<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[devoteto的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/devoteto</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; devoteto]]></copyright><item><title><![CDATA[R语言——R和RStudio软件下载及安装]]></title><link>https://blog.youkuaiyun.com/devoteto/article/details/110854875</link><guid>https://blog.youkuaiyun.com/devoteto/article/details/110854875</guid><author>devoteto</author><pubDate>Tue, 08 Dec 2020 11:47:28 +0800</pubDate><description><![CDATA[一、R简介

R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。

R是一套完整的数据处理、计算和制图软件系统。其功能包括:数据存储和处理系统;数组运算工具(其向量、矩阵运算方面功能尤其强大);完整连贯的统计分析工具;优秀的统计制图功能;简便而强大的编程语言:可操纵数据的输入和输出，可实现分支、循环，用户可自定义功能贝尔实验室。与其说R是一种统计软件，还不如说R是一种数学计算的环境，因为R并不是仅仅提供若干统计程序、使用者]]></description><category></category></item><item><title><![CDATA[R语言——数据格式和数据读取]]></title><link>https://blog.youkuaiyun.com/devoteto/article/details/110820933</link><guid>https://blog.youkuaiyun.com/devoteto/article/details/110820933</guid><author>devoteto</author><pubDate>Mon, 07 Dec 2020 19:12:20 +0800</pubDate><description><![CDATA[R语言——数据读取之详解

福尔·摩斯曾说过：“数据，数据，没有数据的推理是罪恶！”

不过比起有意思的统计分析，数据的导入与导出显得十分的无趣，但是不得不说统计分析的数据导入与导出是个让人沮丧的任务，而且耗时巨大。
今天分享的是R数据的储存数据格式，及其R中数据的输出与一些特定格式的数据读入。
一、数据集结构

数据集是由数据构成的一个矩形数组，行表示观测，列表示变量。

R拥有的数据结构有：




类型
特点




标量
只含一个元素的向量


向量
用于储存数值型、字符型或逻辑型数据的一维数组。执]]></description><category></category></item><item><title><![CDATA[R语言——数据清洗之缺失值处理]]></title><link>https://blog.youkuaiyun.com/devoteto/article/details/109054768</link><guid>https://blog.youkuaiyun.com/devoteto/article/details/109054768</guid><author>devoteto</author><pubDate>Tue, 13 Oct 2020 16:29:51 +0800</pubDate><description><![CDATA[数据清洗之缺失值——R语言
缺失值处理步骤：
1）识别缺失数据；
2）检查导致数据缺失的原因；
3）删除包含缺失值的实例或用合理的数值代替（插补）缺失值
缺失值数据的分类：
1）完全随机缺失：若某变量的缺失数据与其他任何观测或未观测变量都不相关，则数据为完全随机缺失（MCAR）。
2）随机缺失：若某变量上的缺失数据与其他观测变量相关，与它自己的未观测值不相关，则数据为随机缺失（MAR）。
3）非随机缺失：若缺失数据不属于MCAR或MAR，则数据为非随机缺失（NMAR）
识别缺失数据的数目、分布和模式有两个目]]></description><category></category></item></channel></rss>