excel图表模板中有堆积柱形图和簇状柱形图，最近我才学会把两个合起来——
步骤：
先把数据列成这种样子——
要堆在一起的项目列在一起（同一行），下一“堆”则到下一行，每“簇”之间空一行。
选中表格，插入—柱形图—堆积柱形图，出来下面这个样子：
选中图中任一序列，右击，设置数据系列格式，把“分类间距”调整为0
然后就可以了。
2013年3月20日星期三
TF-IDF与余弦相似性的应用--关键词提取
来源：阮一峰的网络日志
这个标题看上去好像很复杂，其实我要谈的是一个很简单的问题。
有一篇很长的文章，我要用计算机提取它的关键词（Automatic Keyphrase extraction），完全不加以人工干预，请问怎样才能正确做到？
这个问题涉及到数据挖掘、文本处理、信息检索等很多计算机前沿领域，但是出乎意料的是，有一个非常简单的经典算法，可以给出令人相当满意的结果。它简单到都不需要高等数学，普通人只用10分钟就可以理解，这就是我今天想要介绍的TF-IDF算法。
让我们从一个实例开始讲起。假定现在有一篇长文《中国的蜜蜂养殖》，我们准备用计算机提取它的关键词。
一个容易想到的思路，就是找到出现次数最多的词。如果某个词很重要，它应该在这篇文章中多次出现。于是，我们进行"词频"（Term Frequency，缩写为TF）统计。
结果你肯定猜到了，出现次数最多的词是----"的"、"是"、"在"----这一类最常用的词。它们叫做"停用词"（stop words），表示对找到结果毫无帮助、必须过滤掉的词。
假设我们把它们都过滤掉了，只考虑剩下的有实际意义的词。这样又会遇到了另一个问题，我们可能发现"中国"、"蜜蜂"、"养殖"这三个词的出现次数一样多。这是不是意味着，作为关键词，它们的重要性是一样的？
显然不是这样。因为"中国"是很常见的词，相对而言，"蜜蜂"和"养殖"不那么常见。如果这三个词在一篇文章的出现次数一样多，有理由认为，"蜜蜂"和"养殖"的重要程度要大于"中国"，也就是说，在关键词排序上面，"蜜蜂"和"养殖"应该排在"中国"的前面。
所以，我们需要一个重要性调整系数，衡量一个词是不是常见词。如果某个词比较少见，但是它在这篇文章中多次出现，那么它很可能就反映了这篇文章的特性，正是我们所需要的关键词。
用统计学语言表达，就是在词频的基础上，要对每个词分配一个"重要性"权重。最常见的词（"的"、"是"、"在"）给予最小的权重，较常见的词（"中国"）给予较小的权重，较少见的词（"蜜蜂"、"养殖"）给予较大的权重。这个权重叫做"逆文档频率"（Inverse Document Frequency，缩写为IDF），它的大小与一个词的常见程度成反比。
知道了"词频"（TF）和"逆文档频率"（IDF）以后，将这两个值相乘，就得到了一个词的TF-IDF值。某个词对文章的重要性越高，它的TF-IDF值就越大。所以，排在最前面的几个词，就是这篇文章的关键词。
下面就是这个算法的细节。
第一步，计算词频。
考虑到文章有长短之分，为了便于不同文章的比较，进行"词频"标准化。
或者
第二步，计算逆文档频率。
这时，需要一个语料库（corpus），用来模拟语言的使用环境。
如果一个词越常见，那么分母就越大，逆文档频率就越小越接近0。分母之所以要加1，是为了避免分母为0（即所有文档都不包含该词）。log表示对得到的值取对数。
第三步，计算TF-IDF。
可以看到，TF-IDF与一个词在文档中的出现次数成正比，与该词在整个语言中的出现次数成反比。所以，自动提取关键词的算法就很清楚了，就是计算出文档的每个词的TF-IDF值，然后按降序排列，取排在最前面的几个词。
还是以《中国的蜜蜂养殖》为例，假定该文长度为1000个词，"中国"、"蜜蜂"、"养殖"各出现20次，则这三个词的"词频"（TF）都为0.02。然后，搜索Google发现，包含"的"字的网页共有250亿张，假定这就是中文网页总数。包含"中国"的网页共有62.3亿张，包含"蜜蜂"的网页为0.484亿张，包含"养殖"的网页为0.973亿张。则它们的逆文档频率（IDF）和TF-IDF如下：
从上表可见，"蜜蜂"的TF-IDF值最高，"养殖"其次，"中国"最低。（如果还计算"的"字的TF-IDF，那将是一个极其接近0的值。）所以，如果只选择一个词，"蜜蜂"就是这篇文章的关键词。
除了自动提取关键词，TF-IDF算法还可以用于许多别的地方。比如，信息检索时，对于每个文档，都可以分别计算一组搜索词（"中国"、"蜜蜂"、"养殖"）的TF-IDF，将它们相加，就可以得到整个文档的TF-IDF。这个值最高的文档就是与搜索词最相关的文档。
TF-IDF算法的优点是简单快速，结果比较符合实际情况。缺点是，单纯以"词频"衡量一个词的重要性，不够全面，有时重要的词可能出现次数并不多。而且，这种算法无法体现词的位置信息，出现位置靠前的词与出现位置靠后的词，都被视为重要性相同，这是不正确的。
