Trik R apa yang paling berguna? [Tutup]

Untuk berbagi lebih banyak tip dan trik untuk R , apa fitur atau trik Anda yang paling berguna? Vektorisasi pintar? Masukan / keluaran data? Visualisasi dan grafik? Analisis statistik? Fungsi khusus? Lingkungan interaktif itu sendiri?

Satu item per posting, dan kami akan melihat apakah kami mendapatkan pemenang melalui voting.

[Sunting 25-Agustus 2008]: Jadi setelah satu minggu, tampaknya yang sederhana str()memenangkan jajak pendapat. Karena saya sendiri yang ingin merekomendasikannya, ini adalah jawaban yang mudah untuk diterima.

str() memberi tahu Anda struktur objek apa pun.

Salah satu fungsi yang sangat berguna yang sering saya gunakan adalah dput (), yang memungkinkan Anda membuang objek dalam bentuk kode R.

# Use the iris data set
R> data(iris)
# dput of a numeric vector
R> dput(iris$Petal.Length)
c(1.4, 1.4, 1.3, 1.5, 1.4, 1.7, 1.4, 1.5, 1.4, 1.5, 1.5, 1.6, 
1.4, 1.1, 1.2, 1.5, 1.3, 1.4, 1.7, 1.5, 1.7, 1.5, 1, 1.7, 1.9, 
1.6, 1.6, 1.5, 1.4, 1.6, 1.6, 1.5, 1.5, 1.4, 1.5, 1.2, 1.3, 1.4, 
1.3, 1.5, 1.3, 1.3, 1.3, 1.6, 1.9, 1.4, 1.6, 1.4, 1.5, 1.4, 4.7, 
4.5, 4.9, 4, 4.6, 4.5, 4.7, 3.3, 4.6, 3.9, 3.5, 4.2, 4, 4.7, 
3.6, 4.4, 4.5, 4.1, 4.5, 3.9, 4.8, 4, 4.9, 4.7, 4.3, 4.4, 4.8, 
5, 4.5, 3.5, 3.8, 3.7, 3.9, 5.1, 4.5, 4.5, 4.7, 4.4, 4.1, 4, 
4.4, 4.6, 4, 3.3, 4.2, 4.2, 4.2, 4.3, 3, 4.1, 6, 5.1, 5.9, 5.6, 
5.8, 6.6, 4.5, 6.3, 5.8, 6.1, 5.1, 5.3, 5.5, 5, 5.1, 5.3, 5.5, 
6.7, 6.9, 5, 5.7, 4.9, 6.7, 4.9, 5.7, 6, 4.8, 4.9, 5.6, 5.8, 
6.1, 6.4, 5.6, 5.1, 5.6, 6.1, 5.6, 5.5, 4.8, 5.4, 5.6, 5.1, 5.1, 
5.9, 5.7, 5.2, 5, 5.2, 5.4, 5.1)
# dput of a factor levels
R> dput(levels(iris$Species))
c("setosa", "versicolor", "virginica")

Akan sangat berguna untuk mengeposkan potongan data yang dapat direproduksi dengan mudah saat Anda meminta bantuan, atau untuk mengedit atau menyusun ulang level suatu faktor.

head () dan tail () untuk mendapatkan bagian pertama dan terakhir dari kerangka data, vektor, matriks, fungsi, dll. Khususnya dengan bingkai data besar, ini adalah cara cepat untuk memeriksa apakah telah dimuat dengan baik.

Satu fitur bagus: Membaca data menggunakan koneksi yang dapat berupa file lokal, file jarak jauh diakses melalui http, pipa dari program lain atau lebih.

