循环与函数

循环与函数知识总结，包括循环的逻辑元素、循环的模板、函数的模板、一些函数重要功能的理解等等。

循环与函数

• 循环的逻辑元素
  • 其适用与所有语句
    • 在这里我们相对1000个数据集绘图，并保存于gpeg格式
    • 但要保证其语法正确
    • 所有语句都可以是函数
      • i 从 1变到1000
      • 提取第i个数据集
      • 对于第i个数据集执行计算统计表的函数
      • 对于第i个数据集执行作图与存储的函数
      • 对于第i个数据集执行多元分析的函数
      • 循环结束
      • 优点？
        • 让代码变得容易被人脑所解析
        • 但是其实函数可以分解为一系列基础的命令
  • i 从 1 变到 1000
  • 提取第i个数据集
  • 对于第i个数据集选取适当的图像标签
  • 针对第i个数据集作图
  • 将第i个数据集的图像存储起来
  • 循环结束
  • 执行方法？
    • 将i换成1-1000，然后将那4步过程执行1000次
• 循环的模板
  • 1. 载入数据，熟悉变量名，使用read.table，names和str命令
    • setwd("C:\\Users\\Administrator\\Desktop\\RBook")
    • Owls <- read.table(file="Owls.txt",header = TRUE)
    • names(Owls)
    • str(Owls)
  • 2. 提取一个鸟巢的数据，对于这个子集绘制出同胞写上对到达时间的散点图
    • unique(Owls$Nest)
    • Owls.ATV <- Owls[Owls$Nest=="AutavauxTV",]
  • 3. 添加图像的标题以及x轴和y轴的坐标轴名称。此鸟巢的名字应该包含在主题中。
    • plot(x = Owls.ATV$ArrivalTime, y = Owls.ATV$NegPerChick, xlab = "Arrival Time", main = "AutavauxTV", ylab = "Negotiation behaviour")
  • 4. 提取第二个鸟巢的数据，确定需要对原始图像做哪些修改。
    • Owls. i <- Owls[Owls$Nest=="Bochet",]
    • plot(x = Owls.i$ArtrivalTime, y = Owls.i$NegPerChick, xlab = "Arrival Time", main = "Bochet", ylab = "Negotiation behaviour")
    • 把名称存储于Nest.i这个变量中
      • Nest.i <- "Bochet"
      • Owls.i <- Owls[Owls$Nest == Nest.i,]
      • plot(x = Owls.i$ArtrivalTime, y = Owls.i$NegPerChick, xlab = "Arrival Time", main = "Nest.i", ylab = "Negotiation behaviour")
      • 优势：你只需要修改一下名字，之后的都会被自动更改
  • 5. 确定如何将图片存储为jpeg格式。
    • 如何操作jpeg图片
      • 详见?jpeg
      • 1. 选择一个文件名。这个可以是任何名字，例如，“AnyName.jpg"。
      • 2. 通过键入jpeg（file = "AnyName. jpj")打开一个jpeg文件。
      • 3. 使用plot命令来绘制图像。由于你键入了jpeg命令，R将把所有的图像存储为jpeg文件，并且图像的输出不会出现在屏幕上。
        • 可以执行其它的绘图命令如：plot, lines, points, text
      • 4. 通过键入dev.off()关闭jpeg文件。
        • device off
        • 在执行dev.off命令之后输入的绘图命令都不能讲结果存为jpeg文件，但是会将结果显示在屏幕上。
    • 代码模板
      • 选取x轴和y轴
        • x <- seq(1:100)
        • y <- seq(1:100)
      • 将所有的输出都显示在屏幕上
        • plot(x,y)
        • lines(x,y)
        • points(x,y)
      • 将所有输出都存储为jpg文件
        • jpeg(file="AnyName.jpg")
        • plot(x,y)
        • lines(x,y)
        • points(x,y)
      • dev.off()
        • • 其目的为停止疯狂的存储输出.
