正文
.packages(
"forecast"
)
library
(forecast)
# mdeaths: 英国每月死于肺病的人数fit
#定制你的置信区间forecast(fit, level=c(
80
,
95
,
99
), h=
3
)
# Point Forecast Lo 80 Hi 80 Lo 95 Hi 95 Lo 99 Hi 99#Jan 1980 1822.863 1564.192 2081.534 1427.259 2218.467 1302.952 2342.774#Feb 1980 1923.190 1635.530 2210.851 1483.251 2363.130 1345.012 2501.368#Mar 1980 1789.153 1495.048 2083.258 1339.359 2238.947 1198.023 2380.283plot
(forecast(fit), shadecols=
"oldstyle"
)
我最喜欢的特性是产生预测的时序图。
3. plyr
当我第一次使用R时，我用基本的控制运算来操纵数据(for, if, while, etc.)。我很快知道这是一个业余的做法，并且有更好的方法去实现。
在R中，apply函数族是在对列表或者向量每个元素调用函数的首选方法。虽然R基础库中有这些函数，但它们的使用可能难以掌握。我发现plyr包 是一个对R基础库中诸如split,apply, combine的泛函的更好用的替代。
plyr 给予你一些函数 (ddply, daply, dlply, adply, ldply)按照常见的蓝图：将数据结构分组拆分，对每个组应用一个函数，将结果返回到数据结构中。
ddply 拆分一个数据框(data frame)并且返回一个数据框 (所以是 dd)。 daply 拆分一个数据框并且返回一个数组(array) (所以是 da)。希望你明白这个想法。
译者注：plyr包包含了12个命名与功能相关的函数，均以..ply命名，第一个.表示输入的数据类型(a数组 d数据框 l列表)，第二个.表示输出的数据类型(_表示不输出)
install.packages("plyr")library(plyr)# 按照 Species 拆分数据库，汇总一下，然后转换结果# 到数据框ddply(iris, .(Species), summarise,
mean_petal_length=mean(Petal.Length)
)# Species mean_petal_length#1 setosa 1.462#2 versicolor 4.260#3 virginica 5.552# 按照 Species 拆分数据库，汇总一下，然后转换结果# 到数组unlist(daply(iris[,4:5], .(Species), colwise(mean)))# setosa.Petal.Width versicolor.Petal.Width virginica.Petal.Width# 0.246 1.326 2.026
4. stringr
我发现R基础库的字符串功能使用起来非常困难和麻烦。Hadley Wickham编写的另一个包， stringr，提供了一些非常需要的字符串运算符。很多函数使用那些做基础分析时不常用的数据结构。
stringr 非常易于使用。几乎所有的（和所有的重要功能）都以”str”为前缀，所以很容易记住。
install.packages("stringr"
