dataframe第二列 r语言_123.R简介和统计绘图

123R简介和统计绘图

本节作者：刘永鑫 中国科学院遗传与发育生物学研究所；陈同 中国中医科学院

版本1.0.2，更新日期：2020年8月31日

本项目永久地址：https://github.com/YongxinLiu/MicrobiomeStatPlot ，本节目录 123R，包含R markdown(*.Rmd)、Word(*.docx)文档、测试数据和结果图表，欢迎广大同行帮忙审核校对、并提修改意见。提交反馈的三种方式：1. 公众号文章下方留言；2. 下载Word文档使用审阅模式修改和批注后，发送至微信(meta-genomics)或邮件(metagenome@126.com)；3. 在Github中的Rmd文档直接修改并提交Issue。审稿人请在创作者登记表 https://www.kdocs.cn/l/c7CGfv9Xc 中记录个人信息、时间和贡献，以免专著发表时遗漏。

本文教程的源代码见123R简介和统计绘图.Rmd，实战代码详见R.Rmd。

为什么要学习R

02101da2fc4a2b32b4e459b538284d9a.png
图. R常用图形 https://www.r-graph-gallery.com/

为什么选择R？

  • 多领域的资源， CRAN收录16170个R包 (20年9月1日)，涵盖了统计学、经济学、生态学、进化生物学、生物信息学、物理、化学等多学科。

  • 跨平台， R可在多个主流操作系统下运行，包括Windows、MacOS和Linux。

  • 命令行驱动 R即时解释，输入命令，即可获得相应的结果，满足在绘图中及时修改的需要。

R语言优势

  • 统计分析能力突出，部分统计功能整合在R语言的底层，但大多数数据分析和可视化功能则以包(packages)的形式提供，资源极其丰富

  • R具有强大的数据可视化能力，高质量的图像输出工具以及多种现代绘图系统：

    如grid， lattice， ggplot2等

  • 扩展和开发能力，在R中可使用简洁的方式编写新的统计方法，甚至整合进其他语言编写的应用程序内。

    也可以编制自己的函数，或制作独立的统计分析包，快速实现新算法

  • 灵活，作为一种平台，方便与其他工具整合，实现数据分析流程化

  • 自由、免费、源代码开放，与多数商业统计软件相比，R是完全免费的，它囊括了在其他软件中尚不可用的且先进的统计计算例程(类似于函数，但含义更为丰富，如API接口)，是一个可进行交互式数据分析和探索的高自由度平台

R语言缺点

  • 学习曲线陡峭：

    因为其功能丰富，导致对应帮助文件较多，而由独立贡献者编写的部分模块则较零散难以完全掌握，初学者刚开始与代码打交道，需要记住大量常用命令，无疑提高学习难度。

  • 需要大量计算资源：

    所有的待处理数据通常需要全部读入内存后才能处理，因此不适合分析超大规模的数据。

  • 运行速度稍慢：

    即时编译，效率约相当于C语言的1/20。

R排名

f3ae6ffc873dc39d5de0f8eb0850909d.png
图. R语言世界使用率2020年8月排名 https://www.tiobe.com/tiobe-index/

目前R语言是世界上最受欢迎的10大语言之一。而且近些年始终处于上升阶段，截止2020年8月位于用户使用率榜单的第8位，较去年同期使用人数近乎翻倍。特别是在生命科学领域，被认为是使用频率最高的语言。其用户主要集中于专业领域，目前在移动设备、网页中使用率较低，但随着云端计算平台的发展，便携式移动端也是R未来的发展方向。

R语言统计绘图实战

R软件下载安装

R语言 https://www.r-project.org

Rstudio编程集成开发环境(IDE，Integrated Development Environment) https://www.rstudio.com

RStudio是一款R语言的IDE，R自带的环境操作较为复杂，而RStudio很好地解决了该问题，而且它还具有调试、可视化等功能，支持纯R脚本、Rmarkdown (脚本文档混排)、Shiny (交互式网络应用)等。