Sebagai contoh sederhana, pertimbangkan akses ini untuk N = 10 bilangan bulat acak antara min = 100 dan max = 200 dari random.org (yang menyediakan bilangan acak sebenarnya berdasarkan kebisingan atmosfer daripada generator bilangan acak semu):

R> site <- "http://random.org/integers/"         # base URL
R> query <- "num=10&min=100&max=200&col=2&base=10&format=plain&rnd=new"
R> txt <- paste(site, query, sep="?")            # concat url and query string
R> nums <- read.table(file=txt)                  # and read the data
R> nums                                          # and show it
   V1  V2
1 165 143
2 107 118
3 103 132
4 191 100
5 138 185
R>

Sebagai tambahan, paket acak menyediakan beberapa fungsi kemudahan untuk mengakses random.org .

Saya merasa saya sedang menggunakan with()dan within()lebih banyak lagi. Tidak ada lagi $mengotori kode saya dan seseorang tidak perlu mulai melampirkan objek ke jalur pencarian. Lebih serius lagi, saya menemukan with()dll membuat maksud dari skrip analisis data saya jauh lebih jelas.

> df <- data.frame(A = runif(10), B = rnorm(10))
> A <- 1:10 ## something else hanging around...
> with(df, A + B) ## I know this will use A in df!
 [1]  0.04334784 -0.40444686  1.99368816  0.13871605 -1.17734837
 [6]  0.42473812  2.33014226  1.61690799  1.41901860  0.8699079

with()menyiapkan lingkungan di mana ekspresi R dievaluasi. within()melakukan hal yang sama tetapi memungkinkan Anda untuk memodifikasi objek data yang digunakan untuk membuat lingkungan.

> df <- within(df, C <- rpois(10, lambda = 2))
> head(df)
           A          B C
1 0.62635571 -0.5830079 1
2 0.04810539 -0.4525522 1
3 0.39706979  1.5966184 3
4 0.95802501 -0.8193090 2
5 0.76772541 -1.9450738 2
6 0.21335006  0.2113881 4

Sesuatu yang tidak saya sadari ketika saya pertama kali menggunakan within()adalah bahwa Anda harus melakukan tugas sebagai bagian dari ekspresi yang dievaluasi dan menetapkan objek yang dikembalikan (seperti di atas) untuk mendapatkan efek yang diinginkan.

Trik Masukan Data = paket RGoogleDocs

http://www.omegahat.org/RGoogleDocs/

Menurut saya, Google spreadsheet merupakan cara yang luar biasa bagi semua kolaborator untuk berada di halaman yang sama. Selain itu, Formulir Google memungkinkan seseorang untuk mengambil data dari responden dan dengan mudah menulisnya ke spreadsheet Google. Karena data sering berubah dan hampir tidak pernah final, jauh lebih baik bagi R untuk membaca spreadsheet Google secara langsung daripada langsung mengunduh file csv dan membacanya.

# Get data from google spreadsheet
library(RGoogleDocs)
ps <-readline(prompt="get the password in ")
auth = getGoogleAuth("[email protected]", ps, service="wise")
sheets.con <- getGoogleDocsConnection(auth)
ts2=getWorksheets("Data Collection Repos",sheets.con)
names(ts2)
init.consent <-sheetAsMatrix(ts2$Sheet1,header=TRUE, as.data.frame=TRUE, trim=TRUE)

Saya tidak dapat mengingat yang mana kecuali satu atau dua dari perintah berikut membutuhkan beberapa detik.

1. getGoogleAuth

2. getGoogleDocsConnection

3. getWorksheets

Gunakan backticks untuk mereferensikan nama non standar.

> df <- data.frame(x=rnorm(5),y=runif(5))
> names(df) <- 1:2
> df
           1         2
1 -1.2035003 0.6989573
2 -1.2146266 0.8272276
3  0.3563335 0.0947696
4 -0.4372646 0.9765767
5 -0.9952423 0.6477714
> df$1
Error: unexpected numeric constant in "df$1"
> df$`1`
[1] -1.2035003 -1.2146266  0.3563335 -0.4372646 -0.9952423

Dalam hal ini, df [, "1"] juga akan berfungsi. Tapi kutu belakang bekerja di dalam formula!

