本节书摘来自华章出版社《R语言与数据挖掘最佳实践和经典案例》一 书中的第2章，第2.1节，作者：（澳）Yanchang Zhao，更多章节内容可以访问云栖社区“华章计算机”公众号查看。
2.1 R数据的保存与加载
R中的数据可以通过函数save()保存为.Rdata文件，并且可以通过函数load()将数据加载到R中。在下面的代码中，使用函数rm()将对象a从R中删除。
《R语言与数据挖掘最佳实践和经典案例》—— 2.1 R数据的保存与加载
2017-07-03
1413
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
目录
相关文章
|
3月前
|
数据采集
机器学习/深度学习
数据可视化
R语言从数据到决策：R语言在商业分析中的实践
【9月更文挑战第1天】R语言在商业分析中的应用广泛而深入，从数据收集、预处理、分析到预测模型构建和决策支持，R语言都提供了强大的工具和功能。通过学习和掌握R语言在商业分析中的实践应用，我们可以更好地利用数据驱动企业决策，提升企业的竞争力和盈利能力。未来，随着大数据和人工智能技术的不断发展，R语言在商业分析领域的应用将更加广泛和深入，为企业带来更多的机遇和挑战。
123
9
9
|
4月前
|
存储
数据采集
数据处理
R语言数据变换：使用tidyr包进行高效数据整形的探索
【8月更文挑战第29天】`tidyr`包为R语言的数据整形提供了强大的工具。通过`pivot_longer()`、`pivot_wider()`、`separate()`和`unite()`等函数，我们可以轻松地将数据从一种格式转换为另一种格式，以满足不同的分析需求。掌握这些函数的使用，将大大提高我们处理和分析数据的效率。
67
6
6
|
3月前
R语言基于表格文件的数据绘制具有多个系列的柱状图与直方图
【9月更文挑战第9天】在R语言中，利用`ggplot2`包可绘制多系列柱状图与直方图。首先读取数据文件`data.csv`，加载`ggplot2`包后，使用`ggplot`函数指定轴与填充颜色，并通过`geom_bar`或`geom_histogram`绘图。参数如`stat`, `position`, `alpha`等可根据需要调整，实现不同系列的图表展示。
70
9
9
|
3月前
|
数据采集
数据可视化
数据挖掘
R语言在金融数据分析中的深度应用：探索数据背后的市场智慧
【9月更文挑战第1天】R语言在金融数据分析中展现出了强大的功能和广泛的应用前景。通过丰富的数据处理函数、强大的统计分析功能和优秀的可视化效果，R语言能够帮助金融机构深入挖掘数据价值，洞察市场动态。未来，随着金融数据的不断积累和技术的不断进步，R语言在金融数据分析中的应用将更加广泛和深入。
143
8
8
|
4月前
|
数据采集
机器学习/深度学习
数据挖掘
R语言数据清洗：高效处理缺失值与重复数据的策略
【8月更文挑战第29天】处理缺失值和重复数据是数据清洗中的基础而重要的步骤。在R语言中，我们拥有多种工具和方法来有效地应对这些问题。通过识别、删除或插补缺失值，以及删除重复数据，我们可以提高数据集的质量和可靠性，为后续的数据分析和建模工作打下坚实的基础。
需要注意的是，处理缺失值和重复数据时，我们应根据实际情况和数据特性选择合适的方法，并在处理过程中保持谨慎，以避免引入新的偏差或错误。
74
5
5
|
4月前
|
SQL
存储
算法
【数据挖掘】恒生金融有限公司2023届秋招数据ETL工程师笔试题解析
恒生科技2022年9月24号数据ETL工程师岗位的笔试题目及答案汇总，包括了SQL选择题、SQL编程题和业务应用SQL编程题，涵盖了数据库基础知识、SQL语句编写以及数据仓库概念等多个方面。
70
2
2
|
4月前
|
数据处理
R语言数据合并：掌握`merge`与`dplyr`中`join`的巧妙技巧
【8月更文挑战第29天】如果你已经在使用`dplyr`进行数据处理，那么推荐使用`dplyr::join`进行数据合并，因为它与`dplyr`的其他函数（如`filter()`、`select()`、`mutate()`等）无缝集成，能够提供更加流畅和一致的数据处理体验。如果你的代码中尚未使用`dplyr`，但想要尝试，那么`dplyr::join`将是一个很好的起点。
98
3
3
|
4月前
|
数据采集
存储
数据可视化
R语言时间序列分析：处理与建模时间序列数据的深度探索
【8月更文挑战第31天】R语言作为一款功能强大的数据分析工具，为处理时间序列数据提供了丰富的函数和包。从数据读取、预处理、建模到可视化，R语言都提供了灵活且强大的解决方案。然而，时间序列数据的处理和分析是一个复杂的过程，需要结合具体的应用场景和需求来选择合适的方法和模型。希望本文能为读者在R语言中进行时间序列分析提供一些有益的参考和启示。
80
1
1
|
4月前
|
SQL
数据挖掘
数据处理
R语言数据操作：使用dplyr进行数据处理的深度探索
【8月更文挑战第27天】`dplyr`包以其简洁、强大的数据处理能力，在R语言的数据分析领域占据了重要地位。通过`select()`、`filter()`、`arrange()`、`mutate()`和`summarise()`等核心函数，结合管道操作符`%>%`，我们可以轻松地完成数据筛选、排序、变换和汇总等操作。掌握`dplyr`的使用，将极大地提高我们在R语言中进行
49
1
1
|
4月前
|
机器学习/深度学习
安全
算法
【2023年第十一届泰迪杯数据挖掘挑战赛】A题：新冠疫情防控数据的分析 32页和40页论文及实现代码
本文总结了2023年第十一届泰迪杯数据挖掘挑战赛A题的新冠疫情防控数据分析，提供了32页和40页的论文以及实现代码，涉及密接者追踪、疫苗接种影响分析、重点场所管控以及疫情趋势研判等多个方面，运用了机器学习算法和SEIR传染病模型等方法。
81
0
0