具体安装和配置步骤，详见：

  • 121个人电脑搭建微生物组分析平台(Win/Mac)

d3c8c93b947199b87dc82a3375060c60.png

图. RStudio界面。主要分为4个区域。

  • 左上-代码编辑区：

    编辑和修改代码并可及时保存，也可以对单行或选择区域运行特定代码，减少代码复制粘贴的操作。

  • 右上-环境变量/历史区：

    环境(Environment)面板显示当前加载的函数和变量的基本信息，如类型、维度等，还可以鼠标点击查看详细信息，点击数据表会在代码编辑区创建新面板预览。

    历史面板则显示之前运行过的所有代码和操作。

  • 左下-代码执行区：

    可以随时在此处执行代码，在代码编辑区选择并运行的代码也会显示在此处。

  • 右下-文件/图形预览区：

    文件(Files)面板是一个资源管理器，可以浏览文件并打开，在RStudio server版本中还有文件上传和下载的功能。

    绘图(Plots)面板为图形预览区，可显示绘图代码的结果，还提供了图片放大，保存为指定尺寸和类型的功能。

    包(Packages)面板显示己安装的包，并可手动勾选加载或卸载，也可以进行包的安装和升级。

R语言包安装

R包主要来源CRAN，Bioconductor和Github三个网站。

  • CRAN包安装

CRAN是R官方包的发布网站，安装方法如下：以绘图包ggplot2为例。

install.packages("ggplot2")

R包默认覆盖安装，反复运行上述代码会多次下载该包并重新安装，不仅非常浪费时间，而且有时还会破坏原有包导致无法正常使用。推荐大家安装包时采用如下条件判断方法安装：即使用requireNamespace()函数判断目标包是否存在，如不存在时才安装。

if (!requireNamespace("ggplot2", quietly=TRUE))
  install.packages("ggplot2")

在RStudio中默认使用美国数据源，如果下载慢，可指定国内镜像，如清华、中科大等离自己物理距离较近的国内镜像仓库。

12d4a3c27ed4fb63ce986a3eaceaef50.png

图. R包安装源的选择。选择Tools菜单 —— Global Options选项，按上图标识顺序切换为国内源。

也可以在代码层面指定安装源，如清华镜像源”https://mirrors.tuna.tsinghua.edu.cn/CRAN"。

site="https://mirrors.tuna.tsinghua.edu.cn/CRAN"
if (!requireNamespace("ggplot2", quietly=TRUE))
  install.packages("ggplot2", repos=site)

  • CRAN来源包的菜单安装

使用RStudio中的包管理页面安装：

b2078690827ad634c10c10e94b8febd1.png

  1. 选择右下角 Packages选项卡，

  2. 点击Install；

  3. 输入包名，会有提示，可供选择；

  4. 点击Install安装。

  • Bioconductor包安装

Bioconductor是专门发布生信相关R包的网站，目前已经发了1903个R包。

网址：https://bioconductor.org

安装Bioconductor的包，需要先安装CRAN来源的BiocManager包，此处以edgeR为例。注：edgeR是当前较流行的具有测序数据差异比较功能的R包。

# 检查BiocManager包是否存在，不存在则安装
if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager")
# 使用BiocManager安装Bioconductor的包
if (!requireNamespace("edgeR", quietly = TRUE))
    BiocManager::install("edgeR")

  • Github的R包安装

CRAN和Bioconductor内都是经过检测正式发布的R包。还有很多临时、或正在开发中的包只存在Github，如果需要使用这些R包，我们可以使用开发者工具devtools进行安装。

安装Github的R包，输入名称由用户名和包名两部分组成。以我编写的amplicon包为例，保存于github中的microbiota用户下，其提供了扩增子分析常用统计分析和绘图样式的函数。

