1.讀檔案：
讀csv檔案：
u <-read.csv(("g:/jd_data/data/jdata_user.csv"),header=true)//不加header預設false，即就是資料框的列名為v1，v2...
//header=true,第一列為列名
sample(x, size, replace = false, prob = null)//replace 是否放回抽樣
//prob 所抽取元素的概率
//x裡面抽size個資料
（1）資料框行數：nrow
（2）資料框列數：ncol
（3）轉化為矩陣：data.matrix()
4.合併資料框
（1）橫向合併
merge(x = df1, y = df2, by = "某列", all = true)
//inner
merge(x = df1, y = df2, by = "customerid", all.x = true)
//left(以x為主)
merge(x = df1, y = df2, by = "customerid", all.y = true)
//right（以y為主）
merge(x = df1, y = df2, by = null)
//outer（相當於笛卡爾積）
rbind（df1，df2）
plyr包中可以將兩個列數不同的資料框進行垂直合併（縱向合併），沒有該列的用na填充，**：
library
("plyr")
df.new
<- rbind.fill
(df1,df2)
df1 <- df1[!duplicated(df1),]
//去掉所有重複的行
df1 <- df1[!duplicated(df1[,c(2,3)]),]
//去掉第2和第3列重複的行
na：代表缺失值
nan：代表不可能的值
inf：代表正無窮
-inf：代表負無窮
is.na（）：識別缺失值
is.nan（）：識別不可能值
is.infinite（）：無窮值
complete.cases（）可用來識別矩陣或資料框中沒有缺失值的行，若每行都包含完整的例項，則返回true的邏輯向量，若每行有乙個或多個缺失值，則返回false；
df1 <- test[complete.cases(df1),]
//可以去掉含有缺失值的行
a=data.frame(customer=c('a','b','a','m','a','b'),consumption=1:6)
a customer consumption1a
12 b 23a
34 m 45a
56 b 6
a b m98
4a b m32
1
a=
data
.frame(customer=c('a','b','a','m','a','b'),consumption=
1:6,groups=c('a','b','a','b','a','b'))
aggregate(a$consumption, list(a$customer,a$groups), sum)
group
.1group
.2 x
1 a a 9
2 b b 8
3 m b 4
（1）找最大值：max()
（2）找最大值的下標：which.max()
9.資料中心化（標準化，最小-最大規範化）
即就是將資料對映到[0,1]之間：
公式： x-min(x) / max(x)-min(x)
for(i in
1:ncol)
docker Dockerfile 一些語法
環境變數 與宣告 的env宣告 也可以在特定指令作為變數用來被解釋dockerfile。轉義也被處理，從字面上包含類似於變數的語法。環境變數dockerfile用 variable nameor 來標註 他們被對等地對待，大括號語法通常用於解決變數名稱沒有空白的問題，如 bar。該 語法還支援一些標...
MFC一些語法筆記
1.類似c語言sprintf的用法 cstring str1 str1.format t id是 d i 把變數i的值變成字串 t是乙個巨集，作用是讓你的程式支援unicode編碼。因為windows使用兩種 字符集ansi和unicode，前者就是通常使用的單 位元組方式，但這種方式處理像中文這樣...
正則的一些語法
1.b 單詞的開頭或結尾 2.代表重複0次或多次 連在一起就意味著任意數量的不包含換行的字元 3.代表重複n次數 4.d 表示10十進位制數 s匹配任意的空白符，包括空格，製表符 tab 換行符，中文全形空格等 w匹配字母或數字或下劃線或漢字等。匹配除換行符以外的任意字元 w 匹配字母或數字或下劃線...