
用R语言进行数据分析:命令行编辑器
如果你的 UNIX 系统已经安装了 GNU readline 库, 那么 R 配置中允许在 UNIX 下编译 R 代码,调用内置的 命令行编辑器,编辑和重新调用以前用过的命令。 注意:该附录提到的接口不是用于 UNIX 系统的 GNOME接口,而仅仅用于标准的命令行 接口。
如果启动时设置了参数 –no-readline (使用 ESS 时非常有用), 则该命令不可用。
Windows 版本的 R 有简单的命令行编辑功能; 见 GUI 界面的 Help 菜单下的 Console,已经 描述 Rterm.exe 的命令行操作的 文件 README.Rterm。
当使用 readline 写 R 命令时,下面 描述的函数可用。
这些函数常常是控制字符或者是元字符(Meta character)。控制字符,如 Control-m 表示同时按住 <CTRL> 和 <m> 键,并且以 C-m 形式表示。元字符,如 Meta-b 表示同时按住 <META>和 <b> 键,下面以 M-b 形式记录。如果你的终端没有 <META> 键,你可以用ESC 开始的两个字符序列 键入元字符。因此对于 M-b,你可以键入 <ESC><b>。ESC 字符序列在 有真正元键的终端也是允许的。注意这种情况 对元字符有特殊意义的。
R 保存你键入的命令行的历史, 包括错误的命令。历史文件中的命令可以被重新调用,修改 以新的命令的形式重新提交。在 Emacs-形式的命令行编辑中,任何直接的输入 都会将字符直接插入到你所编辑的命令中, 并且取代光标右侧的字符。 vi 输入模式是通过 M-i 或 M-a 启动,字符可以被键入并且通过键入 <ESC> 结束输入模式。
任何时候键入 <RET> 都会使得命令 重新被提交。
其他的编辑命令在下面的表中有所总结。
C-p跳到前一个命令(回溯历史文件)。C-n跳到下一个命令(前溯历史文件)。C-r text搜索含有字符串 text 的最后一个命令。
在大多数终端,你可以使用上下键分别代替 C-p 和 C-n。
C-a回到命令行开头。C-e跳到命令行结束。M-b回溯一个单词。M-f前溯一个单词。C-b回溯一个字符。C-f前溯一个字符。
在大多数终端,你可以使用左右键分别代替 C-b 和 C-f。
text在光标处插入文本 text。C-f text在光标后插入 text。<DEL>删除前面的字符(光标左侧)。C-d删除光标处的字符。M-d删除光标处单词以外的部分,并且“保存”它们。C-k删除光标到命令结束的部分,并且“保存”它们。C-y插入最后“保存”的文本。C-t转置光标处的文本。M-l将字符转换成小写字符。M-c将单词转换成大写。<RET>重新向 R 提交命令。
最后的 <RET> 命令将会终止命令行编辑。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29