# 检查devtools是否存在，没有则安装
if (!requireNamespace("devtools", quietly = TRUE))
    install.packages("devtools")
# 加载devtools
library(devtools)
# 判断amplicon是否存在，没有使用devtools安装
if (!requireNamespace("amplicon", quietly = TRUE))
    devtools::install_github("microbiota/amplicon")

此外，很多R包的最新版，也都在github上保存，想要体验最新版本的功能，也可查找软件的github仓库位置并采用上述方法安装所需版本。

注意：R的源码方式安装，有时还需要额外安装Rtools。Windows版本下载链接：https://cran.r-project.org/bin/windows/Rtools/

R数据基本类型

  • 数值型 (numeric)：

    1, 2, 3, 5.1, 6.6, 1e5等 (绘图时一般作为连续变量对待)

  • 字符型 (character)：

    ”yongxin”, “meta-genome”, ‘yi sheng xin’ (单个或多个字母或其他符号的组合，需要用引号括起)

  • 逻辑型 (logical)：

    TRUE, FALSE (布尔值)，通常缩写为T和F

  • 缺失值：

    NA, NaN, Inf

  • 空值：

    NULL

6cf15cf03d858a8d0e3166505178296d.png

图. R语言数据结构。向量(vector)、矩阵(matrix)、数组(array)、数据框(data frame / table)、列表(lists)

d1b274950072fa395a98f5d0528dce00.png
图. 向量(vector)、列表(lists)、矩阵(matrix)、数据框(data frame / table)的索引方式

  • 向量(vector)

向量存储相同的数据类型。如果有字符型元素，所有元素都转换为字符型。

is.atomic() 判断是否为向量。

is.vector() 判断没有属性或仅有names属性的向量为真(TRUE)

a # 判断一个变量是不是vector
is.vector(a)
is.atomic(a)

  • 因子(factor)

因子是节省存储空间的特殊类型，适用于存在较多重复值情况。每个原值只存储一份，在原数据中用数字表示。去重后的原值被称为水平 (level)，可以修改顺序。绘图时调整顺序就是使用的这个。

a b # 注意levels默认是字母顺序
b

更改因子的顺序

# 设置levels
b         levels=c("y","x","s","e","g","i","h","n"),
        ordered=T)
b

  • 矩阵(matrix)

矩阵是二维的数组(array)，所有元素都是相同类型。可以使用[row, col]索引。

常用矩阵相关函数：

  • dim()：

    获取矩阵的维数

  • rowSums(), colSums()：

    获取行列加和

  • max(), min()：

    获取最大、最小值

# 矩阵
a a
a[3,4]

  • 列表(list)

列表是不同类型的变量组合在一起，常用于存储各种复杂类型函数或绘图的输出数据。

ysx_list         staff=c("LYX","CL","ZX","CT"),
        contentL=list(R=c("basic","plot"),
                      Linux=c("basic","windows")))
ysx_list

  • 数据框(dataframe)

数据框，子列表长度一致的特殊list，具有list和matrix的双重特性，通常与matrix可互换。
若在程序运行时碰到”‘x’ must be matrix”，需要做下as.matrix转换；若是”‘x’ must be data.frame”，需要做下as.data.frame转换。这里的x是你提供的数据变量。

a                 unit=c("Ehbio","IGDB","IM","IM"))

  • R数据类型 – 查看

  1. storage.mode 查看变量在内存中存储的方式

  2. class 查看对象所属的类

  3. mode 查看对象的类型

  4. typeof 查看对象的类型

  5. str 查看数据结构

  6. summary 查看数据内容总结

查看数据类型

mode(a)
class(a)
typeof(a)
storage.mode(a)
mode(ysx_list)
class(ysx_list)
class(ysx_list$web)
storage.mode(class(ysx_list$web))
class(ysx_list$staff)
storage.mode(ysx_list$staff)
typeof(2)
typeof(as.integer(2))
R数据读写

