数据变量

两者的区别在于：（1）前者所有的读写操作都是直接操作IO，因为IO速度慢，所以导致整体读取效率不高；而指针法默认提供了buffer，读取文件读取使用缓存后，可以减少IO操纵次数，提高IO效率，从而提高了性能。用户可以使用void setbuf ( FILE * stream, char * buffer )来改变buffer大小，或者将buffer设为NULL从而禁止buffer。（2）后者C提供了大量要求FILE的函数，如从文件中读一行数据等。BTW，对于FILE的指针法，一般读写文本文件使用fgetc/fputc/fgets/fputs/fscanf/fprintf，对于二进制文件则使用fread/fwrite。变量的类型程序当中的数据都是保存在计算机的内存当中,我们声明的每一个变量就相当于在内存当中开辟了一块空间,变量名就是空间的标签,赋值就相当于在变量名对应的空间当中保存数据。数据的类型不同类型的数据在内存当中的保存形式是不一样的整数会以 二进制补码的形式保存浮点数会以 符号位+阶码+尾数的形式保存那么在声明变量时定义的变量类型,就是表示这块内存当中数据的储存形式。

读取nc文件属性：% nc_att_name文件的全局属性名称nc_att = ncreadatt("*.nc","/","nc_att_name")读取变量属性：% varname为目标变量，var_att_name为目标变量的属性名称var_att = ncreadatt("*.nc","varname","var_att_name")建议看看《Linux就该这么学》这本书。

不用重新拍，如果有交互，要在交互的不同水平下分析

比如 Horticulture Research 中的论文 Comparative analysis of long noncoding RNAs in angiosperms and characterization of long noncoding RNAs in response to heat stress in Chinese cabbage 方法部分写道 这里相当于是计算两个数据集中的变量之间的相关性，之前发现 correlation 这个R包里的函数 correlation() 可以做 但是这里遇到了一个问题 关掉这个报错界面以后就会提示 暂时还不知道如何解决，自己搜索了一下暂时还没有找到解决办法 只能把输入法切换成中文，然后一次性把函数名输入完 计算相关系数和P值 结果如下 但是mRNA的表达量有上万个，用这个函数计算的时候是非常慢的 找到了另外一个函数是 Hmisc 这个包中的 rcorr() 函数 这个速度快很多，但是他不能计算两个数据集之间变量的相关性， 这样的话可以先计算，然后再筛选 这个函数要求的输入数据是矩阵格式 自定义函数将这个结果转换成一个四列的数据框格式 最后用变量名去匹配 两个矩阵之间的相关性热图这么容易画的吗？零基础学习R语言之相关性分析2_哔哩哔哩_bilibili psych 这个包里的 corr.test() 函数也是可以直接计算两个数据集变量之间的相关性的，这个结果了也有显著性检验的p值 但是这个如果数量量比较大的话速度也很慢 小明的数据分析笔记本

