如果我们有一个定义为 df 的数据框，其中包含列 x、y 和 z，那么可以使用 df$x、df$y 和 df$z 从 df 中提取这些列。另一方面，如果我们有一个定义为 Data_S4 的 S4 对象，其中包含列 x、y 和 z，那么可以使用 Data_S4@x、Data_S4@y 和 Data_S4@z 提取这些列。数据框示例：示例实时演示> x1 x2 df df输出 x1 x2 1 4 2 2 7 0 3 10 2 4 3 1 5 7 1 6 2 2 7 3 4 8 ... 阅读更多

默认情况下，在基础 R 中绘制的直方图在条形周围有黑色边框。我们可能希望删除这些黑色边框，以使直方图在视觉上更平滑。这可以通过使用 hist 函数的 lty 参数来实现。例如，如果我们有一个向量 x，并且我们想要创建一个没有条形边框的 x 直方图，那么我们可以使用该参数作为 hist(x,lty="blank")。示例> x hist(x)输出：创建没有条形边框的 x 直方图：示例> hist(x,lty="blank")输出

要创建 S4 对象，我们可以使用 setClass 函数，在其中我们将传递对象名称、列名以及将存储在列中的数据类型。例如，如果我们想创建一个名为 data 的 S4，以及两个名为 x 和 y 的数值列，那么我们可以使用 setClass("data", representation(x1="numeric", x2="numeric"))。示例 1> setClass("data1", representation(x1="numeric", x2="numeric")) > data1 data1输出一个 "data1" 类的对象插槽 "x1": [1] -0.586187627 0.853689097 -0.602612795 -2.194235741 -1.318522292 [6] -0.984882420 0.273584140 0.364691611 1.025472248 1.198547297 [11] -0.709282551 -0.001441127 -0.201348012 1.296811172 1.520093861 [16] 2.071031215 0.472877022 0.616211695 0.642165615 -0.122773000 插槽 "x2": [1] ... 阅读更多

我们可以在 R 中使用多种方法找到子集，最简单的方法是使用单方括号。如果我们想子集化一行或多行连续或非连续的行，那么可以使用数据框名称和单方括号直接完成。例如，如果我们有一个名为 df 的数据框，并且我们想子集化 df 的第 1 行，那么我们可以使用 df[1, ]，就是这样。示例考虑以下数据框：实时演示> set.seed(214) > x y z a b c q w df1 df1输出x y z a b c q w ... 阅读更多

我们可以使用 ggplot2 包创建点图，但该点不一定是圆形，在 ggplot2 中我们有 25 种形状选项供这些点使用。在使用 ggplot2 创建点图时，我们可以在 geom_point 中使用 shape 参数来查看这 25 种形状之间的差异。示例考虑以下数据框：实时演示> set.seed(1957) > x y df df输出 x y 1 0.7028704 1.6664500 2 0.9672393 1.0456639 3 1.3102736 0.2495795 4 0.3389941 0.2141513 5 0.5867095 0.4417377 6 0.4257543 0.6533757 7 0.9106756 0.3611954 8 1.0444729 1.3770588 ... 阅读更多

卡方拟合优度检验是一种非参数检验，用于检验落入两个或多个类别中的观察值是否遵循特定分布。我们可以说它比较了观察到的比例与预期的机会。在 R 中，我们可以使用 chisq.test 函数执行此检验。查看下面的示例以了解它是如何完成的。示例 1实时演示> x1 x1输出[1] 9 4 1 9 6 6 1 6 0 0 5 8 8 3 7 8 0 3 3 9 6 0 3 8 2 0 8 5 9 1 3 ... 阅读更多

基础 R 中的 chartr 函数帮助我们用新字符串替换旧字符串，因此它也可以用于用子字符串的反转替换子字符串。例如，如果我们有一个向量，比如 x，其中包含 tutorialpsoint，并且我们想将其转换为 tutorialspoint，那么可以将其执行为 chartr("tutorialpsoint ", " tutorialspoint ", x)。示例 1实时演示> x1 x1输出[1] "IDNIA"示例> chartr("DN", "ND", x1)输出[1] "INDIA" 示例 2实时演示> x2 x2输出[1] "IDNIA" "IDNIA" "IDNIA" "IDNONESIA" "IDNIA" "IDNONESIA" [7] "IDNONESIA" "IDNIA" "IDNONESIA" "IDNIA" "IDNIA" "IDNONESIA" [13] "IDNONESIA" "IDNONESIA" "IDNIA" "IDNONESIA" "IDNIA" "IDNIA" [19] "IDNONESIA" "IDNONESIA" "IDNIA" ... 阅读更多

如果我们有很多列表，但我们想将列表中的值用作向量，那么我们首先需要组合这些列表并创建一个向量。这可以通过使用 unlist 函数以及组合函数 c 来创建向量来完成。例如，如果我们有两个定义为 List1 和 List2 的列表，并且我们想使用这些列表创建向量 V，那么可以创建如下：V x1 x1输出$a [1] -0.6972237 -1.5013768 -0.2451809 -0.2365569 -1.6304919 -1.1704378 [7] 1.1617054 -0.2349498 -1.2582229 0.4112065 $b [1] 2 0 2 6 0 0 ... 阅读更多

可以使用 title 函数插入基础 R 中直方图的主标题，如果我们希望将其放在外边距中，则必须将 outer 参数设置为 TRUE。如果 outer 参数不能满足我们的要求，那么我们可以使用 par 函数调整外边距区域并创建直方图。查看下面的示例以了解其工作原理。示例> x hist(x) > title('正态分布',outer=TRUE)输出示例> par(oma=c(0,0,2,0)) > hist(x) > title('正态分布',outer=TRUE)输出

当参数分析的假设不满足时，我们转向非参数分析，非参数分析通常涉及中位数的计算，因为数据不是正态分布的。如果我们想找到按组的中位数，并且数据存储在 data.table 对象中，那么可以使用 lapply 函数，如以下示例所示。示例加载 data.table 包：> library(data.table)考虑以下 data.table 对象：示例> Group x1 x2 x3 x4 dt1 dt1输出Group x1 x2 x3 x4 1: B 0.515370827 6.174187 542.9350 50.28300 2: B 0.522858146 6.976872 510.5568 49.71331 3: A 1.055456751 3.192242 476.7693 48.88280 4: A ... 阅读更多