  • read.table读入数据存储为数据框

df head(df)

read.table常用的4个参数。输入文件；标题行(header)，可选T/F；行名(row.names)，默认为NULL，通常指定第一列(1)；分隔符(sep)默认为空，通常要指定制表符(\t)或分号(;)。

其他常用参数：

  • 跳过注释行：

    comment.char = “#”，如果表头包含#且需要读入，可改为空””。

  • 是否转换为因子：

    在3.x版本时默认转换，在4.x时默认不转换，想要转换为因子，需要使用stringsAsFactors=T自动转换。

更多帮助查看?read.table。

  • write.table写数据框或矩阵到文件

write.table(df, file="metadata.tsv", append=F, quote=F, sep="\t", row.names=T, col.names=T)

write.table常用的参数。

  • 要保存的变量(x)

  • 输出文件名(file)，要使用双引号；

  • 追加写入(append)：

    默认(F)不追加，没文件创建新文件；

    有文件时将覆盖；

    想要多次累计写入改为T；

  • 引号(quote)：

    默认为T，每个单元格加双引号，建议改为F；

  • 分隔符(sep)默认为空格，通常要指定制表符(\t)或分号(;)；

  • 换行符(eol)：

    默认为linux换行符(\n)，当不需要换行时可改为空””；

  • 行名(row.names)，默认为T，不需要使用F，否则会出现1/2/3的行编号；

  • 列名(col.names)，默认为T，不需要使用F；

统计t-test/anova

  • t-test两组比较

我们先随机生成两组数据，然后用T检验进行显著性分析。

# rnorm生成以0为均值，1为标准差的10个数
A = rnorm(10)
# rnorm生成以3为均值，1为标准差的10个数
B = rnorm(10, 3, 1)
# t检验
t.test(A, B)

  • anova多组比较

data(iris) # 加载R内容测试数据——鸢尾花数据
head(iris) # 显示数据格式
# anova统计不同物种花萼长宽数据
model = aov(Sepal.Length ~ Species, data=iris)
Tukey_HSD # 显示统计结果
Tukey_HSD$Species
箱线图展示组间差异

library加载ggplot2包，采用内置鸢尾花数据绘制箱线图，并用ggsave保存为指定大小的PDF矢量图。

library(ggplot2)
# ggplot命令绘图，指定数据、x、y、颜色、图表类型
(p = ggplot(iris, aes(x=Species, y=Sepal.Length, color=Species)) +
    geom_boxplot())
# ggsave保存图片
ggsave(paste0("26boxplot.pdf"), p, width=89, height=59, units="mm")

5d8f15cc95a6dc79559e5ef2c400e7ba.png

更多ggplot2的内容，请阅读ggplot2作者Hadley Wickham编写的《ggplot2 Elegant Graphics for Data Analysis》。此书2016年由Springer出版，目前已经被引用2万余次。本书的最新版及源代码详见：https://github.com/hadley/ggplot2-book

此外公众号也分享过学习ggplot2绘图基础笔记如下，供参考：

  • ggplot2高效实用指南 (可视化脚本、工具、套路、配色)

  • ggplot2地理信息可视化 上 下

  • 1初识ggplot2绘制几何对象

  • 2图层的使用—基础、加标签、注释

  • 3工具箱—误差线、加权数、展示数据分布

  • 4语法基础

  • 5通过图层构建图像

  • 6标度、轴和图例

  • 7定位-分面和坐标系

  • 8主题设置、存储导出

  • 9绘图需要的数据整理技术

  • ggThemeAssist：鼠标调整ggplot2主题，不用再记这些代码啦！

  • 不需要懂得编程，但却可以使用ggplot2画出论文级别的图？esquisse

  • ggplot版本的华夫饼图吧

参考文献

  • ggplot2 Elegant Graphics for Data Analysis https://github.com/hadley/ggplot2-book