下一次，我将用TF-IDF结合余弦相似性，衡量文档之间的相似程度。
（完）
有一篇很长的文章，我要用计算机提取它的关键词（Automatic Keyphrase extraction），完全不加以人工干预，请问怎样才能正确做到？
这个问题涉及到数据挖掘、文本处理、信息检索等很多计算机前沿领域，但是出乎意料的是，有一个非常简单的经典算法，可以给出令人相当满意的结果。它简单到都不需要高等数学，普通人只用10分钟就可以理解，这就是我今天想要介绍的TF-IDF算法。
让我们从一个实例开始讲起。假定现在有一篇长文《中国的蜜蜂养殖》，我们准备用计算机提取它的关键词。
一个容易想到的思路，就是找到出现次数最多的词。如果某个词很重要，它应该在这篇文章中多次出现。于是，我们进行"词频"（Term Frequency，缩写为TF）统计。
结果你肯定猜到了，出现次数最多的词是----"的"、"是"、"在"----这一类最常用的词。它们叫做"停用词"（stop words），表示对找到结果毫无帮助、必须过滤掉的词。
假设我们把它们都过滤掉了，只考虑剩下的有实际意义的词。这样又会遇到了另一个问题，我们可能发现"中国"、"蜜蜂"、"养殖"这三个词的出现次数一样多。这是不是意味着，作为关键词，它们的重要性是一样的？
显然不是这样。因为"中国"是很常见的词，相对而言，"蜜蜂"和"养殖"不那么常见。如果这三个词在一篇文章的出现次数一样多，有理由认为，"蜜蜂"和"养殖"的重要程度要大于"中国"，也就是说，在关键词排序上面，"蜜蜂"和"养殖"应该排在"中国"的前面。
所以，我们需要一个重要性调整系数，衡量一个词是不是常见词。如果某个词比较少见，但是它在这篇文章中多次出现，那么它很可能就反映了这篇文章的特性，正是我们所需要的关键词。
用统计学语言表达，就是在词频的基础上，要对每个词分配一个"重要性"权重。最常见的词（"的"、"是"、"在"）给予最小的权重，较常见的词（"中国"）给予较小的权重，较少见的词（"蜜蜂"、"养殖"）给予较大的权重。这个权重叫做"逆文档频率"（Inverse Document Frequency，缩写为IDF），它的大小与一个词的常见程度成反比。
知道了"词频"（TF）和"逆文档频率"（IDF）以后，将这两个值相乘，就得到了一个词的TF-IDF值。某个词对文章的重要性越高，它的TF-IDF值就越大。所以，排在最前面的几个词，就是这篇文章的关键词。
下面就是这个算法的细节。
第一步，计算词频。
考虑到文章有长短之分，为了便于不同文章的比较，进行"词频"标准化。
或者
第二步，计算逆文档频率。
这时，需要一个语料库（corpus），用来模拟语言的使用环境。
如果一个词越常见，那么分母就越大，逆文档频率就越小越接近0。分母之所以要加1，是为了避免分母为0（即所有文档都不包含该词）。log表示对得到的值取对数。
第三步，计算TF-IDF。
可以看到，TF-IDF与一个词在文档中的出现次数成正比，与该词在整个语言中的出现次数成反比。所以，自动提取关键词的算法就很清楚了，就是计算出文档的每个词的TF-IDF值，然后按降序排列，取排在最前面的几个词。
还是以《中国的蜜蜂养殖》为例，假定该文长度为1000个词，"中国"、"蜜蜂"、"养殖"各出现20次，则这三个词的"词频"（TF）都为0.02。然后，搜索Google发现，包含"的"字的网页共有250亿张，假定这就是中文网页总数。包含"中国"的网页共有62.3亿张，包含"蜜蜂"的网页为0.484亿张，包含"养殖"的网页为0.973亿张。则它们的逆文档频率（IDF）和TF-IDF如下：
从上表可见，"蜜蜂"的TF-IDF值最高，"养殖"其次，"中国"最低。（如果还计算"的"字的TF-IDF，那将是一个极其接近0的值。）所以，如果只选择一个词，"蜜蜂"就是这篇文章的关键词。
除了自动提取关键词，TF-IDF算法还可以用于许多别的地方。比如，信息检索时，对于每个文档，都可以分别计算一组搜索词（"中国"、"蜜蜂"、"养殖"）的TF-IDF，将它们相加，就可以得到整个文档的TF-IDF。这个值最高的文档就是与搜索词最相关的文档。
TF-IDF算法的优点是简单快速，结果比较符合实际情况。缺点是，单纯以"词频"衡量一个词的重要性，不够全面，有时重要的词可能出现次数并不多。而且，这种算法无法体现词的位置信息，出现位置靠前的词与出现位置靠后的词，都被视为重要性相同，这是不正确的。
下一次，我将用TF-IDF结合余弦相似性，衡量文档之间的相似程度。
（完）
2013年2月1日星期五
ubuntu 的 errors were found while checking the disk drive for /
由于手提断电，没有后继电源会导致ubuntu 10.04 LTS再次开机进入系统时报出：errors were found while checking the disk drive for / 这样的错误，而且长时间进入不了系统，可用以下方法修改
