A. 凝血因子有12种大部分以什么形式存在
在没世仔有激发凝血过程时，都以原态存在。比如VII因子，凝血时要转为VIIa。原来认为有13种凝血因子，现在认为是12种，就是以前把其搜答汪中一种的活化状态做举山为了一种因子了。
B. 存储器可分为哪三类
存储器不仅可以分为三类。因为按照不同的划分方法，存储器可分为不同种类。常见的分类方法如下。
一、按存储介质划分
1. 半导体存储器：用半导体器件组成的存储器。
2. 磁表面存储器：用磁性材料做成的存储器。
二、按存储方式划分
1. 随机存储器：任何存储单元的内容都能被随机存取，且存取时间和存储单元的物理位置无关。
2. 顺序存储器：只能按某种顺序来存取，存取时间和存储单元的物理位置有关。
三、按读写功能划分
1. 只读存储器(ROM)：存储的内容是固定不变的，只能读出而不能写入的半导体存储器。
2. 随机读写存储器(RAM)：既能读出又能写入的存储器。
二、选用各种存储器，一般遵循的选择如下：
1、内部存储器与外部存储器
一般而言，内部存储器的性价比最高但灵活性最低，因此用户必须确定对存储的需求将来是否会增长，以及是否有某种途径可以升级到代码空间更大的微控制器。基于成本考虑，用户通常选择能满足应用要求的存储器容量最小的微控制器。
2、引导存储器
在较大的微控制器系统或基于处理器的系统中，用户可以利用引导代码进行初始化。应用本身通常决定了是否需要引导代码，以及是否需要专门的引导存储器。
3、配置存储器
对于现场可编程门阵列(FPGA）或片上系统(SoC)，可以使用存储器来存储配置信息。这种存储器必须是非易失性EPROM、EEPROM或闪存。大多数情况下，FPGA采用SPI接口，但一些较老的器件仍采用FPGA串行接口。
4、程序存储器
所有带处理器的系统都采用程序存储器，但是用户必须决定这个存储器是位于处理器内部还是外部。在做出了这个决策之后，用户才能进一步确定存储器的容量和类型。
5、数据存储器
与程序存储器类似，数据存储器可以位于微控制器内部，或者是外部器件，但这两种情况存在一些差别。有时微控制器内部包含SRAM(易失性)和EEPROM(非易失)两种数据存储器，但有时不包含内部EEPROM，在这种情况下，当需要存储大量数据时，用户可以选择外部的串行EEPROM或串行闪存器件。
6、易失性和非易失性存储器
存储器可分成易失性存储器或者非易失性存储器，前者在断电后将丢失数据，而后者在断电后仍可保持数据。用户有时将易失性存储器与后备电池一起使用，使其表现犹如非易失性器件，但这可能比简单地使用非易失性存储器更加昂贵。
7、串行存储器和并行存储器
对于较大的应用系统，微控制器通常没有足够大的内部存储器。这时必须使用外部存储器，因为外部寻址总线通常是并行的，外部的程序存储器和数据存储器也将是并行的。
8、EEPROM与闪存
存储器技术的成熟使得RAM和ROM之间的界限变得很模糊，如今有一些类型的存储器（比如EEPROM和闪存）组合了两者的特性。这些器件像RAM一样进行读写，并像ROM一样在断电时保持数据，它们都可电擦除且可编程，但各自有它们优缺点。
参考资料来源：网络——存储器
C. R语言里面的因子
R语言中的因子确实不好理解，很多人都这么觉得。在R语言中，因子（factor）表示的是一个符号、一个编号或者一个等级，即，一个点。例如，人的个数可以是1，2，3，4......那么因子就包括，1，2，3，4.....还有统计量的水平的时候用到的高、中、低，也是因子，因为他是一个点。档亏与之区别的向量，是一个连续性的值，例如，数值中有1，1.1，1.2......可以作为数值来计算，而因子则不可以。如果用我自己的理解，简单通俗来讲：因子是一个点，向量是一个有方向的范围。在R中，如果把数字作为因子，那么在导入数据之后，需要将向量转换为因子（factor），而因子在整个计算过程中不再作为数值，而是一个"符号"而已。因子的水平就是因子的所有不相同的符号的集合。
创建因子扒蠢册的函数介绍如下：
factor(x, levels = sort(unique(x), na.last = TRUE),
labels = levels, exclude = NA, ordered = is.ordered(x))
levels 用来指定因子可能的水平（缺省值是向量x中互异的值）；labels
用来指定水平的名字；exclude表示从向量x中剔除的水平值；ordered是
一个逻辑型选项用来指定因子的水平是否有次序。回想数值型或字符型
的x。
> factor(1:3)
[1] 1 2 3
Levels: 1 2 3
> factor(1:3, levels=1:5)
[1] 1 2 3
Levels: 1 2 3 4 5
> factor(1:3, labels=c("A", "B", "C"))
