33%

1 files changed, 44 insertions, 109 deletions

diff --git a/zh-cn/r-cn.html.markdown b/zh-cn/r-cn.html.markdown
index 1bd83c60..d377703e 100644
--- a/zh-cn/r-cn.html.markdown
+++ b/zh-cn/r-cn.html.markdown
@@ -1,46 +1,28 @@
-

-# Comments start with hashtags.

 # 评论以 # 开始

 

-# You can't make a multi-line comment per se,

-# but you can stack multiple comments like so.

-# 你不能在每一个se下执行多个注释,

-# 但是你可以像这样把命注释内容堆叠起来.

-# in Windows, hit COMMAND-ENTER to execute a line

-# 在windows下,点击回车键来执行一条命令

+# R 语言原生不支持 多行注释

+# 但是你可以像这样来多行注释

+

+# 在窗口里按回车键可以执行一条命令

 

 

 ###################################################################

-# Stuff you can do without understanding anything about programming

-# 素材可以使那些不懂编程的人同样得心用手

+# 不用懂编程就可以开始动手了

 ###################################################################

 

-data()	# Browse pre-loaded data sets

-data()	# 浏览预加载的数据集

-data(rivers)	# Lengths of Major North American Rivers

+data()	# 浏览内建的数据集

 data(rivers)	# 北美主要河流的长度（数据集）

-ls()	# Notice that "rivers" appears in the workspace

-ls()	# 在工作站中查看”河流“文件夹是否出现

-head(rivers)	# peek at the dataset

-head(rivers)	# 浏览数据集

+ls()	# 在工作空间中查看「河流」是否出现

+head(rivers)	# 撇一眼数据集

 # 735 320 325 392 524 450

-length(rivers)	# how many rivers were measured?

+length(rivers)	# 我们测量了多少条河流？

 # 141

-length(rivers)	# 测量了多少条河流

 summary(rivers)

 #   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 

 #  135.0   310.0   425.0   591.2   680.0  3710.0 

-#查看”河流“数据集的特征

-#  最小值. 1st Qu.  中位数    平均值     最大值 

-#  135.0   310.0   425.0   591.2   680.0  3710.0 

-stem(rivers)	#stem-and-leaf plot (like a histogram)

-stem(rivers)	#茎叶图（一种类似于直方图的展现形式）

-

-

-

-

+stem(rivers)	# 茎叶图（一种类似于直方图的展现形式）

+#

 #  The decimal point is 2 digit(s) to the right of the |

-#  小数点向|右边保留两位数字 

 #

 #   0 | 4

 #   2 | 011223334555566667778888899900001111223333344455555666688888999

@@ -62,11 +44,10 @@ stem(rivers)	#茎叶图（一种类似于直方图的展现形式）
 #  34 | 

 #  36 | 1

 

-stem(log(rivers))	#Notice that the data are neither normal nor log-normal! Take that, Bell Curve fundamentalists.

-stem(log(rivers))	#查看数据集的方式既不是标准形式，也不是取log后的结果! 看起来，是钟形曲线形式的基本数据集

+

+stem(log(rivers))	# 查看数据集的方式既不是标准形式，也不是取log后的结果! 看起来，是钟形曲线形式的基本数据集

 

 #  The decimal point is 1 digit(s) to the left of the |

-#  小数点向|左边保留一位数字 

 #

 #  48 | 1

 #  50 | 

@@ -88,35 +69,26 @@ stem(log(rivers))	#查看数据集的方式既不是标准形式，也不是取l
 #  82 | 2

 

 

-hist(rivers, col="#333333", border="white", breaks=25)	#play around with these parameters

-hist(rivers, col="#333333", border="white", breaks=25)	#给river做统计频数直方图，包含了这些参数（名称，颜色，边界，空白）

-hist(log(rivers), col="#333333", border="white", breaks=25)	#you'll do more plotting later

-hist(log(rivers), col="#333333", border="white", breaks=25)	#稍后你还可以做更多的绘图，统计频数直方图，包含了这些参数（river数据集的log值，颜色，边界，空白）

-hist(rivers, col="#333333", border="white", breaks=25)	#play around with these parameters

-hist(rivers, col="#333333", border="white", breaks=25)	#运行同济频数直方图的这些参数

+hist(rivers, col="#333333", border="white", breaks=25)	# 试试用这些参数画画 （译者注：给 river 做统计频数直方图，包含了这些参数：数据源，颜色，边框，空格）

