《数据科学:R语言实现》——1.3 匹配参数

1.3 匹配参数

在R函数中,参数是激活函数的输入变量。我们可以给函数传递一般参数、命名参数、带有默认变量的参数,或者不确定数量的参数。在本教程中,我们会展示如何给定义好的函数传递各种各样的参数。
准备工作
确保你已经在操作系统中安装了R语言,完成了之前的步骤。
实现步骤
执行下列步骤,来创建带有不同类型参数列表的函数。
1.在R控制台中键入下列代码,来创建带有默认值的函数:


运行原理
创建函数的时候,R语言提供了灵活的参数绑定机制。在本教程中,我们首先创建了名为defaultag的函数,它带有两个形参:x和y。这里,y有一个默认值,给定为5。然后,当我们传递3来调用defaultarg函数时,它把3传递给x,把5传递给了y,并且返回了13。除了传递数值作为输入外,我们也可以给函数传递向量(或者其他任何数据类型)。在本例中,如果我们传递向量1:3给defaultarg函数,它就会返回一个向量。
接下来,我们可以看到参数是如何与函数绑定的。当我们使用不带参数名的参数来调用函数的时候,函数会通过位置来绑定传递的值。以步骤4为例,第一个参数3匹配到x,6匹配到y,函数返回15。另一方面,你也可以通过名称传递参数。在步骤5中,我们可以使用任何顺序给函数传递指定名称的参数。因此,如果我们给函数defaultarg传递y=6和x=3,函数也会返回15。
另外,我们可以使用参数作为控制语句。在步骤6中,我们指定了3个形参:x,y和type,其中,参数type带有默认值sum。接着,我们可以为参数type指定取值作为if-else控制流程中的判断条件。也就是说,当我们把sum传递给type时,函数返回x与y的加和;当我们把mean传递给type时,函数返回x和y平均值;当我们把sum和mean之外的任何取值传递给type时,函数返回x和y乘积。
最后,我们可以使用记号...给函数传递不确定数量的参数。在本例的最后一个步骤中,如果我们只给函数传递3和5,函数会先把3传递给x,5传递给y。然后,函数给x加上2,给y乘以2。最后,求x和y的和。然而,如果我们给函数传递两个以上的参数,函数也会对额外的参数求和。
更多技能
除了给出完整的参数名,我们也可以使用参数的缩写来调用函数:

这里,我们并没有正确地指定参数名type,函数却可以把unknown传递给参数type,并且返回输出15。

时间: 2024-10-01 06:58:50

《数据科学:R语言实现》——1.3 匹配参数的相关文章

《数据科学R语言实践:面向计算推理与问题求解的案例研究法》一一2.3 数据清洗和变量格式化

2.3 数据清洗和变量格式化 本节我们考虑如何将特征矩阵列表menResMat转换为合适的格式以便于数据分析.目前,这些数据值都是字符型,这对于诸如找到参赛者年龄的中位数这样的数据分析是无益的.但是,我们可以利用as.numeric()函数很容易地将年龄转换为数值型.我们需要将整个矩阵都转换为数值型矩阵吗?事实并非如此,比如将参赛者的名字转换为数值型就毫无意义.为此,我们需要创建一个可以允许拥有不同类型变量的数据框.现在我们有6个变量:参赛者姓名.居住地.年龄以及3种类型的时间.正如刚才所说,我

2013年数据分析、数据挖掘、数据科学使用语言排行榜

 最受欢迎的语言仍然是R( KDnuggets 读者中有61%用户在用),python(39%),SQL(37%).SAS仍然稳定在20%之间.增长最快是:Pig/Hive/Hadoop为基础的语言.R.SQL,同时perl, C/C++, 与Unix 在下降.同时我们发现,R与python用户存在一定的重叠. 之前的KDnuggets的调查主要是关注:统计与分析软件,但有时候一个全面与强大的编程语言是需要的.这也是最近一次的KDnuggets调查关注的重点,我们咨询: 在2013年中,什么样的

手把手 | 教你爬下100部电影数据:R语言网页爬取入门指南

前言 网页上的数据和信息正在呈指数级增长.如今我们都使用谷歌作为知识的首要来源--无论是寻找对某地的评论还是了解新的术语.所有这些信息都已经可以从网上轻而易举地获得. 网络中可用数据的增多为数据科学家开辟了可能性的新天地.我非常相信网页爬取是任何一个数据科学家的必备技能.在如今的世界里,我们所需的数据都在互联网上,使用它们唯一受限的是我们对数据的获取能力.有了本文的帮助,您定会克服这个困难. 网上大多数的可用数据并不容易获取.它们以非结构化的形式(HTML格式)表示,并且不能下载.因此,这便需要

