r语言矩阵转置函数,求矩阵的转置矩阵C语言
原文链接：http://tecdat.cn/？p=6488原文出处：拓端数据部落公众号数据准备#年#月#日选择感兴趣的列mydata - mtcars %% select(mpg，disp，hp，drat，wt，qsec)#添加一些缺失值mydata$hp[3] - NA#检查数据010-5900(我的数据，3) ## mpg安排HP drat wt qsec # #马自达rx 4 21.0 160 110 3.90 2.62 16.5 # #马自达rx 4 wag 21.0 160 110 3.90 2.88 17.0 # # sun 710 22.8 108 na 3.85 2.32 18.6计算相关矩阵
颜色相关(my data)RES # # a tible:6x 7 # # rowname mpg处置HP drat wt qsec # # chr dbl dbl dbl dbl dbl dbl # # # 1 mpg na-0.848-0.775 0.868 0.419 # # 2 disp-0.848 na 0.786-0.710.888-0.434 # # 3 HP-0.775 0.786 na-0.443
该函数的其他参数相关()包括：
方法：字符串，指示要计算哪个相关系数（或协方差页：1。"皮尔森"(默认)、"肯德尔"或"斯皮尔曼"之一。对角线：将对角线设置为的值（通常为数字或（在中)。探索相关矩阵
过滤相关性高于0.8:
# # a tible:6 x3 # # rowname col name color # # chr dbl # # 1重量显示mpg-0.848 # # 2重量mpg-0.868 # # 3重量显示mpg-0.848 # # 4重量显示0.888 # # 5 mpg重量-0.868 # # 6重量显示0.888特定的列/行此函数的作用与dplyr的类似slect()，但也会从行中排除选定的列。
选择相关的结果。所选列将从行中排除* a表：3x4 # #行名mpg disp HP # # chr dbl dbl # # 1 drat 0.681-0.710-0.443 # # 2 wt-0.868 0.888 0.651 # # 3 qsec 0.419-0.434-0.706选定的列* a tible:3x 4 # # rowname mpg disp HP # # chr dbl dbl # # mpg na-0.848-0.775 # # 2 disp-0.848 na 0.786 # # 3 HP-0.775 0.786 na删除不需要的列* a tible:3 x4 # # rowname drat wt qsec # # chr dbl dbl # # # # 1英里/加仑0.681-0.868 0.419 # # 2马力0.710 0.888-0.434 # # 3马力0.443 0.651-0.706按正则表达式选择列# a tible:4x 3 # #行名调度drat # # chr dbl # # 1 mpg-0.848 0.681 # # 2 HP 0.786-0.443 # # 3 wt 0.888-0.712 # # 4 qsec-0.434 0.0912选择高于0.8版的相关性* a tible:2x 3 # #行名显示重量# # chr dbl # # 1显示na 0.888 # # 2重量0.888 na关注一个变量与所有其他变量的相关性：# #提取相关系数# a tible:5 x2 # # rowname mpg # # chr dbl # # 1 disp-0.848 # # 2 HP-0.775 # # 3 drat 0.681 # # 4 wt-0.868 # # 5 qsec 0.419 #绘制中期提升型与其他变量之间的相关性
重新排序相关矩阵# # a titable:6x 7 # # row name wt drat disp mphp qsec # # chr dbl dbl dbl dbl dbl # # 1 wt na-0.712 0.888-0.868 0.651-0.175 # # 2 drat-0.712 na-0.710 0.681-0.443 0.0912 # # 3 disp 0.888-0.710 na-0.848上/下三角
上/下三角形到缺失值
RES . cor % % shave()# # A tible:6 x 7 # # rowname mpg disp HP drat wt qsec # # chr dbl dbl dbl dbl dbl dbl dbl dbl # # 1 mpg NA NA NA NA NA NA # # 2 disp-0.848 NA NA NA NA # # 3 HP-0.775 0.786 NA NA NA NA # # 4 drat 0.681-0.710-0.443 NA NA # # 5 wt-0.868 a TiB ble:36 x3 # # x y r # # chrchrdbl # # 1 mpg mpg na # # 2 mpg disp-0.848 # # 3 mpg HP-0.775 # # 4 mpg drat 0.681 # # 5 mpg wt-0.868 # # 6 mpg qsec 0.419 # # #…有30多行使用tidyverse和corrr包处理相关性以可视化相关系数的分布：
重新排列和过滤相关矩阵：
res.cor %% focus(mpg:drat， mirror=TRUE)% % # # A tible:3 x 4 # # rowname mpg disp drat # # chr dbl dbl dbl # # 1 HP-0.775 0.786-0.443 # # 2 mpg NA-0.848 0.681 # # 3 disp NA-0.710解释相关性# # rowname mpg disp HP drat wt qsec # # 1 mpg-. 85-. 77.68-. 87.42 # # 2 disp 6 qsec . 42-. 43-. 71 . 09-. 17 RES . cor % %
制作网络
关联数据库中的数据使用SQLite database:Con-DBI:db connect(R SQLite:SQLite()，path=:DBName:)db _ mt cars-copy _ to(Con，mt cars)class(db _ mt cars)correlate()检测数据库后端，用于计算tidyeval的数据库。
DB _ mt cars % % correlate(use= complete . OBS )Use spark:sc-spark:spark _ connect(master= local )mt cars _ TBL-copy _ to(sc，mtcars) correlate (mtcars _ TBL，Use=
参考
1.R语言中动态图形的可视化：如何用精致的动画创建图形？
2.r语言生存分析的视觉分析
3.Python数据可视化-seaborn Iris iris数据
4.r语言模拟并动态模拟布丰抛针(布丰抛针)实验。
5.r语言生存分析数据分析可视化案例
6.r语言数据可视化分析案例：探索brfss数据分析
7.r语言动态可视化：制作历史全球平均气温动画gif视频图的累积动态线图。
8.R语言高维数据主成分分析和t-SNE算法降维和可视化分析案例报告
9.python主题LDA建模和t-SNE可视化
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。