开机时，按F2进入bios，然后把（system time）系统时间修改为当前时间，保存后退出。然后重启机子，经过短暂的检测后，ubuntu就会重新进入系统，祝你ubuntu愉快
开机时，按F2进入bios，然后把（system time）系统时间修改为当前时间，保存后退出。然后重启机子，经过短暂的检测后，ubuntu就会重新进入系统，祝你ubuntu愉快
2013年1月9日星期三
以桌面为日历：超酷的桌面日历
桌面日历是一款可以桌面为背景的日志，可以显示农历，节气，纪念日，代办事项等，功能超酷
运行后，日历就被嵌入桌面，而且不影响操作桌面。双击单元格才会出现窗口，添加待办事项。更酷的是可以给每个单元格设置不同颜色。
2013年1月8日星期二
Excel处理两列相同（重复）或不同的数据单元格问题(2)
上一篇文章说的有点糊里糊涂，希望这篇您能看明白。
有些朋友经常碰到两个问题：1）怎么找出两列单元格重复的数据？2）怎么找出两列不同的数据。
方法很简单，
例如A,B两列既含有重复的数据有含有不同的数据，
我们首先解决比较简单的问题，即去除单列内的重复项，这个在excel数据的高级筛选可以做到，首先选中单元格——高级筛选——将单元格复制到——选中相邻的单元格作为复制的地址——选中下拉菜单底部的去除重复--确定就完成了。
经过上一步骤我们得到了两列单列内没有重复项的单元格，如图
我简单介绍一下原理，其实这就是两个集合的交集和补集的问题。重复的部分就是它们的交集，不同的部分就是它们的剔除交集后的并集。
我们来介绍方法：第一步我们先在A列中查找B列然后将查找结果放在C列，我们在C1单元格中输入，然后下拉填充到B列结束，就行了
=VLOOKUP(B1,$A$1:$A$16,1,FALSE)
函数中B1为要查找的对象，$A$1:$A$16查找的范围，表示从A1遍历到A16,$表示绝对地址，避免填充时单元格序号会随填充而变化，1表示返回超找对象列，False表示精确匹配，如果需要最大近似值可以不设置，查找结果如下图
6B.jpg)
在D1输入并向下填充以下公式：
=COUNTIF(B1:C1,B1)
函数中(B1:C1表示B1和C1匹配，如果相同则返回逻辑值2，如果不同则返回逻辑值1，结果如图
然后复制B和D列，选择性粘贴（一定要选择性粘贴数值）到sheet2，再对sheet2中的B列排序，选择扩展选定区域，得到结果如下图
U255%7B7~9LMY%25%251T9KDM_Y.jpg)
其中2所对应的A列单元格都是原来数据sheet1中A,B列相同的（重复的）数据，1所对应的就是原来的B列所独有的数据。把他们分别复制到新建的excel表格里面（定名为相同列和不同列）。然后删除原列表所有的东西，仅保留数据sheet1中的原始数据A和B列，依照上述方法再对A列进行相同的操作，找出A列中两列共有的数据和A列特有的数据，再把结果整理到刚刚新建的excel表格中相应的部分，我们就分拣出了A列和B列重复的部分和不重复的部分。
不过如果你按步骤操作保证能分拣成功。
上一篇文章说的有点糊里糊涂，希望这篇您能看明白。
Excel处理两列相同（重复）或不同的数据单元格问题(1)
有些朋友经常碰到两个问题：1）怎么找出两列单元格重复的数据？2）怎么找出两列不同的数据。
方法很简单，
例如A,B两列既含有重复的数据有含有不同的数据，
我们首先解决比较简单的问题，即去除单列内的重复项，这个在excel数据的高级筛选可以做到，首先选中单元格——高级筛选——将单元格复制到——选中相邻的单元格作为复制的地址——选中下拉菜单底部的去除重复--确定就完成了。
经过上一步骤我们得到了两列单列内没有重复项的单元格，如图
我简单介绍一下原理，其实这就是两个集合的交集和补集的问题。重复的部分就是它们的交集，不同的部分就是它们的剔除交集后的并集。
我们来介绍方法：第一步我们先在A列中查找B列然后将查找结果放在C列，我们在C1单元格中输入，然后下拉填充到B列结束，就行了
=VLOOKUP(B1,$A$1:$A$16,1,FALSE)
函数中B1为要查找的对象，$A$1:$A$16查找的范围，表示从A1遍历到A16,1表示返回超找对象列，False表示精确匹配，如果需要最大近似值可以不设置，查找结果如下图
6B.jpg)
其中#N/A表示A列中没有和B列相同的元素，B列所特有的部分，不重复项的一部分，下面我们再以相同的方法在B列中查找A列的元素，然后放在D列。函数如下
=VLOOKUP(A1,$B$1:$B$16,1,FALSE)
然后下拉填充得到结果如下图
%60PZZ(%5B%7D3%5BE%7DC(MT.jpg)
其中正常显示的就是两列数据重复的单元格，#N/A表示为两列不重复的单元格，如果需要相同的我们把#N/A删除即得重复数据，如果需要不重复的我们把原列中的相同数据删除就的到了不相同的数据。