+hist(log(rivers), col="#333333", border="white", breaks=25)	#你还可以做更多式样的绘图

 

-#Here's another neat data set that comes pre-loaded. R has tons of these. data()

-#这里还有其他一些简洁的数据集可以被提前加载。R语言包括大量这种类型的数据集

+# 还有其他一些简单的数据集可以被用来加载。R 语言包括了大量这种 data()

 data(discoveries)

-#数据集（发现）

 plot(discoveries, col="#333333", lwd=3, xlab="Year", main="Number of important discoveries per year")

-#绘图（发现，颜色负值，宽度负值，X轴名称，主题：Number of important discoveries per year）

-

+# 译者注：参数为（数据源，颜色，线条宽度，X 轴名称，标题）

+plot(discoveries, col="#333333", lwd=3, type = "h", xlab="Year", main="Number of important discoveries per year")

 

 

-#rather than leaving the default ordering (by year) we could also sort to see what's typical

-#宁可舍弃也不执行排序（按照年份完成）我们可以分类来查看这是那些类型

-sort(discoveries)  #给（发现）分类

+# 除了按照默认的年份排序，我们还可以排序来发现特征

+sort(discoveries)

 #  [1]  0  0  0  0  0  0  0  0  0  1  1  1  1  1  1  1  1  1  1  1  1  2  2  2  2

 # [26]  2  2  2  2  2  2  2  2  2  2  2  2  2  2  2  2  2  2  2  2  2  2  3  3  3

 # [51]  3  3  3  3  3  3  3  3  3  3  3  3  3  3  3  3  3  4  4  4  4  4  4  4  4

 # [76]  4  4  4  4  5  5  5  5  5  5  5  6  6  6  6  6  6  7  7  7  7  8  9 10 12

 

-stem(discoveries, scale=2)

-#茎叶图（发现，在原来的基础上降尺度扩大两倍）

-# 

+stem(discoveries, scale=2) # 译者注：茎叶图（数据，放大系数）

+#

 #  The decimal point is at the |

-#  小数点在|

 #

 #   0 | 000000000

 #   1 | 000000000000

@@ -133,32 +105,26 @@ stem(discoveries, scale=2)
 #  12 | 0

 

 max(discoveries)

-#最大值(发现)

 # 12

 

 summary(discoveries)

-#数据集特征(发现)

 #   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 

 #    0.0     2.0     3.0     3.1     4.0    12.0 

 

 

 

 

-#Basic statistical operations don't require any programming knowledge either

 #基本的统计学操作也不需要任何编程知识

 

-#roll a die a few times

-#随机输出数据

+#随机生成数据

 round(runif(7, min=.5, max=6.5))

-#round(产生均匀分布的随机数，进行四舍五入(7个, 最小值为0.5, max=6.5))

+# 译者注：runif 产生随机数，round 四舍五入

 # 1 4 6 1 4 6 4

 

-#your numbers will differ from mine unless we set the same random.seed(31337)

-#你输出的结果将会与我们给出的不同，除非我们设置了同样的随机种子 random.seed(31337)

+# 你输出的结果会和我们给出的不同，除非我们设置了相同的随机种子 random.seed(31337)

 

 

-#draw from a standard Gaussian 9 times

-#从标准高斯函数中随机的提取9次结果

+#从标准高斯函数中随机生成 9 次

 rnorm(9)

 # [1]  0.07528471  1.03499859  1.34809556 -0.82356087  0.61638975 -1.88757271

 # [7] -0.59975593  0.57629164  1.08455362

@@ -172,100 +138,69 @@ rnorm(9)
 

 

 #########################

-# Basic programming stuff

-# 基本的编程素材

+# 基础编程

 #########################

 

-# NUMBERS

+# 数值

 

-# "numeric" means double-precision floating-point numbers

 #“数值”指的是双精度的浮点数

 5	# 5

 class(5)	# "numeric"

-#定义(5)为数值型变量	# "numeric"

-5e4	# 50000				#handy when dealing with large,small,or variable orders of magnitude

