精华内容
下载资源
问答
  • r语言论文
    2022-02-19 12:07:45

    PartR语言快速制作学术论文三线表

    三线表以其形式简洁、功能分明、阅读方便而在科技论文中被推荐使用。

    本文主要使用table1包制作三线表,生成的三线表为html格式,可以直接复制到word中,本文主要实现以下目标:

    • 制作基本三线表

    • 制作双变量三线表

    • 三线表自定义设定

    • 修改三线表格样式

    library(table1)
    

    1创建数据集

    首先简单创建一个数据集之后用于三线表制作。

    f <- function(x, n, ...) factor(sample(x, n, replace=T, ...), levels=x)
    set.seed(427)
    
    n <- 146
    dat <- data.frame(id=1:n)
    dat$treat <- f(c("Placebo", "Treated"), n, prob=c(1, 2)) # 2:1 randomization
    dat$age   <- sample(18:65, n, replace=TRUE)
    dat$sex   <- f(c("Female", "Male"), n, prob=c(.6, .4))  # 60% female
    dat$wt    <- round(exp(rnorm(n, log(70), 0.23)), 1)
    
    # Add some missing data
    dat$wt[sample.int(n, 5)] <- NA
    
    label(dat$age)   <- "Age"
    label(dat$sex)   <- "Sex"
    label(dat
    更多相关内容
  • 基于R语言自带的数据包iris中的数据,利用R软件,建立了被...压缩包内包含详细可编辑的Word文档以及带有详细注释的r语言代码,可供r语言爱好者参考学习以及需要者应付相应的课程论文压力,欢迎大家下载后进一步交流!
  • R语言课程论文

    2019-01-19 12:00:52
    该资源包含了详细的论文文档和实现的R代码,利用iris数据包中的数据进行了相关性分析。
  • 该文档是关于R语言论文实验,实验内容是资金流预测。 主要采用了数据分析、关联规则、深度学习及集成学习等方法。
  • 面对连环犯罪,我们通常通过缩小搜索区域来估计下一次犯罪的可能地点。我们建立了三种模型来确定一个连环犯罪嫌疑人的地理轮廓。模型一假定犯罪现场仅依赖于锚点与犯罪现场之间的平均距离。将地理特征G、衰减函数D和...
  • 本文分析了1980-2015人口老龄化城乡倒置现象。同时分别对1980年以来不同发展程度的城乡间老龄化比例的进行统计分析,做符号检验,得出在发达地区乡镇老龄化比例明显低于城市,而在欠发达地区城乡老龄化比例相差不是...
  • R语言学习笔记 06 论文复刻数据.xlsx
  • 我们试图通过将 R 与其他可用于数据科学的语言进行比较来解释为什么 R 是数据分析的首选。 我们还讨论了它的局限性和处理这些问题的解决方案。 本文将有助于研究人员深入了解 R,他们将从事数据分析相关项目。
  • 直击科研写作中反复修改排版的痛点,让重复劳动全程自动化,从数据分析到完成论文写作,一个软件Rstudio就够了!

    不一样的零基础R语言入门教程,究竟哪里不一样呢?

    直击科研写作中反复修改排版的痛点,引入用纯文本工作流程,让重复劳动全程自动化,从数据分析到完成论文写作,一个软件Rstudio就够了!

    本教程的特点:从实际研究出发,讲解如何在Rstudio里面,用R语言进行数据分析并结合Rmarkdown开展论文写作。简单、轻松又高效!赶紧看看视频了解下学习成果吧。

    不一样的保姆级R语言入门教程,数据分析论文写作一站式搞定!


    之前其实也发过一个用Stata进行纯文本写作的教程,但普遍反映光是装软件就已经耗尽所有力气了。确实,如果工具太过复杂,那就不要用咯 🤷‍♀️

    所以这次的教程非常的轻松简单,极其容易上手,每一步都有视频详细介绍,只要跟着来,就一定会学废,哦,不对是学会!

    后续每周会有1-2个教学视频,follow me 😸。定个小目标:今年小学期开课前完成!

