通常，R 中的列表包含大量元素，并且每个元素可以是不同类型，这是列表的一个优点。由于我们可以将任何类型的数据存储为列表元素，因此不同类型数据的存储和选择变得更容易。我们还可以一次选择列表中的单个或多个元素。这可以通过使用单个方括号来完成。示例考虑以下列表 -> list_data list_data [[1]] [1] "India" [[2]] [1] "China" [[3]] [1] 21 32 11 [[4]] [1] "a" "b" "c" "d" "e" [[5]] ... 阅读更多

矩阵可以像数据框一样有多行多列。与数据框一样，我们有时需要提取子集，矩阵也可能需要这样做。但是，与提取数据框的子集相比，提取矩阵数据的子集非常简单。示例考虑以下矩阵 -> M M [, 1] [, 2] [, 3] [, 4] [, 5] [1, ] 1 6 11 16 21 [2, ] 2 7 12 17 22 [3, ] 3 8 13 18 23 [4, ] 4 9 14 19 24 [5, ] 5 10 15 20 25提取矩阵 M 的列 -> M[, ... 阅读更多

当存在一个具有不同水平的公共因子时，可以连接数据框，但结果将使用 dplyr 显示所有水平。我们可以使用 left_join 函数连接两个数据框，但如果两个数据框大小不相同，则第一个数据框的大小必须大于第二个数据框。示例考虑以下数据框 -> Class df1 df1 Class 1 Statistics 2 Maths 3 Chemistry 4 Physics 5 Economics 6 Political Science 7 Geography > Subject Age df2 df2 Subject Age 1 Maths 18 2 Chemistry 21 3 Physics 22 ... 阅读更多

可以通过使用 R 中的 head 和 tail 函数来选择前 n 个或后 n 个元素。当我们想要了解向量中的数据或对部分数据执行一些计算时，这很有必要。示例考虑以下向量，我们将使用 head 和 tail 通过使用正负号来选择这些向量中的前 n 个和后 n 个元素。它们将有不同的方式来选择元素。> x x [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" "p" "q" "r" "s" [20] "t" "u" "v" "w" ... 阅读更多

有时列表包含在另一个列表中，但我们希望访问嵌套列表的元素。由于这些元素是列表的一部分，因此无法直接访问，首先我们需要访问更广泛的列表，然后访问包含该元素的列表以到达实际的元素。示例考虑列表 x1、x2、x3、x4 和 x4 以及包含这些列表的 Total_List -> x1 x2 x3 x4 x5 Total_Lists Total_Lists [[1]] [[1]][[1]] [1] 1 2 3 4 5 [[1]][[2]] [1] 6 7 8 9 10 [[1]][[3]] [1] 11 12 13 14 15 [[2]] [[2]][[1]] [1] "a" ... 阅读更多

当我们处理大型数据时，就会出现打印数据或分析输出的问题。由于此问题，查看完整数据变得困难，但这可以避免。在导入任何大型数据或执行可能导致大型输出的任何计算之前，我们可以使用 max.print 选项更改打印限制。示例> set.seed(1) > sample(1:1000, 555555, replace=TRUE)输出[99681] 223 62  961 304  5  262 519 357 415 167 855 523 268 486 [99695] 370 916 703 179 813 833 177 154 72  789 924 918 486 647 [99709] ... 阅读更多

处理大型数据框并非易事，因此我们可能希望将其拆分为一些较小的数据框。这些较小的数据框可以根据某些条件从大型数据框中提取，例如因子变量的水平或其他一些条件。这可以通过使用 split 函数来完成。示例考虑以下数据框 -> set.seed(1) > Grades Age Category df head(df, 20) Grades Age Category 1 A 25 6 2 B 4 ... 阅读更多

大多数情况下，解释变量与响应变量之间不存在线性关系，我们需要为我们的数据找到最佳模型。在这种情况下，我们会转向多项式模型，以检查它们是否有助于确定预测的准确性。这可以通过在 lm 函数中使用自变量的幂来完成。示例考虑以下数据框 -> set.seed(99) > x1 x2 x3 x4 y df PolynomialModel1 summary(PolynomialModel1) Call: lm(formula = y ~ x1 + I(x1^2) + x2 + x3 + x4) Residuals: Min 1Q Median 3Q Max ... 阅读更多

由于没有人是完美的，人们可能会忘记添加分析所需的所有列，但这个问题可以解决。如果我们的数据框中缺少一列，并且我们稍后才意识到这一点，那么可以通过重新排序列轻松地添加它。示例考虑以下数据框 -> x1 x2 x3 df df x1 x2 x3 1 1 a 1 2 2 b 2 3 3 c 1 4 4 d 2 5 5 e 1 ... 阅读更多

在进行分析时，我们可能会遇到不需要的数据，并且我们希望将其删除。此数据可以是整行或多行。例如，如果一行包含大于、小于或等于某个阈值的值，则可能不需要它，因此我们可以将其删除。在 R 中，我们可以通过使用单个方括号进行子集选择来实现这一点。示例考虑以下数据框 -> set.seed(99) > x1 x2 x3 x4 x5 df df ... 阅读更多