巧用箭头函数添加误差线

赖江山 2017-3-14 08:49

#在sciplot程序包里可以自动加误差线 install.packages(sciplot) #安装sciplot包 library(sciplot) #调用sciplot包 bargraph.CI(dose, len, data = ToothGrowth) lineplot.CI(dose, len, data = ToothGrowth) # 巧用箭头作 ...

4055 次阅读|没有评论

类别变量与哑变量相互转化程序

赖江山 2017-1-29 08:20

### CONVERT THE FACTOR TO DUMMIES ### library(caret) dummies - predict(dummyVars(~ Species, data = iris), newdata = iris) head(dummies, n = 3) ### CONVERT DUMMIES TO THE FACTOR ### header - unlist(strsplit(colnames(dummies), ' ')) species - factor(dummies %*% 1:ncol(dum ...

5481 次阅读|没有评论

从大样地里面随机抽取若干个小样方的程序

赖江山 2017-1-22 13:33

ran.sam.plot=function(data,Gx,Gy,size,bin,Num) {#data里面含有gx,gy这两列 #Gx,Gy分别是整个样地的两个边长 #size是随机抽取的小样方边长的大小， #bin是设计抽样距离 #Num是随机取样的个数 X=seq(0,Gx-size,bin) Y=seq(0,Gy-size,bin) a=sample(X,Num,replace=T) b=sample(Y,Num,replace=T) result=list() ...

个人分类: RDA|5339 次阅读|没有评论

将样方多度数据转为“样方-物种”矩阵的函数

热度 5 赖江山 2017-1-13 17:33

很多多元统计分析方法（例如聚类、排序等）最基本分析数据是“样方-物种”矩阵数据，但是我们野外调查数据输入往往是三列数据，即第一列为样方号，第二列为物种名，第三列为物种多度，对于这样的数据，如何变为样方-物种多度矩阵，我编了了一个小程序，方便大家使用。 b=read.csv(rawdata.csv,header=T)#读入数据 ...

9237 次阅读|8 个评论 热度 5

混合效应模型和广义线性模型计算R方的函数sem.model.fits

热度 3 赖江山 2017-1-7 15:38

#广义线性模型 install.pcakages( piecewiseSEM) library(piecewiseSEM) model - glm(vs ~ wt + disp, data=mtcars, family=binomial) summary(model) library(piecewiseSEM) sem.model.fits(model) #查看Marginal就是 #实际等于1-（Residual deviance/Null deviance）， 这个时候并不是真正的R方，是 ...

个人分类: RDA|18249 次阅读|4 个评论 热度 3

在非约束排序图中被动加入环境因子

赖江山 2017-1-6 06:53

有的时候，想着排序图上同时尽量展示最大的物种矩阵的变化量（variation),同时又想展示环境因子（解释变量）。这个时候，先对物种矩阵进行非约束排序，做出排序图后，再被动加入环境因子变量。这个做法跟约束排序（RDA或CCA）还是有本质区别的时候。RDA和CCA中，排序图上的物种或样方的排序已经结合的环境信息（即是先跟环 ...

9200 次阅读|没有评论

如何选择好的距离指数？

热度 1 赖江山 2017-1-3 17:50

在群落生态学中，计算群落取样点之间的相异（距离）系数矩阵是很多多元统计（比如聚类分析）的基础。很多学者创造出很多的具有生态学意义的方法度量群落相异系数，比如二元数据的Jaccard，Sørensen，还有数量数据的Bray-Curtis，欧式距离等等。很多人在做这个分析的时候会产生一种困惑，到底应该选哪种指数？其实每种 ...

个人分类: RDA|11267 次阅读|1 个评论 热度 1

R语言与生态学数据分析微信公众号

热度 1 赖江山 2016-12-26 21:02

第一次玩微信公众号，希望大家关注！

9142 次阅读|1 个评论 热度 1

克里格插值函数kriging

赖江山 2016-12-26 14:26

install.packages(pracma) library(pracma) n - 36 x - c(1, 1, -1, -1, runif(n-4, -1, 1)) # add four vertices y - c(1, -1, 1, -1, runif(n-4, -1, 1)) u - cbind(x, y) v - numeric(n) for (i in 1:n) v - f(c(x , y )) kriging(u, v, c(0, 0))   ...

个人分类: RDA|4735 次阅读|没有评论

本页有 1 篇博文因作者的隐私设置或未通过审核而隐藏