    P.S. 视频中的Example paper仅供教学示范,完全经不起任何学术考验~


    补充:什么是纯文本工作流程?可以点这里看我之前写的“如何优雅地用纯文本写作”

    什么是纯文本写作(Plain Text Writing)?大家对纯文本写作的概念可能并不熟悉,我们先来看下概念。

    在Word文档编写中,我们对格式,如字体、字号、行间距、首行缩进、对齐等的调整,可以通过鼠标点击相应的指令完成,然后所见即所得。

    但是在纯文本写作中,所有的文字和格式都是用纯文本来定义的。大家如雷贯耳的魔幻LaTex其实就是一种纯文本写作。具体来看两个例子:

    例子1,我们想将"beautiful red"字体颜色改为红色。Word中的操作大家都了解,但是在纯文本中,我们需要写如下内容:

    Roses are $\color{red}{\text{beautiful red}}$

    大括号{}里面的内容就是我们通过纯文本对于字体颜色的定义。经过编译后就会呈现Roses are beautiful red \color{red}{\text{beautiful red}} beautiful red

    例子2,输入数学公式。

    ω j , t k = ( α ^ j , t k ) 2 ∑ j = 1 m t k ( α ^ j , t k ) 2  for  k ∈ { θ , I } \omega_{j,t}^k= \frac{(\hat{\alpha}_{j,t}^k)^2} {\sum_{j=1}^{m_t^k} {(\hat{\alpha}_{j,t}^k)^2}} \textrm{ for } k\in \left\{\theta, I\right\} ωj,tk=j=1mtk(α^j,tk)2(α^j,tk)2 for k{θ,I}

    在纯文本中,我们的写作为:

    $$
      \omega_{j,t}^k=
      \frac{(\hat{\alpha}_{j,t}^k)^2}
      {\sum_{j=1}^{m_t^k} {(\hat{\alpha}_{j,t}^k)^2}}
      \textrm{ for } k\in \left\{\theta, I\right\}
    $$
    

    为什么要做这样看起来很复杂的事呢?自然是有其优势。(1)排版稳定,不论什么操作系统或者版本呈现结果都是相同的。不会出现类似Word换台电脑、换个版本或者换成WPS就格式错乱,费尽心思排版一息全废的现象。(2)记录操作全过程,有利于反复修改。这点对于写论文尤其重要和关键,可以大量节省时间。为什么呢?我们简单回顾下研究流程:

    在这里插入图片描述
    这张图中的流程大家想必并不陌生,我们可以看到整个研究及写作过程是相当的繁琐,其主要原因在于修改。例如引用文献的增减,应不同杂志要求的参考文献格式调整,实证分析的修改、重现及相应的结果呈现等等。论文通常是需要反复打磨的,所以上述活动很可能要反复进行多次,而这些工作其实很大程度上都是体力劳动, 因此,我们需要尽可能地通过自动化,减少无谓的重复劳动以节省时间。

    怎样才能实现自动化呢?基础要求就是所作之事必留痕。举个例子,刚才插入的图片需要更新,在纯文本工作流程中,我们只需要在保存图片的文件夹中将新的图片覆盖老的图片即可,论文中的图片自动更新,而不需要其他任何操作。Word文档则需要把插入图片和调整格式的过程完全重来一次。多来几遍,谁都顶不住啊,Word写作不难,难就难在调整格式,相信大家深有体会。

    事实上,不光是写作,我们的整个研究开展都需要尽量用纯文本。比如,Stata软件有两种方式完成分析,分别是鼠标点击和输入命令。如果突然发现自己数据处理有问题,如果采用鼠标点击的方式,那么想要修改必须从处理数据到分析完全重新点击一遍!而如果之前保存有命令,则只需要在出错的地方简单修改一下命令,再跑一次程序即可。

    因此,简单地说,我们需要尽量避免鼠标点击式操作,而保存整个工作流程中的所有痕迹。这一点,只有纯文本工作流程能够做到。所以,我们要采用纯文本的工作流程!