[1] A B C
Levels: A B C
> factor(1:5, exclude=4)
[1] 1 2 3 NA 5
Levels: 1 2 3 5
函数levels用来提取一个因子中可能的水平值：
> f <- factor(c(2, 4), levels=2:5)
> f
[1] 2 4
Levels: 2 3 4 5
> levels(f)
[1] "2" "3" "4" "5"
因子用来存储类别变量(categorical variables)和有序变量，这类变量不能用来计算而只能用来分类或者计数。因子表示分类变量，有序因子表示有序变量。生成因子数据对象的函数是factor(),语法是factor(data, levels, labels, ...)，其中data是数据，levels是因子水平向量，labels是因子的标签向量。
1、创建一个因子。
例1：
>colour <- c('G', 'G', 'R', 'Y', 'G', 'Y', 'Y', 'R'春宏, 'Y')
>col <- factor(colour)
>col1 <- factor(colour, levels = c('G', 'R', 'Y'), labels = c('Green', 'Red', 'Yellow')) #labels的内容替换colour相应位置对应levels的内容
>col2 <- factor(colour, levels = c('G', 'R', 'Y'), labels = c('1', '2', '3'))
>col_vec <- as.vector(col2) #转换成字符向量
>col_num <- as.numeric(col2) #转换成数字向量
>col3 <- factor(colour, levels = c('G', 'R'))
2、创建一个有序因子。
例1：
>score <- c('A', 'B', 'A', 'C', 'B')
>score1 <- ordered(score, levels = c('C', 'B', 'A'));
>score1
[1] A B A C B
Levels: C < B < A
3、用cut()函数将一般的数据转换成因子或有序因子。
例1：
>exam <- c(98, 97, 52, 88, 85, 75, 97, 92, 77, 74, 70, 63, 97, 71, 98,
65, 79, 74, 58, 59, 60, 63, 87, 82, 95, 75, 79, 96, 50, 88)
>exam1 <- cut(exam, breaks = 3) #切分成3组
>exam1
[1] (82,98] (82,98] (50,66] (82,98] (82,98] (66,82] (82,98] (82,98] (66,82]
[10] (66,82] (66,82] (50,66] (82,98] (66,82] (82,98] (50,66] (66,82] (66,82]
[19] (50,66] (50,66] (50,66] (50,66] (82,98] (66,82] (82,98] (66,82] (66,82]
[28] (82,98] (50,66] (82,98]
Levels: (50,66] (66,82] (82,98]
>exam2 <- cut(exam, breaks = c(0, 59, 69, 79, 89, 100)) #切分成自己设置的组
> exam2
[1] (89,100] (89,100] (0,59] (79,89] (79,89] (69,79] (89,100] (89,100]
[9] (69,79] (69,79] (69,79] (59,69] (89,100] (69,79] (89,100] (59,69]
[17] (69,79] (69,79] (0,59] (0,59] (59,69] (59,69] (79,89] (79,89]
[25] (89,100] (69,79] (69,79] (89,100] (0,59] (79,89]
Levels: (0,59] (59,69] (69,79] (79,89] (89,100]
>attr(exam1, 'levels');
[1] "(50,66]" "(66,82]" "(82,98]"
>attr(exam2, 'levels');
[1] "(0,59]" "(59,69]" "(69,79]" "(79,89]" "(89,100]"
>attr(exam2, 'class')
[1] "factor"
#一个有序因子
> x <- factor(rep(1:5,3))
