問題：

　　一組學生參加了數學、科學和英語考試。為了給所有的學生確定一個單一的成績衡量指標，需要將這些科目的成績組合起來。另外，還想將前20%的學生評定為A，接下來20%的學生評定為B，以此類推。最後，希望按字母順序對學生排序。

Excel中的資料表（自己一個個敲的，最討厭做的事情TT）

step1：輸入資料——R語言匯入xlsx

1 #1資料輸入
2 install.packages("xlsx")
3 library(xlsx)
4 workbook<-"D:/R語言/code/R語言實戰前五章小試身手/StuScore.xlsx
 
"#也可用‘\\’注意轉義字元
5 StuScore<-read.xlsx(workbook,1)#1表示sheet1
6 StuScore

step2：資料預處理——將變數進行標準化

因為數學，科學和英語考試的分值不同（均值和標準差均有較大差異），在組合之前要讓他們變得可以比較

方法：變數標準化，把每科成績都用單位標準差表示

　　tips：

所謂資料的標準化是指中心化之後的資料在除以資料集的標準差，即資料集中的各項資料減去資料集的均值再除以資料集的標準差。
例如有資料集1, 2, 3, 6, 3，其均值為3,其標準差為1.87，那麼標準化之後的資料集為(1-3)/1.87,(2
 
-3)/1.87,(3-3)/1.87,(6-3)/1.87,(3-3)/1.87,即：-1.069,-0.535,0,1.604,0

資料中心化和標準化的意義是一樣的，為了消除量綱對資料結構的影響。

　　這裡使用scale()可以直接實現

 1 > #2資料預處理
 2 > options(digits=2)#限定為2位小數
 3 > afterscale<-scale(StuScore[,3:5])
 4 > afterscale
 5        Math Science English
 6  [1,] -0.58   1.040    0.20
 7  [2,] -1.02  -0.815   -1.17
 8  [3,]  0.82  -0.086   -0.12
 9  [4,]  0.28  -0.881   -0.54
10  [5,] -1.15   1.106   -0.86
11  [6,]  0.98   0.643    0.73
12  [7,]  0.29  -0.086    1.47
13  [8,] -1.54  -1.544   -1.17
14  [9,]  0.56  -0.749   -0.12
15 [10,]  1.35   1.372    1.57
16 attr(,"scaled:center")
17    Math Science English 
18     551      79      23 
19 attr(,"scaled:scale")
20    Math Science English 
21    84.7    15.1     9.5 

　　這裡，有兩個疑問：

　　1.說好的輸出兩位小數呢？Science那一欄輸出的都是三位小數，怎麼回事？

　　2.這是什麼東東？

1. 1 attr(,"scaled:center")
   2    Math Science English 
   3     551      79      23 
   4 attr(,"scaled:scale")
   5    Math Science English 
   6    84.7    15.1     9.5

   scale方法中的兩個引數center和scale的解釋：
         1.center和scale預設為真,即T或者TRUE
         2.center為真表示資料中心化
         3.scale為真表示資料標準化

　　　也就是說：center表示一列資料的均值，scale則表示標準差（有興趣的同學，可以用Excel的STDEV函式驗證一下）

step3:通過函式mean()來計算各行的均值以及獲得綜合得分，並使用cbind()將其新增到花名冊中

 1 > #3在afterscale中計算標準差均值，並將其新增到StuScore
 2 > score<-apply(afterscale,1,mean)#1表示行，mean表示均值函式
 3 > StuScore<-cbind(StuScore,score)
 4 > StuScore
 5    StuId         StuName Math Science English score
 6 1      1      John Davis  502      95      25  0.22
 7 2      2 Angela Williams  465      67      12 -1.00
 8 3      3      Bull Jones  621      78      22  0.21
 9 4      4  Cheryl Cushing  575      66      18 -0.38
10 5      5  Reuven Ytzrhak  454      96      15 -0.30
11 6      6       Joel Knox  634      89      30  0.78
12 7      7    Mary Rayburn  576      78      37  0.56
13 8      8    Greg England  421      56      12 -1.42
14 9      9       Brad Tmac  599      68      22 -0.10
15 10    10   Tracy Mcgrady  666     100      38  1.43

