❶ 各位大牛，怎么在C++中调用R语言脚本
RInside包
搜索《从C ++中调用R函数》
❷ python如何调用执行R语言脚本
要用rpy2包的数据包，python才能调用R语言。
❸ Web页面如何调用R语言脚本
最简单的方法就是每次引用时把写好的函数复制一下，到R console 中，然后写其他的。然后，编好的函数写成.r 文件，下次直接使用命令 source（function.r）就能导入使用了。
❹ 如何写R语言脚本
如何写R语言脚本
method 1
1.创建file.R文件
2.文件首行
#!/path/to/Rscript
3.在下面的行中键入R代码
4.保存（如果有png（），jpeg（）等函数代码最后一定要dev.off()）
5.在file.R的工作目录下，在终端中输入以下命令
R CMD BATCH --args file.R
method 2
1.创建R脚本
2.文件首行
#!/usr/bin/env Rscript
3.终端输入以下命令
R CMD BATCH --args file.R
或者 Rscript file.R
chmod 755 file.R
./file.R
method 3
1.在file.sh文件中键入：
#!/bin/sh
R --slave [other option]<<EOF
R 代码
EOF
chmod 755 file.sh
./file.sh
method 4
回归R环境
>source("/homeR/file.R")
❺ Mac系统下R语言的source函数执行脚本文件没反应
R的分隔符是根据linux来的，解决办法有二：一是把\ 改成\\，如 C:\\Documents and Settings\\Administrator\\桌面\\文件名.csv二是改成反向的/ C:/Documents and Settings/Administrator/桌面/文件名.csv
❻ r语言脚本中怎么输出显示
最简单的办法print，具体help（print）
❼ JAVA怎么把值传递给R语言的脚本里面
何写R语言脚本 method 依 依.创建file.R文件 贰.文件首行 #!/path/to/Rscript 三.面行键入R代码 四.保存（png（）jpeg（）等函数代码定要dev.off()） 5.file.R工作目录终端输入命令 R CMD BATCH --args file.R method 贰 依.创建R脚本 贰.文件首行 #!/usr/bin/env Rscript 三.终端输入命令 R CMD BATCH --args file.R 或者 Rscript file.R chmod 漆55 file.R ./file.R method 三 依.file.sh文件键入： #!/bin/sh R --slave [other option]<file.sh method 四 归R环境 >source("/homeR/file.R"
❽ 基于R语言的数据标准化处理脚本
基于R语言的数据标准化处理脚本
数据标准化（Normalization）
将数据按比例缩放，使之落入一个小的特定区间。去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。
数据标准化处理主要包括数据同趋化处理和无量纲化处理两个方面。
数据同趋化处理主要解决不同性质数据问题，对不同性质指标直接加总不能正确反映不同作用力的综合结果，须先考虑改变逆指标数据性质，使所有指标对测评方案的作用力同趋化，再加总才能得出正确结果。
数据无量纲化处理主要解决数据的可比性。数据标准化的方法有很多种，常用的有“最小—最大标准化”、“Z-score标准化”和“按小数定标标准化”等。经过上述标准化处理，原始数据均转换为无量纲化指标测评值，即各指标值都处于同一个数量级别上，可以进行综合测评分析。
min-max标准化（Min-max normalization）
也叫离差标准化，是对原始数据的线性变换，使结果落在[0,1]区间，转换函数如下：
正向指标：（x-min）/（max-min）
负向指标：（max-x）/（max-min）
其中max为样本数据的最大值，min为样本数据的最小值。这种方法有一个缺陷就是当有新数据加入时，可能导致max和min的变化，需要重新定义。
R语言实现
# 标准化处理
min.max.norm <- function(x){
((x-min(x))/(max(x)-min(x)))
} #正向指标
max.min.norm <- function(x){
((max(x)-x)/(max(x)-min(x)))
} #负向指标
data_1 <- apply(data[,-c(3,4)],2,min.max.norm) #正向指标处理
data_2 <- apply(data[,c(3,4)],2,max.min.norm) #负向指标处理
#注意array只能用在二维及以上
data_t <- cbind(data_1,data_2)
❾ r语言脚本前的[1]表示什么
就是一个编号，没啥意思，举个例子
>c<-1:90
>c
显示结果是：
[1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
[25] 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48
[49] 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72
[73] 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90
前面的“[N]”就是表示本行第一元素是向量c的第N个元素。