> ordered(x,labels = c('a1','a2','a3','a4','a5'))
[1] a1 a2 a3 a4 a5 a1 a2 a3 a4 a5 a1 a2 a3 a4 a5
Levels: a1 < a2 < a3 < a4 < a5
D. 因子有哪些类型
如果整数A除B，得竖雹出结果是没有余数的整数，就称B是A的因子。
比如8的因子有1，2，4和8。
表示方法：可以用因子|倍数或倍数≡0 (mod 因子局巧) 来表达（参见同余），但用后者时桐纤键因子一定要是正因子。因子∣倍数式中的垂直线是整除符号。它的统一码值是 U+2223。
例如 42=6x7，因此 7 是 42 的因子，写作 7∣42，亦是42=0(mod 7)。
(4)因子存储的类型扩展阅读
两个数相乘，比如 3 * 5 = 15，我们称：3和5是因数，15是积。
在这里，我们只是变了一种说法，3和5不叫因数了，我们叫它因子，我们的意义是一样的。所以，3和5是15的整数因子，但不是15的所有整数因子。
1*15=15，3*5=15
所以1，3，5，15 这四个数是15的所有整数因子。
如果想求一个数的整数因子，就是把这个数写成两个数的乘积的形式，所有的可能的因子就是这个数的整数因子。
E. 数据存储的三种方式
数据存储的三种方式包括内存存储器、外存储器和高速缓存存储器。
双字宽存储器是指存储闹亩器的数据线宽携和度为两个字（word）宽度，即可以同时传输两个字辩弯盯节的数据。这种存储器通常用于需要高速访问和传输大量数据的应用中，比如视频和图像处理等领域。
F. 目前主要三种数据存储方式
三种存储方式：DAS、SAN、NAS
三种存储类型：块存储、文件存储、对象存储
块存储和文件存储是我们比较熟悉的两种主流的存储类型，而对象存储（Object-based Storage）是一种新的网络存储架构，基于对象存储技术的设备就是对象存储设备（Object-based Storage Device）简称OSD。
本质是一样的，底层都是块存储，只是在对外接口上表现不一致，分别应用于不同的业务场景。
分布式存储的应用场景相对于其存储接口，现在流行分为三种:
对象存储: 也就是通常意义的键值存储，其接口就是简单的GET、PUT、DEL和其他扩展，如七牛、又拍、Swift、S3
块存储: 这种接口通常以QEMU Driver或者Kernel Mole的方式存在，这种接口需要实现Linux的Block Device的接口或者QEMU提供的Block Driver接口，如Sheepdog，AWS的EBS，青云的云硬盘和阿里云的盘古系统，还有Ceph的RBD（RBD是Ceph面向块存储的接口）
文件存储: 通常意义是支持POSIX接口，它跟传统的文件系统如Ext4是一个类型的，但区别在于分布式存储提供了并行化的能力，如Ceph的CephFS(CephFS是Ceph面向文件存储的接口)，但是有时候又会把GFS，HDFS这种非POSIX接口的类文件存储接口归入此类。
G. 存储器分为哪两种基本类型
储器分为两种基本类型：ROM 和 RAM 。
ROM（只读存储器）：在 ROM 中，只读数据是预先记录的，不能被移动。ROM 不易于丢失，也就是，不管计算机处于开机还是关机状态，ROM 始终保留其内部内容。大多数个人计算机的 ROM 较小，主要用于存储一些关键性程序，诸如用来启动计唤困辩算机的程序。另外，ROM 也用于计算器及外围设备等，如激光打印机，其字体存储于 ROM 中。ROM 还存在一些扩展变量，如可编程只读存储器（PROM），即采用专用 PROM 编程器在空白芯片上写入数据。
RAM（随机存储器）：该存储器中的内容可以以任意顺和缺序存取（读、写和移动）。时序存储器设备正好与其形成对比，如磁带、唱片等，其存储介质的机械运动驱使计算机必须以固定顺序存取数据。RAM 通常负责计算机中主要的存储任务，如数据和程序等动态信息的存储尺销。RAM 的通用格式包括： SRAM（静态 RAM）和 DRAM（动态 RAM）。
RAM IC 通常组装为插槽。常见的标准插槽类型包括：SIMM （Single in-line memory mole）插槽和 DIMM （Dual in-line memory mole）插槽。
此外，还存在一些诸如闪存（Flash memory）、NVRAM 以及 EEPROM 等存储器类型，它们是结合 RAM 和 ROM 特征所获得的产物。
H. R语言基础教程 | 数据结构—因子
变量可归结为名义型、有序型或连续型变量。名义型变量是没有顺序之分的类别变量。类别（名义型）变量和有序类别（有序型）变量在R中称为因子（factor）。因子在R中非常重要，因为它决定了数据的分析方式以及如何进行视觉呈现。因子（factor)是R语言中比较特殊的一个数据类型， 它是一个用于存储 的类型，举个例子，从性别上，可以把人乎链春分为：男人和女人，从年龄上划分，又可以把人分为：未成年人（<18岁），成年人（>=18）。
