 [73] 0.252 0.330 0.238

假设我们想找到两个数字（例如 1 和 2）的组合总数，然后将每个组合值相乘。这将产生以下组合：1 1 1 2 2 1 2 2而乘法也将有第三列，如下所示：乘法 1 1 1 1 2 2 2 1 2 2 2 4示例 1 在线演示for (i in 1:2) for (j in 1:2) cat(i, j, i*j, "") 输出1 1 1 1 2 2 2 1 2 2 2 4示例 2 在线演示for (i in 1:5) for (j in 1:5) cat(i, j, i*j, "") ... 阅读更多

MANOVA 指的是多元方差分析，在这种方法中，我们有多个因变量和多个自变量。我们想要比较每个自变量组合的每个水平下的每个因变量。为了将具有两个因变量的 MANOVA 数据框转换为计数表，我们可以使用 reshape 包的 cast 函数，但是我们需要首先将数据框熔化（melt），以便可以适当地进行转换。示例 在线演示考虑以下数据框 - 性别

我们知道单词“and”可以写成“&”。如果我们有包含以“and”分隔的字符串值的向量，那么我们可以将其替换为“&”。为此，我们可以使用 stringi 包的 stri_replace_last 函数。例如，如果我们有一个仅包含一个元素的字符串向量，定义为 x

可以使用 sample 函数创建随机样本，并且可以使用 month.name 函数生成一年中的月份。因此，如果我们想创建一个月份的随机样本，则可以使用 month.name 函数与 sample 函数一起使用，例如 sample(month.name)，如果样本大小大于 12，则应使用 replace=TRUE 参数。示例 在线演示x1