但手动删除好像仍然比较麻烦。我们对结果进行整理 我们先把B列和C列复制到其他区域如I和J区，记得选选择性粘贴。在L1输入并向下填充以下公式：
=COUNTIF(I1:J1,J1)
函数中I1:J1表示I1和J1匹配，如果相同则返回逻辑值2，如果不同则返回逻辑值1，结果如图
然后复制J和K列，选择性粘贴到其他区域如M和N，在对K列排序，选择扩展到其他区域，得到结果如下图
其中2所对应的M列单元格都是原来数据A,B列中相同的（重复的）数据，1所对应的就是原来的B列所独有的数据。把他们复制到新建的excel表格里面。然后撤销原列表中的排序步骤，因为上一步的扩展导致整个表格顺序都变了，所以复制之后要撤销排序，依照该方法再对A列和它所查询的结果D列进行相同的操作，再把结果整理到刚刚新建的excel表格中相应的部分，我们就分拣出了A列和B列重复的部分和不重复的部分。
可能表述起来比较麻烦，不过如果你按步骤操作保证能分拣成功。
方法很简单，
例如A,B两列既含有重复的数据有含有不同的数据，
我们首先解决比较简单的问题，即去除单列内的重复项，这个在excel数据的高级筛选可以做到，首先选中单元格——高级筛选——将单元格复制到——选中相邻的单元格作为复制的地址——选中下拉菜单底部的去除重复--确定就完成了。
经过上一步骤我们得到了两列单列内没有重复项的单元格，如图
我简单介绍一下原理，其实这就是两个集合的交集和补集的问题。重复的部分就是它们的交集，不同的部分就是它们的剔除交集后的并集。
我们来介绍方法：第一步我们先在A列中查找B列然后将查找结果放在C列，我们在C1单元格中输入，然后下拉填充到B列结束，就行了
=VLOOKUP(B1,$A$1:$A$16,1,FALSE)
函数中B1为要查找的对象，$A$1:$A$16查找的范围，表示从A1遍历到A16,1表示返回超找对象列，False表示精确匹配，如果需要最大近似值可以不设置，查找结果如下图
=VLOOKUP(A1,$B$1:$B$16,1,FALSE)
然后下拉填充得到结果如下图
%60PZZ(%5B%7D3%5BE%7DC(MT.jpg)
其中正常显示的就是两列数据重复的单元格，#N/A表示为两列不重复的单元格，如果需要相同的我们把#N/A删除即得重复数据，如果需要不重复的我们把原列中的相同数据删除就的到了不相同的数据。
但手动删除好像仍然比较麻烦。我们对结果进行整理 我们先把B列和C列复制到其他区域如I和J区，记得选选择性粘贴。在L1输入并向下填充以下公式：
=COUNTIF(I1:J1,J1)
函数中I1:J1表示I1和J1匹配，如果相同则返回逻辑值2，如果不同则返回逻辑值1，结果如图
然后复制J和K列，选择性粘贴到其他区域如M和N，在对K列排序，选择扩展到其他区域，得到结果如下图
其中2所对应的M列单元格都是原来数据A,B列中相同的（重复的）数据，1所对应的就是原来的B列所独有的数据。把他们复制到新建的excel表格里面。然后撤销原列表中的排序步骤，因为上一步的扩展导致整个表格顺序都变了，所以复制之后要撤销排序，依照该方法再对A列和它所查询的结果D列进行相同的操作，再把结果整理到刚刚新建的excel表格中相应的部分，我们就分拣出了A列和B列重复的部分和不重复的部分。
可能表述起来比较麻烦，不过如果你按步骤操作保证能分拣成功。
2013年1月6日星期日
Ubuntu桌面指南
Ubuntu桌面指南是官方发布的中文文档，主旨是为家庭和办公用户提供全面的帮助和培训，是系统附带的官方文档，现提供简体中文版《ubuntu桌面指南》，想了解的朋友可以关注。
下载链接：https://docs.google.com/open?id=0B1tCPnFlWsLsSDllUDBfZXVXY2s
下载链接：https://docs.google.com/open?id=0B1tCPnFlWsLsSDllUDBfZXVXY2s
2013年1月5日星期六
用R读取上市公司的财务报表
进行投资分析时难免要用到上市公司的财务报表，但实时获得上市公司的财务报表给分析师带来很多麻烦，又是即使能够得到也是过时的或者是很难用与数据分析的格式或脏数据。
R 包"quantmod"中的函数getFin函数可以帮助我我们方便的从谷歌财经上读取上市公司的财务报表，而且存储方便，易于后续分析。需要说明的是读取的仅包括谷歌财经上刊登的资产负债表、利润表和现金流量表。下面我们接触一下getFin函数。
1.安装并载入"quantmod"包
> install.packages("quantmod")
> library(quantmod)
2.了解一下getFinancials函数
getFinancials(Symbol, env = .GlobalEnv, src = "google",
auto.assign = TRUE,
...)