  • 宏基因组R相关教程 https://mp.weixin.qq.com/s/5jQspEvH5_4Xmart22gjMA

  • 生信宝典R系列教程 http://mp.weixin.qq.com/s/i71OMaUu6QtcY0pt1njHQA

责编：刘永鑫 中科院遗传发育所

版本更新历史

1.0.0，2020/8/30，刘永鑫，初稿

1.0.1，2020/8/31，吴翔宇 宁波大学，全文校对

1.0.3，2020/8/31，刘永鑫，整合校对

猜你喜欢

10000+：菌群分析 宝宝与猫狗 梅毒狂想曲 提DNA发Nature Cell专刊 肠道指挥大脑

系列教程：微生物组入门 Biostar 微生物组  宏基因组

专业技能：学术图表 高分文章 生信宝典 不可或缺的人

一文读懂：宏基因组 寄生虫益处 进化树

必备技能：提问 搜索  Endnote

文献阅读 热心肠 SemanticScholar Geenmedical

扩增子分析：图表解读 分析流程 统计绘图

16S功能预测   PICRUSt  FAPROTAX  Bugbase Tax4Fun

在线工具：16S预测培养基 生信绘图

科研经验：云笔记  云协作 公众号

编程模板: Shell  R Perl

生物科普:  肠道细菌 人体上的生命 生命大跃进  细胞暗战 人体奥秘  

写在后面

为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外5000+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。PI请明示身份，另有海内外微生物相关PI群供大佬合作交流。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍未解决群内讨论，问题不私聊，帮助同行。

650bd23aa516f81ca1cc687aec0ccf19.png

学习16S扩增子、宏基因组科研思路和分析实战，关注“宏基因组”

eb2df43043e10e88668ef0b49578265c.png

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/486554.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

脑机接口中的后门攻击

脑机接口中的后门攻击

本文来自伍冬睿科学网博客链接地址：http://wap.sciencenet.cn/blog-3418535-1256333.html?mobile1机器学习在脑机接口中的成功应用，使脑机接口得到了快速的发展。然而，对抗攻击的发现让我们不得不重新思考机器学习模型的安全性。这些潜在的危…
阅读更多...
联想高性能服务器,Lenovo|EMC推出高性能4x4TB服务器级NAS

联想高性能服务器,Lenovo|EMC推出高性能4x4TB服务器级NAS

作为联想PC战略的延伸和全球企业级战略的重要组成部分，联想与EMC建立起全球范围内的战略合作，并于2013年4月2日在深圳全新推出面向企业市场的联合品牌存储新产品家族。可以说联想与EMC合作是在企业级业务领域的又一重要战略布局。在4月2日的发布会上&…
阅读更多...
调用图片文件夹中的任意图片随机显示_他来了，他来了，Mathpix拜拜了~~~文字、表格、公式图片识别神器V0.1测试版...

调用图片文件夹中的任意图片随机显示_他来了，他来了，Mathpix拜拜了~~~文字、表格、公式图片识别神器V0.1测试版...

（图0）img2txt V0.8 【正式版】第1步：win10自带截图快捷键：WinShiftS，也可以用QQ等截图工具；第2步：打开软件，完成初始配置（后续调用无需再配置），按…
阅读更多...
​MEMS在未来面临的挑战

​MEMS在未来面临的挑战

来源：内容由半导体行业观察（ID：icbank）编译自「semiconductor-digest」，谢谢。在过去的几十年中，MEMS传感器已经走了很长一段路。1990年代末，用于汽车气囊碰撞传感器的MEMS加速度计和用于侧翻检…
阅读更多...
基于jQuery/zepto的单页应用(SPA)搭建方案