> lm(`2`~`1`,data=df)

Call:
lm(formula = `2` ~ `1`, data = df)

Coefficients:
(Intercept)          `1`  
     0.4087      -0.3440  

[Sunting] Dirk bertanya mengapa seseorang memberikan nama yang tidak valid? Saya tidak tahu! Tapi dalam prakteknya saya cukup sering menghadapi masalah ini. Misalnya, menggunakan paket pembentukan kembali hadley:

> library(reshape)
> df$z <- c(1,1,2,2,2)
> recast(df,z~.,id.var="z")
Aggregation requires fun.aggregate: length used as default
  z (all)
1 1     4
2 2     6
> recast(df,z~.,id.var="z")$(all)
Error: unexpected '(' in "recast(df,z~.,id.var="z")$("
> recast(df,z~.,id.var="z")$`(all)`
Aggregation requires fun.aggregate: length used as default
[1] 4 6

Tidak tahu seberapa terkenal ini / tidak, tetapi sesuatu yang pasti saya manfaatkan adalah kemampuan referensi lewat lingkungan.

zz <- new.env()
zz$foo <- c(1,2,3,4,5)
changer <- function(blah) {
   blah$foo <- 5
}
changer(zz)
zz$foo

Untuk contoh ini tidak masuk akal mengapa ini berguna, tetapi jika Anda melewati objek besar di sekitarnya, itu dapat membantu.

Hal favorit baru saya adalah perpustakaan foreach. Ini memungkinkan Anda melakukan semua hal terapan yang bagus, tetapi dengan sintaks yang agak lebih mudah:

list_powers <- foreach(i = 1:100) %do% {
  lp <- x[i]^i
  return (lp)
}

Bagian terbaiknya adalah jika Anda melakukan sesuatu yang sebenarnya membutuhkan banyak waktu, Anda dapat beralih dari %do%ke %dopar%(dengan pustaka backend yang sesuai) untuk memparalelkan secara instan, bahkan di seluruh kluster. Sangat apik.

Saya melakukan banyak manipulasi data dasar, jadi berikut adalah dua fungsi built-in ( transform , subset ) dan satu library ( sqldf ) yang saya gunakan setiap hari.

membuat contoh data penjualan

sales <- expand.grid(country = c('USA', 'UK', 'FR'),
                     product = c(1, 2, 3))
sales$revenue <- rnorm(dim(sales)[1], mean=100, sd=10)

> sales
  country product   revenue
1     USA       1 108.45965
2      UK       1  97.07981
3      FR       1  99.66225
4     USA       2 100.34754
5      UK       2  87.12262
6      FR       2 112.86084
7     USA       3  95.87880
8      UK       3  96.43581
9      FR       3  94.59259

gunakan transform () untuk menambahkan kolom

## transform currency to euros
usd2eur <- 1.434
transform(sales, euro = revenue * usd2eur)

>
  country product   revenue     euro
1     USA       1 108.45965 155.5311
2      UK       1  97.07981 139.2125
3      FR       1  99.66225 142.9157
...

gunakan subset () untuk memotong data

subset(sales, 
       country == 'USA' & product %in% c(1, 2), 
       select = c('product', 'revenue'))

>
  product  revenue
1       1 108.4597
4       2 100.3475

gunakan sqldf () untuk mengiris dan menggabungkan dengan SQL

The paket sqldf menyediakan sebuah antarmuka SQL untuk data frame R

##  recast the previous subset() expression in SQL
sqldf('SELECT product, revenue FROM sales \
       WHERE country = "USA" \
       AND product IN (1,2)')

>
  product  revenue
1       1 108.4597
2       2 100.3475

Lakukan agregasi atau GROUP BY

sqldf('select country, sum(revenue) revenue \ 
       FROM sales \
       GROUP BY country')

>
  country  revenue
1      FR 307.1157
2      UK 280.6382
3     USA 304.6860

Untuk fungsionalitas seperti pengurangan peta yang lebih canggih pada bingkai data, lihat paket plyr . Dan jika menemukan diri Anda ingin menarik rambut Anda, saya sarankan memeriksa Manipulasi Data dengan R .