其中Symbol为上市公司代码，env读取后存放路径，src来源等
3.我们来获取中国石化的财务报表，其黄金股票代码为SHA:600028
> getFin("SHA:600028")
4.我们来看查询函数
viewFinancials(x, type=c('BS','IS','CF'), period=c('A','Q'),subset = NULL)
其中x为存储的文件比如上例的文件为SHA.600028.f,type参数包含三个选项，分别对应谷歌财经能够里的BS(Balance Sheets),IS（Income Statement)，CF(Cash Flow Statements)。period参数有两个选项，分别表示年报和季报
> viewFin(SHA.600028.f,"BS","A")
Annual Balance Sheet for SHA:600028
2011-12-31
Monetary Capital 25197
Other Monetary Capital NA
Short-term Investment (Original Value) NA
Devaluation Provision for Short-term Investment NA
Net Short-term Investment NA
Notes Receivable 27961
Dividend Receivable NA
Interest Receivable NA
Accounts Receivable (Original Value) NA
Original Amount of Other Receivables NA
Provision for Bad Debt NA
Net Accounts Receivable 58721
Net Other Receivables 7360
Prepayment 4096
Allowance Receivable NA
Prepaid Tax NA
Internal Receivables NA
Internal Organization Receivables NA
Affiliated Entity Receivables NA
Margin for Futures NA
Trading Position Fee Receivable NA
Inventories NA
Provision of Inventories Impairment NA
Net Inventories 203417
Deferred Costs NA
Transferrable Other Operating Costs NA
Project Construction NA
Net Loss on Disposable Current Assets NA
Long-term Bond Invetment Mature within 1 Year NA
Other Current Assets 836
Total Current Assets 327588
Original Cost of Long-term Equity Investment NA
Original Cost of Long-term Bond Investment NA
Original Cost of Other Long-term Investment NA
Total Original Cost of Long-term Investment NA
Devaluation Provision of Long-term Investment NA
Net Long-term Equity Investment 47458
Net Long-term Bond Investment NA
Net Other Long-term Investment NA
Total Net Long-term Investment NA
Cost-Book Value Differential NA
Equity Investment Differential NA
Original Cost of Fixed Assets NA
Accumulated Depreciation NA
Net Fixed Assets NA
Provision for Fixed Assets Impairment NA
Net Fixed Assets 565936
Project Materials NA
Construction in Process 111311
Disposal of Fixed Assets NA
Net Loss on Disposable Fixed Assets NA
Total Fixed Assets NA
Intangible Assets 34842
Organization Cost NA
Deferred Assets NA
Long-term Deferred Cost 9076
Other Long-term Assets NA
Total Intangible and Other Assets NA
Deferred Income Tax Asset 13398
Total Assets 1130053
Short-term Borrowing 36985
Notes Payable 5933
Accounts Payable 177002
Advance Collections 66686
Commissioned Sales NA
Salaries Payable 1795
Welfare Benefits Payable NA
Dividend Payable NA
Tax Payable 39622
To Withold Taxes NA
Accrued Other Payments NA
Internal Payables NA
Internal Organization Payables NA
Affiliated Entity Payables NA
Other Payables 57662
Commissioned Sales NA
Accrued Cost NA
Engineering Settlement NA
Domestic Notes Settlement NA
International Notes Settlement NA
Estimated Liabilities NA
Long-term Liabilities Mature within 1 Year NA
Other Current Liabilities NA
Bonus and Welfare Funds NA
Total Current Liabilities 429073
Long-term Borrowing 54320
Bond Payable 100137
Long-term Payables NA
Specific Item Payable NA
Revolving Housing Fund NA
Other Long-term Liabilities NA
Total Long-term Liabilities NA
Deferred Interest Income NA
Increase of Deferred Income Tax Liabilities 15181
Total Liabilities 620528
Minority Interest in Equity 35126
Paid-up Share Capital 86702
Capital Reserve 29583
Earned Surplus Reserve 178263
Public Welfare Fund NA
Group Welfare Fund NA
Unidentified Investment Loss NA
Undistributed Profit 178336
Converted Difference on Foreign Currency Statements -1600
Total Shareholders' Equity 509525
