废话晚点说,先上图,以下是本身天地会珠海分舵仿简书风格的博客科技迈进冲:

1.数值型单变量

attach(ReportCard)
(Av.Poli<-mean(poli))
(Av.Poli<-mean(poli,na.rm=TRUE))
(Sd.Poli<-sd(poli,na.rm=TRUE))
(N<-length(poli[!is.na(poli)]))
(Skew.Poli<-sum((poli[!is.na(poli)]-Av.Poli)^3/Sd.Poli^3)/N)
(Kurt.Poli<-sum((poli[!is.na(poli)]-Av.Poli)^4/Sd.Poli^4)/N-3)
 summary(poli)
detach(ReportCard)


> (Skew.Poli<-sum((poli[!is.na(poli)]-Av.Poli)^3/Sd.Poli^3)/N)
[1] -1.306537
> (Kurt.Poli<-sum((poli[!is.na(poli)]-Av.Poli)^4/Sd.Poli^4)/N-3)
[1] 2.053688
>  summary(poli)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
  40.00   74.50   82.50   79.64   87.00   96.00       2 

  

并且计算 多独变量的描述性统计量

sapply()

colMeans()

colSums()

tapply()

> (Av.Course<-sapply(ReportCard[,3:10],FUN=mean,na.rm=TRUE))
    poli      chi     math     fore      phy      che      geo 
79.63793 83.27966 61.16949 49.91667 75.20000 54.08333 65.24167 
     his 
78.68333 
> (Sd.Course<-sapply(ReportCard[,3:10],FUN=sd,na.rm=TRUE))
     poli       chi      math      fore       phy       che 
10.575872  8.127365 15.076417 14.018501 12.351902 12.315474 
      geo       his 
15.394389 12.73523

 

#########方便地计算每门课程的描述统计量(用户自定义函数的定义和调用)
Des.Fun<-function(x,...){
 Av<-mean(x,na.rm=TRUE)
 Sd<-sd(x,na.rm=TRUE)
 N<-length(x[!is.na(x)])
 Sk<-sum((x[!is.na(x)]-Av)^3/Sd^3)/N
 Ku<-sum((x[!is.na(x)]-Av)^4/Sd^4)/N-3
 result<-list(avg=Av,sd=Sd,skew=Sk,kurt=Ku)
 return(result)
}
DesRep<-sapply(ReportCard[,3:10],FUN=Des.Fun,na.rm=TRUE)

> DesRep
     poli      chi        math        fore        phy       
avg  79.63793  83.27966   61.16949    49.91667    75.2      
sd   10.57587  8.127365   15.07642    14.0185     12.3519   
skew -1.306537 -0.3117055 -0.07276131 -0.02902908 -0.3264613
kurt 2.053688  -0.6558917 -1.004213   -0.1879948  -0.7166125
     che        geo        his       
avg  54.08333   65.24167   78.68333  
sd   12.31547   15.39439   12.73523  
skew -0.1116243 -0.8644448 -0.4610922
kurt -0.2767491 0.07934935 -0.6362816

  

> ##分性别计算各门课程的描述统计量
> MaleCard<-subset(ReportCard,ReportCard$sex=="M")
> (Des.Male<-sapply(MaleCard[3:10],FUN=Des.Fun,na.rm=TRUE))
     poli       chi        math       fore       phy       
avg  78.86667   83.5       60.03333   51.2       72.73333  
sd   10.41793   6.874491   14.70276   13.12381   12.18516  
skew -0.6431142 -0.1395905 -0.2319195 -0.2290347 -0.3062211
kurt -0.639428  -0.8433017 -0.7633507 -0.1874488 -0.9496199
     che        geo        his       
avg  52.36667   62.53333   78.93333  
sd   11.39111   14.46275   12.67888  
skew 0.05773828 -0.7055209 -0.4779689
kurt -0.8837325 -0.5034247 -0.6771532

 当型较多时

tapply()

ep,分性别计算政治课成绩的描述性统计

 

> (Des.Gender<-tapply(ReportCard$poli,INDEX=ReportCard$sex,FUN=Des.Fun,na.rm=TRUE))
$F
$F$avg
[1] 80.46429

