本文概述
- 数学函数
- 字符串功能
- 统计概率函数
- 其他统计功能
文章图片
数学函数 R提供了各种数学函数来执行数学计算。这些数学函数对查找绝对值, 平方值和更多计算非常有用。在R中, 使用了以下功能:
S.没有 | Function | Description | Example |
---|---|---|---|
1. | abs(x) | 它返回输入x的绝对值。 | x < – 4 打印(绝对(x)) 输出量 [1] 4 |
2. | sqrt(x) | 它返回输入x的平方根。 | x < -4 打印(sqrt(x)) 输出量 [1] 2 |
3. | ceiling(x) | 它返回大于或等于x的最小整数。 | x < -4.5 打印(天花板(x)) 输出量 [1] 5 |
4. | floor(x) | 它返回小于或等于x的最大整数。 | x < -2.5 打印(地板(x)) 输出量 [1] 2 |
5. | trunc(x) | 它返回输入x的截断值。 | x < -c(1.2, 2.5, 8.1) 打印(trunc(x)) 输出量 [1] 1 2 8 |
6. | 回合(x, digits = n) | 它返回输入x的舍入值。 | x < – 4 打印(绝对(x)) 输出量 4 |
7. | cos(x), sin(x), tan(x) | 它返回输入x的cos(x), sin(x)值。 | x < -4 打印(cos(x)) 打印(sin(x)) 打印(棕褐色(x)) 输出量 [1] -06536436 [2] -0.7568025 [3] 1.157821 |
8. | log(x) | 它返回输入x的自然对数。 | x < -4 打印(log(x)) 输出量 [1] 1.386294 |
9. | log10(x) | 它返回输入x的公共对数。 | x < -4 打印(log10(x)) 输出量 [1] 0.60206 |
10. | exp(x) | 它返回指数。 | x < -4 打印(exp(x)) 输出量 [1] 54.59815 |
S.没有 | Function | Description | Example |
---|---|---|---|
1. | substr(x, 开始= n1, 停止= n2) | 它用于提取字符向量中的子字符串。 | 一个< -” 987654321″ substr(a, 3, 3) 输出量 [1]” 3″ |
2. | grep(pattern, x, ignore.case = FALSE, fixed = FALSE) | 它在x中搜索模式。 | st1 < -c(‘ abcd’ , ‘ bdcd’ , ‘ abcdabcd’ ) 模式< -‘ ^ abc’ 打印(grep(pattern, st1)) 输出量 [1] 1 3 |
3. | sub(模式, 替换, x, ignore.case = FALSE, fixed = FALSE) | 它在x中找到模式并将其替换为替换(新)文本。 | st1 < -“ 英格兰很美, 但没有欧盟的一部分” sub(” England’ , ” UK” , st1) 输出量 [1]” 英国很美, 但不是欧盟的一部分” |
4. | 粘贴(… , sep =” ” ) | 在使用sep字符串分隔字符串之后, 它将字符串连接起来。 | 粘贴(‘ 一个’ , 2, ‘ 三个’ , 4, ‘ 五个’ ) 输出量 [1]一2三4五 |
5. | strsplit(x, 拆分) | 它在分割点分割字符向量x的元素。 | a < -“ 拆分所有字符” 打印(strsplit(a, “ ” )) 输出量 [[1] [1]” 拆分” ” 全部” ” the” ” character” |
6. | tolower(x) | 用于将字符串转换为小写。 | st1 < -” shuBHAm” 打印(tolower(st1)) 输出量 [1] shubham |
7. | toupper(x) | 用于将字符串转换为大写。 | st1 < -” shuBHAm” 打印(toupper(st1)) 输出量 [1] SHUBHAM |
S.没有 | Function | Description | Example |
---|---|---|---|
1. | dnorm(x, m = 0, sd = 1, log = False) | 它用于查找每个点到给定的均值和标准差的概率分布的高度 | 一个< -seq(-7, 7, by = 0.1) b < -dnorm(a, 平均值= 2.5, sd = 0.5) png(file =” dnorm.png” ) 情节(x, y) dev.off() |
2. | pnorm(q, m = 0, sd = 1, lower.tail = TRUE, log.p = FALSE) | 它用于查找小于给定值的正态分布随机数的概率。 | 一个< -seq(-7, 7, by = 0.2) b < -dnorm(a, 平均值= 2.5, sd = 2) png(file =” pnorm.png” ) 情节(x, y) dev.off() |
3. | qnorm(p, m = 0, sd = 1) | 用于查找其累积值与概率值匹配的数字。 | 一个< -seq(1, 2, by = 002) b < -qnorm(a, 平均值= 2.5, sd = 0.5) png(file =” qnorm.png” ) 情节(x, y) dev.off() |
4. | rnorm(n, m = 0, sd = 1) | 用于生成正态分布的随机数。 | y < -rnorm(40) png(file =” rnorm.png” ) hist(y, main =” 正态分布” ) dev.off() |
5. | dbinom(x, 大小, 概率) | 它用于查找每个点的概率密度分布。 | a < -seq(0, 40, by = 1) b < -dbinom(a, 40, 0.5) png(file =” pnorm.png” ) 情节(x, y) dev.off() |