-#5×104次方    可以手写输入改变数量级的大小将变量扩大

-6.02e23	# Avogadro's number

-#阿伏伽德罗常数

-1.6e-35	# Planck length

-#布朗克长度

-

-# long-storage integers are written with L

-#长存储整数并用L书写

+5e4	# 50000				# 用科学技术法方便的处理极大值、极小值或者可变的量级

+6.02e23	# 阿伏伽德罗常数#

+1.6e-35	# 布朗克长度

+

+# 长整数并用 L 结尾

 5L	# 5  

 #输出5L

 class(5L)	# "integer"

-#（5L）的类型， 整数型

 

-# Try ?class for more information on the class() function

-#可以自己试一试？用class()功能函数定义更多的信息

-# In fact, you can look up the documentation on `xyz` with ?xyz

-#事实上，你可以找一些文件查阅“xyz”以及xyz的差别

-# or see the source for `xyz` by evaluating xyz

-#或者通过评估xyz来查看“xyz”的来源

+# 可以自己试一试？用 class() 函数获取更多信息

+# 事实上，你可以找一些文件查阅 `xyz` 以及xyz的差别

+# `xyz` 用来查看源码实现，?xyz 用来看帮助

 

-# Arithmetic

-#算法

+# 算法

 10 + 66	# 76

 53.2 - 4	# 49.2

 2 * 2.0	# 4

 3L / 4	# 0.75

 3 %% 2	# 1

 

-# Weird number types

-#超自然数的类型

+# 特殊数值类型

 class(NaN)	# "numeric"

 class(Inf)	# "numeric"

-class(-Inf)	# "numeric"		#used in for example integrate( dnorm(x), 3, Inf ) -- which obviates Z-score tables

-#定义以上括号内的数均为数值型变量，利用实例中的整数（正态分布函数（X）,3,Inf ）消除Z轴列表

+class(-Inf)	# "numeric"		# 在以下场景中会用到 integrate( dnorm(x), 3, Inf ) -- 消除 Z 轴数据

 

-# but beware, NaN isn't the only weird type...

-# 但要注意，NaN并不是仅有的超自然类型。。。

-class(NA)	# see below

-#定义（NA）下面的部分会理解

+# 但要注意，NaN 并不是唯一的特殊数值类型……

+class(NA)	# 看上面

 class(NULL)	# NULL

-#定义（NULL）无效的

 

 

-# SIMPLE LISTS

-#简单的数据集 

+# 简单列表

 c(6, 8, 7, 5, 3, 0, 9)	# 6 8 7 5 3 0 9

-#输出数值型向量（6 8 7 5 3 0 9）

 c('alef', 'bet', 'gimmel', 'dalet', 'he')	

-#输出字符型变量# "alef"   "bet"    "gimmel" "dalet"  "he"

 c('Z', 'o', 'r', 'o') == "Zoro"	# FALSE FALSE FALSE FALSE

-#输出逻辑型变量FALSE FALSE FALSE FALSE

 

-#some more nice built-ins

-#一些优雅的内置功能

+# 一些优雅的内置功能

 5:15	# 5  6  7  8  9 10 11 12 13 14 15

-#从5-15输出，以进度为1递增

 

 seq(from=0, to=31337, by=1337)

-#输出序列（从0到31337，以1337递增）

 #  [1]     0  1337  2674  4011  5348  6685  8022  9359 10696 12033 13370 14707

 # [13] 16044 17381 18718 20055 21392 22729 24066 25403 26740 28077 29414 30751

 

 letters

-#字符型变量，26个

 #  [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" "p" "q" "r" "s"

 # [20] "t" "u" "v" "w" "x" "y" "z"

 

 month.abb	# "Jan" "Feb" "Mar" "Apr" "May" "Jun" "Jul" "Aug" "Sep" "Oct" "Nov" "Dec"

-#表示月份的变量

 

 

 # Access the n'th element of a list with list.name[n] or sometimes list.name[[n]]

-#访问数据集名字为[n]的第n个元素

-

+# 使用 list.name[n] 来访问第 n 个列表元素，有时候需要使用 list.name[[n]]

 letters[18]	# "r"

-#访问其中的第18个变量

 LETTERS[13]	# "M"

-#用大写访问其中的第13个变量

 month.name[9]	# "September"

-#访问名字文件中第9个变量

 c(6, 8, 7, 5, 3, 0, 9)[3]	# 7 

-#访问向量中的第三个变量