Blackrosetian的博客

现在R已经有了tensorflow和keras包tensorflow包：https://github.com/rstudio/tensorflowdevtools::install_github("rstudio/tensorflow")keras包：https://github.com/rstudio/kerasdevtools::install_github("

之前公众号推送了一系列关于使用ggplot2包绘制统计图形的文章，有网友询问是否可以绘制双轴的统计图形。很抱歉，Hradly在设计ggplot2包时就没有将双轴图形功能考虑进来。难道R语言就无法绘制双轴图形了吗？非也，R不仅是统计学家的标准工具，也是一款绘制图形的理想工具。下面就跟大家介绍plotrix包中的twoord.plot()函数和twoord.stackplot()函数，它们可以实现双坐

iris1-melt(iris, id.vars='Species', measure.vars=c('Sepal.Length','Sepal.Width','Petal.Length','Petal.Width'))iris1.table(iris1)iris1_1iris1[,list(sumvalue=sum(value)),by=list(Species,variable)]

library(ggplot2)library(ggthemes)dt = data.frame(obj = c('A','D','B','E','C'), val = c(2,15,6,9,7))dt$obj = factor(dt$obj, levels=c('D','B','C','A','E'))## 设置柱条的顺序p = ggplot(dt, aes(x

xlsxnames                'sheet6','sheet7','sheet8','sheet9')for (i in 1:9) {    test3 % filter(投标供应商名称 %in% data3$投标供应商[i])      yanfa1     yanfa1_1     yanfa1_2      

for (i in 1:9) {    test3 % filter(投标供应商名称 %in% data3$投标供应商[i])      yanfa1     yanfa1_1     yanfa1_2       yanfa1_2$new     yanfa1_3       yanfa1_3$中标供应商[is.na(yanfa

library(Amelia)missmap(data, main = "Missing values")

1.使用Linux或者mac系统进行Rshiny可视化即可解决！哈哈！2.使用plotly包解决ggplot2的中文在Rshiny中的乱码问题也是一个非常不错的方案。

第一步在命令窗口使用：      sudo su - \第二步开始安装R包，将自己需要的包安装进去：从GitHub上安装包：-c "R -e \"devtools::install_github('madlogos/recharts')\""从CRAN上安装包：-c "R -e \"install.packages(c('dplyr','tidyr'

去https://github.com/google/protobuf/releases/下载Source code安装 Protocol Buffer 依赖sudo apt install autoconf automake libtool curl1解压，进入解压后的文件夹，运行 autogen.sh 脚本./autogen.sh1运行 configure.sh

test4 % group_by(公司名称) %>%           summarise(newstate = paste(部门状态,collapse = ","))

首先下载Selenium，下载好之后打开命令窗口，将Selenium的jar包放入命令窗口的路径下，输入 java -jar selenium-server-standalone-3.9.1.jar最后显示Selenium Server is up and running on port 4444，表示已经启动成功！使用RSelenium包控制浏览器主要依靠remoteDriver系列函数:　　r...

rm(list = ls())library(tidyr)library(dplyr)library(lubridate)library(rJava)library(xlsxjars)library(xlsx)library(data.table)library(readr)library(readxl)setwd('G:\\R\\data\\0412')dir()newdata <- re...

rm(list = ls())library(tidyr)library(dplyr)library(lubridate)library(rJava)library(xlsxjars)library(xlsx)library(data.table)library(readr)library(readxl)setwd('G:\\R\\data\\0423')dir()data1 <- read...

#实现了单一模式匹配后，为实现总体的双组数据模糊匹配的进一步优化。rm(list = ls())library(tidyr)library(dplyr)library(lubridate)library(rJava)library(xlsxjars)library(xlsx)library(data.table)library(readr)library(readxl)setwd('G:\\R\\...