6. | pbinom(q, 大小, 概率) | 它用于查找事件的累积概率(代表概率的单个值)。 | 一个< -pbinom(25, 40, 0.5) 打印(a) 输出量 [1] 0.9596548 |
7. | qbinom(p, 大小, 概率) | 用于查找其累积值与概率值匹配的数字。 | 一个< -qbinom(0.25, 40, 01 / 2) 打印(a) 输出量 [1] 18 |
8. | rbinom(n, 大小, 概率) | 它用于从给定样本生成给定概率的所需数量的随机值。 | 一个< -rbinom(6, 140, 0.4) 打印(a) 输出量 [1] 55 61 46 56 58 49 |
9. | 之后(x, 舔) | 它是预期事件数为lambda(λ)的时间段内x成功的概率 | dpois(a = 2, lambda = 3)+ dpois(a = 3, lambda = 3)+ dpois(z = 4, labda = 4) 输出量 [1] 0.616115 |
10. | ppois(q, 腰带) | 它是小于或等于q个成功的累积概率。 | ppois(q = 4, lambda = 3, lower.tail = TRUE)-ppois(q = 1, lambda = 3, lower.tail = TRUE) 输出量 [1] 0.6434504 |
11. | 重复(n, 舔) | 它用于根据泊松分布生成随机数。 | rpois(10, 10) [1] 6 10 11 3 10 7 7 8 14 12 |
12. | dunif(x, min = 0, max = 1) | 此功能提供有关从最小到最大间隔的均匀分布的信息。它给出了密度。 | dunif(x, min = 0, max = 1, log = FALSE) |
13. | punif(q, min = 0, max = 1) | 它提供了分布式功能 | punif(q, min = 0, max = 1, lower.tail = TRUE, log.p = FALSE) |
14. | qunif(p, min = 0, max = 1) | 它提供了分位数功能。 | qunif(p, min = 0, max = 1, lower.tail = TRUE, log.p = FALSE) |
15. | runif(x, min = 0, max = 1) | 它产生随机偏差。 | runif(x, min = 0, max = 1) |
S.没有 | Function | Description | Example |
---|---|---|---|
1. | 平均值(x, trim = 0, na.rm = FALSE) | 用于查找x对象的均值 | a < -c(0:10, 40) xm < -平均值(a) 打印(xm) 输出量 [1] 7.916667 |
2. | sd(x) | 它返回对象的标准偏差。 | a < -c(0:10, 40) xm < -sd(a) 打印(xm) 输出量 [1] 10.58694 |
3. | median(x) | 它返回中位数。 | a < -c(0:10, 40) xm < -meadian(a) 打印(xm) 输出量 [1] 5.5 |
4. | 量化(x, 概率) | 它返回分位数, 其中x是需要分位数的数值向量, 而probs是概率在[0, 1]中的数值向量 | |
5. | range(x) | 它返回范围。 | a < -c(0:10, 40) xm < -范围(a) 打印(xm) 输出量 [1] 0 40 |
6. | sum(x) | 它返回总和。 | a < -c(0:10, 40) xm < -sum(a) 打印(xm) 输出量 [1] 95 |
7. | diff(x, 滞后= 1) | 它返回带有滞后的差异, 指示要使用哪个滞后。 | a < -c(0:10, 40) xm < -diff(a) 打印(xm) 输出量 [1] 1 1 1 1 1 1 1 1 1 1 1 30 |
8. | min(x) | 它返回最小值。 | a < -c(0:10, 40) xm < -min(a) 打印(xm) 输出量 [1] 0 |
9. | max(x) | 返回最大值 | a < -c(0:10, 40) xm < -最大(a) 打印(xm) 输出量 [1] 40 |
10. | 比例尺(x, center = TRUE, scale = TRUE) | 列中心或标准化矩阵。 | 一个< -矩阵(1:9, 3, 3) 比例(x) 输出量 [, 1] [1, ] -0.747776547 [2, ] -0.653320562 [3, ] -0.558864577 [4, ] -0.464408592 [5, ] -0.369952608 [6, ] -0.275496623 [7, ] -0.181040638 [8, ] -0.086584653 [9, ] 0.007871332 [10, ] 0.102327317 [11, ] 0.196783302 [12, ] 3.030462849 attr(, ” scaled:center” ) [1] 7.916667 attr(, ” scaled:scale” ) [1] 10.58694 |
推荐阅读
- R分类示例详解
- 开发App,如何更好的进行技术选型
- Appium常用APi03
- 六祎- JavaSpring整合Mybatis-applicationContext.xml
- Java入门 - 高级教程 - 08.Applet
- Appium_测试步骤读取自外部文件(定制执行引擎)
- App自动化-九宫格绘制
- mac上unity2017设置Android打包
- 玩转-----appium的数据驱动ddt