整数除法,取小数点前面的数字。比如5%/%2会得到2。
R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件,它是一个用于统计计算和统计制图的优秀工具。
发展历史:
R是统计领域广泛使用的诞生于1980年左右的S语言的一个分支。可以认为R是S语言的一种实现。而S语言是由AT&T贝尔实验室开发的一种用来进行数据探索、统计分析和作图的解释型语言。最初S语言的实现版本主要是S-PLUS。S-PLUS是一个商业软件,它基于S语言,并由MathSoft公司的统计科学部进一步完善。
后来新西兰奥克兰大学的Robert Gentleman和Ross Ihaka及其他志愿人员开发了一个R系统。由“R开发核心团队”负责开发。R可以看作贝尔实验室(AT&T BellLaboratories)的Rick Becker、John Chambers和Allan Wilks开发的S语言的一种实现。当然,S语言也是S-Plus的基础。
所以,两者在程序语法上可以说是几乎一样的,可能只是在函数方面有细微差别,程序十分容易地就能移植到一程序中,而很多一的程序只要稍加修改也能运用于R。
就是把左件的值发送给右件的表达式,并作为右件表达式函数的第一个参数,就是管道函数。
例如:
anscombe_tidy <- anscombe %>%mutate(observation = seq_len(n()))
以上代码等价于:
anscombe_tidy=mutate(anscombe,observation = seq_len(n()))
扩展资料:1、管道函数的作用
%>%来自dplyr包的管道函数,其作用是将前一步的结果直接传参给下一步的函数,从而省略了中间的赋值步骤,可以大量减少内存中的对象,节省内存。
符号%>%,这是管道操作,其意思是将%>%左边的对象传递给右边的函数,作为第一个选项的设置(或剩下唯一一个选项的设置)
2、管道函数的语法
在普通的函数中,使用dbms_output输出的信息,需要在服务器执行完整个函数后一次性的返回给客户端。如果需要在客户端实时的输出函数执行过程中的一些信息,在oracle9i以后可以使用管道函数(pipeline function)。
关键字PIPELINED表明这是一个oracle管道函数,oracle管道函数的返回值类型必须为集合,在函数中,PIPE ROW语句被用来返回该集合的单个元素,函数以一个空的RETURN 语句结束,以表明它已经完成。
例如:
create or replace type MsgType as table of varchar2(4000)
/
create or replace function f_pipeline_test return MsgType
PIPELINED as
begin
for i in 1 .. 10 loop
pipe row('Iteration ' || i || ' at ' || systimestamp)
sys.dbms_lock.sleep(1)
end loop
pipe row('All done!')
return
end
/
本文首发于我的 个人博客
%>%来自dplyr包的管道函数,我们可以将其理解为车间里的流水线,经过前一步加工的产品才能进入后一步进一步加工,其作用是将前一步的结果直接传参给下一步的函数,从而省略了中间的赋值步骤,可以大量减少内存中的对象,节省内存。
符号%>%,这是管道操作,其意思是将%>%左边的对象传递给右边的函数,作为第一个选项的设置(或剩下唯一一个选项的设置。
比如我们要算f(x)=sin((x+1)^2)在x=4的值,可以分为以下三步:
计算a = x+1的值;
计算b = a^2的值;
计算c = sin(b)的值
这样一来,c就是我们需要的最终结果了。用R语言管道传参,只需要这样写:
f1 <- function(x){return(x+1)}
f2 <- function(x){return(x^2)}
f3 <- function(x){return(sin(x))}
library(dplyr) #用管道传参需要这个包
a <- 1
b <- a %>% f1 %>% f2 %>% f3
print(b)
[1] -0.7568025
a%>%f(b)等同于f(a,b);
b%>%f(a,.,c)等同于f(a,b,c)
例如:
>library(dplyr)
>f1 <- function(x,y){return(x+y)}
>f2 <- function(x,y,z){return(x*y+z)}
>a1 <- 2
>a2 <- 3
>a3 <- 4
>d1 <- a1 %>% f1(a2)
>d1
[1] 5
>d2 <- a2 %>% f2(a1,.,a3)
>d2
[1] 10
>d3 <- a3 %>% f2(a1,a2,.)
>d3
[1] 10
创建一份数据:
>library(tidyr)
>date <- as.Date('2017-6-22')+0:14
>hour <- sample(1:24, 15)
>min <- sample(1:60, 15)
>second <- sample(1:60, 15)
>dat <- data.frame(date,hour,min,second)
>dat
date hour min second
1 2017-06-22 22 54 15
2 2017-06-23 7 51 4
3 2017-06-24 11 23 38
4 2017-06-25 23 45 50
5 2017-06-26 14 60 44
6 2017-06-27 5 24 56
7 2017-06-28 9 39 25
8 2017-06-29 20 22 22
9 2017-06-30 2 17 43
10 2017-07-01 17 56 31
11 2017-07-02 19 11 33
12 2017-07-03 24 35 18
13 2017-07-04 15 6 13
14 2017-07-05 4 12 47
15 2017-07-06 12 7 30
我们想把它变成标准时间格式,怎么办呢?“tidyr”包的函数unite()可以以指定字符连接指定列,形成新列,具体用法见下例:
>a1 <- rep(1,5)
>a2 <- rep(2,5)
>a3 <- rep(3,5)
>A <- data.frame(a1,a2,a3)
>A
a1 a2 a3
1 1 2 3
2 1 2 3
3 1 2 3
4 1 2 3
5 1 2 3
>A1 <- unite(A,a12,a1,a2,sep = '~')
或者>A1 <- A %>% unite(a12,a1,a2,sep = '~')
对数据A的列a1,a2合并为新列a12,用“~”连接。
>A1
a12 a3
1 1~2 3
2 1~2 3
3 1~2 3
4 1~2 3
5 1~2 3
再来一步:
>A2 <- unite(A1,a123,a12,a3,sep = '/')
>A2 <- A1 %>% unite(a123,a12,a3,sep = '/')
对A1里面的a12与a3用“/”连接,形成新列“a123”。
>A2
a123
1 1~2/3
2 1~2/3
3 1~2/3
4 1~2/3
5 1~2/3
也可以用管道传参一步搞定:
>A %>%unite(a12,a1,a2,sep = '~') %>% unite(a123,a12,a3,sep = '/')
a123
1 1~2/3
2 1~2/3
3 1~2/3
4 1~2/3
5 1~2/3
看懂上例,就可以用管道传参一步搞定时间转换问题。
>dat1 <- dat %>%unite(datehour,date,hour,sep = ' ')%>%unite(datetime,datehour,min,second,sep = ':')
>dat1
datetime
1 2017-06-22 22:54:15
2 2017-06-23 7:51:4
3 2017-06-24 11:23:38
4 2017-06-25 23:45:50
5 2017-06-26 14:60:44
6 2017-06-27 5:24:56
7 2017-06-28 9:39:25
8 2017-06-29 20:22:22
9 2017-06-30 2:17:43
10 2017-07-01 17:56:31
11 2017-07-02 19:11:33
12 2017-07-03 24:35:18
13 2017-07-04 15:6:13
14 2017-07-05 4:12:47
15 2017-07-06 12:7:30
觉得不错,记得点赞哦,也可以分享、让更多的人看到!
原文链接