1、shiny-server 配置  配置文件路径（默认） /etc/shiny-server/shiny-server.conf  配置内容# Instruct Shiny Server to run applications as the user "shiny"run_as shiny;# Define a server that listen

VMware下安装的Ubuntu 14.04在安装好Rstudio Server下，用自带的火狐浏览器有时打开Rstudio Server出现问题，爆出(TypeError) : c is undefined解决此问题的方法为：安装Chrome浏览器，然后在Chrome浏览器打开就可以解决上述问题。

FunctionPackageDescriptionplotcorrellipse以椭圆代表相关系数。plotcovpcaPP用于两个相关系数矩阵的比较。corrplotcorrplot相关系数矩阵可视化专业户，推荐。corrplotarm可被ggcorr

ridge regression可以用来处理下面两类问题：一是数据点少于变量个数；二是变量间存在共线性。当变量间存在共线性的时候，最小二乘回归得到的系数不稳定，方差很大。这是因为系数矩阵X与它的转置矩阵相乘得到的矩阵不能求得其逆矩阵，而ridge regression通过引入参数lambda，使得该问题得到解决。在R语言中，MASS包中的函数lm.ridge()可以很方便的完成

#####合并表#######rm(list=ls())library(readr)library(rpivotTable)library(lubridate)library(readxl)library(dplyr)library(tidyr)#---------------------合并索引---------------------

library(ridge)data(longley) names(longley)[1] mymod summary(mymod)Call:linearRidge(formula = y ~ ., data = longley)Coefficients:               Estimate Scaled estim

受师弟询问启发做的ggplot箱线图高级标识rm(list = ls())library(ggplot2)phdfig23 = read.table("PhD_fig23.csv", header=TRUE, sep=",", na.strings="NA", dec=".", strip.white=TRUE)phdfig23_long = with(phdfig

library(psych)mydata # 计算最优主成分个数mydata.screePlotsModel # 主成分个数n=mydata.screePlotsModel$ncomp;# 主成分分析函数 模型mydata.pr #勾画碎石头screeplot(mydata.pr,type="line",mian="碎石图",lwd=2)

Step1：安装基础包install.packages('repr', 'IRdisplay', 'evaluate', 'crayon', 'pbdZMQ', 'devtools', 'uuid', 'digest')library(devtools)Step2：在R中安装内核包（IRkernel）install_github("IRkernel/IRkernel

lmdata1 center R lmdata2lmdata2

rm(list = ls())# 加载包library('xml2')library('rvest')#广东省爬取web               encoding="gb2312")#广东省城市链接获取position% html_nodes("a") %>% html_attr('href')test

rm(list = ls())library(tidyr)library(dplyr)library(data.table)library(readr)library(lubridate)library(ggplot2)library(readxl)library(rJava)library(xlsxjars)library(xlsx)libra

library(keras)#loading the keras inbuilt mnist datasetdata#separating train and test filetrain_xtrain_ytest_xtest_yrm(data)# converting a 2D array into a 1D array for feeding into th

1.回归的多面性回归类型用途简单线性个量化的解释变量来预测一个量化的响应变量（一个因变量、一个自变量）多项式一个量化的解释变量预测一个量化的响应变量，模型的关系是n阶多项式（一个预测变量，但同时包含变量的幂）多元线性用两个或多个量化的解释变量预测一个量化的响应变量（不止一个预测变量）多变量   用一个或

rm(list = ls())# 加载包library('xml2')library('rvest')library('httr')url111 #省份城市爬取web#广东省城市链接获取position% html_nodes("a") %>% html_attr('href')

#清楚环境变量rm(list = ls())#加载所需要的包library(tidyr)library(dplyr)library(data.table)library(readr)library(readxl)library(rJava)library(xlsxjars)library(xlsx)library(devtools)l

library(RODBC)channel sqlTables(channel)datahead(data)sqlQuery(channel,         "select help_topic_id,name,help_category_id           from help_topic where help_topic

if ("package:h2o" %in% search()) { detach("package:h2o", unload=TRUE) }if ("h2o" %in% rownames(installed.packages())) { remove.packages("h2o") }pkgs <- c("RCurl","jsonlite")for (pkg in pkgs