          • 在执行dev.off命令之后输入的绘图命令都不将讲结果存为jpeg文件，但是会将结果显示在屏幕上。
      • 再次将所有的输出都显示在屏幕上
        • plot(x,y) lines(x,y) points(x,y)
    • 关于存储的目录
      • 其实就是setwd定义的
    • 关于存储的文件名
      • paste函数
        • paste(Nest.i, ".jpg". sep = " ")
    • 其它存储格式的函数
      • bmp
      • png
      • tiff
      • postscript
      • pdf
      • windows
  • 最终代码
    • setwd("C:/AllGraphs/")
    • Nest.i <- "Bochet"
    • Owls.i <- Owls[Owls$Nest == Nest.i,]
    • YourFileName <- paste(Nest.i, ".jpg", sep = "")
    • jpeg(file = YourFileName)
    • plot(x = Owls.i$ArrivalTime, y = Owls.i$NegPerChick, xlab = "Arrival Time", main = Nest.i, ylab = "Negotiation behaviour")
    • dev.off()
  • 6. 写一个可以提取第i个鸟巢数据的循环，使用第i个鸟巢的数据绘制图像，并将其存储为一个具有易识别的名字的jpeg格式图片。
    • R中循环的基本语法
      • for (i in 1 : 27) { do something do something do some thing }
        • do something 必须是有效的R命令
        • 命令必须放在两个花括号{和}之间
        • 1:27是因为我们有27个鸟巢
    • 将i等价到鸟巢的名字
      • Nest.i <- AllNests[i]
  • 最终代码
    • AllNests <- unique(Owls$Nest)
    • for(i in 1:27){
    • Nest.i <- AllNests[i]
    • Owls.i <- Owls[Owls$Nest == Nest.i, ]
    • YourFileName <- paste(Nest.1, ".jpg", sep = "")
    • jpeg(file = YourFileName)
    • plot(x = Owls.i$ArrivalTime, y = Owls.i$NegPerChick, xlab = "Arrival Time", ylab = "Negotiation behaviour", main = Nest.i)
    • dev.off()
    • }
• 函数的模板
  • 功能
    • 将一些输入的数值处理好输出
    • 输入可以是任何格式
      • 可以是一个变量
      • 可以是多个变量
        • 多个时按照变量的输入顺序定为x,y,z，与位置相互匹配
  • 确定数据中有多少零和空
    • 建议每一个变量制作一个表格来给出它含有缺失值和零的个数。
    • 建议对每一种情形使用表格给出缺失值（或零）的个数。
    • 线性回归函数会删除缺失值
    • 而有些多元函数和单变量函数也会导致很多问题
  • 实例
    • 设计一个识别空数量的函数
      • 输入
        • 包含这些数据的数据框
      • 输出
        • 每个变量含有的缺失值个数
      • 语法
        • NAPerVariable <- function(X1) { D1 <- is.na(X1) colSums(D1) }
          • 你输入到R中看不到任何结果，但之后你就可以执行它...
          • NAPerVariable(Veg[,5:24])
      • 解析此函数内部执行的操作
        • X1
          • 函数内部的唯一的参数，列表示变量，行表示观察值
        • is.na
          • 一种常用语法，其生成了一个与X1维数相同的布尔矩阵
            • 如果X1矩阵中某些元素的值为缺失值，则此矩阵中相应的位置为TRUE值，否则，为FALSE值。
        • colSums
          • R中已有的函数，它计算每一列（变量）中元素的和
          • 一般输入是具有数值的矩阵
          • 当使用的对象是布尔矩阵的时候，它会将TRUE转化为1，将FALSE转化为0.
          • coluSums（D1)输出的是每一个变量的缺失值个数。
          • 用rowSums则是每一个观察值缺失值的个数
    • 识别零数量的函数
      • ZerosPerVariable <- function(X1) {
      • D1 = (X1 == 0)
      • colSums(D1，na.rm = TRUE)
        • 没有na.rm = TRUE，任何位置有NA的变量就会输出NA
      • }
      • 当 x1 中的元素值为0时，矩阵D1的相应位置取TRUE值， 否则取FALSE值。
      • 然后你可以思考各变量为0值时的意义。
    • 具有多个参数的函数
      • 既能计算观察值中零值数量的和，也能计算观察值中空值数量的和的函数。
        • VariableInfo <- function(X1, Choice1) {
        • if (Choice1 == "Zeros"){ D1 = (X1 == 0) }
        • if (Choice1 == "NAs") { D1 <- is.na(X1)}
        • colSums(D1, na.rm = TRUE)