?ave

Subset dari 'x []' dirata-ratakan, di mana setiap subset terdiri dari observasi dengan tingkat faktor yang sama. Penggunaan: ave (x, ..., FUN = mean)

Saya menggunakannya sepanjang waktu. (misalnya dalam jawaban ini di sini )

Cara untuk mempercepat kode dan menghilangkan loop.

bukannya untuk loop yang mengulang melalui dataframe mencari nilai. ambil saja subset dari df dengan nilai tersebut, lebih cepat.

jadi alih-alih:

for(i in 1:nrow(df)){
  if (df$column[i] == x) {
    df$column2[i] <- y
    or any other similiar code
  }
}

lakukan sesuatu seperti ini:

df$column2[df$column1 == x] <- y

konsep dasar itu sangat sering diterapkan dan merupakan cara terbaik untuk menghilangkan loop

Terkadang Anda perlu rbindbeberapa bingkai data. do.call()akan membiarkan Anda melakukan itu (seseorang harus menjelaskan hal ini kepada saya ketika mengikat saya mengajukan pertanyaan ini, karena tampaknya ini bukan penggunaan yang jelas).

foo <- list()

foo[[1]] <- data.frame(a=1:5, b=11:15)
foo[[2]] <- data.frame(a=101:105, b=111:115)
foo[[3]] <- data.frame(a=200:210, b=300:310)

do.call(rbind, foo)

Dalam pemrograman R (bukan sesi interaktif), saya menggunakan if (bad.condition) stop("message")sebuah banyak . Setiap fungsi dimulai dengan beberapa di antaranya, dan saat saya mengerjakan komputasi, saya juga memasukkannya ke dalamnya. Sepertinya saya terbiasa menggunakan assert()C. Manfaatnya dua kali lipat. Pertama, jauh lebih cepat untuk mendapatkan kode yang berfungsi dengan pemeriksaan ini. Kedua, dan mungkin yang lebih penting, jauh lebih mudah untuk bekerja dengan kode yang ada saat Anda melihat pemeriksaan ini di setiap layar di editor Anda. Anda tidak perlu bertanya-tanya apakah x>0, atau percaya pada komentar yang menyatakan bahwa itu ... Anda akan tahu , dari sekilas, bahwa itu benar.

PS. posting pertama saya disini. Bersikaplah lembut!

The traceback()Fungsi adalah suatu keharusan ketika Anda memiliki suatu tempat kesalahan dan tidak mengerti mudah. Ini akan mencetak jejak tumpukan, sangat membantu karena R tidak terlalu bertele-tele secara default.

Kemudian pengaturan options(error=recover)akan memungkinkan Anda untuk "masuk" ke dalam fungsi yang meningkatkan kesalahan dan mencoba dan memahami apa yang sebenarnya terjadi, seolah-olah Anda memiliki kendali penuh atas hal itu dan dapat memasukkannya browser()ke dalamnya.

Ketiga fungsi ini benar-benar dapat membantu men-debug kode Anda.

