科学网—标签

相关帖子	版块	作者	回复/查看	最后发表

moset 2013-5-22 23:43

紧张的工作暂时告一段落，心情也倍儿愉快。傍晚在公交车上，晃悠中莫名回想起了前阵子工作中所写程序的一些片段，好些都是值得深思并令人愉快的。下文是其中一个片段的一些相关联想。简单的有如下的两个序列： k1 = 1 2 3 4 5 6 7 8 9 k2 = 2 5 1 8 3 4 9 7 6 k1 是 1:9 的连续序列， k2 是一个被打乱顺序的 1:9 序列。把 k2 中的元素以怎样的顺序安排可以得到 k1 ？ rp2= 3 1 5 6 2 9 8 4 7 以 rp2 所列顺序，即 k2 、 k2 、…… k 排列便可以得到序列 k1 。如何得到 rp ？最早接触这个问题应是小学吧，而且不是相关在数学科目上，反而是在语文课上，不知道大家还记得排列几句话，大约是以因果、语境、时间等规则组合成一个段落，写下句子排列的顺序。若 k2 就是被打散的段落，即第 2 句被放在第 1 个位置，第 5 句放在第 2 位置……，那么这道习题的答案就是 rp2 了，当然很少有人在做这道题的时候会把隐含的 k2 顺序给列出来，那时我常强迫症似的写下 k2 ，考试时一慌张还真的不知道该写哪个了。 k1 、 k2 、 rp2 的关系： k1 以 rp2 的顺序放置可以得到 k2 ，也可以认为 k1 以 k2 的顺序放置可以得到 rp2 ，或者 k2 = 1:9 ，或者 rp2 =1:9 ……。那时想来，对于这类语文习题都是在问“打乱的句子以何种顺序可以组合得到完整的段落”，那么应该都解释得通的。不去纠结了，毕竟这不是本文主要想要写的内容。现讨论下面一个问题，若有序列 k3 k3 = 4 2 6 9 7 1 3 8 5 当有序列 k2 时，如何得到序列 k3 呢？对于这个问题简单的解答是：在 k2 find k3 得到位置 6 那么写下 result = 6 ，在 k2 find k3 得到位置 1 那么写下 result = 1 ，如此反复得到序列 result 使 k2 = k3 。也许在学习线代之前，或许完全没有可能意识到这不是个好方法，我们可以简单分析这个算法的时间复杂度是 O(n^2) 。为何说这不是个好方法呢，因为有信息这种方式下我们没有利用到， k2,k3 元素是可以建立双射的一一对应的。其实从列 k2 得到序列 k3 ，这应是搜寻匹配算法的研究的一部分。为了得到一个好些的算法，做下面的分析：同 k2 得到 rp2 的方法，也可以从 k3 得到 rp3 。以 rp2 =1:9 在 O(n) 的时间下得到 kx -rpx 的转换。 rp3 = 6 2 7 1 9 3 5 8 4 以 k2 我们可以生成酉矩阵 L2 Matlab 程序： n=9; L2=zeros(n,n); L2((k2-1)*n+k1)=1 L2 = 0 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 由 Lx*Lx'=I 推知 L2 每行为一的位置就是序列 k2 ， L2 每列为一的位置就是 rp2 。即： k1*L2’ = k2 ； k1*L2 = rp2 ； k1*L3’ = k3 ； k1*L3 = rp3 ；那么有： k2*L2*L3’ = k3 ； = k2(rp2(k3)) = k3 即对 k2 以序列 re =rp2(k3) 规则可得到 k2(re) = k3 。整个个过程以 matlab 语言描述： k1 k1 = 1 2 3 4 5 6 7 8 9 k2 k2 = 2 5 1 8 3 4 9 7 6 k3 k3 = 4 2 6 9 7 1 3 8 5 rp2=zeros(1,9); rp2(k2)=1:9 rp2 = 3 1 5 6 2 9 8 4 7 re=rp2(k3) re = 6 1 9 7 8 3 5 4 2 k2(re) ans = 4 2 6 9 7 1 3 8 5 从 k2 到 k3 的映射位置得到规则 re ，需要的算法时间 O(n) 即可。同理 k3- k2 的规则： rp3(k2) 。对于 rpx ，我们可以认为建立了一个 hash ，在序列表是一个由一些符号做为索引时，我们只要以某种规则建立的 hash ，如在上述问题中，就是以 1:9 做为规则建立原形 k2 的 hash ： rp2 。 **************************************************************************************** 原来在小学时的语文课上做了有生以来第一个矩阵逆。 20 年后才意识到……。

3534 次阅读|0 个评论

IDL中针对数组某一列进行排序

dongyanqing 2012-11-4 22:12

IDL中有对一维数组排序的函数sort，使用示例代码如下。 Sort() 函数实现数组的排序功能，返回结果是排序后数组的下标索引。调用格式： Result = Sort( 数组 ) IDL arr = IDL ; 数组排序后索引 IDL print,sort(arr) 2 1 3 4 0 IDL ; 排序后数组 IDL print,arr 1 2 3 4 5 如果对二维数组针对某一列进行排序，可以先把这一列提取出来排序获取排序后的索引，然后调整数组顺序。 IDL arr = , , ] IDL print,arr 2 3 1 5 4 2 IDL void = reform(arr ) IDL sidx = sort(void) IDL narr= arr ] IDL print,narr 1 5 2 3 4 2

个人分类: IDL技术|13903 次阅读|0 个评论

请教：中文搜索引擎中那个比较公正

热度 7 lin602 2012-10-27 13:30

我用‘胶粘剂’这三个字进行检索，不同的网站排列顺序不一样。有人说，这是钱在起作用。如果这样，那是不是说，中国的搜索引擎显示出来的排序都是不准确的？怪不得社会大众经常对公众人物与媒体及官员持怀疑的态度。是不是因为钱可以‘搞定’一切？我建的‘林中祥胶粘剂技术信息网’在GOOGLE搜索中用‘胶粘剂’三个字进行检索，在第一页出现，而且位置很前，而到了其他网站，位置就非常非常后了，刚刚看了，百度是在第9页出现。 ‘百度推广’来了多次邮件讲只要我付给他们钱，我的网位置就可以靠前，但我不想花这冤枉钱，如果花这钱，我的网可能就在第一页了。电影节在中国办，结果没有权威性。中国的许多评估机构，结果不被世界认可，这不是偶然的。