数据变量是构造样本的基本参数，不同的变量对所解决的问题所起的作用贡献不等，通常应选择作用大的变量，相关性好的变量。变量选择的目的是选出与研究目的有关的、最重要的变量，使变量的结构最优化(即使系统内变量个数尽可能少，且各变量独立，同时对主要信息没有多大损失)。这样不仅经济，而且能获得最佳的地质效果。从众多的变量中筛选重要变量，必须以地质理论、物化探理论为基础，应用数学方法进行选择，而且不能只强调一个方面而忽视另一个方面，为此需注意如下问题：①由于地质现象的复杂性，各地区工作程度和研究程度不同，取值空间不一致，因此人们的认识必然会存在差异，学术观点也难免不同，这时要想选出合适的变量就要明确研究目的，兼顾各种观点，尽量多选变量，以免漏掉有用信息。②样本是统计分析的基础，需要十分注意样本中变量的代表性。要全面收集三度空间的变量资料，特别是深部资料，例如某些物化探资料和反映深部地质构造、地壳结构的资料。③通过数学方法选出的变量，有时会与研究对象密切相关的变量不一致，有的地质意义不明确，这就需要认真研究，明确其地质意义。同时谨防漏掉隐含意义的变量。对未被选上但地质意义明确，又确实与研究对象密切相关的变量，应查找原因，使其尽可能被数学方法选上。(一)几何作图法几何作图法可直观地显示变量与研究对象之间的关系以及变量与变量间的关系。它是根据直角坐标系中样本数据的散点凝聚趋势或离散特点决定变量取舍的方法。这种方法大致分两类。1.点聚图法该方法是把变量值点在直角坐标系中，视散点的凝聚趋势来考查变量间关系的方法。图6-15是变量y与x的点聚图，它清楚地表明，取值(xk，yk)(k=1，2，…，n)是沿着一条曲线分布的，它也表明x，y之间有密切关系。这时x可选作y的相关变量。图6-16是两个自变量x1，x2与一个因变量y的点聚图。它的作法与等值图的作法类似，即把x1x2看作一个地理平面或纵、横坐标。按(xij)(i，j=1，2，…，n)两坐标的分度把对应的此值逐个标在x1x2平面上，构成y值数据图；并画出y值等值线图。若y值散布的趋势性明显，y等值线就随x1x2呈现规律性的变化，那么x1x2与y的关系就密切，说明x1x2对y的贡献大，可选作y的相关变量。否则关系不密切，不能作为相关变量。对于三个或三个以上的相关变量的选择，可采用逐步回归分析法。以上所述均属相关变量选择方法。若利用相关程度分类，则这些方法也可作为选择分类变量的方法。2.数轴法数轴法是在单一数轴或多条辐射状排列的数轴上标以点值，然后用某一个点值或多个数轴点值构成的多边形图来选择分类变量的方法。图6-15 一个自变量的点聚图图6-16 两个自变量的点聚图(1)单数轴法它是把已知且分别属于两总体的样品按某变量的值标在一条数轴(即一个变量轴)上，若两总体的散点聚能用数轴上某一点值分开，且区分率在70%以上，该变量即可作为分类变量。又如对两个变量的散点图，若通过某一条直线能把两总体的散点聚基本分开，区分率在70%以上时，这两个变量可选作分类变量，如图6-17(a)所示。图6-17 数轴法1～8为样品编号(2)多数轴法(雷达图法)以选择分类变量为例来阐明该方法的基本思想。假设在已知有矿及无矿的两类样品中每个样品取p个变量(x1，x2，…，xp)，构作雷达图。作图方法：以O为原点，取适当长度(图面清晰即可)为半径画圆。将圆周分成p等分，连接圆心与等分点得p条辐射状的半径，以这p条半径作为p个变量的坐标轴，根据每个变量观测值的波动大小，对p条坐标轴分度。然后将每个样品中各变量观测值点于坐标袖上，连成p边形，每个p边形代表一个样品，分析对比两类总体所构成的p边形，以选择分类变量。现举一个假设的例子加以说明，设有8个岩体：1，2，3，4为已知含矿岩体；5，6，7，8为已知无矿岩体。在每个岩体内取n个样品，分析5个变量(TiO2，SiO2，FeO，CaO，K2O)的含量值。分别算出8个岩体5个变量的含量平均数，然后作成8个五边形的雷达图，如图6-17(b)所示。由图可以看出，区分两总体最好的变量是 SiO2和 FeO，其次是 TiO2和CaO。但仅依据TiO2和CaO就可能将有矿的4 号岩体错划成无矿岩体。若考虑变量组合SiO2TiO2CaO FeO在有矿岩体中的强相关性，从8个五边形分析，4 号岩体被判为有矿的可能性很大，此外，由图还可以看出，K2O无区分意义，予以删除。(二)相关法利用相关原理选择相关变量的方法较多，这里介绍秩相关系数法。对于简单相关系数法可参看(6-34)式和逐步回归分析法。秩相关系数法又称等级相关系数法。所谓“秩”就是按变量x值由大到小的顺序排成序列(如果有n个数据的值相同，序号取它们对应的序号平均值)，则每个数据的序号就称为该数据的“秩”。若需要算出变量x与y的秩相关系数，则应按照上述原则排成两个序列，然后用x、y的秩代替原始变量值，用简单相关系数公式计算，即可得到秩相关系数r：放射性勘探方法式中：di为对比序列的秩差，且 恒等于0；n为对比序列的对数。(三)秩和检验法秩和检验法是依据某种变量在两个具有相同分布的总体中，其观测值是否有显著差异来区分两总体的。若差异显著，则该变量就可作为分类变量，否则不能选用。该法的基本假设是：在A、B两总体中，变量x的取值分别为 序列(i=1，2，…，n1；j=1，2，…，n2)，如果概率放射性勘探方法成立，则两总体关于变量x无差异，即x无区分意义。若上式不成立，说明两总体有差异。差异是显著的，则x可选作A、B两总体的分类变量。若x的大小用秩表示，由于x的大小在A、B两总体中随机出现，则两总体中，x对应的秩也随机出现。若两总体中，变量x的秩和没有显著差异，说明两总体相似。若有显著差异，说明两总体不相似。也就是说，用变量x可区分这两个总体。检验步骤如下：①将来自两总体的数据混合起来，根据变量值，由小到大分两总体按秩排成两行；②计算样品数极少的那个总体的秩和，用T表示之；③根据两总体的样品数n1和n2以及给定的显著性水平α，查秩和检验表求出秩和上限T2和下限T1；④若T≥T2或T≤T1，则认为两总体有显著差异，x可选作分类变量。

如果x不是一个自定义类的实例的话，那么x是python内建对象，复数~x.real取得是实部

如果x不是一个自定义类的实例的话，那么x是python内建对象，复数~x.real取得是实部

准确说是浏览器窗口对象， 我们的HTML+Javascript+css（前端代码） 是由浏览器内核程序进行解析渲染之后输出到浏览器的窗口中的，window 对象实际是当前窗口的实例 ,你可以调用浏览器开放的API 来控制窗口的一切。 窗口的英文单词是 window ，可能因为这个原因，当年最早写JS 的人索性这个对象取名为 window

在<script>和</script>标签里面，直接定义的变量，就是全局的window对象的变量处处可以调用也。

1、EN（enable），定时器是否使能，如果为0则定时器不计时。2、IN（input），作为启动和停止定时器的输入信号，在PLC程序中通常为一个布尔变量。3、PT（presettime），定时器的设定时间，以毫秒计。

mcgs变量，隶属于mcgs数据库，其可以为内部变量，也可以为外部变量，无论是什么类型变量，都将计数在点数范畴。而plc变量，隶属于plc中，因为引入了iec61131-3标准后，在iec标准内，为了实现跨plc型号的使用，因此引入了标签编程而不是绝对地址编程，因此，才有了plc变量这个概念，实际上，plc变量就是指为plc定义的标签变量。