Saya benar-benar terkejut tidak ada yang memposting tentang apply, tapply, lapply, dan sapply. Aturan umum yang saya gunakan saat melakukan hal-hal di R adalah jika saya memiliki loop for yang melakukan pemrosesan atau simulasi data, saya mencoba memfaktorkannya dan menggantinya dengan * apply. Beberapa orang menghindar dari fungsi * apply karena mereka pikir hanya fungsi parameter tunggal yang dapat diteruskan. Tidak ada yang bisa lebih jauh dari kebenaran! Seperti meneruskan fungsi dengan parameter sebagai objek kelas pertama dalam Javascript, Anda melakukan ini di R dengan fungsi anonim. Sebagai contoh:

 > sapply(rnorm(100, 0, 1), round)
  [1]  1  1  0  1  1 -1 -2  0  2  2 -2 -1  0  1 -1  0  1 -1  0 -1  0  0  0  0  0
 [26]  2  0 -1 -2  0  0  1 -1  1  5  1 -1  0  1  1  1  2  0 -1  1 -1  1  0 -1  1
 [51]  2  1  1 -2 -1  0 -1  2 -1  1 -1  1 -1  0 -1 -2  1  1  0 -1 -1  1  1  2  0
 [76]  0  0  0 -2 -1  1  1 -2  1 -1  1  1  1  0  0  0 -1 -3  0 -1  0  0  0  1  1


> sapply(rnorm(100, 0, 1), round(x, 2)) # How can we pass a parameter?
Error in match.fun(FUN) : object 'x' not found


# Wrap your function call in an anonymous function to use parameters
> sapply(rnorm(100, 0, 1), function(x) {round(x, 2)})
  [1] -0.05 -1.74 -0.09 -1.23  0.69 -1.43  0.76  0.55  0.96 -0.47 -0.81 -0.47
 [13]  0.27  0.32  0.47 -1.28 -1.44 -1.93  0.51 -0.82 -0.06 -1.41  1.23 -0.26
 [25]  0.22 -0.04 -2.17  0.60 -0.10 -0.92  0.13  2.62  1.03 -1.33 -1.73 -0.08
 [37]  0.45 -0.93  0.40  0.05  1.09 -1.23 -0.35  0.62  0.01 -1.08  1.70 -1.27
 [49]  0.55  0.60 -1.46  1.08 -1.88 -0.15  0.21  0.06  0.53 -1.16 -2.13 -0.03
 [61]  0.33 -1.07  0.98  0.62 -0.01 -0.53 -1.17 -0.28 -0.95  0.71 -0.58 -0.03
 [73] -1.47 -0.75 -0.54  0.42 -1.63  0.05 -1.90  0.40 -0.01  0.14 -1.58  1.37
 [85] -1.00 -0.90  1.69 -0.11 -2.19 -0.74  1.34 -0.75 -0.51 -0.99 -0.36 -1.63
 [97] -0.98  0.61  1.01  0.55

# Note that anonymous functions aren't being called, but being passed.
> function() {print('hello #rstats')}()
function() {print('hello #rstats')}()
> a = function() {print('hello #rstats')}
> a
function() {print('hello #rstats')}
> a()
[1] "hello #rstats"

(Bagi mereka yang mengikuti #rstats, saya juga memposting ini di sana).

Ingat, gunakan apply, sapply, lapply, tapply, dan do.call! Ambil keuntungan dari vektorisasi R. Anda tidak boleh berjalan ke sekumpulan kode R dan melihat:

N = 10000
l = numeric()
for (i in seq(1:N)) {
    sim <- rnorm(1, 0, 1)
    l <- rbind(l, sim)
}

Ini tidak hanya tidak vektor, tetapi struktur array di R tidak tumbuh seperti di Python (menggandakan ukuran saat ruang habis, IIRC). Jadi setiap langkah rbind pertama-tama harus tumbuh cukup untuk menerima hasil dari rbind (), lalu salin semua konten l sebelumnya. Untuk bersenang-senang, coba yang di atas di R. Perhatikan berapa lama waktu yang dibutuhkan (Anda bahkan tidak perlu Rprof atau fungsi pengaturan waktu). Kalau begitu coba

N=10000
l <- rnorm(N, 0, 1)

Berikut ini juga lebih baik dari versi pertama:

N = 10000
l = numeric(N)
for (i in seq(1:N)) {
    sim <- rnorm(1, 0, 1)
    l[i] <- sim
}

Atas saran Dirk, saya memposting satu contoh. Saya berharap mereka tidak terlalu "manis" [pintar, tapi saya tidak peduli] atau remeh untuk penonton ini.