Step4:函式quantile()給出學生綜合得分的百分位數

　　quantile(x,probs):求分位數，其中x為待求分位數的數值型向量，probs為一個由[0,1]之間的概率值組成的數值向量

1 > afterquantile<-quantile(score,c(.8,.6,.4,.2))
2 > afterquantile
3   80%   60%   40%   20% 
4  0.60  0.21 -0.18 -0.50 

step5：使用邏輯運算子，把score轉為等級（離散型）

 1 > #5使用邏輯運算子，把score轉為等級（離散型）
 2 > StuScore$grade[score>=afterquantile[1]]<-"A"
 3 > StuScore$grade[score<afterquantile[1]&&score>=afterquantile[2]]<-"B"
 4 > StuScore$grade[score<afterquantile[2]&&score>=afterquantile[3]]<-"C"
 5 > StuScore$grade[score<afterquantile[3]&&score>=afterquantile[4]]<-"D"
 6 > StuScore$grade[score<afterquantile[4]]<-"E"
 7 > StuScore
 8    StuId         StuName Math Science English score grade
 9 1      1      John Davis  502      95      25  0.22     B
10 2      2 Angela Williams  465      67      12 -1.00     E
11 3      3      Bull Jones  621      78      22  0.21     B
12 4      4  Cheryl Cushing  575      66      18 -0.38     E
13 5      5  Reuven Ytzrhak  454      96      15 -0.30     E
14 6      6       Joel Knox  634      89      30  0.78     B
15 7      7    Mary Rayburn  576      78      37  0.56     B
16 8      8    Greg England  421      56      12 -1.42     E
17 9      9       Brad Tmac  599      68      22 -0.10     E
18 10    10   Tracy Mcgrady  666     100      38  1.43     B

Step6:使用strsplit()以空格為界把學生姓名拆分為姓氏和名字

1 > #Step6:使用strsplit()以空格為界把學生姓名拆分為姓氏和名字
2 > name<-strsplit((StuScore$StuName)," ")
3 Error in strsplit((StuScore$StuName), " ") : non-character argument
4 > name
5 [1] "Jim"  "Tony" "Lisa" "Tom" 

　　這裡出錯了，原因很明確，沒有字元型的引數傳入，反應過來，原來是用execl匯入的時候，StuName那一列預設的是什麼型別的呢？我們來檢測一下

 1 > is.numeric(StuScore$StuName)
 2 [1] FALSE
 3 > is.logical(StuScore$StuName)
 4 [1] FALSE
 5 > is.character(StuScore$StuName)
 6 [1] FALSE
 7 > is.complex(StuScore$StuName)
 8 [1] FALSE
 9 > help(type)
10 > typeof(StuScore$StuName)
11 [1] "integer"

　　因此，我們把他改為字元型

 1 > #Step6:使用strsplit()以空格為界把學生姓名拆分為姓氏和名字
 2 > StuScore$StuName<-as.character(StuScore$StuName)
 3 > is.character(StuScore$StuName)
 4 [1] TRUE
 5 > name<-strsplit(StuScore$StuName," ")
 6 > name
 7 [[1]]
 8 [1] "John"  "Davis"
 9 
10 [[2]]
11 [1] "Angela"   "Williams"
12 
13 [[3]]
14 [1] "Bull"  "Jones"
15 
16 [[4]]
17 [1] "Cheryl"  "Cushing"
18 
19 [[5]]
20 [1] "Reuven"  "Ytzrhak"
21 
22 [[6]]
23 [1] "Joel" "Knox"
24 
25 [[7]]
26 [1] "Mary"    "Rayburn"
27 
28 [[8]]
29 [1] "Greg"    "England"
30 
31 [[9]]
32 [1] "Brad" "Tmac"
33 
34 [[10]]
35 [1] "Tracy"   "Mcgrady"

Step7：把name分成Firstname和LastName，加入到StuScore中

 1 > #7把name分成Firstname和LastName，加入到StuScore中
 2 > FirstName<-sapply(name,"[",1)
 3 > LastName<-sapply(name,"[",2)
 4 > StuScore<-cbind(FirstName,LastName,StuScore[,-1])
 5 > StuScore
 6    FirstName LastName LastName         StuName Math Science English score grade
 7 1       John    Davis    Davis      John Davis  502      95      25  0.22     B
 8 2     Angela Williams Williams Angela Williams  465      67      12 -1.00     E
 9 3       Bull    Jones    Jones      Bull Jones  621      78      22  0.21     B
10 4     Cheryl  Cushing  Cushing  Cheryl Cushing  575      66      18 -0.38     E
11 5     Reuven  Ytzrhak  Ytzrhak  Reuven Ytzrhak  454      96      15 -0.30     E
12 
 