    展开全文
  • R语言数据分析技术对双十一的销售数据进行统计分析并可视化,内涵数据集,程序源码及说明文档,完美应对课设及大作业
  • R语言数据分析,资源包里面包含源数据csv文件,课程设计报告,源程序。功能全面,有运行代码原图,有数据介绍,数据分析,包含聚类和关联规则两种算法。
  • 基于R语言爬取电商数据的价格销售分析-论文.zip
  • 不一样的点线图绘制方法,让论文变得高大上的神器
  • r语言期末设计

    2018-11-07 16:56:37
    R语言期末设计对石油岩采样进行数据分析,实现对石油岩样的基本数据计算,计算岩样直径,厚度的基本关,通过简单绘图工具展示岩样直径,厚度,含油量之间的关系
  • R语言是一种统计语言,用于数据分析。 本研究尝试使用 R 语言实现 k-means 算法并找到聚类。 已经分析了基于正常值以及不同数据集的归一化值发现的 K-Means 算法的准确性。 观察到的结果在论文的实施部分进行了讨论...
  • 【原创】R语言中的Theil-Sen回归分析数据分析报告论文(代码数据).docx
  • 【原创】R语言关于回归系数的解释数据分析报告论文(代码数据).docx
  • 【原创】R语言逻辑回归预测分析付费用户数据分析报告论文(代码数据).docx
  • 最大期望算法是一类通过迭代进行极大似然估计的优化算法 ,通常作为牛顿迭代法的替代用于对包含隐变量或缺失数据的概率模型进行参数估计。EM算法的标准计算框架由E步和M步交替组成,算法的收敛性可以确保迭代至少...
  • R语言空间插值

    2018-07-06 21:05:36
    该文档提供了R语言空间差值操作实例,包含各种常用的空间插值方法以及代码。
  • R语言生信绘图配色(ggsci包)--SCI论文配色

    万次阅读 多人点赞 2020-01-23 21:10:26
    R语言生信学习-ggsci包介绍–SCI论文的配色 对于我这条使用R语言来绘图的生信????而言,最令我绝望的便是关于配色的问题了,很多时候自己选的颜色看上去会特别生硬,就算使用colorRampPalette产生渐变色也感觉不够...

    R语言生信学习-ggsci包介绍–SCI论文的配色

    对于我这条使用R语言来绘图的生信🐕而言,最令我绝望的便是关于配色的问题,很多时候自己选的颜色看上去会特别生硬,就算使用colorRampPalette产生渐变色也感觉不够理想。无意间,我看到了“ggsci”这个包,它完全就是为了SCI配色而设计的,下面我将挑选一些重要的函数来讲解,详细的内容可以去看官网的说明。

    内置函数介绍:

    这些是帮助页面中的函数以及简短的介绍:

    pal_aaas	AAAS Journal Color Palettes
    pal_d3	D3.js Color Palettes
    pal_futurama	The Futurama Color Palettes
    pal_gsea	The GSEA GenePattern Color Palettes
    pal_igv	Integrative Genomics Viewer (IGV) Color Palettes
    pal_jama	Journal of the American Medical Association Color Palettes
    pal_jco	Journal of Clinical Oncology Color Palettes
    pal_lancet	Lancet Journal Color Palettes
    pal_locuszoom	LocusZoom Color Palette
    pal_material	Material Design Color Palettes
    pal_nejm	NEJM Color Palettes
    pal_npg	NPG Journal Color Palettes
    pal_rickandmorty	Rick and Morty Color Palettes
    pal_simpsons	The Simpsons Color Palettes
    pal_startrek	Star Trek Color Palettes
    pal_tron	Tron Legacy Color Palettes
    pal_uchicago	The University of Chicago Color Palettes
    pal_ucscgb	UCSC Genome Browser Color Palette
    rgb_gsea	The GSEA GenePattern Color Palettes
    rgb_material	Material Design Color Palettes
    scale_color_aaas	AAAS Journal Color Scales
    scale_color_d3	D3.js Color Scales
    scale_color_futurama	The Futurama Color Scales
    scale_color_gsea	The GSEA GenePattern Color Scales
    scale_color_igv	Integrative Genomics Viewer (IGV) Color Scales
    scale_color_jama	Journal of the American Medical Association Color Scales
    scale_color_jco	Journal of Clinical Oncology Color Scales
    scale_color_lancet	Lancet Journal Color Scales
    scale_color_locuszoom	LocusZoom Color Scales
    scale_color_material	Material Design Color Palettes
    scale_color_nejm	NEJM Color Scales
    scale_color_npg	NPG Journal Color Scales
    scale_color_rickandmorty	Rick and Morty Color Scales
    scale_color_simpsons	The Simpsons Color Scales
    scale_color_startrek	Star Trek Color Scales
    scale_color_tron	Tron Legacy Color Scales
    scale_color_uchicago	The University of Chicago Color Scales
    scale_color_ucscgb	UCSC Genome Browser Color Scales
    scale_colour_aaas	AAAS Journal Color Scales
    scale_colour_d3	D3.js Color Scales
    scale_colour_futurama	The Futurama Color Scales
    scale_colour_gsea	The GSEA GenePattern Color Scales
    scale_colour_igv	Integrative Genomics Viewer (IGV) Color Scales
    scale_colour_jama	Journal of the American Medical Association Color Scales
    scale_colour_jco	Journal of Clinical Oncology Color Scales
    scale_colour_lancet	Lancet Journal Color Scales
    scale_colour_locuszoom	LocusZoom Color Scales
    scale_colour_material	Material Design Color Palettes
    scale_colour_nejm	NEJM Color Scales
    scale_colour_npg	NPG Journal Color Scales
    scale_colour_rickandmorty	Rick and Morty Color Scales
    scale_colour_simpsons	The Simpsons Color Scales
    scale_colour_startrek	Star Trek Color Scales
    scale_colour_tron	Tron Legacy Color Scales
    scale_colour_uchicago	The University of Chicago Color Scales
    scale_colour_ucscgb	UCSC Genome Browser Color Scales
    scale_fill_aaas	AAAS Journal Color Scales
    scale_fill_d3	D3.js Color Scales
    scale_fill_futurama	The Futurama Color Scales
    scale_fill_gsea	The GSEA GenePattern Color Scales
    scale_fill_igv	Integrative Genomics Viewer (IGV) Color Scales
    scale_fill_jama	Journal of the American Medical Association Color Scales
    scale_fill_jco	Journal of Clinical Oncology Color Scales
    scale_fill_lancet	Lancet Journal Color Scales
    scale_fill_locuszoom	LocusZoom Color Scales
    scale_fill_material	Material Design Color Palettes
    scale_fill_nejm	NEJM Color Scales
    scale_fill_npg	NPG Journal Color Scales
    scale_fill_rickandmorty	Rick and Morty Color Scales
    scale_fill_simpsons	The Simpsons Color Scales
    scale_fill_startrek	Star Trek Color Scales
    scale_fill_tron	Tron Legacy Color Scales
    scale_fill_uchicago	The University of Chicago Color Scales
    scale_fill_ucscgb	UCSC Genome Browser Color Scales
    

    函数解释:

    根据说明书我们可以简单的将它们分成三类:pal,rgb,scale,前两个可以生成不同的颜色组,scale可以直接用与ggplot中。

    pal_:

    pal的调用都是一个模板,其中只有两个参数:
    palette的default默认参数(只用7个基础色),alpha代表透明度,取值在(0,1)间,越大越透明.
    在pal后面加上(6)代表只产生6个颜色。

    pal_aaas(palette = c("default"), alpha = 1)(6)
    

    上面是pal_aaas的一个例子,若想查看具体是哪一些颜色可以使用“scales”包来实现:

    library("scales")
    library("ggsci")
    show_col(pal_aaas("default")(7))  #图一
    show_col(pal_aaas("default", alpha = 0.6)(7))   #图二
    show_col(pal_aaas("default", alpha = 0.2)(4))   #图三
    

