当我们在 R 中执行 t 检验并且两组之间的差异非常大时，检验的 p 值将显示为 2.2e-16，这是 R 用于假设检验程序的打印行为。实际的 p 值可以使用 t 检验函数提取，例如 t.test(“Var1”, ”Var2”, var.equal=FALSE)$p.value。此 p 值可能与 2.2e-16 不相同。示例 1　在线演示 > x1 y1 t.test(x1, y1, var.equal=FALSE) 输出　Welch 双样本 t 检验 数据：x1 和 y1 t = -3617.2，df = 10098，p 值 < 2.2e-16 备择假设：均值之间的真实差异不是 ... 阅读更多

有时我们想组合两列的列值来创建一个新列。这主要用于当我们有一个唯一的列，可以与数值列或任何其他类型的列组合时。此外，我们还可以通过用不同的字符分隔要创建的列值来实现此目的。这可以使用 apply 函数完成。示例 考虑以下数据框 - 在线演示 > ID Country df1 df1 输出 ID Country 1 1 UK 2 2 UK 3 3 India 4 4 USA 5 5 USA 6 6 UK 7 7 Nepal 8 ... 阅读更多

网格线是水平和垂直的虚线，它们有助于组织图表，以便标签上的值更容易被查看者阅读。这在绘制大量数据点的情况下特别有用。由 plot 函数绘制的图表可以通过使用 abline 定义垂直和水平线来添加网格线。示例 考虑以下数据和散点图 - 在线演示 > x y plot(x,y) 输出 使用 abline 函数添加网格线 - > abline(h=seq(0,5,0.5),lty=5) > abline(v=seq(-2,2,0.5),lty=5) 输出

数据的提取或选择可以通过多种方式进行，例如基于单个值、值范围等。这主要在我们需要比较数据集的子集或将子集用于分析时需要。基于值范围的行选择也可以用于测试。我们可以通过 subset 函数来实现。示例 考虑以下数据框 - 在线演示 > x1 x2 x3 df df 输出 x1 x2 x3 1 3 2 6 2 3 4 9 3 4 4 12 4 4 8 12 5 3 5 11 ... 阅读更多

使用 plot 函数创建的坐标轴标签的默认大小似乎不够大，而且看起来也不吸引人。因此，我们可能想要更改它们的大小和颜色，因为图表的出现非常重要。这可以通过使用 col.lab 设置颜色和使用 cex.lab 设置大小来完成。示例 在线演示 > x y plot(x,y) 输出 更改坐标轴标签的颜色和坐标轴标签的大小 - > plot(x,y,col.lab="blue",cex.lab=2) 输出 > plot(x,y,col.lab="dark blue",cex.lab=3) 输出

当我们有一个包含所有数值列的数据框时，我们可能想要查找每行的最大值。例如，如果我们有一个销售数据集，其中每一行代表一个客户，列代表产品以及数量值，那么我们可能想要查找每行的最大值以找出谁购买了哪种产品最多。这可以使用 apply 函数的 max 函数对行进行操作来完成。示例 考虑以下数据框 - 在线演示 > x1 x2 x3 x4 x5 df1 df1 输出 x1 ... 阅读更多

有时我们需要查找两个数据框之间不常见的行，而不是查找公共行。当我们预期大量行不常见而不是少数行时，这主要用于这种情况。我们可以使用与 subset 函数一起使用的否定运算符来实现，该运算符用感叹号表示。示例 考虑以下数据框 - 在线演示 > x1 y1 df1 df1 输出 x1 y1 1 10 6 2 5 9 3 10 10 4 4 10 5 1 6 6 1 4 7 9 3 8 5 10 9 10 3 10 8 2 11 6 10 12 ... 阅读更多

我们知道，R 是一种区分大小写的编程语言，因此匹配大小写不同的字符串并不简单。例如，如果一个向量包含 tutorialspoint，而另一个向量包含 TUTORIALSPOINT，那么要检查字符串是否匹配，我们不能直接使用 match 函数。为此，我们必须使用 match 函数将小写字符串转换为大写或大写转换为小写。示例 在线演示 > x1 x1 输出 [1] "z" "v" "r" "y" "z" "l" "v" "t" "f" "p" "p" "z" "e" "b" "a" "o" "m" "d" [19] "e" "l" "y" "y" "u" "u" "w" "b" "a" "j" "n" "v" ... 阅读更多

有时字符串向量具有模式，有时我们需要根据字符从字符串向量中创建模式。例如，我们可能想要从包含所有名称的向量中提取美利坚合众国的州名称。这可以使用 grepl 函数完成。示例 考虑以下包含美国州名称的向量 - > US_states US_states[grepl("^A", US_states)] [1] "Alabama" "Alaska" "American Samoa" "Arizona" [5] "Arkansas" > US_states[grepl("^B", US_states)] character(0) > US_states[grepl("^C", US_states)] [1] "California" "Colorado" "Connecticut" > US_states[grepl("^D", US_states)] [1] "Delaware" "District of Columbia" > US_states[grepl("^E", US_states)] character(0) > US_states[grepl("^F", US_states)] [1] ... 阅读更多

在数据分析中，有时我们需要找到当前值与前一个值的差值，并且可能还需要按组进行计算。这有助于我们比较值之间的差异。在 R 语言中，我们可以使用 dplyr 包的 `group_by` 和 `mutate` 函数以及 `lag` 函数来实现。示例考虑以下数据框： 在线演示> 分组 频数 df1 df1输出 分组 频数 1 A    7 2 A    6 3 A    9 4 A    12 5 B    19 6 B    19 7 B    4 8 B    6 9 C    14 10 C    6 ... 阅读更多