transalted 50%

1 files changed, 56 insertions, 100 deletions

diff --git a/zh-cn/r-cn.html.markdown b/zh-cn/r-cn.html.markdown
index d377703e..68867d92 100644
--- a/zh-cn/r-cn.html.markdown
+++ b/zh-cn/r-cn.html.markdown
@@ -18,8 +18,8 @@ head(rivers)	# 撇一眼数据集
 length(rivers)	# 我们测量了多少条河流？

 # 141

 summary(rivers)

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

-#  135.0   310.0   425.0   591.2   680.0  3710.0 

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

+#  135.0   310.0   425.0   591.2   680.0  3710.0

 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 |

@@ -34,14 +34,14 @@ stem(rivers)	# 茎叶图（一种类似于直方图的展现形式）
 #  14 | 56

 #  16 | 7

 #  18 | 9

-#  20 | 

+#  20 |

 #  22 | 25

 #  24 | 3

-#  26 | 

-#  28 | 

-#  30 | 

-#  32 | 

-#  34 | 

+#  26 |

+#  28 |

+#  30 |

+#  32 |

+#  34 |

 #  36 | 1

 

 

@@ -50,7 +50,7 @@ stem(log(rivers))	# 查看数据集的方式既不是标准形式，也不是取
 #  The decimal point is 1 digit(s) to the left of the |

 #

 #  48 | 1

-#  50 | 

+#  50 |

 #  52 | 15578

 #  54 | 44571222466689

 #  56 | 023334677000124455789

@@ -65,7 +65,7 @@ stem(log(rivers))	# 查看数据集的方式既不是标准形式，也不是取
 #  74 | 84

 #  76 | 56

 #  78 | 4

-#  80 | 

+#  80 |

 #  82 | 2

 

 

@@ -101,15 +101,15 @@ stem(discoveries, scale=2) # 译者注：茎叶图（数据，放大系数）
 #   8 | 0

 #   9 | 0

 #  10 | 0

-#  11 | 

+#  11 |

 #  12 | 0

 

 max(discoveries)

 # 12

 

 summary(discoveries)

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

-#    0.0     2.0     3.0     3.1     4.0    12.0 

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

+#    0.0     2.0     3.0     3.1     4.0    12.0

 

 

 

@@ -151,7 +151,7 @@ class(5)	# "numeric"
 1.6e-35	# 布朗克长度

 

 # 长整数并用 L 结尾

-5L	# 5  

+5L	# 5

 #输出5L

 class(5L)	# "integer"

 

@@ -178,7 +178,7 @@ class(NULL)	# NULL
 

 # 简单列表

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

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

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

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

 

 # 一些优雅的内置功能

@@ -200,119 +200,80 @@ month.abb	# "Jan" "Feb" "Mar" "Apr" "May" "Jun" "Jul" "Aug" "Sep" "Oct" "Nov" "D
 letters[18]	# "r"

 LETTERS[13]	# "M"

 month.name[9]	# "September"

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

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

 

 

 

-# CHARACTERS

-#特性

-# There's no difference between strings and characters in R

-# 字符串和字符在R语言中没有区别

+# 字符串

+

+# 字符串和字符在 R 语言中没有区别

 "Horatio"	# "Horatio"

-#字符输出"Horatio"

 class("Horatio") # "character"

-#字符串输出("Horatio") # "character"

 substr("Fortuna multis dat nimis, nulli satis.", 9, 15)	# "multis "

-#提取字符串("Fortuna multis dat nimis, nulli satis.", 第9个到15个之前并输出)	

 gsub('u', 'ø', "Fortuna multis dat nimis, nulli satis.")	# "Fortøna møltis dat nimis, nølli satis."

-#替换字符春，用ø替换u

 

 

 

-# LOGICALS

-#逻辑值

+# 逻辑值

 

-# booleans

-#布尔运算

+# 布尔值

 class(TRUE)	# "logical"

-#定义为真，逻辑型

 class(FALSE)	# "logical"

-#定义为假，逻辑型

-# Behavior is normal

-#表现的标准形式

+# 和我们预想的一样

 TRUE == TRUE	# TRUE

 TRUE == FALSE	# FALSE

 FALSE != FALSE	# FALSE

 FALSE != TRUE	# TRUE

-# Missing data (NA) is logical, too

-#缺失数据也是逻辑型的

+# 缺失数据（NA）也是逻辑值

 class(NA)	# "logical"

 #定义NA为逻辑型

 

 

 

-# FACTORS

-#因子

-# The factor class is for categorical data

-#因子是分类数据的定义函数

-# which can be ordered (like childrens' grade levels)

-#可以使有序的（就像儿童的等级水平）

-# or unordered (like gender)

-#也可以是无序的(就像性别）

-levels(factor(c("female", "male", "male", "female", "NA", "female")))	# "female" "male"   "NA" 

-#c("female", "male", "male", "female", "NA", "female")向量，变量是字符型，levels factor（）因子的等级水平

+# 因子

+# 因子是为数据分类排序设计的（像是排序小朋友们的年级或性别）

+levels(factor(c("female", "male", "male", "female", "NA", "female")))	# "female" "male"   "NA"

 

-factor(c("female", "female", "male", "NA", "female"))    

+factor(c("female", "female", "male", "NA", "female"))

 #  female female male   NA     female

 # Levels: female male NA

 

-data(infert)	#Infertility after Spontaneous and Induced Abortion

-#数据集（感染） 自然以及引产导致的不育症

+data(infert)	# 自然以及引产导致的不育症

 levels(infert$education)	# "0-5yrs"  "6-11yrs" "12+ yrs"

-#等级（感染与教育程度） 输出

 

 

 