Liabilities & Shareholders' Equity 1130053
Non-current Assets within 1 Year NA
Other Items Affecting Current Assets 0
Held-to-maturity Investment NA
Held-to-maturity Investment NA
Real Estate Investment NA
Long-term Receivables NA
Regenerating Biological Assets NA
Oil & Gas Reserves NA
Development Cost NA
Goodwill 8212
Other Non-current Assets 12232
Other Items Affecting Non-current Assets 0
Total Non-current Assets 802465
Trading Financial Liabilities NA
Interest Payable NA
Non-current Liabilities Mature within 1 Year 43388
Other Items Affecting Current Liabilities NA
Other Non-current Liabilities 3436
Other Items Affecting Non-current Liabilities 0
Total Non-current Liabilities 191455
Less: Treasury Stock NA
Other Items Affecting Equity NA
Trading Financial Assets NA
Inventories - Consumable Biological Assets NA
Parent Company Equity 474399
Floating Rights of Stock with Different Voting Rights NA
Deferred Income NA
Less: Investment Returned NA
Special Reserve 3115
2010-12-31
Monetary Capital 18140
Other Monetary Capital NA
Short-term Investment (Original Value) NA
Devaluation Provision for Short-term Investment NA
Net Short-term Investment NA
Notes Receivable 15950
Dividend Receivable NA
Interest Receivable NA
Accounts Receivable (Original Value) NA
Original Amount of Other Receivables NA
Provision for Bad Debt NA
Net Accounts Receivable 43093
Net Other Receivables 9880
Prepayment 5247
Allowance Receivable NA
Prepaid Tax NA
Internal Receivables NA
Internal Organization Receivables NA
Affiliated Entity Receivables NA
Margin for Futures NA
Trading Position Fee Receivable NA
Inventories NA
Provision of Inventories Impairment NA
Net Inventories 156546
Deferred Costs NA
Transferrable Other Operating Costs NA
Project Construction NA
Net Loss on Disposable Current Assets NA
Long-term Bond Invetment Mature within 1 Year NA
Other Current Assets 594
Total Current Assets 249450
Original Cost of Long-term Equity Investment NA
Original Cost of Long-term Bond Investment NA
Original Cost of Other Long-term Investment NA
Total Original Cost of Long-term Investment NA
Devaluation Provision of Long-term Investment NA
Net Long-term Equity Investment 45037
Net Long-term Bond Investment NA
Net Other Long-term Investment NA
Total Net Long-term Investment NA
Cost-Book Value Differential NA
Equity Investment Differential NA
Original Cost of Fixed Assets NA
Accumulated Depreciation NA
Net Fixed Assets NA
Provision for Fixed Assets Impairment NA
Net Fixed Assets 540700
Project Materials NA
Construction in Process 89599
Disposal of Fixed Assets NA
Net Loss on Disposable Fixed Assets NA
Total Fixed Assets NA
Intangible Assets 27440
Organization Cost NA
Deferred Assets NA
Long-term Deferred Cost 7560
Other Long-term Assets NA
Total Intangible and Other Assets NA
Deferred Income Tax Asset 15578
Total Assets 985389
Short-term Borrowing 29298
Notes Payable 3818
Accounts Payable 132528
Advance Collections 57324
Commissioned Sales NA
Salaries Payable 7444
Welfare Benefits Payable NA
Dividend Payable NA
Tax Payable 33814
To Withold Taxes NA
Accrued Other Payments NA
Internal Payables NA
Internal Organization Payables NA
Affiliated Entity Payables NA
Other Payables 54871
Commissioned Sales 1000
Accrued Cost NA
Engineering Settlement NA
Domestic Notes Settlement NA
International Notes Settlement NA
Estimated Liabilities NA
Long-term Liabilities Mature within 1 Year NA
Other Current Liabilities NA
Bonus and Welfare Funds NA
Total Current Liabilities 325627
......