            
  
           

              
              
            
            
相關推薦
			   
            
            
            
 

    

    
    
R語言（入門小練習篇）
     
 
                

問題：

　　一組學生參加了數學、科學和英語考試。為了給所有的學生確定一個單一的成績衡量指標，需要將這些科目的成績組合起來。另外，還想將前20%的學生評定為A，接下來20%的學生評定為B，以此類推。最後，希望按字母順序對學生排序。

Excel中的資料表（自己一個個敲的， 

  
 

    

    
    
Python（入門小練習2）
     
 python入門小練習   用戶密碼登錄三次鎖定   用戶密碼登錄三次鎖定案例需求1.輸入用戶名密碼  2.認證成功後顯示歡迎信息  3.輸錯三次後鎖定實現思路：  1.判斷用戶是否在黑名單，如果在黑名單提示賬號鎖定。  2.判斷用戶是否存在，如果不存在提示賬號不存在。  3.判斷賬號密碼是否正確，如果正確登 

  
 

    

    
    
R語言-kmeans聚類理論篇K的選擇（輪廓係數）
     
 
                

kmeans是最簡單的聚類演算法之一，但是運用十分廣泛。最近在工作中也經常遇到這個演算法。kmeans一般在資料分析前期使用，選取適當的k，將資料分類後，然後分類研究不同聚類下資料的特點。


本文記錄學習kmeans演算法相關的內容，包括演算法原理，收斂性，效果評估聚， 

  
 

    

    
    
#r語言（二）筆記
     
 查看   控制語句   objects   stop   來源   plot   方差   一維數組   環境    
 #r語言（二）筆記
#早復習
 #概述：R是用於統計分析、繪圖的語言和操作環境 #對象：  #數據類型--統稱為對象  #向量(vector):用於存儲數值型、字符型或邏輯型數據的一維數組 

  
 

    

    
    
R語言（一）
     
 統計   也有   cto   顯示   名稱   註意   pch   col   獲得   向量運算R的強大功能之一就是把整個數據向量作為一個單一對象來處理。一個數據向量僅是數字的排列，一個向量可以通過如下方式構造weight<-c(2,34,434,53)
weight
[1]   2  34 4 

  
 

    

    
    
Tomcat9.0環境部署（小白篇）
     
 ted   using   mir   download   out   x64   .com   oot   type   Tomcat9.0環境部署

系統環境
下載軟件包
部署JDK
部署Tomcat
啟動測試


系統環境
[root@Zabbix_Client_56 /]# cat /etc/red 

  
 

    

    
    
R語言（pROC）
     
  
  
  
 > library(pROC)
Type 'citation("pROC")' for a citation.

載入程輯包：‘pROC’

The following objects are masked from ‘package:stats’:

    cov, smooth, 

  
 

    

    
    
C語言（關機小程式）
     
 關機小程式 
利用system寫出且複習 
借鑑於老九學堂C語言筆記： 
 
  1 #include<stdio.h>
 2 #include<stdlib.h>
 3 #include<string.h>
 4 int print()
 5 {
 6  printf(" 

  
 

    

    
    
SQL資料庫異地備份（小白篇）兩臺伺服器之間備份
     
  
 
 現在很多公司都有ERP和OA，這些系統資料的安全尤為總要，資料備份是保障資料安全的重要手段，資料異地備份更是必不可少。那麼，如何通過簡單有效的方式，實現資料異地備份呢？ 
 工具/原料 
 
   伺服器：windows sever 2008（簡稱為A）  
   資料庫：SQL server 20 

  
 

    

    
    
JS程式設計小題目詳解（接上一篇）
     
 
                一、題目：

編寫一個網頁檔案，使用一個表單讓使用者填寫購貨訂單。填寫的資訊包括姓名、電話、商品名稱、單價、數量和金額。當提交表單時，要求：

(1)商品名稱和單價只能讓使用者選擇；

(2)數量為0時不予提交；

(3)金額在提交時自動計算，並與所填的"金額"比較；

(4 

  
 