3828 次阅读|15 个评论

R语言中对表格和数组进行排序

热度 1 Bearjazz 2012-8-13 10:57

熊荣川六盘水师范学院生物信息学实验室 xiongrongchuan@126.com http://blog.sciencenet.cn/u/Bearjazz 对表格排序往往是许多数据分析过程必不可少的组成部分，我们习惯了在 excel 中完成这样的操作。其实 R 语言也可以对表格数据进行简单的排序，掌握这些有用的函数，在使用 R 语言进行数据分析时就不用在 excel 和 R 平台之间来回的倒数据了。以下是在 R 平台上的代码输入进运算结果。范例 order.csv 请见博文的附件，注意设置工作目录（你存放 order.csv 的位置） rm(list=ls()) # 清空向量 setwd(D:/ziliao/zhuanye/R bear/lab03)# 设置工作目录 y=read.csv(order.csv) y X V1 V2 X.1 V5 V6 1 1 0.153979 3213.282 1000.000000 1000.000000 0.153979 2 2 0.163979 3215.253 0.010000 NA NA 3 3 0.173979 3218.715 0.010000 NA NA 4 4 0.183979 3219.471 0.010000 NA NA 5 5 0.193979 3238.251 0.010000 NA NA 6 6 0.203979 3269.727 0.010000 NA NA 7 7 0.213979 3270.134 0.010000 NA NA 8 8 0.223979 3279.202 0.010000 NA NA 9 9 0.233979 3260.387 0.010000 NA NA 10 10 0.828344 3266.762 0.594365 0.594365 0.828344 11 11 0.838344 3244.964 0.010000 NA NA 12 12 0.848344 3247.315 0.010000 NA NA 13 13 0.858344 3258.594 0.010000 NA NA 14 14 0.868344 3266.271 0.010000 NA NA 15 15 0.878344 3278.918 0.010000 NA NA 16 16 0.888344 3273.031 0.010000 NA NA 17 17 0.898344 3281.390 0.010000 NA NA 18 18 0.908344 3290.748 0.010000 NA NA 19 19 0.918344 3269.900 0.010000 NA NA 20 20 1.586302 3259.754 0.667958 0.667958 1.586302 x = y x 3213.282 3215.253 3218.715 3219.471 3238.251 3269.727 3270.134 3279.202 3260.387 3266.762 3244.964 3247.315 3258.594 3266.271 3278.918 3273.031 3281.390 3290.748 3269.900 3259.754 x = sort(x) # 对数组 x 进行排序 # x 3213.282 3215.253 3218.715 3219.471 3238.251 3244.964 3247.315 3258.594 3259.754 3260.387 3266.271 3266.762 3269.727 3269.900 3270.134 3273.031 3278.918 3279.202 3281.390 3290.748 y ),] # 以第三列为依据排序，其它列相应变动 # X V1 V2 X.1 V5 V6 1 1 0.153979 3213.282 1000.000000 1000.000000 0.153979 2 2 0.163979 3215.253 0.010000 NA NA 3 3 0.173979 3218.715 0.010000 NA NA 4 4 0.183979 3219.471 0.010000 NA NA 5 5 0.193979 3238.251 0.010000 NA NA 11 11 0.838344 3244.964 0.010000 NA NA 12 12 0.848344 3247.315 0.010000 NA NA 13 13 0.858344 3258.594 0.010000 NA NA 20 20 1.586302 3259.754 0.667958 0.667958 1.586302 9 9 0.233979 3260.387 0.010000 NA NA 14 14 0.868344 3266.271 0.010000 NA NA 10 10 0.828344 3266.762 0.594365 0.594365 0.828344 6 6 0.203979 3269.727 0.010000 NA NA 19 19 0.918344 3269.900 0.010000 NA NA 7 7 0.213979 3270.134 0.010000 NA NA 16 16 0.888344 3273.031 0.010000 NA NA 15 15 0.878344 3278.918 0.010000 NA NA 8 8 0.223979 3279.202 0.010000 NA NA 17 17 0.898344 3281.390 0.010000 NA NA 18 18 0.908344 3290.748 0.010000 NA NA 如果对含有“ NA ”数组进行排序，排序完之后数组中就没有“ NA ”值了，你可以试试看。就这么简单，祝您科研愉快！附件： order.csv 另外，如果对字符向量进行排序，使用sort()函数。

个人分类: 我的研究|21551 次阅读|2 个评论

高效读书排序

uvard 2012-4-30 15:07

高效读书排序我的小境界第一境界：站在书店看书；第二境界：借来的答应期限还的书；第三境界：获赠送的书；第四境界：买的书。

个人分类: 个人观点|2704 次阅读|0 个评论

微博：品味这玩艺

热度 1 xcfcn 2012-4-20 16:09

品位这玩艺可以排序么？答案是既可以又不可以。比如喝咖啡和吃大蒜就比较难排序。但同性质的东西还是可以排序的。比如读书，有人看小人书甘之如饴，有人把康德的三大批判或老爱的广义相对论当如厕书。高下还是可以立现的。当然了，我们也没有必要矫情。适合自己的才是最好的。比如我喜欢路边摊小吃，比如我听不懂古典音乐，也欣赏不了名画和古文。我也处之泰然。

