
R语言:构造新序列
1、数值构造函数rep与seq
[plain] view plain copy
print?在CODE上查看代码片派生到我的代码片
#数值构造rep与seq
rep(1:4,each=2)#依次重复1:4两遍
rep(1:4,2) #注意,重复1:4两遍
seq(from=3,to=5,by=0.2)
rep(seq(from=3,to=5,by=0.2),2) #混合使用
rep在使用过程中也很灵活,each代表AABB;默认的为ABAB。
[plain] view plain copy
print?在CODE上查看代码片派生到我的代码片
> rep(c("id","use"),list(2,3))
[1] "id" "id" "use" "use" "use"
> rep(c("id","use"),each=2)
[1] "id" "id" "use" "use"
> rep(c("id","use"),2)
[1] "id" "use" "id" "use"
> rep(c("id","use"),unlist(2,3))
[1] "id" "use" "id" "use"
rep与list相结合
[plain] view plain copy
print?在CODE上查看代码片派生到我的代码片
> rep(c("id","use"),list(2,3))
[1] "id" "id" "use" "use" "use"
可以实现AABBB,与each相似。在构造一些序列时候十分好用。
2、矩阵构造
[plain] view plain copy
print?在CODE上查看代码片派生到我的代码片
#构造矩阵
matrix(1:15,nrow=3,ncol=5,byrow=T) #byrow按行的顺序(横向)赋值;bycol按列(竖)赋值
array(1:15,dim=c(3,5)) #只能按列(竖)赋值
3、字符构造paste
seq代表是ck与数值1 之间用啥记号,如:ck_1,ck*2
collapse代表是ck1与ck2之间用啥记号如:ck1_ck2 ck1 * ck2
[plain] view plain copy
print?在CODE上查看代码片派生到我的代码片
#字符构造paste
paste("CK", 1:6, sep="")
paste("CK", 1:6, sep="*") #对比
paste("CK", 1:6,collapse ="")
paste("CK", 1:6,collapse = "_") #对比
#seq代表是ck与数值1 之间用啥记号,如:ck_1,ck*2
#collapse代表是ck1与ck2之间用啥记号如:ck1_ck2 ck1 * ck2
4、paste与list合用——批量处理
list能够很好与paste函数应用起来
[plain] view plain copy
print?在CODE上查看代码片派生到我的代码片
#paste与list合用
x <- list(a="aaa", b="bbb", c="ccc")
y <- list(d=1, e=2)
z=paste(x, y, sep="-")
paste("T", z, sep=":")
#list能够很好与paste函数应用起来
两者在批量处理之中的运用,可见博客:R语言︱list用法、批量读取、写出数据时的用法
[plain] view plain copy
print?在CODE上查看代码片派生到我的代码片
#3、利用List批量读出操作
#难点:如果构造输出表格的名称——paste来构造名称
flie=list()
xlsxflie=paste(1:2,".xlsx",sep="")
for(i in 1:2){
flie[[i]]=paste("C:/Users/long/Desktop/",xlsxflie[i],sep="")
write.xlsx(data.list2[[i]],file)
}
其中,代码可以实现,数据写出时候,批量按照一定格式进行命名。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13