- 综合排序
- 最热优先
- 最新优先
- 来自专栏简说基因
R数据科学整洁之道：使用 dplyr 处理关系数据
left_join(df1, df2, by = 'A') %>% kable() %>% kable_styling() A B C a x 3 b y 2 c z NA 如果左表中的观测在右边的表中不存在 right_join(df1, df2, by = 'A') %>% kable() %>% kable_styling() A B C a x 3 b y 2 d NA 1 inner_join inner_join(df1, df2, by = 'A') %>% kable() %>% kable_styling() A B C a x 3 b y 2 full_join 全连接， full_join(df1, df2, by = 'A') %>% kable() %>% kable_styling() A B C a x 3 b y 2 c z NA d NA 1 筛选连接 anti_join(df1, df2, by = 'A') %>% kable() %>% kable_styling() A B c z 写在最后 本文简单介绍了 dplyr join 系列函数的功能
98910编辑于 2022-11-11 - 来自专栏庄闪闪的R语言手册
R沟通｜Rmarkdown教程（3）
可以用knitr包的kable函数来显示: knitr::kable(co) ? kable()函数的digits=选项可以控制小数点后数字位数， caption=选项可以指定表的标题内容。 x_html <- knitr:: kable(head(rock), "html") kableExtra::kable_styling(x_html,bootstrap_options = "bordered 注意：上面例子knitr:: kable制定了kable函数来自knitr包，目的是方式和其他包内同名函数冲突。 另一种写法，如果想使用管道函数，需要加载kableExtra。 x_html <- knitr:: kable(head(rock), "html") kableExtra::kable_styling(x_html,bootstrap_options = "striped x_html <- knitr:: kable(head(rock), "html") kableExtra::kable_styling(x_html,bootstrap_options = "striped
4K20发布于 2021-04-08 - 来自专栏育种数据分析之放飞自我
1.5w字的Rmarkdown入门教程汇总
可以用knitr包的kable函数来显示: knitr::kable(co) ? kable()函数的digits=选项可以控制小数点后数字位数， caption=选项可以指定表的标题内容。 x_html <- knitr:: kable(head(rock), "html") kableExtra::kable_styling(x_html,bootstrap_options = "bordered 注意：上面例子knitr:: kable制定了kable函数来自knitr包，目的是方式和其他包内同名函数冲突。 另一种写法，如果想使用管道函数，需要加载kableExtra。 x_html <- knitr:: kable(head(rock), "html") kableExtra::kable_styling(x_html,bootstrap_options = "striped x_html <- knitr:: kable(head(rock), "html") kableExtra::kable_styling(x_html,bootstrap_options = "striped
11.1K10发布于 2021-04-22 - 来自专栏北野茶缸子的专栏
35. R 数据整理（七：使用tidyr和dplyr处理数据框 2.0）
> d.class <- data.frame(sex = sample(c("M", "F"), 10, replace=T), age = runif(10,10,19)) > knitr::kable 包的 sample_n(tbl, size) 函数可以从数据集 tbl 中随机无放回抽取 size 行，如: > d.class %>% sample_n(size = 3) %>% knitr::kable 指定变量名时不是写成字符串形式而是直接写变量名： d.class %>% distinct(sex, age) %>% knitr::kable() 如果希望保留数据框中其它列，可以加选项 keep_all () 参数中前面写负号表示扣除，如： d.class %>% select(-name, -age) %>% head(n=3) %>% knitr::kable() 2.9 表格的长宽转换 gather 如: > d.class %>% slice(3:5) %>% knitr::kable() |sex | age| |:---|--------:| |F | 17.63344| |
13K30编辑于 2021-12-17 - 来自专栏R语言交流中心
R语言实现非房室模型算法
[datasets::Theoph$Time == 0, c("Dose", "Time", "Subject")]) knitr::kable 如果提供了对应的剂量数据，就可以直接进行整合： data_obj <- PKNCAdata(conc_obj, dose_obj) 以上数据的具体分布查看可以通过如下的实例： knitr::kable( PKNCA.options("single.dose.aucs")) 查看所有的subject子项的参数列表： knitr::kable(data_obj_automatic$intervals) 接下来看下包中主要算法 实例： results_obj <- pk.nca(data_obj) knitr::kable(head(as.data.frame(results_obj))) summary( results_obj (data_obj_manual$intervals) results_obj_manual <-pk.nca(data_obj_manual) knitr::kable(head(as.data.frame
4.1K42发布于 2019-08-21 - 来自专栏庄闪闪的R语言手册
1.5w字的Rmarkdown入门教程汇总
可以用knitr包的kable函数来显示: knitr::kable(co) ? kable()函数的digits=选项可以控制小数点后数字位数， caption=选项可以指定表的标题内容。 x_html <- knitr:: kable(head(rock), "html") kableExtra::kable_styling(x_html,bootstrap_options = "bordered 注意：上面例子knitr:: kable制定了kable函数来自knitr包，目的是方式和其他包内同名函数冲突。 另一种写法，如果想使用管道函数，需要加载kableExtra。 x_html <- knitr:: kable(head(rock), "html") kableExtra::kable_styling(x_html,bootstrap_options = "striped x_html <- knitr:: kable(head(rock), "html") kableExtra::kable_styling(x_html,bootstrap_options = "striped
10.8K53发布于 2021-04-08 - 来自专栏生信技能树
R包安利 ① easyPubMed—PubMed利器
() %>% kable_styling(bootstrap_options = 'striped') ? () %>% kable_styling(bootstrap_options = 'striped') ? () %>% kable_styling(bootstrap_options = 'striped') ? () %>% kable_styling(bootstrap_options = 'striped') ? () %>% kable_styling(bootstrap_options = 'striped') ?