    图一至图三:
    图一在这里插入图片描述在这里插入图片描述以上是pal颜色的介绍,它的配色方案采用的是很多论文中的技巧,例如Integrative Genomics Viewer (IGV)的配色,Lancet Journal (柳叶刀)的配色,Journal of Clinical Oncology的配色等等,可以按照需求利用这些配色方案来完成绘图任务。

    rgb:

    在ggsci包中,只有rgb_gsea和rgb_material这两个基于RGB色彩模式的函数【红、绿、蓝】,但是它们的用法还是有一些差别:

    rgb_gsea(palette = c("default"), n = 12, alpha = 1, reverse = FALSE)
    rgb_material(palette = c("red", "pink", "purple", "deep-purple", "indigo",
      "blue", "light-blue", "cyan", "teal", "green", "light-green", "lime",
      "yellow", "amber", "orange", "deep-orange", "brown", "grey", "blue-grey"),
      n = 10, alpha = 1, reverse = FALSE)
    

    参数详解:

    n:产生多少个独立的颜色
    
    alpha:透明度
    
    reverse:逻辑值,决定颜色的排序是否反序
    
    palette:在rgb_material中有19种配色方案
    

    实例:

     library("scales")
    show_col(pal_material("indigo")(10))
    show_col(pal_material("indigo", n = 20, alpha = 0.6, reverse = TRUE)(13))
    

    在这里插入图片描述在这里插入图片描述

    scale:

    个人感觉scale函数是整个“ggsci”包中最简单和常用的包,只需要在ggplot后面+上看中的scale颜色方案,即可完成配色,下面是一些实例的使用,分别是基于柳叶刀的配色方案(scale_fill_lancet()),基于GSEA(scale_fill_gsea())和基于Integrative Genomics Viewer (IGV)的配色方案( scale_fill_igv())

    library("ggplot2")
    data("diamonds")
    ggplot(subset(diamonds, carat > 2.2 & depth > 55 & depth < 70),
           aes(x = depth, fill = cut)) +
      geom_histogram(colour = "black", binwidth = 1, position = "dodge") +
      theme_bw() + scale_fill_lancet()
    

    在这里插入图片描述

    library("ggplot2")
    library("reshape2")
    data("mtcars")
    
    cor = cor(mtcars)
    cor_melt = melt(cor)
    
    ggplot(cor_melt,
           aes(x = Var1, y = Var2, fill = value)) +
      geom_tile(colour = "black", size = 0.3) +
      theme_bw() + scale_fill_gsea()
    

    在这里插入图片描述

    library("ggplot2")
    data("diamonds")
    p = ggplot(subset(diamonds, carat > 2.2 & depth > 55 & depth < 70),
                aes(x = depth, fill = cut)) +
      geom_histogram(colour = "black", binwidth = 1, position = "dodge") +
      theme_bw()
    p + scale_fill_igv()
    

    Integrative Genomics Viewer (IGV)以上便是ggsci包的简介,希望对每一个学习生信的人都有所帮助,我这里也会不断把学习中遇到的问题和经验发上来,希望志同道合的朋友能和我多多讨论,一起学习。

    参考文献

    ggsci的官网地址:https://nanx.me/ggsci/articles/ggsci.html#discrete-color-palettes

    展开全文
  • 最全的条形图绘制方法总结,毕业论文绘图必须教程,方便快捷解决你的绘图困扰
  • R可用filter()函数做移动平均。用法:filter(data,filter,sides)1、简单移动平均简单移动平均就是将n个观测值的平均数作为第(n1)/2个的拟合值。当n为偶数时,需进行二次移动平均。简单移动平均假设序列长期趋势的...

