hello-R

摘要:
#printstart{#1:3isarrayfor(iin1:3){print(1:i)}}#printend#ifstart{x˂-1if(x==1)print(x)elseprint("noteq1")}#ifend#loopstart{x˂-1repeat{print(9:x)x˂-x+1if(x==10)break}for(yin1:1000){if(y==10)breakprint(1:y)}y˂-0while(y˂=100){if(y==10)breakprint(1:y)y˂-y+1}}#loopend#ifend#switchstarty˂-"fruit"switch(y,fruit="banana",vegetable="broccoli","Neither")y˂-"test"switch(y,fruit="banana",vegetable="broccoli","Neither")x˂-2switch(x,1,2,3)x˂-2switch(x,1,mean(1:10))x˂-3switch(x,1,mean(1:10),rnorm(5))x˂-4switch(x,1,mean(1:10),rnorm(5),"Neither")print("switchwithfunction")centre˂-function(x,type){switch(type,mean=mean(x),median=median(x),trimmend=mean(x,trim=.1))}#随机函数x˂-rcauchy(5)print(x)centre(x,"mean")centre(x,"median")centre(x,"trimmend")#switchend
#print start
{
    #1:3 isarray
    for(i in 1:3) 
    {
        print(1:i)
    }
}
#print end


#if start{
    x<- 1
    if(x==1)
        print(x)
    elseprint("not eq 1")
}
#if end#loop start
{
    x <- 1repeat
    {
        
        print(9:x)
        x <- x+1
        if(x==10)
            break}
    for(y in 1:1000) 
    {
        if(y==10)
        breakprint(1:y)
    }
    
    y <- 0
    while(y <= 100)
    {
        if(y==10)
        breakprint(1:y)
        y <- y+1}

}
#loop end
#if end#switchstart
y <- "fruit"
switch(y,fruit="banana",vegetable = "broccoli","Neither")
y <- "test"
switch(y,fruit="banana",vegetable = "broccoli","Neither")
x <- 2
switch(x,1,2,3)
x <- 2
switch(x,1,mean(1:10))
x <- 3
switch(x,1,mean(1:10),rnorm(5))
x <- 4
switch(x,1,mean(1:10),rnorm(5),"Neither")
print("switch with function")
centre <-function(x,type)
{
    switch(type,mean=mean(x),median=median(x),trimmend=mean(x,trim= .1))
}
#随机函数
x <- rcauchy(5)
print(x)
centre(x,"mean")
centre(x,"median")
centre(x,"trimmend")
#switch end

免责声明:文章转载自《hello-R》仅用于学习参考。如对内容有疑问,请及时联系本站处理。

上篇VC6使用Crypto++库执行对称加密运算时异常报错的解决办法不难懂--------react笔记下篇

宿迁高防,2C2G15M,22元/月;香港BGP,2C5G5M,25元/月 雨云优惠码:MjYwNzM=

相关文章

图像分割之mean shift

阅读目的:理解quick shift,同时理解mean shift原理,mean shift用于图像聚类,优点是不需要指定聚类中心个数,缺点是计算量太大(原因)。 mean shift主要用来寻找符合一些数据样本的模型,证明样本符合某一概率密度函数(PDF),是一种非参数迭代算法能够寻找模型和聚类。 数据经过非参数密度估计能够得到符合数据分布的概率密度函...

R语言-混合型数据聚类

利用聚类分析,我们可以很容易地看清数据集中样本的分布情况。以往介绍聚类分析的文章中通常只介绍如何处理连续型变量,这些文字并没有过多地介绍如何处理混合型数据(如同时包含连续型变量、名义型变量和顺序型变量的数据)。本文将利用 Gower 距离、PAM(partitioning around medoids)算法和轮廓系数来介绍如何对混合型数据做聚类分析。 --...

时间序列预测——深度好文,ARIMA是最难用的(数据预处理过程不适合工业应用),线性回归模型简单适用,预测趋势很不错,xgboost的话,不太适合趋势预测,如果数据平稳也可以使用。

补充:https://bmcbioinformatics.biomedcentral.com/articles/10.1186/1471-2105-15-276 如果用arima的话,还不如使用随机森林。。。   原文地址:https://medium.com/open-machine-learning-course/open-machine-learni...

MATLAB拟合和插值

定义 插值和拟合: 曲线拟合是指您拥有散点数据集并找到最适合数据一般形状的线(或曲线)。 插值是指您有两个数据点并想知道两者之间的值是什么。中间的一半是他们的平均值,但如果你只想知道两者之间的四分之一,你必须插值。   拟合 我们着手写一个线性方程图的拟合: y=3x^3+2x^2+x+2 首先我们生成一组数据来分析: x=-5:0.5:5; e=50*r...

时序数据库InfluxDB使用详解

InfluxDB是一个开源的时序数据库,使用GO语言开发,特别适合用于处理和分析资源监控数据这种时序相关数据。而InfluxDB自带的各种特殊函数如求标准差,随机取样数据,统计数据变化比等,使数据统计和实时分析变得十分方便。在我们的容器资源监控系统中,就采用了InfluxDB存储cadvisor的监控数据。本文对InfluxDB的基本概念和一些特色功能...

Netty NIO 框架性能压测-短链接-对比Tomcat

压测方案 准备多个文件大小分别为 1k 10k 100k 300k 使用ab分别按 [50,2000](按50逐渐叠加)压测服务,每次请求10W次 硬件信息:CPU:Intel(R) Xeon(R) CPU 1.86GHz ×4 4G 统计脚本:grep "Requests per second:" 300k_* | awk -F':' '{print...