基于jQuery/zepto的单页应用(SPA)搭建方案

这里介绍一个基于jquery或zepto的单页面应用方案，遵循尽可能简单的原则，使大家一目了然，只需配置一个路由，之后完全按照jq日常写法即可完成。可做学习使用，也可修改后用于一些业务逻辑简单的spa项目中;下面是个dome&am…
阅读更多...
怀旧服开新服务器消息,怀旧服B测已经开启 全新内容爆料汇总

怀旧服开新服务器消息,怀旧服B测已经开启 全新内容爆料汇总

来了来了，终于来了!在经历了昨天一次短暂的乌龙之后，暴雪终于以蓝帖的形式发布了消息：《燃烧的远征：经典怀旧服》BETA测试目前已经正式开启!在Battle.net(战网客户端)上目前已经出现了《Burning Crusade Classic Beta》的客户端字…
阅读更多...
用深层神经网络解释大脑的运作

用深层神经网络解释大脑的运作

来源：混沌巡洋舰Daniel Yamins，麻省理工学院博士后的一位计算神经科学，有时会为了他的机器视觉项目辛苦工作到午夜以后。他煞费苦心地设计了一个系统，可以识别图片中的物体，而不管其大小、位置和其他特性的变化ーー这是…
阅读更多...
foreach 循环达到条件的第一次就停止_是否应该停止在JavaScript代码中使用forEach()?...

foreach 循环达到条件的第一次就停止_是否应该停止在JavaScript代码中使用forEach()?...

在本文中，我想概述一下标准的 for 循环和 forEach() 方法背后的区别，并对它们各自带来的一些好处进行评论。作为免责声明，请不要把标题当真。我写这篇文章的目的是为了让读者了解缺点，并提供一些关于什么时候可以或不可以使用 for…
阅读更多...
git 忽略__pycache___容易被忽略的 Python 命令行参数

git 忽略__pycache___容易被忽略的 Python 命令行参数

上周编写了一个 Python 脚本用于将一堆包含 oracle dmp 文件的 rar 压缩包恢复到 oracle 数据库。由于 oracle dmp 文件恢复速度较慢，通过 nohup commad 2>&1 & 提交命令到后台运行。运行过程中发现通过 print 命令输出内容无法及时地重定向到 nohup.out…
阅读更多...
kindeditor和easyui整合出不来

kindeditor和easyui整合出不来

1.首先必备的三个导入的文件 <link rel"stylesheet" href"/day0320_maven_pm/libs/kindeditor/themes/default/default.css"/> <script charset"utf-8" src"/day0320_maven_pm/libs/kindeditor/kindeditor-all-min.js">&l…
阅读更多...
虚拟机共享服务器设置,虚拟机共享网络设置教程

虚拟机共享服务器设置,虚拟机共享网络设置教程

vm虚拟机网络共享设置&#xff1a;设置以前首先要确认“虚拟机”中的“本地连接”IP地址为自动获得&#xff01;1.在虚拟机设置里&#xff0c;单击以太网----网络连接类型为---NTA 使用以共享的主机IP地址&#xff01;2.单击编辑---虚拟网络参数&#xff01;3.单击自动桥接。去…
阅读更多...
靠数学“拿了”两次诺贝尔奖，彭罗斯从“铺地砖”帮忙发现2011年化学奖的秘密...

靠数学“拿了”两次诺贝尔奖，彭罗斯从“铺地砖”帮忙发现2011年化学奖的秘密...

来源&#xff1a;量子位诺贝尔奖没有数学奖&#xff0c;但是如果数学足够好的话&#xff0c;可以拿两次诺贝尔奖&#xff1a;帮别人拿一次&#xff0c;自己再拿一次。刚刚获得诺贝尔奖的英国数学家罗杰彭罗斯&#xff08;Roger Penrose&#xff09;就是这样。今年&#xff0c;彭…
阅读更多...
PowerDesigner 中SQL文件、数据库表反向生成PDM

