数据分析师-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

阿抽哥哥

Rstudio如何设置utf-8为默认读取代码格式

打开Rstudio后找到菜单栏中的Tools，选择Global Options；找到Code中的Saving下的Default text encoding：选中utf-8并应用即可。

0.0000

0

1

0

关注作者

收藏

阿抽哥哥

R打开的文件出现乱码

报错图：打开的R文件后出现中文乱码解决方法：点开左上角‘File’->‘reopen with encoding’->‘utf-8’

0.0000

0

3

0

关注作者

收藏

阿抽哥哥

R对象未找到

报错图：这里出现的问题是对象‘avg_exp’没有找到，而产生的原因有可能是没有成功创建对象，也有可能是对象名打错了，得检查程序代码是否输入正确。

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

用filter（）函数处理缺失值

R 的一个重要特征使得比较运算更加复杂，这个特征就是缺失值，或称 NA（not available，不可用）。 NA 表示未知的值，因此缺失值是“可传染的”。如果运算中包含了未知值，那么运算结果一般来说也是个未知值：NA > 5#> [1] NA10 == NA#> [1] NANA 10#> [1] NANA / 2#> [1] NA最令人费解的是以下这个结果：NA

604.2320

2

3

0

关注作者

收藏

啊啊啊啊啊吖

filter（）函数--逻辑运算符

filter() 中的多个参数是由“与”组合起来的：每个表达式都必须为真才能让一行观测包含在输出中。如果要实现其他类型的组合，你需要使用布尔运算符：

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

使用filter（）函数比较运算符

为了有效地进行筛选，你必须知道如何使用比较运算符来选择观测。 R 提供了一套标准的比较运算符： >、 >=、

43.7056

1

2

0

关注作者

收藏

啊啊啊啊啊吖

dplyr包-使用filter()筛选行

filter() 函数可以基于观测的值筛选出一个观测子集。第一个参数是数据框名称，第二个参数以及随后的参数是用来筛选数据框的表达式。例如，我们可以使用以下代码筛选出 1月 1 日的所有航班：filter(flights, month == 1, day == 1)#> # A tibble: 842 × 19#> year month day dep_time sched_dep_ti

43.7056

1

3

0

关注作者

收藏

啊啊啊啊啊吖

【新手向】R里对象名称

对象名称必须以字母开头，并且只能包含字母、数字、 _ 和 .。如果想让对象名称具有描述性，那么就应该在使用多个单词时遵循某种命名惯例。我推荐使用 snake_case 命名法，也就是使用小写单词，并用 _ 分隔：i_use_snake_caseotherPeopleUseCamelCasesome.people.use.periodsAnd_aFew.People_RENOUNCEco

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

ggplot2里的坐标系

坐标系可能是 ggplot2 中最复杂的部分。默认的坐标系是笛卡儿直角坐标系，可以通过其独立作用的 x 坐标和 y 坐标找到每个数据点。偶尔也会用到一些其他类型的坐标系。 coord_flip() 函数可以交换 x 轴和 y 轴。当想要绘制水平箱线图时，这非常有用。它也非常适合使用长标签，但要想在 x 轴上不重叠地安排好它们是非常困难的：ggplot(data = mpg, mapping

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

ggplot2--条形图

条形图虽然简单，但很有意思，因为它可以揭示出图形中的一些微妙信息。我们看一下用 geom_bar() 函数就可以绘制的基本条形图。下面的条形图显示了 diamonds 数据集中按照 cut 变量分组的各种钻石的总数量。 diamonds 数据集是 ggplot2的内置数据集，包含大约 54 000 颗钻石的信息，每颗钻石具有 price、 carat、 color、clarity 和 cu

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

ggplot2--分面与几何对象

分面添加额外变量的一种方法是使用图形属性。另一种方法是将图分割成多个分面，即可以显示数据子集的子图。这种方法特别适合添加分类变量。要想通过单个变量对图进行分面，可以使用函数 facet_wrap()。其第一个参数是一个公式，创建公式的方式是在 ~ 符号后面加一个变量名（这里所说的“公式”是 R 中的一种数据结构，不是数学意义上的公式）。传递给 facet_wrap() 的变量应该是离散型

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

ggplot2的问题

当开始运行 R 代码时，你很可能会遇到问题。不用担心，每个人都会遇到问题。首先，将你需要运行的代码与书中的代码进行仔细对比。 R 极其挑剔，即使一个字母放错了位置，也可能会造成问题。确保每个 ( 都有一个 ) 与之匹配，并且每个 " 后面都跟着另一个 "。有时运行了代码却什么也没有发生。检查一下控制台左侧：如果有一个号，那么说明 R 认为你没有输入完整的表达式，正在等待你完成输入。