-# VARIABLES

-#变量

+# 变量

 

-# Lots of way to assign stuff

-#许多种方式用来分配素材

-x = 5 # this is possible

-#x = 5可能的

-y <- "1" # this is preferred

-#y <- "1" 优先级的

-TRUE -> z # this works but is weird

-#输出真实的，存在一个超自然数满足条件

+# 有许多种方式用来赋值

+x = 5 # 这样可以

+y <- "1" # 更推荐这样

+TRUE -> z # 这样可行，但是很怪

 

-# We can use coerce variables to different classes

-#我们还可以使用枪支变量去进行不同的定义

+#我们还可以使用强制转型

 as.numeric(y)	# 1

-#定义数值型

 as.character(x)	# "5"

-#字符型

-

 

-# LOOPS

-#循环

+# 循环

 

-# We've got for loops

-#循环语句

+# for 循环语句

 for (i in 1:4) {

   print(i)

 }

-#定义一个i，从1-4输出

 

-# We've got while loops

-#我们可以获取循环结构

+# while 循环

 a <- 10

 while (a > 4) {

 	cat(a, "...", sep = "")

 	a <- a - 1

 }

-#把10负值为a，a＜4，输出文件（a,"...",sep="" ),跳出继续下一个循环取a=a-1,如此循环，直到a=10终止

-# Keep in mind that for and while loops run slowly in R

-#在R语言中牢记 for和它的循环结构

-# Operations on entire vectors (i.e. a whole row, a whole column)

-#牢记矢量中附带的操作（例如，整行和整列）

-# or apply()-type functions (we'll discuss later) are preferred

-#或者优先使用()-函数,稍后会进行讨论

+

+# 记住，在 R 语言中 for / while 循环都很慢

+# 建议使用 apply()（我们一会介绍）来错做一串数据（比如一列或者一行数据）

 

 # IF/ELSE

-#判断分支

 

-# Again, pretty standard

-#再一次，看这些优雅的标准

+# 再来看这些优雅的标准

 if (4 > 3) {

 	print("Huzzah! It worked!")

 } else {

@@ -322,30 +283,25 @@ if (4 > 3) {
 # =>

 # [1] "Huzzah! It worked!"

 

-# FUNCTIONS

-#功能函数

+# 函数

 

-# Defined like so:

-#定义如下

+# 定义如下

 jiggle <- function(x) {

-	x+ rnorm(x, sd=.1)	#add in a bit of (controlled) noise

+	x + rnorm(x, sd=.1)	#add in a bit of (controlled) noise

 	return(x)

 }

-#把功能函数x负值给jiggle，

 

-# Called like any other R function:

-jiggle(5)	# 5±ε. After set.seed(2716057), jiggle(5)==5.005043

+# 和其他 R 语言函数一样调用

+jiggle(5)	# 5±ε. 使用 set.seed(2716057) 后， jiggle(5)==5.005043

 

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

-# Fun with data: vectors, matrices, data frames, and arrays

-# 数据参数：向量，矩阵，数据框，数组，

+# 数据容器：vectors, matrices, data frames, and arrays

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

 

-# ONE-DIMENSIONAL

-#单维度

+# 单维度

 # You can vectorize anything, so long as all components have the same type

 #你可以将任何东西矢量化，因此所有的组分都有相同的类型

-vec <- c(8, 9, 10, 11) 

+vec <- c(8, 9, 10, 11)

 vec	#  8  9 10 11

 # The class of a vector is the class of its components

 #矢量class表示这一组分的类型

@@ -423,10 +379,10 @@ t(mat)
 mat2 <- cbind(1:4, c("dog", "cat", "bird", "dog"))

 mat2

 # =>

-#      [,1] [,2]   

-# [1,] "1"  "dog"  

-# [2,] "2"  "cat"  

-# [3,] "3"  "bird" 

+#      [,1] [,2]

+# [1,] "1"  "dog"

+# [2,] "2"  "cat"

+# [3,] "3"  "bird"

 # [4,] "4"  "dog"

 class(mat2)	# matrix

 #定义mat2矩阵

@@ -451,7 +407,7 @@ mat3
 # TWO-DIMENSIONAL (DIFFERENT CLASSES)

 ##二维函数(不同的变量类型)

 

-# For columns of different classes, use the data frame 

+# For columns of different classes, use the data frame

 利用数组可以将不同类型放在一起

 dat <- data.frame(c(5,2,1,4), c("dog", "cat", "bird", "dog"))

 #dat<-数据集(c(5,2,1,4), c("dog", "cat", "bird", "dog"))

@@ -484,7 +440,7 @@ dat[,"number"]	# 5 2 1 4
 # You can make a two-dimensional table (sort of like a matrix)

 #你可以建立一个2维表格（类型和矩阵相似）

 array(c(c(1,2,4,5),c(8,9,3,6)), dim=c(2,4))

-#数组(c(c(1,2,4,5),c(8,9,3,6)),有前两个向量组成，2行4列 

+#数组(c(c(1,2,4,5),c(8,9,3,6)),有前两个向量组成，2行4列

 # =>

 #      [,1] [,2] [,3] [,4]

 # [1,]    1    4    8    3

@@ -540,7 +496,7 @@ mat
 #使用(X, MARGIN, FUN)将一个function功能函数根据其特征应用到矩阵x中

 # over rows (MAR = 1) or columns (MAR = 2)

 #规定行列，其边界分别为1,2

-# That is, R does FUN to each row (or column) of X, much faster than a 

+# That is, R does FUN to each row (or column) of X, much faster than a

 #即就是，R定义一个function使每一行/列的x快于一个for或者while循环

 # for or while loop would do

 apply(mat, MAR = 2, myFunc)