PowerDesigner 中SQL文件、数据库表反向生成PDM

1 反向生成PDM 1) 创建一个空的PDM模型&#xff08;选择对应的DBMS&#xff09;&#xff1a; 2) 选择【Database】--【Update Model from Database…】菜单&#xff1a; 1.1 使用SQL文件 1) 在新窗口选择对应【Using script files】--【&#xff…
阅读更多...
上传excel文件到服务器,excel怎么上传到云服务器

上传excel文件到服务器,excel怎么上传到云服务器

excel怎么上传到云服务器 内容精选换一换安装传输工具在本地主机和Windows云服务器上分别安装数据传输工具&#xff0c;将文件上传到云服务器。例如QQ.exe。在本地主机和Windows云服务器上分别安装数据传输工具&#xff0c;将文件上传到云服务器。例如QQ.exe。本地磁盘映射(推荐…
阅读更多...
沈南鹏谈科学：第一性原理，“无为”而“有趣”

沈南鹏谈科学：第一性原理，“无为”而“有趣”

勇于探索未知&#xff0c;才能发展科学。10月30日-11月1日&#xff0c;第三届世界顶尖科学家论坛在上海举行。今年的世界顶尖科学家论坛是特殊之年的一场世界级科学盛会。横跨四大洲、11个时区、25个国家和地区、100多座城市&#xff0c;此次论坛云集了全球230余位科学家&#…
阅读更多...
设置目录_[LaTeX 尝试] titletoc - 为算法目录、定理目录等设置子目录

设置目录_[LaTeX 尝试] titletoc - 为算法目录、定理目录等设置子目录

本文已加入专栏文章目录&#xff0c;归入「进阶使用」文章系列。titletoc 宏包提供了定制目录列表样式的功能&#xff0c;本文主要讨论其中的「创建子目录」功能。标准目录的子目录LaTeX 的典型目录通过 tableofcontents 输出&#xff0c;一个文档里最多使用一次。在实践中&…
阅读更多...
postgresql 远程用户_构建Python pandas基于SSH远程MySQL和PostgreSQL的数据分析

postgresql 远程用户_构建Python pandas基于SSH远程MySQL和PostgreSQL的数据分析

背景知识视频教程Python中使用Pandas教程 - 国外课栈​viadean.comPandas数据分析与探索 - 国外课栈​viadean.com如果您无法从外部环境直接访问数据库&#xff0c;则可能需要SSH隧道来查询它。 在这篇文章中&#xff0c;我将向您展示如何通过SSH连接并查询MySQL数据库到Pandas…
阅读更多...
达尔文之过：人类真的和其他生物平等吗？

达尔文之过：人类真的和其他生物平等吗？

1859年发表的《物种起源》 图片来源&#xff1a;Wikimedia Commons来源&#xff1a;环球科学人类在自然界中的地位&#xff0c;真的如达尔文与赫胥黎认为的那样&#xff0c;“与其他生物平等”吗&#xff1f;这种贬抑人类地位的理想化理念&#xff0c;或许推进了人类对大自然肆…
阅读更多...
c++矩阵连乘的动态规划算法并输出_算法面试必修课，动态规划基础题型归纳（三）

c++矩阵连乘的动态规划算法并输出_算法面试必修课，动态规划基础题型归纳（三）

动态规划&#xff08;Dynamic Programming&#xff0c;简称DP&#xff09;&#xff0c;是大家都觉得比较难以掌握的算法。为了应付面试&#xff0c;我们经常会背诵一下DP问题的源码&#xff0c;其实&#xff0c;只要理解了思想&#xff0c;掌握基本的模型&#xff0c;然后再来点…
阅读更多...
css 学习记录

css 学习记录

如何引入css 内联样式 在标签内 添加style style标签 外联式写法 新建CSS文件 通过用link标签引入css样式文件 import url(../);、 css语法 选择器 {属性&#xff1a;值&#xff1b;} CSS属性 float的属性可以使元素左右浮动 设置字体的样式 color属性 用于 设置字体颜色 …
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023