    

    
    
獨家 | 手把手教你學習R語言（附資源連結）
     
 
                    

                    

                    
                    
                    作者：NSS翻譯：楊金鴻術語校對：韓海疇全文校對：林亦霖本文約3000字，建議閱讀7分鐘。本文為 

  
 

    

    
    
R語言（遞迴分割樹[傳統決策樹]）分類模型（一）
     
 
							
							
							簡介

分類演算法是基於類標號已知的訓練資料集建立分類模型並使用其對新觀測值（測試資料集）進行分類的演算法，因而也和迴歸一樣屬於監督學習演算法，都是使用訓練集的已知結論（類標號）預測測試資料集的分類結果，分類與迴歸的最大區別是後者對連續值進行處理。 
我們先使用 

  
 

    

    
    
使用PickerView實現省市區三級聯動（小白篇）
     
 
                1.概述 

  之前自己做專案的時候需要用到省市區三級聯動的效果，本來想自己做一個，可是後來看到了github上的開源專案pickerView,個人感覺非常好用，然後去百度的時候發現好多人的部落格寫的太過於簡單，好多人是直接複製開發者的使用介紹，導致很多新手朋友沒辦法使用， 

  
 

    

    
    
用R語言（rvest包）爬取獵聘網招聘資訊（保證可重複性）
     
 
                前言 最近一直在思考動手做自己的第一個R語言資料分析專案，在R語言中文社群公眾號上看了許多爬取招聘網站的案例後，發現做招聘資訊分析是個不錯的選擇： 1. 整合並分析招聘資訊可以深入瞭解各個崗位的整體收入情況、學歷要求、經驗要求等，相信這是許多人都感興趣的；  2. 招聘網站的 

  
 

    

    
    
OpenSSL安裝版證書生成，IIS10.0配置SSL證書（小白篇）
     
 
                
以下是個人根據網路上資源一步步整理的，由於根據參考的部落格沒能實現生成SSL證書，所以重新寫了篇部落格，工具安裝包文章中也都有下載。。如果錯誤歡迎指教，第一次弄這個，各位見笑了。
一：安裝IIS
1.安裝步驟：控制面板-->
            程式-->
 

  
 

    

    
    
練習元件化及父子元件間傳值（TodoList小案列）
     
 
                
<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=de 

  
 

    

    
    
Mac版R語言（六）文字挖掘（使用者詞庫的匯入、批量匯入搜狗詞庫）
     
 
                R語言問題討論交流，歡迎關注我的新浪微博：Jenny愛學習文字挖掘應用的部落格將分4個部分分別討論完成，本篇將完成part 1的詳細project：使用者字典批量安裝，自定義分詞詞庫，自建分詞packages的安裝jiebaR分詞的使用詞雲的繪製（wordcloud2詳細使用 

  
 

    

    
    
xgboost入門與實戰（實戰調參篇） 標籤： xgboostpythonkaggle機器學習
     
 
                

xgboost入門與實戰（實戰調參篇）
原文地址

前言

前面幾篇博文都在學習原理知識，是時候上資料上模型跑一跑了。本文用的資料來自kaggle，相信搞機器學習的同學們都知道它，kaggle上有幾個老題目一直開放，適合給新手練級，上面還有很多老司機的方案共享以及討論，非 

  
 

    

    
    
YUM倉庫第一篇（超級小白向）
     
 文件類型   mkdir   font   tro   tex   指定   微軟雅黑   search   alias   
實驗基本介紹


實驗環境：RHEL7 rhel-server-7.4-x86_64-dvd.iso 服務端ip192.168.4.254
客戶端ip 192.168.4. 

  
 

    

    
    
.net快速開發框架（工作流引擎篇）
     
 整合   現在   效果   也會   ear   workflow   tar   流程設計   人員   .net快速開發框架（工作流引擎篇）
 
現在辦公要流程化，營銷也有流程，流程現在已經是各種生活活動不可缺少的一部分了。就像這句耳熟能詳的話：“凡事，我們先走個流程嘛！”，在信息化、流程化的背景下。工