        • }
        • 当确定了此函数代码的正确性并且无bug时，你就可以忘记变量X1,Choice1和D1了，并且不用管函数内部是怎么运行的，你所需知道的就是输入和结果
      • • VariableInfo(Parasite, "Zeros")
        • VariableInfo(Parasite, "NAs")
      • 把计算结果存储于另一个变量中
        • Results <- VariableInfo(Parasite, "Zeros")
        • 在操作界面中再次输入Results,将得到和上边相同的结果
    • 技术上的常见问题
      • 函数内部使用的变量名称
        • X1
          • 位置匹配原则
            • 位置匹配原则，输入的第一个就是X1，跟其名字无关A1,Y1,ASDW1都行，就是按位置
            • 外部变量A,B和C在函数中被相应地成为x,y和z
            • 第一个位置输入的就是第一个参数
          • 问题
            • 这个变量名一定要是一个新的变量名
              • 若是D1 <- is.na(X)则不行
              • X这个变量在函数外部可能存在，R就不会通知你直接使用其值
            • 给用户结果信息的形式
              • 函数的最后一行代码的结果将是返回信息
              • NAPerVariable 中最后一行是 colSums(D1)
              • 若函数的最后一行是一个列表，输出也是一个列表
            • 函数兼容的数据集
              • 取决于你内部包含函数的兼容性
              • colSums命令的工作对象仅可以是包含多个列的数据，或至少是矩阵
            • 通常用##在代码中说明函数的兼容性和输出形式
        • D1
      • 函数输入错误的提示信息
        • 默认的显示
          • 把choice1的选项拼错
            • 根据位置匹配原则，数据框Parasite和字符串“Zeros"在函数内部分别被称为X1和Choice1
            • 变量Choice1就会等于一个不存在的字符”zeroos",所以此时就不会执行任何命令。
          • 忘记输入choice1
            • 变量Choice1没有值，函数代码的第一行就无法执行。设计函数中很大的一个挑战就是预知可能出现的错误，这里，我们看到了两个很傻的（但是很常见）错误，事实上，针对于此类错误，函数是可以被设计的更稳健的
        • 自己设定的显示
          • 代码如下
            • 你可以看到加了第三个if else
              • 其意思是，当Choice1 的值不等于“Zeros"或”NAs"时，输出警告信息，否则，执行colSums命令。
            • 但这种用一堆if的程序结构虽然方便编写，但是若if太多，检索会花费大量计算量
          • 更加优秀的代码
            • 有ifelse可代替前两个if命令
              • ifelse(Choice == "Zeros", D1 <- (X1 == 0), D1 <- is. na (X1))
              • 其意思是，如果Choice1的值等于“Zeros", D1 <- (X1 == 0)命令将被执行，其它所有情况下，执行D1 <- is.na(X1)。
            • 用ifelse可以避免检索大量的if指令，或if else指令
      • 默认值保证函数的稳健性
        • 我们可以给变量Choice1赋一个默认值，这样即使Choice在使用中忘输了，函数也能用默认值来计算
        • • 你可以看到在choice1后加了个Zeros。。。
          • 所以即使不给变量Choice1赋值也会得到月Choice1="Zeros"相同的结果
        • 不要忘记给默认编写帮助文件
• 再做一次建筑师
  • 1.载入数据，确定变量的类型，变量的名词，数据的维数等等。
    • Subtopic
  • 2.计算站点1的生物总量，然后是站点2的，使用尽可能通用的代码来使这一步实现自动化处理，让人也要使代码简洁有效。
  • 3. 计算站点1不同物种的数量，然后是站点2的，使用尽可能通用的代码来使这一步实现自动化处理。
  • 4. 应用同样的方法来处理香农指数。
  • 5. 合并代码并用if指令来实现选择计算不同的指数，注意使用简洁的代码。
  • 6. 将所有代码置入一个函数中，允许用户指定数据和多样性指数。函数需要实现返回实际的指数值并且显示选择了哪种多样性指数（使用字符串）。
  • 最终结果
    • 函数是根据最后一行的命令来返回信息的，所以此处输出是一个list的输出
    • list可以结合不同维数的数据，所以其可输出一个有45个值的变量和一个所选指数的名称。
• 需要注意的
  • if后面小括号里也要用==，即布尔向量的逻辑语言表述等价关系
• 这里一些函数重要功能的理解
  • ifelse
    • ifelse(Choice == "Zeros", D1 <- (X1 == 0), D1 <- is. na (X1))
    • 意义
      • ifelse(x,y,z)
        • 等于if（x）{y} else {z}
  • paste
    • YourFileName <- paste(Station.i, ".jpg", sep = "")
    • Owls$NestNight <- paste(Owls$Nest, "1",sep = "_")
    • 这个函数的x是一个变量，y是一个随便的标记，z是一个分隔符项
    • 输出
      • 将x,y按照z的分隔符连接起来，输出了一个字符
      • 所以其功能是拼接