    一 移动平均

    移动平均能消除数据中的季节变动和不规则变动。若序列中存在周期变动,则通常以周期为移动平均项数。移动平均法可以通过数据显示出数据长期趋势的变动规律。

    R可用filter()函数做移动平均。用法:filter(data,filter,sides)

    1、简单移动平均

    简单移动平均就是将n个观测值的平均数作为第(n

    1)/2个的拟合值。当n为偶数时,需进行二次移动平均。简单移动平均假设序列长期趋势的斜率不变。

    以我国1992到2014年的季度GDP数据为例。

    data

    tdata

    m1

    plot(tdata,xlab="时间",ylab="gdp")

    lines(m1,col="red",cex=1.5)

    代码运行结果如上图,红色表示拟合值,黑色表示真实值。

    2、二次移动平均

    二次移动平均即在一次移动平均的基础上再进行一次移动平均。一般两次移动平均的项数是一致的。二次移动平均假设序列长期趋势的斜率是随时间的变化而变化的。

    二次移动平均长期趋势的拟合公式为:at=2M1t−M2t,其中M1t

    表示第一次移动平均的拟合值,M2t表示二次移动平均的拟合值。

    同样以上述数据为例,进行二次移动平均。代码如下:

    plot(tdata,type="l",xlab="时间",ylab="季度GDP")

    m2

    lines(2*m1-m2,col="red",cex=2)

    >

    plot(a,pdata,type="o",xlab="时间",ylab="消费者信心指数")

    代码运行结果如上所示。用HoltWinters()函数估计出来的a=0.78,且向后预测值为图中红色部分,黑色为真实值。这种预测方法预测出的值往往不够精确,因为它没有考虑序列中存在的其他变动。

    2、Holt_Winters指数平滑

    Holt_Winters指数平滑考虑了序列中存在的季节变动,这种方法对存在季节变动的经济数据有较好的拟合效果,可以用来进行向后预测。

    加法季节模型:

    Xt=a∗(xt−st)

    (1−a)(at−1

    bt−1

    bt=β∗(Xt−Xt−1)

    (1−β)bt−1

    st=γ∗(xt−Xt)

    (1−γ)st−p

    其中p为季节变动的周期长度。其他含义同上。以上述的GDP数据为例,用HoltWinters指数平滑法分解GDP的水平,斜率及季节变动水平,并预测未来5年的值。代码如下:

    > data

    >

    tdata

    >

    gdp.hw

    > plot(gdp.hw$fitted,type="o",main="分解图")

    > plot(gdp.hw,type="o")

    >

    pdata

    > pdata

    Qtr1 Qtr2 Qtr3 Qtr4

    2015 149826.6 168126.7 176640.3 192627.9

    2016 161252.4 180708.2 189616.2 206523.1

    2017 172678.2 193289.7 202592.1 220418.2

    2018 184104.1 205871.2 215568.0 234313.4

    2019 195529.9 218452.8 228543.8 248208.5

    >

    ts.plot(tdata,pdata,type="o",lty=1:2,col=c("red","black"))

    代码中采用了加法模型。序列的分解图如上图所示。第二个图为模型对数据的拟合图,第三个图的虚线部分为后5年的预测。

    展开全文
  • 第1章 为什么学习R语言 1 1.1 R是什么 2 1.1.1 R是yi款悠秀的现代科研 软件 2 1.1.2 R的优势与不足 3 1.1.3 R和Python的区别 3 1.2 计算社会科学的兴起——以计算 传播学为例 4 1.2.1 什么是计算社会科学 4 1.2.2 ...
  • 【原创】R语言中的生存分析Survival analysis晚期肺癌患者4例数据分析报告论文(代码数据).docx
  • 【原创】R语言中生存分析Survival analysis晚期肺癌患者4例数据分析报告论文(代码数据).docx
  • 基于R语言的数据挖掘课程实验设计.pdf
  • R语言回归分析

    千次阅读 2021-12-08 23:10:00
    分享一些简单快速上手的回归分析中的一些相关内容,内容来自《R语言实战》。 线性模型:拟合线性模型最基本的函数就是lm( ),格式为 myfit <- lm(formula,data) 其中,formula指要拟合的模型形式 例如:fit &...
  • 【原创】R语言对二分连续变量进行逻辑回归数据分析报告论文(代码数据).docx

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 51,024
精华内容 20,409
关键字:

r语言论文

友情链接: student.zip