<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[fancy_koi的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/fancy_koi</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; fancy_koi]]></copyright><item><title><![CDATA[给大家推荐一个巨好用的下载图书的网址]]></title><link>https://blog.youkuaiyun.com/fancy_koi/article/details/135281341</link><guid>https://blog.youkuaiyun.com/fancy_koi/article/details/135281341</guid><author>fancy_koi</author><pubDate>Fri, 29 Dec 2023 02:27:45 +0800</pubDate><description><![CDATA[推荐一个巨好用的下载图书的网址]]></description><category></category></item><item><title><![CDATA[R语言学习记录：R语言中的dnorm(),pnorm(),qnorm(),rnorm()的解释]]></title><link>https://blog.youkuaiyun.com/fancy_koi/article/details/115218502</link><guid>https://blog.youkuaiyun.com/fancy_koi/article/details/115218502</guid><author>fancy_koi</author><pubDate>Thu, 25 Mar 2021 21:48:50 +0800</pubDate><description><![CDATA[part 1
dnorm(x, mean = 0, sd = 1, log = FALSE) 的返回值是正态分布概率密度函数值，比如dnorm（z）则表示：标准正态分布密度函数f（x）在x=z处的函数值。
pnorm(q, mean = 0, sd = 1, lower.tail = TRUE, log.p = FALSE) 返回值是正态分布的分布函数值，比如pnorm（z）等价于P[X ≤ z]
qnorm(p, mean = 0, sd = 1, lower.tail = TRUE, log.p = F]]></description><category></category></item><item><title><![CDATA[R语言学习记录：R语言赋值语句＜-, ＜＜-, =, ％＞％有什么区别]]></title><link>https://blog.youkuaiyun.com/fancy_koi/article/details/115215433</link><guid>https://blog.youkuaiyun.com/fancy_koi/article/details/115215433</guid><author>fancy_koi</author><pubDate>Thu, 25 Mar 2021 18:40:50 +0800</pubDate><description><![CDATA[R语言赋值语句&lt;-, &lt;&lt;-, =, ％&gt;％有什么区别？
&lt;-和-&gt;是一对，可以向左和向右赋值；
=是单向的，作用和&lt;-基本相同，但对函数中的变量通常使用=；
&lt;&lt;-这个是全局赋值，跟变量的作用域有关，一般不会用到
％&gt;％：来自dplyr包的管道函数，其作用是将前一步的结果直接传参给下一步的函数，并作为右件表达式函数的第一个参数（或剩下唯一一个选项的设置），从而省略了中间的赋值步骤，可以大量减少内存中的对象，节省内存。
anscombe_tidy ]]></description><category></category></item><item><title><![CDATA[R语言学习记录：sample()函数]]></title><link>https://blog.youkuaiyun.com/fancy_koi/article/details/114106382</link><guid>https://blog.youkuaiyun.com/fancy_koi/article/details/114106382</guid><author>fancy_koi</author><pubDate>Thu, 25 Feb 2021 21:11:37 +0800</pubDate><description><![CDATA[sample()函数
sample(X,size,replace=T/F)：从数据X中随机抽取size个样本， 当replace=T时为放回取样，为F时为不放回抽样。
默认无放回抽样，即replace=F，也就是说某个元素一旦被选择，该总体中就不会再有该元素。如果是有放回抽样，则需要参数repalce=T。
X可以是数值，可以是字符。
&gt; sample(1:10,10,F)
 [1]  6  7  9  1 10  2  4  3  8  5
&gt; sample(1:10,10,T)
 [1]  ]]></description><category></category></item><item><title><![CDATA[R语言学习记录：矩阵matrix函数]]></title><link>https://blog.youkuaiyun.com/fancy_koi/article/details/114080863</link><guid>https://blog.youkuaiyun.com/fancy_koi/article/details/114080863</guid><author>fancy_koi</author><pubDate>Thu, 25 Feb 2021 14:26:54 +0800</pubDate><description><![CDATA[矩阵matrix函数
矩阵是元素布置成二维矩形布局的R对象。 它们包含相同原子类型的元素。尽管我们可以创建只包含字符或只逻辑值的矩阵，但是它们没有多大用处。我们使用的是在数学计算中含有数字元素矩阵。
matrix(data, nrow, ncol, byrow, dimnames)
以下是所使用的参数的说明：

data ：输入向量
nrow：矩阵行数
ncol ：矩阵列数
byrow ：逻辑值，如果为True，那么输入向量元素安排在行
dimname：是分配给行和列名称