2.7K40发布于 2019-06-15 - 来自专栏生信菜鸟团
dplyr-cli：在Linux Terminal上直接执行dplyr
csv 不执行dplyr命令，仅将输入数据作为CSV输出到stdout kable不执行dplyr命令，而仅将输入数据作为 knitr::kable()格式字符串输出到stdout 其工作原理：dplyr-cli select --file mtcars.csv -c cyl | head -n 6 实例二:多个数据处理的参数的结合 创建名为 cyl2的新一列，它的值为 cyl的两倍，再提取 cyl值为8的行，最后使用 kable /dplyr kable ###输出 | mpg| cyl| disp| hp| drat| wt| qsec| vs| am| gear| carb| cyl2||----:|---:| ="dplyr kable" 下面就来体验一下起飞的感觉： cat mtcars.csv | group_by cyl | summarise "mpg = mean(mpg)" | kable ### ,description# 4,four# 6,six 通过 inner_join命令来链接： cat mtcars.csv | dplyr inner_join cyl.csv | dplyr kable
2.7K10发布于 2020-05-19 - 来自专栏简说基因
R数据科学整洁之道：使用tidyr进行长宽数据转换
country = LETTERS[1:3], `1999` = c('0.7k', '37k', '212k'), `2000` = c('2k', '80k', '213k') ) kable C 212k 213k 宽数据转长数据： tb_long = pivot_longer(tb_wide, 2:3, names_to = "year", values_to = "cases") kable tb_long为例，我们将它还原成宽数据格式： tb_wide_new = pivot_wider(tb_long, names_from = 'year', values_from = 'cases') kable
4.7K30编辑于 2022-11-11 - 来自专栏优雅R
「R」使用 ezcox 进行批量 Cox 模型处理
. #> ==> Done. knitr::kable(res) Variable contrast_level ref_level n_contrast n_ref beta HR lower_95 Processing variable ph.ecog #> ==> Building Surv object... #> ==> Building Cox model... #> ==> Done. knitr::kable Processing variable ph.ecog #> ==> Building Surv object... #> ==> Building Cox model... #> ==> Done. knitr::kable 变量 age 并不是我们想要关注的结果，我们可以过滤它： knitr::kable(dplyr::filter(res, ref_level !
2.3K10发布于 2020-07-06 - 来自专栏YoungGy
R语言包_knitr
```{r kable} n <- 100 x <- rnorm(n) y <- 2*x + rnorm(n) out <- lm(y ~ x) library(knitr) kable(summary
2.1K10发布于 2019-05-26 - 来自专栏小七的各种胡思乱想
CMD Markdown basic & Math Cheatsheet
For example you can copy the output of Kable() in R directly to Markdown, becasue they share the same handy when you call the Markdown library like Knitr in R or markdown in python, you can simply use kable
54620编辑于 2022-05-11 - 来自专栏生信技能树
一文看懂主成分分析
library(knitr) kable(head(USJudgeRatings)) ? 2.4 step2:求相关系数矩阵 dat_cor=cor(dat_scale) options(digits=4, scipen=4) kable(dat_cor) ? ** 获得训练数据前4个主成份的值 ** kable(predict(pca, data)[1:4,]) ? kable(data[1:4,]) ? 4 实战二 R中自带数据集data(Harman23.cor)数据集中包含305名受试者的8个身体测量指标 data(Harman23.cor) kable(Harman23.cor[1:5]) ## Warning in kable_markdown(x = structure(c("0", "0", "0", "0", "0", "0", : ## The table should have a
27.9K72发布于 2018-07-27 - 来自专栏拓端tecdat
用加性多元线性回归、随机森林、弹性网络模型预测鲍鱼年龄和可视化
##高度为0的数据质量检查 kable(abloe\[aban$Height == 0,\]) 我们看到，有两个观测值的高度可能没有被正确记录，因为其他预测因子似乎都有有效的值。 RMSE 分数 kable(rmse(aaloe_ad,"Aditve odel")) 我们将计算方差膨胀因子，以发现数据集存在的多重共线性问题。 均方根分数 kable(log_rmse(abloneaddpoly5 方差分析 F 检验 anova 我们再次看到测试对于较低的 rmse 是显着的。 RMSE 分数 - AIC kable(log\_rmse(abaone\_mde_down') RMSE 分数 - BIC kable(log\_rmse(abalone\_model\_add\_ \_int\_\_candidate_full） kable(log\_rmse(aalone\_int_l,pte kable(log\_rmse(abalone\_nt_nan 候选模型 3 (abalone