个人分类: 杂论|244 次阅读|3 个评论

谁是最有影响力的科学家？

热度 7 babyann519 2012-3-22 06:03

Quantifying the influence of scientists and their publications: distinguishing between prestige and popularity Author: Yan-Bo Zhou, Linyuan Lü * and Menghui Li Journal：New J.Phys. 14 (2012) 033033 Download: http://iopscience.iop.org/1367-2630/14/3/033033 Abstract The number of citations is a widely used metric for evaluating the scientific credit of papers, scientists and journals. However, it so happens that papers with fewer citations from prestigious scientists have a higher influence than papers with more citations. In this paper, we argue that by whom the paper is being cited is of greater significance than merely the number of citations. Accordingly, we propose an interactive model of author–paper bipartite networks as well as an iterative algorithm to obtain better rankings for scientists and their publications. The main advantage of this method is twofold: (i) it is a parameter-free algorithm; (ii) it considers the relationship between the prestige of scientists and the quality of their publications. We conducted real experiments on publications in econophysics, and used this method to evaluate the influence of related scientific journals. The comparison between the rankings by our method and simple citation counts suggests that our method is effective in distinguishing prestige from popularity. GENERAL SCIENTIFIC SUMMARY Introduction and background. The question of how to measure the scientific influence of scientists and their publications is a long-term debate. Citation counts have been widely used to evaluate scientific impact. However, a paper with fewer citations, but those from prestigious scientists, is of greater influence than those papers with more citations, but from less prestigious sources. The value of each citation should depend on its source. We therefore propose an iterative algorithm to quantify the scientists' prestige and the quality of their publications via their interrelationship on an author–paper bipartite network; we call this the AP rank. Main results. We apply AP rank to classify scientists and papers in the field of econophysics. Although some overlap exists between AP rank and citation counts, the outliers reveal the remarkable and meaningful differences. The figure shows the co-authorship network. With AP rank, we also identify the top-five mainstream journals in econophysics, Physica A, Physical Review E, European Physical Journal B, Quantitative Finance and Physical Review Letters . Wider implications. The main advantages of AP rank are obvious: (1) it is parameter-free; (2) it considers the interaction between the prestige of scientists and the quality of their publications; and (3) it is effective in distinguishing prestige from popularity. Our algorithm can be generalized to applications in a wide range of systems. For example, on Twitter we can build an online reputation system to identify the influential users and evaluate the quality of their tweets by constructing a bipartite network where the retweets can be considered as a kind of citation.

个人分类: 科研工作|5319 次阅读|18 个评论

圣诞生蛋快乐

热度 7 babyann519 2011-12-24 17:33

携五人之力生蛋蛋一枚，特在圣诞之夜以示纪念！蛋蛋名称： Identifying influential nodes in complex networks 蛋蛋编号： Physica A 391 (2012) 1777–1787 蛋蛋特征：提出一种局部的指标用以刻画网络节点的影响力。下载蛋蛋： http://www.sciencedirect.com/science/article/pii/S0378437111007333 Abstract ：Identifying influential nodes that lead to faster and wider spreading in complex networks is of theoretical and practical significance. The degree centrality method is very simple but of little relevance. Global metrics such as betweenness centrality and closeness centrality can better identify influential nodes, but are incapable to be applied in large-scale networks due to the computational complexity. In order to design an effective ranking method, we proposed a semi-local centrality measure as a tradeoff between the low-relevant degree centrality and other time-consuming measures. We use the Susceptible–Infected–Recovered (SIR) model to evaluate the performance by using the spreading rate and the number of infected nodes. Simulations on four real networks show that our method can well identify influential nodes.

个人分类: 科研工作|4693 次阅读|14 个评论

IDL排序函数sort

热度 1 qianlivan 2011-8-18 15:38

在用IDL排序这件事情上，我比较浮躁。sort函数我是老早就知道的，但是刚开始试着用的时候有些误解，因为函数的返回值都是整数。以前接触的排序函数的返回值都是排好序的数，所以我一直以为把sort函数的数据类型搞错了。但是无论我怎么弄返回值都是整数。后来我就转向用别的工具排序了。有一天在网上搜排序算法，发现一段用IDL写的快速排序算法，非常简洁，我本打算用到程序里去，但是发现后面赫然写着，“这段程序只作教学用，其实IDL中有一个非常强大的优化的排序函数，sort”。我顿悟，sort返回的是数组的指标！一查，果然如此。有了返回的指标，要得到返回的数就是很自然的了。为什么不直接返回排好序的数呢？因为指标有很多用处，比如，有一个二位数组，如果要按某一列数的大小顺序对此二维数组的行进行重新排序，sort函数返回的此一列数排序后的指标就相当有用了。如果sort函数只是返回排好序的数，就很难实现对二维数组的行重新排序。从指标可以得到排序后的数，反过来就难了。

个人分类: 思考|13951 次阅读|1 个评论

基于Vegan 软件包的生态学数据排序分析发布

热度 17 laijiangshan 2011-7-11 10:17

博主按：这次整理一下去年在厦门生物多样性会议报告内容，写成一篇适合R的初学者参考的利用R做排序的文章，并已经被“中国生物多样性保护与研究进展Ⅸ— 第九届全国生物多样性保护与持续利用研讨会论文集”收录。希望大家选择R代替CANOCO来进行排序分析。 “基于Vegan 软件包的生态学数据排序分析赖江山米湘成 (中国科学院植物研究所植被与环境变化国家重点实验室，北京 100093) 摘要：群落学数据一般是多维数据，例如物种属性或环境因子的属性。多元统计分析是群落生态学常用的分析方法，排序（ordination）是多元统计最常用的方法之一。CANOCO是广泛使用的排序软件，但缺点是商业软件价格不菲，版本更新速度也很慢。近年来，R语言以其灵活、开放、易于掌握、免费等诸多优点，在生态学和生物多样性研究领域迅速赢得广大研究人员的青睐。R语言中的外在软件包“Vegan”是专门用于群落生态学分析的工具。Vegan能够提供所有基本的排序方法，同时具有生成精美排序图的功能，版本更新很快。我们认为Vegan包完全可以取代CANOCO，成为今后排序分析的首选统计工具。本文首先简述排序的原理和类型，然后介绍Vegan的基本信息和下载安装过程，最后以古田山24公顷样地内随机抽取40个20m×20m的样方为例，展示Vegan包内各种常用排序方法（PCA,RDA,CA和CCA）和排序图生成过程，希望能为R的初学者尽快熟悉并利用Vegan包进行排序分析提供参考。关键词：R语言，软件包,群落分赖江山.pdf gtsdata.txt gtsenv.txt

