首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏小明的数据分析笔记本

    R语言逻辑斯蒂回归小实例

    read.csv("https://stats.idre.ucla.edu/stat/data/binary.csv") dim(mydata) head(mydata) install.packages("skimr ") skimr::skim(mydata) sapply(mydata,sd) sapply(mydata,mean) xtabs(~admit+rank,data=mydata) 可选择的分析方法

    1.6K30发布于 2020-03-03
  • 来自专栏小明的数据分析笔记本

    kaggle案例:核电站在世界上的分布

    www.kaggle.com/jonathanbouchet/nuclear-power-plant-geo-dataNuclear Power Plant Locations data 新遇到的R包 skimr : skimr is designed to provide summary statistics about variables. 简单理解 skim()函数是 summary()函数的升级版 运行 help(package="skimr")命令查看帮助文档里面提供的小例子 >summary(iris) Sepal.Length

    67110发布于 2020-03-03
  • 来自专栏小明的数据分析笔记本

    整理了一些自己可能会用到的R包

    github.com/vqv/ggbiplot 展示PCA分析结果,出图非常漂亮 https://blog.csdn.net/woodcorpse/article/details/78863454 详细介绍 skimr

    2.3K20发布于 2020-09-22
  • 来自专栏EpiHub

    R:绘制临床三线表

    library(survival) library(tableone) library(skimr) ## Load data data(pbc) pbc=pbc %>% as.tbl() %>%

    1.3K10编辑于 2022-10-25
  • 来自专栏优雅R

    生信爱好者周刊(第 25 期):从事生信工作,究竟是远见者,还是工具人?

    工具 1、skimr - A frictionless, pipeable approach to dealing with summary statistics[5] 通过字符可视化数据汇总信息。

    71730编辑于 2022-04-28
  • 来自专栏医学和生信笔记

    R语言缺失值探索的强大R包:naniar

    本次学习主要探讨3个问题: 开始探索缺失值 探索缺失值的机制 模型化缺失值 如何开始探索缺失值 当你面对新的数据时,可能首先会使用各种汇总函数查看数据的基本情况,比如: summary() str() skimr

    2.1K40编辑于 2022-11-15
领券