《数据科学:R语言实现》——导读

前 言 大数据.物联网.人工智能已经变成近几年最热门的科技流行语.尽管大家用很多名词去定义这些技术,但是共通的思想是它们都是数据驱动的.人们并不满足于简单地拥有数据,因为发现其中的价值才是最本质的.因此数据科学家已经开始关注如何从原始数据中洞悉深层价值. 数据科学已经变成学术界和产业界最流行的话题.但是数据科学是一门非常宽泛的学科,学会掌握数据科学注定很有挑战性.初学者必须学习如何准备.处理.聚合和可视化数据.而更多高级技能包括机器学习,挖掘各种数据格式(文本.图像和视频),以及最重要的-使用数

一份语言选择指南带你玩数据科学,选出你心中支持的语言

更多深度文章,请关注:https://yq.aliyun.com/cloud 随着大数据时代的到来,网络每天会产生大量的数据,一些行业会对这些数据进行分析并协助企业不断地发展新业务.创建运营模式等,比如电子商务.推荐系统等.那么谁对这些大数据进行分析呢?对应的工作领域是数据科学(Data Science),该领域需要结合先进的统计知识.定量分析能力和编程能力.涉及到编程,大家都会面临一个问题,有太多的编程语言可供选择,那么哪些编程语言适合数据科学领域呢?虽然没有正确答案,但想成为一名成功的数据科

《数据科学实战手册(R+Python)》一第2章 汽车数据的可视化分析(R)

第2章 汽车数据的可视化分析(R) 数据科学实战手册(R+Python) 本章涵盖如下内容. 获取汽车燃料效率数据 为了你的第一个项目准备好R 将汽车燃料效率数据导入R 探索和描述燃料效率数据 进一步分析汽车燃料效率数据 研究汽车的产量以及车型 简介 本书介绍的第一个项目是分析汽车燃料经济数据.我们首先用R对该数据集进行分析.R常常被称为数据科学通用语言,因为它是目前最流行的统计和数据分析语言.在本书前半部分的各个章节中,你将会看到R在数据处理.建模.可视化方面的过人之处,并开发一些有用的脚本,

为何Python攀上数据科学巅峰?调查显示Python超越R

根据KDnuggets 2017年最新调查,Python生态系统已经超过了R,成为了数据分析.数据科学与机器学习的第一大语言.本文对KDnuggets的此项调查结果做了介绍,并补充了一篇文章讲解为何Python能成为数据科学领域最受欢迎的语言. Python vs R:2017 年调查结果 近日,KDnuggets 发起了一项调查,问题是: 你在 2016 年到现在是否使用过 R 语言.Python(以及它们的封装包),或是其他用于数据分析.数据科学与机器学习的工具? 预料之内的是,Python

R语言为Hadoop集群数据统计分析带来革命性变化

R作为开源的数据统计分析语言正潜移默化的在企业中扩大自己的影响力.特有的扩展插件可提供免费扩展,并且允许R语言引擎运行在Hadoop集群之上. R语言是主要用于统计分析.绘图的语言和操作环境.R本来是由来自新西兰奥克兰大学的Ross Ihaka和Robert Gentleman开发.(也因此称为R)现在由"R开发核心团队"负责开发.R是基于S语言的一个GNU项目,所以也可以当作S语言的一种实现,通常用 S语言编写的代码都可以不作修改的在R环境下运行.R的语法是来自Scheme. R的源

大数据:13个真实世界情景中的数据科学应用

现在让我们看看13个在真实世界情景下的例子,了解现代数据科学家可以帮助我们做些什么.这些例子将有助于你学习如何专注于一个问题和如何形式化一个问题,以及如何仔细评估所有潜在问题--总之,是学习数据科学家在提出解决方案之前,如何定位问题和进行战略性思考.你也会看到为什么一些广泛使用的技术,如标准回归,可能并不适合所有情况. 数据科学家的思维方式不同于工程师.运筹学专业人士.计算机科学家.虽然运筹学涉及很多分析,但这一领域的焦点是具体业务优化层面,如库存管理和质量控制.运筹学涉及国防.经济.工程.军事