&gt; M &lt;- mat]]></description><category></category></item><item><title><![CDATA[R语言学习记录：proc.time、Sys.time函数]]></title><link>https://blog.youkuaiyun.com/fancy_koi/article/details/113855429</link><guid>https://blog.youkuaiyun.com/fancy_koi/article/details/113855429</guid><author>fancy_koi</author><pubDate>Fri, 19 Feb 2021 00:08:07 +0800</pubDate><description><![CDATA[在R中，获得时间的函数有不少，比如Sys.time()、proc.time()等。
&gt; proc.time()
      用户       系统       流逝 
   368.700    175.583 258556.755 

英文版本显示的分别是：user　　system　　elapsed

“用户”时间：指运行此程序使用CPU的时间，它不包括此阶段内计算机其它进程的时间（比如开的杀毒软件等等）；
“系统”时间：指程序中的一些诸如打开、关闭文件，分配、释放内存，执行系统指令等等的CPU时间]]></description><category></category></item><item><title><![CDATA[R语言学习记录：apply、lapply、sapply、mapply、tapply函数]]></title><link>https://blog.youkuaiyun.com/fancy_koi/article/details/113852348</link><guid>https://blog.youkuaiyun.com/fancy_koi/article/details/113852348</guid><author>fancy_koi</author><pubDate>Thu, 18 Feb 2021 23:13:11 +0800</pubDate><description><![CDATA[简介
批量处理函数有很重要的apply族函数：lapply sapply apply tapply mapply。这些函数底层通过C实现，效率比手工遍历高效。apply族函数是高效能计算的运算向量化(Vectorization)实现方法之一，比起传统的for,while常常能获得更好的性能。

apply : 用于遍历数组中的行或列，并且使用指定函数来对其元素进行处理。
lapply : 遍历列表向量内的每个元素，并且使用指定函数来对其元素进行处理。返回列表向量。
sapply : 与lapply基本相同，]]></description><category></category></item><item><title><![CDATA[R语言学习记录：array()函数]]></title><link>https://blog.youkuaiyun.com/fancy_koi/article/details/113851987</link><guid>https://blog.youkuaiyun.com/fancy_koi/article/details/113851987</guid><author>fancy_koi</author><pubDate>Thu, 18 Feb 2021 19:51:29 +0800</pubDate><description><![CDATA[数组简介
在R语言中，可以认为数组是矩阵的扩展，它将矩阵扩展到2维以上。如果给定的数组是1维的则相当于向量，2维的相当于矩阵。
R语言中的数组元素的类型也是单一的，可以是数值型，逻辑型，字符型或复数型等。
数组的创建
在R语言中，数组使用array()函数创建。array()函数的语法格式如下所示：
array( data = NA, dim = length(data), dimnames = NULL)


data为创建数组的元素；


dim为数组的维数，是数值型向量；


dimnames是各维度]]></description><category></category></item><item><title><![CDATA[R语言学习记录：unique()函数]]></title><link>https://blog.youkuaiyun.com/fancy_koi/article/details/113825182</link><guid>https://blog.youkuaiyun.com/fancy_koi/article/details/113825182</guid><author>fancy_koi</author><pubDate>Tue, 16 Feb 2021 15:31:25 +0800</pubDate><description><![CDATA[unique主要是返回一个把重复元素或行给删除的向量、数据框或数组。
向量
x &lt;- c(3:5, 11:8, 8:11)

[1] 3 4 5 11 10 9 8 8 9 10 11
unique(x)

[1] 3 4 5 11 10 9 8
unique(x, fromLast = TRUE)

[1] 3 4 5 8 9 10 11
矩阵
e=matrix(c(c(1:12),1:4),4,4,byrow = T);e

[,1] [,2] [,3] [,4]
[1,]    1    2  ]]></description><category></category></item><item><title><![CDATA[R语言学习记录：“NA”与“NULL”]]></title><link>https://blog.youkuaiyun.com/fancy_koi/article/details/113824745</link><guid>https://blog.youkuaiyun.com/fancy_koi/article/details/113824745</guid><author>fancy_koi</author><pubDate>Tue, 16 Feb 2021 14:40:57 +0800</pubDate><description><![CDATA[R语言学习记录："NA"与"NULL"R语言中"NA"与"NULL"的区别==NA====NULL==
R语言中"NA"与"NULL"的区别
在R语言中，缺失值用 NA 表示，空值用 NULL 表示，数据不确定用NaN表示，数据是无穷用Inf表示
下面，通过代码演示来说明它们的不同：
NA
x &lt;- vector(length=3); x

[1] FALSE FALSE FALSE
x &lt;-c(NA,NA,NA); x

[1] NA NA NA
length(x)

[1] 3
NULL
x]]></description><category></category></item></channel></rss>