R把表示分类的数据称为因子，因子的行为有时像字符串，有时像整数。因子是一个向量，通常情况下，每个元素都是字符类型，也有其他数据唤芹类型的元素。因子具有因子水平（Levels），用于限制因子的元素的取值范围，R强制：因子水平是字符类型，因子的元素只能从因子水平中取值，这意味着，因子的每个元素要么是因子水平中的字符（或转换为其他数据类型），要么是缺失值，这是因子的约束，是语法上的规则。
通常情况下，在创建数据框变量时，R隐式把数据类型为字符的列创建为因子，这是因为R会把文本类型默认为类别数据，并自动转换为因子。前面我们在讲数据框时，就有提到。
通过class()函数检查gender列的类，结果是因子类型，而不是字符向量。
可以通过factor()函数创建因子，factor()函数的第一个参数必须是字符向量，通过levels参数显式设置因子水平。
参数注释：
例如，因子sex的值是向量c('f','m','f','f','m')，因子水平是c('f','m')
因子水平规定了 因子取值的范围 ，每一个因子，都包含因子水平的信息，例如，打印gender列，可以看到因子的元素和水平：
该因子中的每个值都是一个字符串，它们被限制为“f”、“m”和缺失值（NA）。如果把其他字符串添加到gender列中，R会抛出警告消息，并把错误赋值的元素设置为NA，例如：
因子水平，可以通过函数levels(factor)来查看：
水平的级数，相当于level的长度，可以由nlevels函数查询到：
使用factor函数创建因子，可以使用labels参数为每个因子水平添加标签，labels参数的字符顺序，要和levels参数的字符顺序保持一致，例如：
通常情况下，因子一般是无序的，这可以通过is.ordered()函数来验证：
因子的顺序，实际上是指因子水平的顺序，有序因子的因子水平是有序的。在特殊情况下，有些因子的水平在语义上大于或小于其他水平，R支持按顺序排列的因子，使用ordered函数，或通过给factor函数传入order=TRUE参数，把无序因子转换为有序的因子。
ordered()函数不能指定特定因子水平的顺序，通常情况下，因子中先出现的水平小于后出现的水平。例如，通过ordered函数把sex因子转换为有序的因子：
通过factor函数创建有序因子，通过levels指定因子的顺序。
因子的顺序岁耐，其实是因子水平的顺序，我们可以通过levels，使现有的因子按照指定的因子水平来排序。
例如，把heights数据框的gender，按照指定的levels，转换成有序因子：
在数据清理时，可能需要去掉与因子水平对应的数据，通常情况下，需要删除未使用的因子水平，可以使用droplevels函数，它接受因子或是数据框作为参数。
如果x是数据框，那么把数据框中未使用的因子删除。
在数据清理中，有时需要把因子转换为字符，通常情况下，使用as.character()函数，把因子转换为字符串：
使用as.numeric()或as.integer()函数可以把因子转换成对应的整数.
函数 cut() 能够把数值变量切成不同的块，然后返回一个因子.
参数注释：
例如，把身高数据，按照指定的切割点向量分割：
当需要把因子转换为有序因子时，要注意因子水平的顺序.
I. 【R语言】R中的因子（factor）
R中的因子用于存储不同类别的数据，可以用来对数据进行分组，例如人的性别有男和女搭拦两个类别，根据年龄可以将人分为未成年人和成年人，考试成绩可以分为优，良，中，差。
R 语言创建因子使用** factor() **函数，向量作为输入参数。
factor() 函数语法格式：
参数说明：
以下实例把字符型向量转换成因子：
我们可以看到输出sex的时候，除了显示字符串的内容以外，这里还有一行levels，证明sex有两个level（类别），female和male。这个顺序也是有讲究的，一般是按字母顺序来排列。我们也可以按照自己的需要来排列因子的顺序。以下实例设置因子水平为levels=c("male","female")：
你会发现现在levels的顺序就按照你设置的来显示了。
我们还能够设置灶喊显示的标签
可以看到虽然最初我们构建的向量里面包含的是male和female，最后因子却变成了man和woman。关于这个参数后面我们还知辩胡会给大家举个更实际的，跟临床数据相关的例子。
R中的因子使用还是更广泛的，例如做差异表达分析的时候我们可以根据因子将数据分成两组。绘制boxplot的时候，我们也可以根据因子来将数据分成两组。更多的实例可以参考下面的视频讲解
☞ R语言基础培训
【R语言】R中的因子（factor）