0.0000

0

3

0

关注作者

收藏

291294878

尝试启动 Office 应用时，可能会遇到此错误。

尝试启动 Office 应用时，可能会遇到此错误。可以尝试执行以下操作来解决该问题。我们首先列出的是最常见的解决方案，因此请按顺序尝试。 1.重新启动设备，等待几分钟，重新启动设备，重新登录，然后重新启动应用。2.从控制面板修复 Office3.卸载和重新安装 Office

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

机器学习的应用

机器学习的核心主要侧重于找到复杂数据的意义，这是一个应用广泛的任务，还有很多应用方向没有被发现。就像你可能预期的那样，机器学习的使用是非常广泛的，例如机器学习经常用于：预测选举结果识别并且过滤垃圾邮件预测犯罪活动根据路况，实现交通信号灯的自动化给出暴风雨和自然灾害后经济损失的估计检查客户流失设计自动驾驶飞机和自动驾驶汽车确定每个人捐助的能力把广告定位到特定类型的顾客现在还不用

0.0000

0

2

0

关注作者

收藏

291294878

错误：停止，应等待安装 Office 2016。

问题： Office 2016 更新过程已经过更新，以检查当前的 Outlook 配置和确定你是否可能收到某些已知问题的影响。如果它确定你的配置可能受到影响，则你将收到以下警告：如果你选择“仍要安装”，并升级到 Outlook 2016 for Windows，则在你尝试连接到主、共享或代理邮箱/文件夹时，你将收到以下错误消息：接着，当您打开 Outlook 时您收到另一条错误消

122.9681

1

3

0

关注作者

收藏

PGC123

pandas 的数据框与spark数据框区别

最近学习spark,pandas 的数据框与spark数据框区别？首先两者使用平台不一样：pandas的Dataframe应用场景是单机，就是在python环境中使用。而spark中的dataframe是基于RDD的，因此他是分布式的。平台底层不一样导致他们的方法也是不一样的.首先pandas的Dataframe 不支持并行计算，也不支持Hadoop，因此大数据处理不了。因为是单机所以编

0.0000

0

4

0

关注作者

收藏

291294878

错误：停止，应等待安装 Office 2016。

应等待安装 Office 2016。若要继续操作，我们将必须删除以下内容：。此应用当前不可用于 Office 2016。如果存在以下情况，则可能出现此错误：你尚未将 Office 2016 或 Office 2013 更新为最新版本或者你安装了与 Office 2016 中包含的较新版本冲突的独立 2013 应用。对此，给出以下的解决办法：1。更新 Office：

0.0000

0

5

0

关注作者

收藏

291294878

安装 Office 时遇到 KERNEL32.dll 错误。

尝试安装 Office 时遇到 KERNEL32.dll 错误，并遇到其他系统要求问题时候，1。如果您尝试在运行 Windows XP 或 Windows Vista 的计算机上安装 Office，您可能会看到一个错误信息，显示找不到动态库 KERNEL 32.dll。发生此情况的原因是这些版本的 Windows 不支持新版本的 Office。要安装 Office 2013 或 Office

0.0000

0

2

0

关注作者

收藏

291294878

运行 Windows Vista或XP的计算机不符合安装。

运行 Windows Vista或XP的计算机不符合安装 Office的系统要求。不能在运行 Windows Vista 或 Windows XP 的计算机上安装 Office 2016 或 Office 2013，因为这些操作系统不满足 Office 的系统要求。尝试在操作系统不受支持的计算机上安装 Office 会导致错误。如果因计算机不符合系统要求而无法安装 Office 的完整桌面版

0.0000

0

4

0

关注作者

收藏

PGC123

Kmeans 与KNN的区别

首先两个算法处理的数据不同：Kmeans 是聚类算法，属于无监督学习，主要处理没有标签的数据。KNN呢是分类算法，属于有监督学习，因此主要处理的是有标签的数据。两个算法得到的结果也不相同：Kmeans 最后得到的是几个分类的中心点或者每个类的标签，得到结果后可以没有历史数据而使用。KNN的使用必须依靠历史数据，然后根据历史数据才能进行分类计算，将未知样本进行分类。

0.0000

0

4

0

关注作者

收藏

<1…295296297…340>

CDA考试动态

CDA报考指南