R语言中set.seed的作用是什么？？
set.seed(7)是为了保证每次生成的随机数都是一样的。这样的话，别人可以去验证你的结果。但是要防止基于某次随机数的结果得到的结论，就是说，结果是不应该依赖于随机数的。
void的字面意思是“无类型”，void *则为“无类型指针”，void *可以指向任何类型的数据。
void真正发挥的作用在于：
（1） 对函数返回的限定；
（2） 对函数参数的限定。
转换运算符把赋值运算符右边的指针类型转换为左边指针的类型。
例如：
float *p1;
int *p2;
p1 = p2;
其中p1 = p2语句会编译出错，提示“'=' : cannot convert from 'int *' to 'float *'”，必须改为：
p1 = (float *)p2;
而void *则不同，任何类型的指针都可以直接赋值给它，无需进行强制类型转换：
void *p1;
int *p2;
p1 = p2;
但这并不意味着，void *也可以无需强制类型转换地赋给其它类型的指针。因为“无类型”可以包容“有类型”，而“有类型”则不能包
容“无类型”。道理很简单，我们可以说“男人和女人都是人”，但不能说“人是男人”或者“人是女人”。下面的语句编译出错：
void *p1;
int *p2;
p2 = p1;
提示“'=' : cannot convert from 'void *' to 'int *'”。
扩展资料：void关键字的使用规则：
规则一 如果函数没有返回值，那么应声明为void类型
在C语言中，凡不加返回值类型限定的函数，就会被编译器作为返回整型值处理。但是许多程序员却误以为其为void类型。例如：
add ( int a, int b )
{
return a + b;
}
int main(int argc, char* argv[])
{
printf ( "2 + 3 = %d", add ( 2, 3) );
}
程序运行的结果为输出：
2 + 3 = 5
这说明不加返回值说明的函数的确为int函数。
林锐博士《高质量C/C++编程》中提到：“C++语言有很严格的类型安全检查，不允许上述情况（指函数不加类型声明）发生”。可是编译
器并不一定这么认定，譬如在Visual C++6.0中上述add函数的编译无错也无警告且运行正确，所以不能寄希望于编译器会做严格的类型检查。
因此，为了避免混乱，我们在编写C/C++程序时，对于任何函数都必须一个不漏地指定其类型。如果函数没有返回值，一定要声明为void类
型。这既是程序良好可读性的需要，也是编程规范性的要求。另外，加上void类型声明后，也可以发挥代码的“自注释”作用。代码的“自注
释”即代码能自己注释自己。
规则二如果函数无参数,那么应声明其参数为void
在C++语言中声明一个这样的函数：
int function(void)
{
return 1;
}
则进行下面的调用是不合法的：
function(2);
因为在C++中，函数参数为void的意思是这个函数不接受任何参数。
我们在Turbo C 2.0中编译：
#include "stdio.h"
fun()
{
return 1;
}
main()
{
printf("%d",fun(2));
getchar();
}
编译正确且输出1，这说明，在C语言中，可以给无参数的函数传送任意类型的参数，但是在C++编译器中编译同样的代码则会出错。在C++
中，不能向无参数的函数传送任何参数，出错提示“'fun' : function does not take 1 parameters”。
所以，无论在C还是C++中，若函数不接受任何参数，一定要指明参数为void。
规则三 小心使用void指针类型
按照ANSI(American National Standards Institute)标准，不能对void指针进行算法操作，即下列操作都是不合法的：
void * pvoid;
pvoid++; //ANSI：错误
pvoid += 1; //ANSI：错误
//ANSI标准之所以这样认定，是因为它坚持：进行算法操作的指针必须是确定知道其指向数据类型大小的。
//例如：
int *pint;
pint++; //ANSI：正确
pint++的结果是使其增大sizeof(int)。( 在VC6.0上测试是sizeof(int)的倍数)
但是大名鼎鼎的GNU(GNU's Not Unix的缩写)则不这么认定，它指定void *的算法操作与char *一致。
因此下列语句在GNU编译器中皆正确：
pvoid++; //GNU：正确
pvoid += 1; //GNU：正确
pvoid++的执行结果是其增大了1。( 在VC6.0上测试是sizeof(int)的倍数)
在实际的程序设计中，为迎合ANSI标准，并提高程序的可移植性，我们可以这样编写实现同样功能的代码：
void * pvoid;
(char *)pvoid++; //ANSI：正确；GNU：正确
(char *)pvoid += 1; //ANSI：错误；GNU：正确
GNU和ANSI还有一些区别，总体而言，GNU较ANSI更“开放”，提供了对更多语法的支持。但是我们在真实设计时，还是应该尽可能地迎合ANSI标准。
相同的种子，rxx出来的都相同
setnames(stats)
setnames()所属r语言包：stats
set
the
names
in
an
object
设置对象的名称
译者：生物统计家园网
机器人lover
描述----------description----------
this
is
a
convenience
function
that
sets
the
names
on
an
object
and
returns
the
object.