5.我们来查看一下黄金企业的利润表，仍然使用viewFin函数
> viewFin(SHA.600028.f,"IS","A")
Annual Income Statement for SHA:600028
2011-12-31
Sales Revenue 2505683.00
Discount and Allowance NA
Net Revenue from Main Operation NA
Less: Cost of Goods Sold 2093199.00
Sales Tax & Other Charges 189949.00
Profit (Loss) from Principal Operations NA
Income from Other Operation NA
Inventory Falling Price Loss NA
Business Expenses NA
Administrative Expenses 63083.00
Financial Expenses 6544.00
Period Expense NA
Purchase Expenses NA
Exchange Gains or Losses NA
Operating Profit 100966.00
Investment Income 4186.00
Gains and Loss of Futures NA
Subsidy Income NA
Non-Operating Revenue 3411.00
Income Adjustment for Previous Years NA
Non-operating Expenses 1739.00
Net Non-operating Income NA
Profits Distribute to Other Firms NA
Preceding Year Income Tax Adjustment NA
Total Profit 102638.00
Income Tax 25774.00
Minority Interest 5167.00
Subsidiary Losses NA
Special Funds Payable NA
Bonus and Welfare Funds NA
Merger Profit NA
Unidentified Investment Loss NA
Reimbursement of Income Tax NA
Losses of Subsidiaries shouldn't take by Parent Company NA
The Revenue to Subsidiaries Offset Excess Deficit NA
Net Profit 76864.00
Beginning Undistributed Profit NA
Other Transferred in 0.00
Transferred from Surplus Reserve NA
Beginning Undistributed Profit Adjustment NA
Reduction of Registered Capital Reduced Undistributed Profit NA
Translation Reserve NA
Adjustments on Extraordinary Items NA
Profit Distribution before Established Corporation NA
Revolving Housing Fund NA
Profit Available for Dividend NA
Appropriation of Statutory Surplus Reserves NA
Appropriation of Statutory Welfare Fund NA
Withdrawal of Employee Award and Benefits Fund NA
Appropriation of Reserve Fund NA
Appropriation of Enterprise Expansion Fund NA
Distribution of Profits Available for Shareholders NA
Preferred Stock Dividends Payable NA
Appropriation of Other Surplus Reserve NA
Appropriation of Ordinary Shares Dividend NA
Conversion of Common Stock Dividend into Stock NA
Undistributed Profit NA
Disposal of Departments or Invested Firms NA
Loss Due to Natural Disaster NA
Accounting Policy Change Increase (Decrease) Total Profit NA
Accounting Estimates Change Increase (Decrease) Total Profit NA
Loss on Arrangement NA
.....
6.查看现金流
> viewFin(SHA.600028.f,"CF","A")
Annual Cash Flow Statement for SHA:600028
2011-12-31
Cash Received for Goods Sold and Services Rendered 2889482
Rental Charge 437
Received and Returned Value Added Tax NA
Tax Refund Received excluding Value Added Tax NA
Tax Refund Received NA
Receipts from Other Business Activities 12316
Cash Inflows from Operating Activities Subtotal 2902235
Cash Outflow for Goods & Services Purchased 2398623
Cash Payment under Operating Lease 12611
Cash Salaries 41718
Value Added Tax Paid 71311
Income Tax Paid 29798
Tax Paid excluding Value Added & Income Tax NA
Various Taxes Paid 176474
Other Operating Cash Outflow 20519
Cash Outflow for Operating Activities Subtotal 2751054
Net Operating Cash Flow 151181
Divestment Cash Inflow 3039
Cash Received for Dividend or Profit Distribution 2961
Cash Received for Bond Interest Income NA
Cash Received for Investment Income NA
Intangible and Other Long-term Assets 1216
Other Investing Cash Inflow 11646
Cash Outflow from Investment Activities Subtotal 18862
Intangible and Other Long-term Assets 142813
Cash Payment for Equity Investment NA
Cash Payment for Bond Investment NA
Investing Cash Outflow 7488
Other Investing Cash Outflow 9569
Cash Outflow from Investment activities Subtotal 159870
Net Cash from Investment Activities -141008
Cash Raised from Attracting Equity Investment NA
Subsidiaries Financing from Minority Shareholders
....