38093 次阅读|20 个评论

博文排序规则

icstu1 2011-1-12 10:10

科学网可以使用1-400序号对博文实施排序，鉴于博文的特征可以用此实现分类排序。考虑到博文的内容（分类集中）特征、生命周期（信息过时、循环、再造、修正、连续性、最新观点等）、使用的管理的方便性、以及不同读者群的特定需要等，安排1-400序号的科学使用，达到相对位置稳定、可随时插入的线性博文管理、内部连接和查找方便、显示度相对较强等功能，也需要认真思索和安排一下。备用 400 （导读、通知、消息、实效链接信息等）推荐 250 （250-300 热点关键词分类）讨论和精华区 200 内部交流（数据关闭区） 150 课件服务区120 连续性教学100 摄影和人文艺术 90 个人观点 80 图书馆与信息交流 70 待修正60 再造补充50 科学和质疑40 趋势和政策 30 循环20（按阶段特征或年度需求）信息过时 3 （5-10 分类管理）最新观点 0 排序号越大其权重越高； 400为时效区，过时则入相关各类；同类可以用相同的序号；参见时可链接统一地址；。。。请补充：）

个人分类: L 讲故事产生的启迪和激励|1799 次阅读|0 个评论

[转载]美欧报告称印度实力名列全球第三

杨学祥 2010-9-22 06:10

美欧报告称印度实力名列全球第三 http://www.sina.com.cn 2010年09月22日02:04 新京报　　美国和欧盟20日联合发布了一份报告，将印度列为仅次于美国、中国的世界第三大强国，并称其为世界第四大实体。此外，报告还介绍了全球面临的主要问题。　　欧盟与中国并列第二　　当日，美国国家情报委员会和欧盟安全研究所公布了一份名为2025全球治理的研究报告。报告显示，印度是世界第四大实体；如果不算欧盟这一国际组织的话，印度是世界第三大强国。报告认为，从现在一直到2025年，印度的影响力将持续上升。　　这份报告关注全球治理。数据和预测不仅来源于美国和欧洲业界的研究报告，也借鉴了金砖四国巴西、俄罗斯、印度和中国的专家研究成果。　　此报告列举出许多国家在今后15年的名次变化。当前，美国位于名单榜首。2010年，其实力相当于全球实力的22%。　　中国和欧盟的实力仅次于美国，并列第二，均占全球实力的16%；印度实力排名第三，占全球实力的8%；随后依次是日本、俄罗斯、巴西的实力，均占全球实力的5%左右。　　美实力下降地位不变　　至于未来15年的发展趋势，报告认为，美国、欧盟、日本和俄罗斯的实力将下降，中国、印度和巴西将会提高。不过，前四位主要国家和地区的地位却没有变化。　　2025年，美国依然是世界上最强大的国家，不过所占全球实力的比例，已下降到18%。中国还是世界第二大强国，所占比例依然为16%。然而，由于美国实力的下降，中美的差距逐步缩小。欧盟所占全球实力的比例下降到14%，印度则上升至10%。　　国际问题复杂性将显现　　该报告警告说，届时，国际问题的数量将增加，复杂性也将会显现。这将超过国际组织和国际社会的应对能力。报告列出一些可能引发矛盾的问题：气候变化、种族和地区冲突、新技术带来的负面影响以及对自然资源的开发管理。　　报告重点提到全球治理面临的挑战。一方面，全球化快速发展，经济交流已让国内政治和国际问题交织在一起，需要全球更多的合作和更有效的领导；另一方面，世界日益多极化，一些非国家行为体（如恐怖组织）的作用显现，对目前有效的全球治理进程有所阻碍。（张乐）　　■ 链接　　新德里天桥坍塌23人伤　　就在英联邦运动会还有两周即将开幕之时，印度尼赫鲁体育场外的一座正在兴建的过街天桥21日发生垮塌，造成23人受伤。　　当地时间21日下午3时10分，过街天桥发生坍塌，不少人被埋。事发时，数十名工人正在附近作业。目前，已确认23人受伤，其中5人伤势严重。　　尼赫鲁体育场位于首都新德里，是英联邦运动会的主会场，开、闭幕式都在此举行。英联邦运动会是印度今年最重要的国际活动。过街天桥垮塌一事被媒体广泛报道后，外界质疑印度政府举办国际赛事的能力。（张乐） http://news.sina.com.cn/w/2010-09-22/020418147116s.shtml

