下载掌阅APP，畅读海量书库
立即打开
本节以R语言为例（Python等其他语言类似），介绍机器学习中数据框及相关操作的一些技巧，期望帮助读者建立起机器学习中数据处理的一些好的习惯，继而触发探究的兴趣，即在数据分析中，尽量使用数据框操作是一个好习惯（就如同MATLAB中尽量采用向量或矩阵运算）。
任何工具软件都需要“巧妙”利用。比如在使用SPSS Modeler软件的时候，经常有用户抱怨其不够灵活，因为SPSS Modeler软件严格执行以数据框操作为中心，作为一个拖拽式建模软件，从操作界面中就限制了循环等标量计算的习惯，这样的限定比R、Python语言等脚本式语言还要强很多。但如果认真思考，就会发现这些抱怨的场景用数据框操作都是可以实现的，更多抱怨来源于思维的“惯性”和“惰性”。很多用户甚至以Java/C语言的思路去使用R、MATLAB等科学计算/数据分析工具软件，没有利用好工具软件设计背后的初衷和数据结构。也有人辩解循环等标量操作比数据框操作在效率上高，这种说法在特定情形下有道理，关键是要搞清楚“效率高”指的是“计算机的计算效率”还是“人的开发效率”，很多高级语言本来就是牺牲一些计算效率换取开发效率。
为深入了解R语言使用技巧，大家可以研究流行的package的源代码（特别是大神写的代码）、查看R语言的基础设计与代码（也粗浅了解LAPACK、BLAS等基础算法代码）、阅读一些高级教程（比如，Hadley的 Advanced R 、张丹的《R的极客理想》等）。除了这些学习手段外，更重要的是保持“极致”的心思去琢磨一些“好玩”的软件特征。
问题描述： 很多时序分析项目中，通常需要加工各种累积等特征量（比如，静稳天气累积时间、开机时长、高负荷运行时长）。以如下数据为例：
假设spd≥6为高负荷运作，一旦spd<6，从0开始累积，计算每个时刻的累积高负荷运作时间（不允许用循环）。
提示：
cumsum/cummax都是primitive函数，执行效率很高。
扩展： 如果考虑传感器采集噪声，允许中间2个连续点处于［4，6），但不进入累积时间；但①一旦低于4或②超过2个连续点处于［4，6），从0开始。请思考如何实现。
问题描述： 目标是统计机器在不同开机周期的开机温度的分析。原始数据包括2个数据集，数据集＃1是开工周期数据，有开工周期编号、开始时间、结束时间3个字段数据集＃2是设备状态监测数据，有时间戳和温度2个字段，每5min一个点，但可能存在缺失。我们需要将这2个数据合并出一个数据框，记录不同开机周期内，不同时间点的温度。
为演示明晰起见，数据集#1中只包含了3个开机周期，如下所示：
数据集#2中只包含了64行数据，前20行如下表所示，可以看出：①监测数据的时间点与开关机时刻不一定重合；②状态监测数据在10:58—11:28间存在数据缺失，这样第2个开机周期前25min存在数据缺失。
典型做法： 从表面上看，如果不用循环，上面2个数据集的合并不好做，其实多动一点“歪心思”，没有解决不了的问题。下面给出一个解法做启发（应该还有很多其他解法，留给大家自己思考），代码如下：
可以看看tmpDF的前36行，重点观察tmpField1、tmpField2的数值
（续）
问题描述： 下图所示是stl函数画图输出，有几个特点：①4个子图共用一个 x 轴；② y 轴的刻度左右切换（为了防止拥挤）；③每个子图的最右边给出了数据的分布范围（一倍方差的范围）。这幅图是用最原始的plot实现的，不复杂但涉及一些有用参数的设置。请问这些是如何实现的？
提示：
·子图的无缝拼接可以参考mar、oma等par参数设置（就是设置四个边沿）；
·前面3个子图的坐标刻度、label不显示可以通过xlab=""，axes=FALSE实现；
· y 轴刻度显示位置在axis中设置（能用向量运算的不要用循环）:
·分量的分布范围可以通过rect函数去画图。
建议读者下载R基础包源代码，阅读研究S3函数plot.stl()代码。
问题描述： 有时候需要分两段显示，如果不想2次画图，用一次plot如何做到？plot在划线的时候默认会把前后2点用线连接起来，例如：
提示： 读者可以对比一下下面的代码结果。
问题描述： 在工艺参数优化课题中，通常需要对比当前的参数波动范围和建议的管控区间，如下图所示。
提示： 直接看代码。
问题描述： 在很多分析项目的多人协同中，除了共享环境、约定目录等项目管理方式外，如何做到自适应？一种需求就是在代码中，自动获得R文件所在的目录。
提示： 见如下代码。
需要说明的是，只有source运行该R文件才能获取R文件的所在目录。在RStudi等IDE中按行运行（run）的时候无法获取。
R语言的Formula结构是一个很好的设计，不仅直观，而且有很多技巧可以简洁实现很多想不到的工作。例如，我们在 x =15前后采用不同的斜率，如何实现分段线性回归。请见如下示例代码。