有了数据就可以进行下一步的工作了，看到这样现实的数据首先要把它们规范化，那就要根据个人分析的目的操作了
2013年1月4日星期五
用R做热点图heatmaps
首先我们选择mtcars 作为数据，他主要是70年代的汽车性能表现和机械设计的数据。我们来用这个数据做一个等级h热点图heatmap。
1.首先将数据标准华为均值=1，标准差=0，使用scale()函数，并将结果转化为矩阵。
1.首先将数据标准华为均值=1，标准差=0，使用scale()函数，并将结果转化为矩阵。
> mtscaled <- as.matrix(scale(mtcars))
2.创建热点图，去除对列重新排序的默认项。
> heatmap(mtscaled, Colv=F, scale='none')
需要说明是，默认况下，R会同时根据列和行做聚类热点图，而且会依据均值对系统树进行重新排序，Colv=F表示拒绝重新排序。如果我们的数据是时间序列等已经有序的数据，我们可能就不需要对列排序，仅需要对行聚类，这样我们可以把参数设为Colv=NA，从上图我们可以看到hp、cyl、disp的关系较近，而且马力越大，速度越快越耗油。
3.如果我们需要指定聚类数目，比如我要把上图以行聚类的第一个分支的两簇分别做图，那我们就需要hclust和cutree函数,而hclust函数必须根据距离矩阵执行
#首先以行聚类
> hc.rows <- hclust(dist(mtscaled))
#对矩阵转置，并重新以列聚类
> hc.cols <- hclust(dist(t(mtscaled)))
#对第一个分支聚类做热点图
> heatmap(mtscaled[cutree(hc.rows,k=2)==1,], Colv=as.dendrogram(hc.cols), scale='none')
对第二个分支聚类做热点图
> heatmap(mtscaled[cutree(hc.rows,k=2)==2,], Colv=as.dendrogram(hc.cols), scale='none')
如果你不喜欢这套热点图的颜色，你可以利用一下函数首先修改默认颜色再做图
> palette <- colorRampPalette(c('#f0f3ff','#0033BB'))(256)
> heatmap(mtscaled, Colv=F, scale='none', col=palette)
或者通过col参数直接设置
> heatmap(mtscaled[cutree(hc.rows,k=2)==2,], Colv=as.dendrogram(hc.cols), scale='none',col=topo.colors(100))
如果你要添加颜色图例的话你可以选择heatmap.2，它在gplot包里。
利用libreoffice Base 打开Microsoft Office Access 2007 数据库
利用libreoffice Base直接双击打开Microsoft Office Access 2007 数据库会出现乱码问题，现在解决办法
利用现有的Microsoft Office Access 2007 数据库新建一个ODF数据库。操作步骤如下：首先打开libreoffice Base，如图
然后选择连接到现有数据库，在下面的对话框中选择Microsoft Office Access 2007格式，然后选择继续。
然后在浏览中选择自己的Microsoft Office Access 2007的路径，打开然后继续
)0R)B.jpg)
直接默认，然后点完成，为新建的ODF数据库附上名字，并选择存放路径便于查找，最后如图
然后就可以根据需要图中所示表格进行编辑了，以后就可以双击自己新建的ODF数据库进行编辑。
2013年1月3日星期四
R data.frame 操作例选
1.查看data.frame的开头> head(df)sequence start end 1 chromosome 1450 2112 2 chromosome 41063 41716 3 chromosome 62927 63640 4 chromosome 63881 64807 5 chromosome 71811 72701 2.选择data.frame特定的列> df[,c('sequence','start','end')]sequence start end 1 chromosome 1450 2112 2 chromosome 41063 41716 3 chromosome 62927 63640 4 chromosome 63881 64807 5 chromosome 71811 72701 ... 3.选择同时查看data.frame的列和行> df[566:570,c('sequence','start','end')]sequence start end 566 chromosome 480999 479860 567 chromosome 481397 480999 568 chromosome 503053 501275 569 chromosome 506476 505712 570 chromosome 515461 514277 4.想SQL那样选择符合特定标准的行df[df$value>3.0,]sequence strand start end common_name value 199 chromosome + 907743 909506 hutU 3.158821 321 chromosome + 1391811 1393337 nadB 3.092771 556 chromosome - 431600 431037 apt 3.043373 572 chromosome - 519043 518186 hbd1 3.077040 5.选择包含特定内容的行列：找到tRNA> df[grep("trna", df$common_name, ignore.case=T),]sequence strand start end common_name value 18 chromosome + 115152 115224 Asn tRNA -0.461038128 19 chromosome + 115314 115422 Ile tRNA -0.925268307 31 chromosome + 167315 167388 Tyr tRNA 0.112527023 32 chromosome + 191112 191196 Ser tRNA 0.986357577 ... 6.复制行名称：行名成不仅在data.frame中使用，在矩阵中同样适用。 我们创建一个矩阵： > a = matrix(1:18, nrow=6, ncol=3) > rownames(a) <- c('a', 'a', 'a', 'b', 'b', 'b') > colnames(a) <- c('foo', 'bar', 'bat') > a foo bar bat a 1 7 13 a 2 8 14 a 3 9 15 b 4 10 16 b 5 11 17 b 6 12 18 如果我们只按照行名称选择查看的话，R反馈回来的只有符合该名称的第一行 > a['a',] foo bar bat 1 7 13 > a['b',] foo bar bat 4 10 16 但如果这样查询就能查看所有符合行名称的内容 > a[rownames(a)=='a',] foo bar bat a 1 7 13 a 2 8 14 a 3 9 15
订阅：
博文 (Atom)