个人分类: 科普文章|2742 次阅读|1 个评论

讲座（5-3）趋势向量，趋势排序

TUGJAYZHAB 2010-8-21 02:46

超球面模型讲座（5-3）趋势，趋势向量，趋势排序趋势值的期望趋势值的期望值是一。趋势值大于一 , 表明相应的股票在股市中的重要值在观察期间相对增加，股票对应于股市有增加；小于一 , 表明减少；等于一表明股票的增率等于股市的增率。我们要发现股市的变化 , 所以我们的出发点是股市没有变化，股票没有变化。基于期望值等于一的假定 , 如果在实际观测中 , 有缺失数据 , 我们可以用 K+1 的相应数据来填补时间 K 的数据。而且，如果计算发现趋势值偏离 1 很远时 , 我们需要引起注意警惕：也许数据的采集，传递，输入有错误。特别极端的趋势值，根据期望值等于一的假定，有时可以考虑舍弃，而在另外一些场合，可能要考虑系统动态将有反弹。由于趋势向量是状态向量的商，趋势值的取值范围以一为标准 , 期望值在 0 到无穷大之间分布 : 0T 无穷大，分布是不对称的。趋势值和趋势向量 M 个趋势值组成趋势向量。根据趋势值的定义 , 趋势值包括指定股票和整个股市后前时间段的全部信息。例如当 i=2 时 , T(2,k)= / , 趋势值 2 包含了第二个股票现在和过去的信息 , 同时也包含了整个股市现在和过去的信息 . 所以 , 趋势值是一个综合的全面反映股票动态的指标 , 而趋势向量是综合的全面反映全体股票动态的指标。可以根据趋势值 , 把变量在一维里排序。这在应用和理论上都有非常重要的意义。一般来说 , 多元分析只聚类 , 而不排序。分析结果一般用前几名 , 和后几名来表示，而没有完全的排序。一般认为把高维空间的数据投影到低维空间排序要丢失信息。根据趋势值排序 M 趋势向量可以被看作 M*1 矩阵 , 也可以被看作一维里的 M 个数 , 因此可以在一维里比较大小 , 排序。超球面模型使用二次投影，第一次从多维空间想超球面投影，第二次，从超球面想M个坐标投影，保留了全部M个变量的信息，可以被认为是全息投影，相对于其它投影处理，如主坐标PCA。

个人分类: 第五讲|2444 次阅读|0 个评论

六个月交易记录(2)