$F$sd
[1] 10.87124

$F$skew
[1] -1.902856

$F$kurt
[1] 4.587466


$M
$M$avg
[1] 78.86667

$M$sd
[1] 10.41793

$M$skew
[1] -0.6431142

$M$kurt
[1] -0.639428

  

 

[科技上冲首页](http://www.techgogogo.com)

2.连锁涉嫌

> Tmp<-ReportCard[complete.cases(ReportCard),]
> (CorMatrix<-cor(Tmp[,c(5,7,8)],use="everything",method="pearson"))
          math       phy       che
math 1.0000000 0.7535317 0.7171637
phy  0.7535317 1.0000000 0.6207730
che  0.7171637 0.6207730 1.0000000
> (CovMatrix<-cov(Tmp[,c(5,7,8)],use="complete.obs",method="pearson"))
         math       phy       che
math 231.2021 139.30399 125.40956
phy  139.3040 147.81972  86.79915
che  125.4096  86.79915 132.26134

  相关系数的查实

> cor.test(Tmp[,5],Tmp[,7],alternative="two.side",method="pearson")

    Pearson's product-moment correlation

data:  Tmp[, 5] and Tmp[, 7]
t = 8.5775, df = 56, p-value = 8.753e-12
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
 0.6149204 0.8469769
sample estimates:
      cor 
0.7535317 

  计算偏相关联屡:控制其他数值型变量的法下计算两屡次价变量的有关关系

 

> library("corpcor")
> cor2pcor(CorMatrix)
          [,1]      [,2]      [,3]
[1,] 1.0000000 0.5643387 0.4838756
[2,] 0.5643387 1.0000000 0.1754160
[3,] 0.4838756 0.1754160 1.0000000

  

安?是无是咋一看以为自己及了俺们亲爱的简书了邪?v

3.分品种变量的相关性分析

倘之前我与简书的“简叔”互动讨论上海的办公是否应让“简书工作室”还是“简书斋”等不时说过,个人是让简书这种简单清新之风骨深深吸引的息。(这里算是为简书打个广告了,真的挺不利了,喜欢创作的人数失去看望,包尔中意!)

3.1.相关性描述

针对学生成绩,编制性别与平均成绩的列联表

> (CrossTable<-table(ReportCard[,c(2,12)]))
   avScore
sex  C  D  E
  F 13 10  3
  M 11 12  5
> (CrossTable<-xtabs(~sex+avScore,data=ReportCard))
   avScore
sex  C  D  E
  F 13 10  3
  M 11 12  5

  编制比例的列联表

> margin.table(CrossTable,1)#计算频数
sex
 F  M 
26 28 
> margin.table(CrossTable,2)
avScore
 C  D  E 
24 22  8 
> prop.table(CrossTable)*100
   avScore
sex         C         D         E
  F 24.074074 18.518519  5.555556
  M 20.370370 22.222222  9.259259

> addmargins(prop.table(CrossTable)*100)

avScore
sex C D E Sum
F 24.074074 18.518519 5.555556 48.148148
M 20.370370 22.222222 9.259259 51.851852
Sum 44.444444 40.740741 14.814815 100.000000

 

  

既是我们还喜爱舞文弄墨的,那么有一个谈得来的博客是极致不了之了。这里所说的自己之博客不是说于cnbeta等博客平台及登记个账号这种,因为是要寄人篱下而就-在居家老婆,很多物你切莫可知混动,比如您不可知当人家墙上写写画画的(如贴小广告等)。所以这边说的亲善的博客是据完全好说了算的自立博客。

3.2.相关性检验

1.卡方查看

Tmp<-ReportCard[complete.cases(ReportCard),]
(CrossTable<-table(Tmp[,c(2,12)]))
(ResChisq<-chisq.test(CrossTable,correct=FALSE))
ResChisq$expected

> (ResChisq<-chisq.test(CrossTable,correct=FALSE))

    Pearson's Chi-squared test

data:  CrossTable
X-squared = 0.77547, df = 2, p-value = 0.6786

> ResChisq$expected
   avScore
sex        C        D        E
  F 11.55556 10.59259 3.851852
  M 12.44444 11.40741 4.148148