3.2K10编辑于 2021-12-13 - 来自专栏简说基因
R语言怎么批量进行fisher检验？
我们先看看数据： library(knitr) df = read.table('fisher_test.tsv', header = TRUE) kable(df) Gene mMut mWt nonMut estimate[[1]] d$OR.lower95 <- t$conf.int[1] d$OR.upper95 <- t$conf.int[2] out <- rbind(out, d) } kable
99110编辑于 2022-11-11 - 来自专栏优雅R
通过tidymodels使用XGBOOST
xgboost_grid <- dials::grid_max_entropy( xgboost_params, size = 60 ) knitr::kable(head 这些是在最小化RMSE时表现最好的超参数值： xgboost_tuned %>% tune::show_best(metric = "rmse") %>% knitr::kable() min_n Model44 下一步分离最佳的超参数值： xgboost_best_params <- xgboost_tuned %>% tune::select_best("rmse") knitr::kable metrics(sale_price, .pred) %>% mutate(.estimate = format(round(.estimate, 2), big.mark = ",")) knitr::kable metrics(sale_price, .pred) %>% mutate(.estimate = format(round(.estimate, 2), big.mark = ",")) knitr::kable
1.4K10编辑于 2022-06-27 - 来自专栏拓端tecdat
数据分享|用加性多元线性回归、随机森林、弹性网络模型预测鲍鱼年龄和可视化|附代码数据
##高度为0的数据质量检查 kable(abloe[aban$Height == 0,]) 我们看到，有两个观测值的高度可能没有被正确记录，因为其他预测因子似乎都有有效的值。 RMSE 分数 kable(rmse(aaloe_ad,"Aditve odel")) 我们将计算方差膨胀因子，以发现数据集存在的多重共线性问题。 均方根分数 kable(log_rmse(abloneaddpoly5 方差分析 F 检验 anova 我们再次看到测试对于较低的 rmse 是显着的。 RMSE 分数 - AIC kable(log_rmse(abaone_mde_down') RMSE 分数 - BIC kable(log_rmse(abalone_model_add_bic,paste __candidate_full） kable(log_rmse(aalone_int_l,pte kable(log_rmse(abalone_nt_nan 候选模型 3 (abalone_int_infant
1.7K30编辑于 2023-03-24 - 来自专栏拓端tecdat
数据分享|用加性多元线性回归、随机森林、弹性网络模型预测鲍鱼年龄和可视化|附代码数据
##高度为0的数据质量检查 kable(abloe[aban$Height == 0,]) 我们看到，有两个观测值的高度可能没有被正确记录，因为其他预测因子似乎都有有效的值。 RMSE 分数 kable(rmse(aaloe_ad,"Aditve odel")) 我们将计算方差膨胀因子，以发现数据集存在的多重共线性问题。 均方根分数 kable(log_rmse(abloneaddpoly5 方差分析 F 检验 anova 我们再次看到测试对于较低的 rmse 是显着的。 RMSE 分数 - AIC kable(log_rmse(abaone_mde_down') RMSE 分数 - BIC kable(log_rmse(abalone_model_add_bic,paste __candidate_full） kable(log_rmse(aalone_int_l,pte kable(log_rmse(abalone_nt_nan 候选模型 3 (abalone_int_infant
95800编辑于 2023-07-17 - 来自专栏拓端tecdat
数据分享|用加性多元线性回归、随机森林、弹性网络模型预测鲍鱼年龄和可视化|附代码数据
##高度为0的数据质量检查 kable(abloe[aban$Height == 0,]) 我们看到，有两个观测值的高度可能没有被正确记录，因为其他预测因子似乎都有有效的值。 RMSE 分数 kable(rmse(aaloe_ad,"Aditve odel")) 我们将计算方差膨胀因子，以发现数据集存在的多重共线性问题。 均方根分数 kable(log_rmse(abloneaddpoly5 方差分析 F 检验 anova 我们再次看到测试对于较低的 rmse 是显着的。 RMSE 分数 - AIC kable(log_rmse(abaone_mde_down') RMSE 分数 - BIC kable(log_rmse(abalone_model_add_bic,paste __candidate_full） kable(log_rmse(aalone_int_l,pte kable(log_rmse(abalone_nt_nan 候选模型 3 (abalone_int_infant
1.2K20编辑于 2022-12-08 - 来自专栏生信技能树
一文看懂主成分分析(文末推荐视频教程)
library(knitr) kable(head(USJudgeRatings)) ? 2.3 step1:数据标准化(中心化) dat_scale=scale(USJudgeRatings,scale=F) options(digits=4, scipen=4) kable(head(dat_scale 2.4 step2:求相关系数矩阵 dat_cor=cor(dat_scale) options(digits=4, scipen=4) kable(dat_cor)
1.5K41发布于 2020-03-04
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号