TUGJAYZHAB 2010-7-15 12:43

交易记录(时间排列) http://www.sciencenet.cn/m/user_content.aspx?id=341166 六个月交易记录 (2) 按变量名称排列上次，我们按时间顺序列出交易记录 http://www.sciencenet.cn/m/user_content.aspx?id=341166 ，使有兴趣的博友可以根据初始记录和交易历史，重建整个投资过程。下面，我们按变量的字母排列顺序列出交易记录如下： Trade Date Action Symbol Quantity Price ($) Commission ($) Fees ($) Amount ($) 69 $548.90 $1.10 $550.00 02/08/2010 CASH CONTRIBUTION PRIOR YEAR 6000 02/23/2010 BOUGHT EWY 50 46 7.95 -2307.95 04/01/2010 SOLD EWY -50 51.07 7.95 0.05 2545.5 01/06/2010 DIVIDEND EWZ 4.45 01/07/2010 BOUGHT EWZ 50 76.8 8 -3848 01/12/2010 BOUGHT EWZ 30 76.25 8 -2295.5 01/20/2010 BOUGHT EWZ 30 72.4 8 -2180 02/09/2010 SOLD EWZ -40 66.5 7.95 0.04 2652.01 02/09/2010 BOUGHT EWZ 40 65.2 7.95 -2615.95 03/18/2010 BOUGHT EWZ 40 72.95 7.95 -2925.95 04/16/2010 BOUGHT EWZ 30 72.74 7.95 -2190.15 04/29/2010 SOLD EWZ -30 73.14 7.95 0.04 2186.21 05/06/2010 BOUGHT EWZ 30 66.8 7.95 -2011.95 05/10/2010 SOLD EWZ -30 69.33 7.95 0.04 2071.91 05/27/2010 SOLD EWZ -30 63.7 7.95 0.04 1903.01 06/29/2010 DIVIDEND EWZ 44.07 01/29/2010 DIVIDEND FDRXX 0.27 01/29/2010 REINVEST FDRXX 0.27 1 -0.27 02/26/2010 DIVIDEND FDRXX 0.09 02/26/2010 REINVEST FDRXX 0.09 1 -0.09 03/31/2010 DIVIDEND FDRXX 0.18 03/31/2010 REINVEST FDRXX 0.18 1 -0.18 04/30/2010 DIVIDEND FDRXX 0.11 04/30/2010 REINVEST FDRXX 0.11 1 -0.11 05/28/2010 DIVIDEND FDRXX 0.34 05/28/2010 REINVEST FDRXX 0.34 1 -0.34 06/30/2010 SOLD FDRXX 0.27 06/30/2010 REINVEST FDRXX 0.27 1 -0.27 03/04/2010 BOUGHT FXI 50 40 7.95 -2007.95 03/09/2010 SOLD FXI -50 41.5 7.95 2067.02 04/15/2010 REV SPLIT FXP 50 04/16/2010 SOLD FXP -50 37.7 7.95 0.04 1877.01 03/29/2010 BOUGHT FXP 250 8.15 7.95 -2045.45 04/06/2010 BOUGHT FXP 250 7.2 7.95 -1807.95 04/07/2010 SOLD FXP -250 7.3 7.95 0.04 1817.01 04/15/2010 REV SPLIT FXP -250 01/04/2010 BOUGHT ICF 60 52.4 8 -3152 02/24/2010 SOLD ICF -60 51.6 7.95 0.04 3088.01 03/17/2010 SOLD ICF -70 57.94 7.95 0.06 4047.79 03/24/2010 BOUGHT SRS 350 5.87 7.95 -2062.45 03/26/2010 SOLD SRS -350 6 7.95 2092.02 04/05/2010 BOUGHT SRS 350 5.72 7.95 -2009.95 04/07/2010 SOLD SRS -350 5.6 7.95 0.04 1952.01 01/07/2010 BOUGHT UWM 80 29.4 8 -2360 01/14/2010 SOLD UWM -80 30.5 8 0.04 2431.96 05/04/2010 BOUGHT UWM 60 36.5 7.95 -2197.95 05/06/2010 BOUGHT UWM 60 34.7 7.95 -2089.95 05/07/2010 SOLD UWM -60 31.7 7.95 0.04 1894.01 05/07/2010 BOUGHT UWM 60 30.5 7.95 -1837.95 05/07/2010 BOUGHT UWM 60 32.4 7.95 -1951.95 05/10/2010 SOLD UWM -60 33.71 7.95 0.04 2014.61 05/11/2010 BOUGHT UWM 60 33.2 7.95 -1999.95 05/12/2010 SOLD UWM -60 36.37 7.95 0.04 2174.21 05/13/2010 BOUGHT UWM 50 36.2 7.95 -1817.95 05/14/2010 BOUGHT UWM 60 34.4 7.95 -2071.95 05/17/2010 SOLD UWM -60 35.5 7.95 0.04 2122.01 05/17/2010 BOUGHT UWM 60 33 7.95 -1987.95 05/19/2010 BOUGHT UWM 60 32.2 7.95 -1939.95 05/20/2010 BOUGHT UWM 60 29.4 7.95 -1771.95 05/20/2010 BOUGHT UWM 60 31 7.95 -1867.95 05/27/2010 SOLD UWM -60 31.27 7.95 0.04 1868.21 06/01/2010 BOUGHT UWM 70 30.5 7.95 -2142.95 06/03/2010 SOLD UWM -70 31.47 7.95 0.04 2194.91 06/04/2010 BOUGHT UWM 60 30.4 7.95 -1831.95 06/04/2010 BOUGHT UWM 70 28.8 7.95 -2023.72 06/10/2010 SOLD UWM -60 28.55 7.95 1705.02 06/29/2010 BOUGHT UWM 70 27 7.95 -1897.95 04/15/2010 SOLD UYG -30 77 7.95 0.04 2302.01 04/15/2010 REV SPLIT UYG 80 04/22/2010 SOLD UYG -50 75.4 7.95 0.07 3761.98 04/26/2010 BOUGHT UYG 30 73.8 7.95 -2221.95 04/29/2010 SOLD UYG -30 74.24 7.95 0.04 2219.21 04/30/2010 BOUGHT UYG 30 71.74 7.95 -2160.15 05/03/2010 SOLD UYG -30 73 7.95 0.04 2182.01 05/14/2010 BOUGHT UYG 30 62.7 7.95 -1888.95 05/19/2010 SOLD UYG -30 60.57 7.95 0.04 1809.11 05/20/2010 SOLD UYG -30 57 7.95 1702.02 05/20/2010 BOUGHT UYG 30 55.8 7.95 -1681.95 06/04/2010 BOUGHT UYG 40 52.6 7.95 -2111.95 01/07/2010 SOLD UYG -400 6.2 8 0.07 2471.93 02/25/2010 BOUGHT UYG 400 5.55 7.95 -2227.95 02/26/2010 SOLD UYG -400 5.8 7.95 2312.02 03/17/2010 SOLD UYG -350 6.69 7.95 2333.52 03/19/2010 BOUGHT UYG 400 6.55 7.95 -2627.95 03/25/2010 SOLD UYG -350 6.97 7.95 0.04 2431.51 03/26/2010 BOUGHT UYG 350 6.77 7.95 -2377.45 03/30/2010 DIVIDEND UYG 8.53 03/31/2010 SOLD UYG -350 6.85 7.95 0.05 2389.5 04/15/2010 REV SPLIT UYG -800 DIVIDENT=DIVIDENT RECEIVED BOUGHT=YOU BOUGHT SOLD=YOU SOLD REINVEST=REINVESTMENT NEW CASH=CASH CONTRIBUTION 4 月 15 日并股前的 UYG=74347R743 4 月 15 日并股前的 SRS=74347R552 4 月 15 日并股前的 FXP=74347R321 74347R743=UYG 74347R552=SRS 74347R321=FXP 注意：我们把四月 15 日并股前的 74347R743 ， 74347R552 ， 74347R321 分别恢复为 UYG ， SRS ，和 FXP ，参加排序。根据六个月交易记录， 79 支股票中只有 EWY 、 EWZ 、 FXI 、 FXP 、 ICF 、 UWM 、和 UYG 七支股票，参加了投资实验。再加上三个市场指数 DIA ， QQQQ ， SPY ，共有 10 个变量是这次投资实验的“有效变量”。在第五讲趋势分析里，我们要讲到，在“给定的时间段”的“趋势排序”中，序位，在所有的子集合中、子系统中是确定的。也就是说，如果在 10- 子系统中，T ATB ，则在 79- 系统中同样 T ATB 。增加元素不会影响系统现存的排序。也许，这就是 “根据样本计算的市场指数‘ 可以’ 反映市场”的原因，虽然，我们都知道样本不是总体，用样本估计总体是“有偏估计” 。也就是说，用DIA，SPY，QQQQ估计市场，是“有偏估计”,参见“小议道琼斯” http://www.sciencenet.cn/m/user_content.aspx?id=351222 。六月份月报 http://www.sciencenet.cn/m/user_content.aspx?id=345358 年终报告 http://bbs.sciencenet.cn/home.php?mod=spaceuid=333331do=blogid=400732