it
is
most
useful
at
the
end
of
a
function
definition
where
one
is
creating
the
object
to
be
returned
and
would
prefer
not
to
store
it
under
a
name
just
so
the
names
can
be
assigned.
这是一个方便的功能设置对象的名称，并返回对象。这是最有用的，其中一个是创建要返回的对象，宁愿不存储它只是一个名字下，这样的名字可以被分配一个函数定义结束。
答：产生100个均值为0标准差为1的正态分布随机数：rnorm(100, mean = 0, sd = 1) 指数分布数 dnorm(x, mean = 5, sd = 1, log = TRUE)
答：1)set.seed(1)n = 5000 gender = sample(c("f","m"),size = n, TRUE)dechot = function(gender, type){ n = length(gender)list = c(NA,n)for (i in 1:n){ list[i] = switch(gender[i], "f"=type[1], "m"=type[2])} return(list)} type = c(0,1)dechot(gender...
答：你的意思是不是按照剩余n-1列进行去重啊？如果是这种，直接用duplicated函数，例如 set.seed(1234)df <- data.frame(x1 = sample(c("Normal","Unnormal"), 10, replace = TRUE),x2 = sample(c("a","b"), 10,replace = TRUE),x3 = sample(c("c","d"), 10,replace = TRUE))df ...
答：首先，如果想要别人复现出跟你一样的结果，要先设置随机种子 Set the seed of R‘s random number generator, which is useful for creating simulations or random objects that can be reproduced.If you want to generate a decimal number where any value (including fractional values) between the...
答：从stackoverflow抄来的 set.seed(42)p1 <- hist(rnorm(500,4)) # centered at 4 p2 <- hist(rnorm(500,6)) # centered at 6 plot( p1, col=rgb(0,0,1,1/4), xlim=c(0,10)) # first histogram plot( p2, col=rgb(1,0,0,1/4), xlim=c(0,10), add=T) # ...
答：对行号进行抽样，保存抽出样本的行号，在这些行号前加减号，取数据集的子集即可 > set.seed(1234)> ( x <- data.frame(a=sample(c(1,0),10,replace=T),b=11:20) )a b 1 1 11 2 0 12 3 0 13 4 0 14 5 0 15 6 0 16 7 1 17 8 1 18 9 0 19 10 0 ...
答：不需要排序。直接用quantile就可以。你看看是不是跟你的情况相似 set.seed(1234)d <- sample(1:10000,1000,replace = F)quantile(d, probs = seq(0,1,0.25))
答：1)set.seed(1)n=5000gender=sample(c("f","m"),size=n,TRUE)dechot=function(gender,type){n=length(gender)list=c(NA,n)for(iin1:n){list[i]=switch(gender[i],"f"=type[1],"m"=type[2])}return(list)}type=
答：就是把左件的值发送给右件的表达式，并作为右件表达式函数的第一个参数，就是管道函数。例如：anscombe_tidy <- anscombe %>%mutate(observation = seq_len(n()))以上代码等价于：anscombe_tidy=mutate(anscombe,observation = seq_len(n()))...
答：Hopkins统计量的值<0.5，表明数据是高度可聚合的。另外，从图中也可以看出数据可聚合。估计聚合簇数由于k均值聚类需要指定要生成的聚类数量，因此我们将使用函数clusGap()来计算用于估计最优聚类数。函数fviz_gap_stat()用于可视化。set.seed(123)Compute the gap statistic gap_stat <- clusGap(df, ...