Model linier adalah roti dan mentega dari R. Ketika jumlah variabel independen tinggi, seseorang memiliki dua pilihan. Yang pertama adalah menggunakan lm.fit (), yang menerima matriks desain x dan respons y sebagai argumen, mirip dengan Matlab. Kelemahan dari pendekatan ini adalah bahwa nilai yang dikembalikan adalah daftar objek (koefisien yang dipasang, residual, dll), bukan objek kelas "lm", yang dapat diringkas dengan baik, digunakan untuk prediksi, pemilihan bertahap, dll. Pendekatan membuat rumus:

> A
           X1         X2          X3         X4         y
1  0.96852363 0.33827107 0.261332257 0.62817021 1.6425326
2  0.08012755 0.69159828 0.087994158 0.93780481 0.9801304
3  0.10167545 0.38119304 0.865209832 0.16501662 0.4830873
4  0.06699458 0.41756415 0.258071616 0.34027775 0.7508766
   ...

> (f=paste("y ~",paste(names(A)[1:4],collapse=" + ")))
[1] "y ~ X1 + X2 + X3 + X4"

> lm(formula(f),data=A)

Call:
lm(formula = formula(f), data = A)

Coefficients:
(Intercept)           X1           X2           X3           X4  
    0.78236      0.95406     -0.06738     -0.43686     -0.06644  

Anda dapat menetapkan nilai yang dikembalikan dari blok if-else.

Dari pada, mis

condition <- runif(1) > 0.5
if(condition) x <- 1 else x <- 2

Anda dapat melakukan

x <- if(condition) 1 else 2

Cara kerjanya adalah sihir yang dalam.

Sebagai pemula total untuk R dan pemula di statistik, saya suka unclass() mencetak semua elemen bingkai data sebagai daftar biasa.

Ini sangat berguna untuk melihat kumpulan data lengkap sekaligus untuk melihat dengan cepat masalah potensial apa pun.

CrossTable()dari gmodelspaket menyediakan akses mudah ke tab silang gaya SAS dan SPSS, bersama dengan pengujian biasa (Chisq, McNemar, dll.). Pada dasarnya, ini xtabs()dengan keluaran mewah dan beberapa tes tambahan - tetapi itu membuat keluaran berbagi dengan kafir lebih mudah.

Pasti system(). Untuk dapat memiliki akses ke semua alat unix (setidaknya di Linux / MacOSX) dari dalam lingkungan R dengan cepat menjadi sangat berharga dalam alur kerja harian saya.

Berikut adalah solusi yang mengganggu untuk mengubah faktor menjadi numerik. (Serupa untuk tipe data lain juga)

old.var <- as.numeric(levels(old.var))[as.numeric(old.var)]

Meskipun pertanyaan ini telah muncul untuk beberapa waktu, saya baru-baru ini menemukan trik hebat di blog SAS dan R untuk menggunakan perintah cut. Perintah tersebut digunakan untuk membagi data menjadi beberapa kategori dan saya akan menggunakan dataset iris sebagai contoh dan membaginya menjadi 10 kategori:

> irisSL <- iris$Sepal.Length
> str(irisSL)
 num [1:150] 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
> cut(irisSL, 10)
  [1] (5.02,5.38] (4.66,5.02] (4.66,5.02] (4.3,4.66]  (4.66,5.02] (5.38,5.74] (4.3,4.66]  (4.66,5.02] (4.3,4.66]  (4.66,5.02]
 [11] (5.38,5.74] (4.66,5.02] (4.66,5.02] (4.3,4.66]  (5.74,6.1]  (5.38,5.74] (5.38,5.74] (5.02,5.38] (5.38,5.74] (5.02,5.38]
 [21] (5.38,5.74] (5.02,5.38] (4.3,4.66]  (5.02,5.38] (4.66,5.02] (4.66,5.02] (4.66,5.02] (5.02,5.38] (5.02,5.38] (4.66,5.02]
 [31] (4.66,5.02] (5.38,5.74] (5.02,5.38] (5.38,5.74] (4.66,5.02] (4.66,5.02] (5.38,5.74] (4.66,5.02] (4.3,4.66]  (5.02,5.38]
 [41] (4.66,5.02] (4.3,4.66]  (4.3,4.66]  (4.66,5.02] (5.02,5.38] (4.66,5.02] (5.02,5.38] (4.3,4.66]  (5.02,5.38] (4.66,5.02]
 [51] (6.82,7.18] (6.1,6.46]  (6.82,7.18] (5.38,5.74] (6.46,6.82] (5.38,5.74] (6.1,6.46]  (4.66,5.02] (6.46,6.82] (5.02,5.38]
 [61] (4.66,5.02] (5.74,6.1]  (5.74,6.1]  (5.74,6.1]  (5.38,5.74] (6.46,6.82] (5.38,5.74] (5.74,6.1]  (6.1,6.46]  (5.38,5.74]
 [71] (5.74,6.1]  (5.74,6.1]  (6.1,6.46]  (5.74,6.1]  (6.1,6.46]  (6.46,6.82] (6.46,6.82] (6.46,6.82] (5.74,6.1]  (5.38,5.74]
 [81] (5.38,5.74] (5.38,5.74] (5.74,6.1]  (5.74,6.1]  (5.38,5.74] (5.74,6.1]  (6.46,6.82] (6.1,6.46]  (5.38,5.74] (5.38,5.74]
 [91] (5.38,5.74] (5.74,6.1]  (5.74,6.1]  (4.66,5.02] (5.38,5.74] (5.38,5.74] (5.38,5.74] (6.1,6.46]  (5.02,5.38] (5.38,5.74]
[101] (6.1,6.46]  (5.74,6.1]  (6.82,7.18] (6.1,6.46]  (6.46,6.82] (7.54,7.9]  (4.66,5.02] (7.18,7.54] (6.46,6.82] (7.18,7.54]
[111] (6.46,6.82] (6.1,6.46]  (6.46,6.82] (5.38,5.74] (5.74,6.1]  (6.1,6.46]  (6.46,6.82] (7.54,7.9]  (7.54,7.9]  (5.74,6.1] 
[121] (6.82,7.18] (5.38,5.74] (7.54,7.9]  (6.1,6.46]  (6.46,6.82] (7.18,7.54] (6.1,6.46]  (5.74,6.1]  (6.1,6.46]  (7.18,7.54]
[131] (7.18,7.54] (7.54,7.9]  (6.1,6.46]  (6.1,6.46]  (5.74,6.1]  (7.54,7.9]  (6.1,6.46]  (6.1,6.46]  (5.74,6.1]  (6.82,7.18]
[141] (6.46,6.82] (6.82,7.18] (5.74,6.1]  (6.46,6.82] (6.46,6.82] (6.46,6.82] (6.1,6.46]  (6.46,6.82] (6.1,6.46]  (5.74,6.1] 
10 Levels: (4.3,4.66] (4.66,5.02] (5.02,5.38] (5.38,5.74] (5.74,6.1] (6.1,6.46] (6.46,6.82] (6.82,7.18] ... (7.54,7.9]

Trik lain. Beberapa paket, seperti glmnet, hanya menerima matriks desain dan variabel respons sebagai masukan. Jika seseorang ingin menyesuaikan model dengan semua interaksi antara fitur, dia tidak dapat menggunakan rumus "y ~. ^ 2". Menggunakan expand.grid()memungkinkan kita untuk memanfaatkan pengindeksan array yang kuat dan operasi vektor R.