1858 次阅读|0 个评论

各省的十大风景名胜

baodezhou 2010-5-28 22:17

以下是网络最新评选的中国各省区十大风景名胜排行，有一些跨省级的风景名胜（如壶口瀑布跨山西省和陕西省、泸沽湖跨四川省和云南省）均不参与排行：北京市十大名胜：北京故宫、天坛、颐和园、北海公园、八达岭长城，明十三陵、香山、圆明园遗址、居庸关、西山八大处天津市十大名胜：五大道、盘山、独乐寺、黄崖关长城、杨柳青古镇，塘沽外滩、水上公园、大沽炮台、大悲院、八仙桌子山上海市十大名胜：东方明珠塔、上海外滩、豫园、淀山湖、朱家角古镇、古猗园、松江醉白池、佘山、嘉定汇龙潭、横沙岛重庆市十大名胜：大足石刻、丰都鬼城、白帝城、大宁河、缙云山，金佛山、长寿湖、钓鱼城、四面山、石宝寨河北省十大名胜：避暑山庄（承德）、北戴河（秦皇岛）、山海关及老龙头（秦皇岛）、清东陵（唐山）、清西陵（保定），普陀宗乘之庙（承德）、苍岩山（石家庄）、赵州桥（石家庄）、抱犊寨（石家庄）、白石山（保定）山东省十大名胜：泰山（泰安）、曲阜三孔（济宁）、崂山（青岛）、蓬莱阁（烟台）、成山头（威海），刘公岛（威海）、大明湖（济南）、沂山及穆陵关（潍坊）、趵突泉（济南）、梁山（济宁）河南省十大名胜：嵩山及少林寺（郑州）、龙门石窟（洛阳）、白马寺（洛阳）、邙山（郑州）、殷墟（安阳），开封铁塔及相国寺（开封）、朱仙镇（开封）、鸡公山（信阳）、巩义宋陵（郑州）、内乡县衙（南阳）山西省十大名胜：平遥古城（晋中）、云冈石窟（大同）、五台山（忻州）、恒山及悬空寺（大同）、绵山（晋中），晋祠（太原）、霍山（临汾）、应县木塔（朔州）、永乐宫（运城）、雁门关（忻州）辽宁省十大名胜：沈阳故宫（沈阳）、盛京三陵（沈阳和抚顺）、旅顺口（大连）、金石滩（大连）、千山（鞍山），医巫闾山（锦州）、本溪水洞（本溪）、菊花岛（葫芦岛）、大笔架山（锦州）、奉国寺（锦州）吉林省十大名胜：松花湖（吉林）、丸都山城（通化）、洞沟古墓群及将军坟（通化）、长白山天池（白山和延边州）、净月潭（长春），满洲国皇宫（长春）、黄龙府（长春）、乌拉古城（吉林）、六顶山（延边州）、龙潭山（吉林）黑龙江省十大名胜：镜泊湖（牡丹江）、太阳岛（哈尔滨）、五大连池（黑河）、扎龙（齐齐哈尔）、中央大街（哈尔滨），渤海龙泉府（牡丹江）、亚布力（哈尔滨）、珍宝岛（鸡西）、牡丹峰（牡丹江）、极乐寺（哈尔滨）内蒙古十大名胜：昭君墓（呼和浩特）、五当召（包头）、成吉思汗陵（鄂尔多斯）、百灵庙（包头）、呼伦湖（呼伦贝尔），嘎仙洞（呼伦贝尔）、贝子庙（锡林郭勒盟）、上都古城（锡林郭勒盟）、黑水城遗址（阿拉善盟）、达里湖（赤峰）安徽省十大名胜：黄山风景区（黄山）、皖南古村西递及宏村（黄山）、九华山（池州）、天柱山（安庆）、齐云山（黄山），三河古镇（合肥）、琅琊山（滁州）、采石矶（马鞍山）、褒禅山（巢湖）、敬亭山（宣城）江苏省十大名胜：虎丘（苏州）、拙政园（苏州）、明孝陵（南京）、中山陵（南京）、太湖鼋头渚（无锡），锡惠公园（无锡）、瘦西湖（扬州）、同里古镇（苏州）、金山寺（镇江）、玄武湖（南京）浙江省十大名胜：杭州西湖（杭州）、千岛湖（杭州）、雁荡山（温州）、楠溪江（温州）、普陀山（舟山），天台山及国清寺（台州）、雪窦山（宁波）、莫干山（湖州）、天目山（杭州）、桃花岛（舟山）福建省十大名胜：武夷山（南平）、鼓浪屿（厦门）、湄洲岛（莆田）、清源山（泉州）、金湖（三明），冠豸山（龙岩）、崇武古城（泉州）、太姥山（宁德）、海坛（福州）、东山岛及风动石（漳州）江西省十大名胜：庐山（九江）、滕王阁（南昌）、井冈山（吉安）、龙虎山（鹰潭）、三清山（上饶），梅岭（南昌）、麻姑山（抚州）、青云谱（南昌）、武功山（萍乡）、湖口石钟山（九江）湖北省十大名胜：武当山（十堰）、黄鹤楼（武汉）、明显陵（荆门）、武汉东湖（武汉）、隆中（襄樊）、大洪山（随州）、楚纪南故城（荆州）、玉泉山（宜昌）、九宫山（咸宁）、西塞山（黄石）湖南省十大名胜：武陵源（张家界）、凤凰古城（湘西州）、猛洞河（湘西州）、韶山（湘潭）、衡山（衡阳），岳阳楼（岳阳）、岳麓山（长沙）、炎帝陵（株洲）、桃花源（常德）、苏仙岭（郴州）广东省十大名胜：丹霞山（韶关）、罗浮山（惠州）、越秀公园（广州）、肇庆星湖（肇庆）、鼎湖山（肇庆），西樵山（佛山）、湖光岩（湛江）、金鸡岭（韶关）、南澳岛（汕头）、南华寺（韶关）海南省十大名胜：天涯海角、南山寺、亚龙湾、南湾猴岛、五指山，东山岭、万泉河、五公祠、尖峰岭、清澜椰林广西十大名胜：桂林山水（桂林）、阳朔古城（桂林）、北海银滩（北海）、伊岭岩（南宁）、程阳风雨桥（柳州），桂平西山（贵港）、灵渠（桂林）、都峤山（玉林）、涠洲岛（北海）、冷水瀑布（百色）贵州省十大名胜：黄果树瀑布（安顺）、安顺龙宫（安顺）、红枫湖（贵阳）、黔灵山（贵阳）、镇远古城（黔东南州），梵净山（铜仁地区）、织金洞（毕节地区）、荔波樟江（黔南州）、赤水河（遵义）、马岭河峡谷（黔西南州）四川省十大名胜：都江堰及青城山（成都）、乐山大佛（乐山）、峨眉山（乐山）、九寨沟（阿坝州）、黄龙（阿坝州），剑门蜀道（广元）、贡嘎山及海螺沟（甘孜州）、蜀南竹海（宜宾）、石海洞乡（宜宾）、皇泽寺（广元）云南省十大名胜：玉龙雪山（丽江）、香格里拉及松赞林寺（迪庆州）、大理三塔（大理州）、苍山洱海（大理州）、滇池（昆明），石林（昆明）、抚仙湖（玉溪）、曼飞龙塔（西双版纳州）、瑞丽江（德宏州）、巍宝山（大理州）西藏十大名胜：布达拉宫（拉萨）、扎什伦布寺（日喀则地区）、珠穆朗玛峰（日喀则地区）、桑耶寺（山南地区）、雅鲁藏布大峡谷（林芝地区），纳木错（拉萨）、羊卓雍错（山南地区）、哲蚌寺（拉萨）、色拉寺（拉萨）、玛旁雍错（阿里地区）陕西省十大名胜：秦始皇陵兵马俑（西安）、华山（渭南）、骊山及华清池（西安）、西安城墙及碑林（西安）、唐乾陵（咸阳），大小雁塔（西安）、黄帝陵（延安）、法门寺（宝鸡）、终南山（西安）、药王山石刻（铜川）甘肃省十大名胜：敦煌莫高窟（酒泉）、嘉峪关城楼（嘉峪关）、麦积山石窟（天水）、崆峒山（平凉）、拉卜楞寺（甘南州），月牙泉（酒泉）、雷台（武威）、炳灵寺石窟（临夏州）、鲁土司衙门（兰州）、兰州白塔山（兰州）青海省十大名胜：青海湖及鸟岛（海北州和海南州）、日月山（海南州）、塔尔寺（西宁）、昙寺（海东地区）、五屯寺（黄南州），各拉丹冬雪峰（海西州）、文成公主庙（玉树州）、阿尼玛卿山（果洛州）、五峰寺（海东地区）、龙羊峡（海南州）宁夏十大名胜：西夏王陵（银川）、贺兰山（银川）、沙湖（石嘴山）、六盘山（固原）、牛首山寺（吴忠），一百零八塔（吴忠）、须弥山石窟（固原）、海宝塔（银川）、石空寺石窟（中卫）、中卫高庙（中卫）新疆十大名胜：博格达天池（昌吉州）、哈纳斯湖（阿勒泰地区）、赛里木湖（博尔塔拉州）、萄沟（吐鲁番地区）、高昌故城（吐鲁番地区），交河故城（吐鲁番地区）、克孜尔千佛洞（阿克苏地区）、果子沟（伊犁州）、巴音布鲁克草原（巴音郭楞州）、额敏塔（吐鲁番地区）（转载）