  不可知拒绝性别与大成独立的原假设

2.相关性度量

如若卡方检验拒绝原假设,即双方相关,那么相关度有差不多胜

a.phi系数

2.列联系数

#############计算基于卡方的相关系数
library("vcd")
assocstats(CrossTable)

  

 

欠博客是因Wordpress的,Wordpress今时今一度不行成熟。所以这边不见面讲述Wordpress怎么搭建,网上一样抓一特别把。这里自己之所以用Wordpress的因由是其支持非常丰富的插件。

依我们今天说的仿简书的主题就是是一个插件。但是该主题安装后非克直接利用,有许多地方要展开改动。网上着实找不至其他详细的音讯来指点迷津我们进行订制。

于是这里自己虽抛砖引玉,给大家说生自己是怎增建筑一个高仿简书风格的自立博客的。往生前先感谢主题作者Pete(我是起代码中看出Pete的名,如果有误的讲话请联系我进展改动)

率先步 下充斥主题插件


看官好交自家博客资源遭到展开下载http://download.csdn.net/download/zhubaitian/8541107

亚步 登录Wordpress后台管理


第一登录你的Wordpress网站管理后台,下面是自个儿Wordpress网站的后台登录界面:

后台登录界面

输入你的用户名密码后便见面进入及后台管理页面:

WordPress后台管理界面.png

老三步 安装主题


具体步骤按照以下图片走就是哼了,很简短:

找到插件选项.png

打开插件页面.png

加上插件页面.png

齐传插件.png

装插件.png

末段点击安装,等待安装完毕!

季步 订制其他导航页面

立无异步用改相应的php代码。大家而无清楚程序的语句也未用担心,因为自好便从来对php只是懂只名而已,我要好尚且能招来出,何况现在本身已经报您应当怎么开了吧。

首先点击下图的主题按钮以进入及主题设置页面:

登主题.png

下一场在主题的下拉菜单中点击“编辑”:

点击编辑菜单.png

点击后会见来到这个编辑页面:

进去编辑页面.png

世家可以视右边显示了拖欠主题的装有代码文件,我们于生会指向相应的文件进行简单的修改为适应我们的渴求。

此处要专注的是主页导航页面的php代码文件及首页的php代码文件是分开实现之,虽然以网站遭遇我们的功效看起是平等的。这里我们先押另外导航页面(指的凡网站面临我们来看底点击左边导航栏非”首页“菜单时所出现的外页面)。

先期点击右侧边的archive.php模版文件,然后开展以下的编排:

其它导航页的信设置.png

改后底法力使下图所示:

别导航页的音讯设置结果.png

切切实实你要转化怎样,需要根据你协调的情事开展修改了。

第五步 订制首页


首页的订制其实与方其他导航栏的订制是差不多的,大家就下图做就足以了。

首页信息设置.png

第六步 订制底部

底层信息我们可放大上我们温馨之联系方式等,要改的公文是footer.php。

网站底部信息设置.png

效能如下所示:

网站底部对诺信息功能显示.png

第七步 订制“阅读量”统计信息


该主题默认是未曾当主页的篇章列表中显出阅读量的数据的,这里我们可增长去。

只是说起来悲剧,增加后才知道自己网站的访问量原来少的不行,还向大家多拍场了。

若修改的文本是post.php:

章列表增加阅读量统计.png

修改后的效益:

追加阅读量信息后的意义.png

第八步 订制手机版悬浮菜单


PC版的信我们总算定制了了,下面我们要订制下手机版的悬浮菜单项。

待改的公文是header.php文件,具体要修改的代码如下图所示:

手机端悬浮按钮设置.png

末你以大哥大及打开后漂流菜单就见面如下图所示:

手机版悬浮菜单.jpeg

手机版悬浮菜单项.jpeg

关于上面的about页面,这个与主题就是没有呀关系了,大家在Wordpress管理后台受增长这个页面就吓了。如果的确不懂得怎么去丰富的话,那就于篇章最后的联系方式中关系自身吓了。

<完>


笔者:天地会珠海分舵
微信公众号:TechGoGoGo
官网:
http://techgogogo.com
微博:http://weibo.com/techgogogo
CSDN:http://blog.csdn.net/zhubaitian