其他教程

其他教程:包含了所有代写案例以及部分答案

  • JSON(JavaScript Object Notation)是一种轻量级的数据互换名目。易于阅读和编写,同时也易于呆板理会和生成。 JSON回收完全独立于语言的文本名目,可是也利用了雷同于C语言家属的习惯(包罗C, C++, C#, Java, JavaScript, Perl, Python等)。这些特性使JSON成为抱负的数据互换语言。今朝有很多API处事提供了JSON的数据名目。假如我们要在R语言中处理惩罚json数据,可以回收的扩展包有rjson和rjsonio两个包。从本人感受来看 … 继续阅读“用RJSONIO包挪用天气数据”

    :
  • 世界上有许多果真数据库(open data)以供研究者利用。在R语言中也有不少措施包可以直接从这些数据源中读取数据。在之前的博文里,已经先容quantmod和WDI。前者可以从雅虎和美联储读取数据,后者可以从世界银行读取数据。本日再先容一个拥有数万个数据的网站,就是http://datamarket.com。这里可以看到网站先容。首先我们在网站上注册一个免费帐号,然后在R中安装如下的packageinstall.packages(“rdatamarket”)library … 继续阅读“R语言中如何读取果真数据库”

    :
  • 在很多实际问题中,回归模子中响应变量和预测变量之间的干系大概是巨大的非线性函数。有时候能通过变量调动的要领可以将其变为线性模子,有时则不能。在后一种环境下,就需要采纳专门的非线性回归要领来成立模子。非线性回归是在对变量的非线性干系有必然认识前提下,对非线性函数的参数举办最优化的进程,最优化后的参数会使得模子的RSS(残差平方和)到达最小。在R语言中更为常用的非线性回归建模函数是nls,下面以car包中的USPop数据集为例来讲授其用法。数据中population暗示人口数,year暗示年份。假如 … 继续阅读“用nls函数举办非线性回归”

    :
  • R语言最强悍的有两点:统计和画图。本日就来将一下用R语言来简朴的画图。下面的操纵主要参考《R统计建模与R软件》,以及R语言的 辅佐文档。首先,我们应该知道,三维图像有三个坐标,所以它的函数最少是有2个未知变量的 ,我做的这个图是《R统计建模与R软件》第161页上的习题3.8(没有完全凭据上面的要求) 下面是我的详细的代码 x <- seq(-2,3,0.05)#x在区间[-2,3]之间,取值隔0.05取一个 y <- seq(-1,7,0.05)#y在区间[-1,7]之间,取值隔0. … 继续阅读“用R语言实现几个简朴的三维动画”

    :
  • 利用风资源软件画风向图根基上是千篇一律,假如画出新意的风向玫瑰图,可以利用R语言的ggplot2包,画图功效如下: ggplot2(http://had.co.nz/ggplot2/)是CRAN上知名度很高的画图扩展包,也是R语言利用者最喜欢的画图东西。R语言是统计规模广为利用的开源编程语言,在海外更为风行。假如想相识R语言,可以去统计之都论坛,可能进修入门教程R in Action(http://ishare.iask.sina.com.cn/f/18406061.html)。 附:画图源代码 … 继续阅读“利用ggplot2绘制风向玫瑰图”

    :
  • Fibonacci函数: fibonacci = function(n) { ## Author: Ryan Rosario & Jason Fan ## Launch Date: 2010-07-27 ## Update Date: 2012-01-20 ## Purpose: calculate Fibonacci sequence if(n < 1) stop(“Input must be an integer >= 1”) if (n == 1 … 继续阅读“R小私集”

    :
  • 之前先容的几个编辑器有的是能为R所用,有的是为了R而改变,可是有个编辑器是为R而生,那就是Tinn-R,因为他是专门为R定制的。由于R自带的RGui成果实在太简朴,因此呈现了许多对其扩展的项目,好比JGR,可是最有名、利用最广的照旧Tinn-R,到了本日的版本,已经不只仅是个Gui东西,完全可以称得上是IDE。   如今的Tinn-R的安装和设置都很是简朴,只要呆板上有R,完全傻瓜化地安装而且自动设置,直接就可以用。到http://sourceforge.net/projects/tinn-r/ … 继续阅读“Windows下R的编辑器(Tinn-R)”

    :
  • 在空间取样中位置越靠近的点相应的变量也大概越临近,这种现象称为空间自相关。空间自相关可以或许改变人们对某些事物原因的判定。举例来说,一个所在物种数高,邻近的点物种数也相应得会高些,但这并不必然是由于两个所在的情况条件都十分优越,而纯粹是由于两个所在之间在空间上更为靠近。点与点之间空间干系的依赖性使得各点之间数据并不是独立的。 为此,需要从空间干系检讨空间自相关是否存在。空间自相关的检讨,用Moran’s I 暗示。 Moran’s I 与Pearson相干系数的算法雷同, … 继续阅读“R语言检讨空间自相关Moran’s I和运行SAR模子”

    :