个人分类: 网页文摘|3989 次阅读|0 个评论

收藏夹排序

zjzhang 2010-4-15 23:14

收藏夹排序这几天很郁闷，打开我的 iexplore 收藏夹 mathematician, 收藏到太多了。想找个人可真难！在 Favorites 中排好序了，打开 iexplore 还是没排序！网上搜了下，原来要改注册表。具体操作如下：开始运行输入 regedit Enter 进入了注册表编辑器照着节点一个个展开 HKEY_CURRENT_USER/Software/Microsoft/Windows/CurrentVersion/Explorer/MenuOrder/Favorites 把右边 Order 这一行删了。哈哈。太棒了。如果要对收藏夹里的里层文件夹排序，还得一个个来删那 order 。

个人分类: 计算机|2692 次阅读|0 个评论

四大名著的排序

jlpemail 2009-10-20 14:37

西游记、水浒传、三国演义和红楼梦春天、夏天、秋天和冬天. 以个人的喜好程度不同，四大名著的排列顺序可以有 24 种。因为 4 ！ =4*3*2*1=24 。笔者的拙见是，西游记、水浒传、三国演义和红楼梦分别可以对应于少年、青年、壮年和老年人的阅读。西游最富幻想色彩，还有些游戏色彩。尤其是那些可怕的妖怪们由于受儒家传统孝的流毒太深，一概没有能够改善伙食。多半还被拘禁了事。水浒，有人说不宜青年人阅读，我觉得不对。也就是青年人还有几分反抗精神和见义勇为的风格。打杀恶人，包括 TGWL （贪官污吏），非常痛快的。最见义勇为的，应该属于鲁（前提辖），虽然称为花和尚，心却不花，非常善良。还追究成就了佛缘。三国演义推崇的是所谓，为国家出力，并不注重具体的杀戮过程。斩首若干万，是稀松平常的事情。作者引导人关注的是权力的更迭和军事斗争的策划和实施。笔者觉得适合壮年人阅读。而红楼呢，婆婆妈妈、哭哭啼啼，适合乐意合谋的老人心态重的阅读。回首的是旧日的繁华，重温的是失落的梦。红楼是甜味的毒药。尽管有些章节、词句很美。尽管有些情感很妙。

个人分类: 学术现场|7847 次阅读|0 个评论

基于CANOCO的生态学数据的多元统计分析（第4章）

热度 3 laijiangshan 2009-8-13 17:18

在这一章我们将简单介绍一下各个程序的功能。然后再接着介绍这些程序的具体使用方法。本章对于初学者使用 CANOCO 还是很有帮助的。基于CANOCO的生态学数据的多元统计分析（第4章）

个人分类: RDA|10764 次阅读|3 个评论

基于CANOCO的生态学数据的多元统计分析（第3章）

热度 5 laijiangshan 2009-7-23 21:59

大家的期待让觉得这件事更值得做，先发布第三章，第三章是排序的基础，比较重要。第二章是关于实验的设计，一般的统计分析里面都有，暂时放到后面翻译。基于CANOCO的生态学数据的多元统计分析（第3章）

个人分类: RDA|12811 次阅读|3 个评论

帐号		自动登录	找回密码
密码			注册

关闭安全验证

标签: 排序

相关帖子

相关日志

关闭 安全验证

标签: 排序

相关帖子

相关日志

关闭安全验证