interArray=function(X){
    n=ncol(X)
    ind=expand.grid(1:n,1:n)
    return(X[,ind[,1]]*X[,ind[,2]])
}

> X
          X1         X2
1 0.96852363 0.33827107
2 0.08012755 0.69159828
3 0.10167545 0.38119304
4 0.06699458 0.41756415
5 0.08187816 0.09805104

> interArray(X)
           X1          X2        X1.1        X2.1
1 0.938038022 0.327623524 0.327623524 0.114427316
2 0.006420424 0.055416073 0.055416073 0.478308177
3 0.010337897 0.038757974 0.038757974 0.145308137
4 0.004488274 0.027974536 0.027974536 0.174359821
5 0.006704033 0.008028239 0.008028239 0.009614007

Salah satu trik favorit saya, jika bukan merupakan trik ortodoks, adalah penggunaan eval()dan parse(). Contoh ini mungkin menggambarkan bagaimana itu dapat membantu

NY.Capital <- 'Albany'
state <- 'NY'
parameter <- 'Capital'
eval(parse(text=paste(state, parameter, sep='.')))

[1] "Albany"

Jenis situasi ini terjadi lebih sering daripada tidak, dan penggunaan eval()dan parse()dapat membantu mengatasinya. Tentu saja, saya menyambut baik umpan balik tentang cara alternatif pengkodean ini.

set.seed() mengatur status generator nomor acak.

Sebagai contoh:

> set.seed(123)
> rnorm(1)
[1] -0.5604756
> rnorm(1)
[1] -0.2301775
> set.seed(123)
> rnorm(1)
[1] -0.5604756

Bagi mereka yang menulis C untuk dipanggil dari R: .Internal(inspect(...))sangat berguna. Sebagai contoh:

> .Internal(inspect(quote(a+2)))
  @867dc28 06 LANGSXP g0c0 [] 
  @8436998 01 SYMSXP g1c0 [MARK,gp=0x4000] "+"
  @85768b0 01 SYMSXP g1c0 [MARK,NAM(2)] "a"
  @8d7bf48 14 REALSXP g0c1 [] (len=1, tl=0) 2

d = '~ / Kode R / Perpustakaan /'

files = list.files (d, '. r $')

untuk (f dalam file) {if (! (f == 'mysource.r')) {print (paste ('Sourcing', f)) source (paste (d, f, sep = ''))}}

Saya menggunakan kode di atas untuk sumber semua file dalam direktori saat memulai dengan berbagai program utilitas yang saya gunakan dalam sesi interaktif saya dengan R. Saya yakin ada cara yang lebih baik tetapi saya merasa berguna untuk pekerjaan saya. Garis yang melakukan ini adalah sebagai berikut.

sumber ("~ / R Code / Library / mysource.r")

Untuk melakukan operasi pada sejumlah variabel dalam bingkai data. Ini dicuri dari subset.data.frame.

get.vars<-function(vars,data){
    nl <- as.list(1L:ncol(data))
    names(nl) <- names(data)
    vars <- eval(substitute(vars), nl, parent.frame())
    data[,vars]
    #do stuff here
}

get.vars(c(cyl:hwy,class),mpg)

Saya telah memposting ini sekali sebelumnya tetapi saya sering menggunakannya sehingga saya pikir saya akan mempostingnya lagi. Ini hanya sedikit fungsinya untuk mengembalikan nama dan nomor posisi dari data.frame. Tidak ada yang istimewa untuk memastikannya, tetapi saya hampir tidak pernah berhasil melewati sesi tanpa menggunakannya beberapa kali.

##creates an object from a data.frame listing the column names and location

namesind = fungsi (df) {

temp1=names(df)
temp2=seq(1,length(temp1))
temp3=data.frame(temp1,temp2)
names(temp3)=c("VAR","COL")
return(temp3)
rm(temp1,temp2,temp3)

}

ni <- namesind