《R语言初学指南》一2.4 利用注释使脚本明了

简介:

本节书摘来自异步社区《R语言初学指南》一书中的第2章,第2.4节,作者【美】Brian Dennis(布莱恩·丹尼斯),更多章节内容可以访问云栖社区“异步社区”公众号查看

2.4 利用注释使脚本明了

R语言初学指南
可在脚本中加入注释。在脚本中,任何以“#”(sharp/number symbol)开头的命令行都会被R忽略。同样,若“#”出现在某行的中间,则该行中“#”后面的语句都会被忽略。可利用这一特性对脚本添加注释,以便用户或他人日后查阅。例如,作者每次查看前一天编写的脚本时,都要重新梳理并回忆每条脚本语句的作用。

下面是添加注释之后,狼-驼鹿脚本可能呈现的样子:

#=================================================
# wolf moose graph version 20110625.R
# R program to plot the average kill rate of moose per wolf
# (average number of moose killed per wolf per 100 days;
# vertical axis) with the density of moose (average number
# per 1000 square km; horizontal axis), along with the model 
# equation for predation rate from ecological theory.
#
# Data are from Messier, F. 1994. Ungulate population models 
# with predation: a case study with the North American moose. 
# Ecology 75:478-488.
#=================================================
#---------------------------------------
# Enter data into two vectors.
#---------------------------------------
moose.density=c(.17,.23,.23,.26,.37,.42,.66,.80,1.11,1.30,1.37,1.41, 1.73,2.49) 
kill.rate=c(.37,.47,1.90,2.04,1.12,1.74,2.78,1.85,1.88,1.96, 1.80,2.44, 2.81,3.75)

#--------------------------------------
# Draw a scatterplot of the data.
#--------------------------------------
plot(moose.density,kill.rate,type="p")

#--------------------------------------
# Calculate predation rate equation over a range of moose
# densities and store in two vectors, m and k.
#--------------------------------------
m=2.5*(0:100)/100  # Range of moose densities from 0 to 2.5.
a=3.37         # Prey density at which kill is half of
             #  maximum.
b=0.47         # Maximum kill rate.
k=a*m/(b+m)       # Model equation calculated for all values 
               #  contained in the vector m.

#--------------------------------------
# Plot the predation rate equation data as a line plot.
#--------------------------------------
points(m,k,type="l")

添加多少注释都不为过。尽管这需要输入更多的字符,但在将来这会节省很多脑力劳动。另外,用年-月-日的方法来记录日期(参见第一行注释中“version 20110625”),可产生一系列连续增加的数字,这对分类、存储、查找及提取文件都很有用。

注释对脚本调试很有用。只要在每个不需要运行的命令行前面添加“#”号,即可通过“注释”使脚本在运行时忽略其中的一行或一部分。将一部分脚本改为注释,然后通过运行另外的一条或一组语句来进行调试,这样可以保留原来的输入。

相关文章
|
3月前
|
编译器
R 语言教程 之 R 注释
R语言中的注释仅支持单行注释,使用#符号。多行注释可通过每行添加#或使用if(FALSE){}结构实现。注释帮助理解代码,但不参与执行。示例包括简单的打印语句和两数相加。
88 4
|
存储 Go
速绘丨GO富集气泡图绘制方法,利用R语言ggplot2包快速绘制,完整脚本可重复绘图
速绘丨GO富集气泡图绘制方法,利用R语言ggplot2包快速绘制,完整脚本可重复绘图
|
Linux Python
彩蛋丨利用R语言脚本实现批量合并Excel表格,再也不用手动点来点去了!
彩蛋丨利用R语言脚本实现批量合并Excel表格,再也不用手动点来点去了!
|
数据可视化 数据挖掘 Python
跟着GlobalChangeBiology学作图:R语言ggplot2点线图(2)给分面添加注释
跟着GlobalChangeBiology学作图:R语言ggplot2点线图(2)给分面添加注释
|
5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。
|
4月前
|
数据挖掘 C语言 C++
R语言是一种强大的统计分析工具,提供了丰富的函数和包用于时间序列分析。
【10月更文挑战第21天】时间序列分析是一种重要的数据分析方法,广泛应用于经济学、金融学、气象学、生态学等领域。R语言是一种强大的统计分析工具,提供了丰富的函数和包用于时间序列分析。本文将介绍使用R语言进行时间序列分析的基本概念、方法和实例,帮助读者掌握R语言在时间序列分析中的应用。
86 3