R_basic4
York Lin
2019年12月10日
其他常見字串處理函式
#sub (取代第一個遇到的字串)
s = "aaa bbb ccc aaa bbb aaa"
sub("aaa","",s)## [1] " bbb ccc aaa bbb aaa"#利用gsub函數取代 (全局取代)
gsub("aaa","",s)## [1] " bbb ccc bbb "#grep() ==> return index
test_str = c('abcd','bcd','cde')
grep('a',test_str)## [1] 1test_str[grep('a',test_str)]## [1] "abcd"setwd('~/lecture/riii')
load('./Statistics/applenews.RData')
applenews[grep('中國',applenews$title[1:10]),"title"]## [1] "拿到澳洲護照後 他放火燒中國護照"#grepl() ==> return boolean
grepl('a',test_str)## [1] TRUE FALSE FALSEtest_str[grepl('a',test_str)]## [1] "abcd"#strsplit() ==> 字串分割
splited = strsplit(c('abc-def','ddd-ggg'),'-')
splited## [[1]]
## [1] "abc" "def"
##
## [[2]]
## [1] "ddd" "ggg"class(splited)## [1] "list"### 取出list裡面部分元素
sapply(splited,function(e){e[1]})## [1] "abc" "ddd"splited_vec = unlist(splited)
length(splited_vec)## [1] 4seq(from=1,to=length(splited_vec),by=2)## [1] 1 3splited_vec[seq(from=1,to=length(splited_vec),by=2)]## [1] "abc" "ddd"#substring() ==> 取得部份字串
test_s = 'abcdef'
nchar(test_s)## [1] 6substring(test_s,2,nchar('abcdef')-1)## [1] "bcde"遺失值處理(missing value)
setwd('~/lecture/riii')
load('./Statistics/applenews.RData')
idx= sample(1:nrow(applenews),size=30)
applenews[idx,'clicked'] = NA
#找尋遺失值
is.na(applenews)## content title dt category clicked
## 1 FALSE FALSE FALSE FALSE FALSE
## 2 FALSE FALSE FALSE FALSE FALSE
## 3 FALSE FALSE FALSE FALSE FALSE
## 4 FALSE FALSE FALSE FALSE FALSE
## 5 FALSE FALSE FALSE FALSE FALSE
## 6 FALSE FALSE FALSE FALSE FALSE
## 7 FALSE FALSE FALSE FALSE FALSE
## 8 FALSE FALSE FALSE FALSE FALSE
## 9 FALSE FALSE FALSE FALSE FALSE
## 10 FALSE FALSE FALSE FALSE FALSE
## 11 FALSE FALSE FALSE FALSE FALSE
## 12 FALSE FALSE FALSE FALSE FALSE
## 13 FALSE FALSE FALSE FALSE FALSE
## 14 FALSE FALSE FALSE FALSE FALSE
## 15 FALSE FALSE FALSE FALSE FALSE
## 16 FALSE FALSE FALSE FALSE FALSE
## 17 FALSE FALSE FALSE FALSE FALSE
## 18 FALSE FALSE FALSE FALSE FALSE
## 19 FALSE FALSE FALSE FALSE FALSE
## 20 FALSE FALSE FALSE FALSE FALSE
## 21 FALSE FALSE FALSE FALSE FALSE
## 22 FALSE FALSE FALSE FALSE FALSE
## 23 FALSE FALSE FALSE FALSE FALSE
## 24 FALSE FALSE FALSE FALSE FALSE
## 25 FALSE FALSE FALSE FALSE FALSE
## 26 FALSE FALSE FALSE FALSE FALSE
## 27 FALSE FALSE FALSE FALSE FALSE
## 28 FALSE FALSE FALSE FALSE FALSE
## 29 FALSE FALSE FALSE FALSE FALSE
## 30 FALSE FALSE FALSE FALSE FALSE
## 31 FALSE FALSE FALSE FALSE FALSE
## 32 FALSE FALSE FALSE FALSE FALSE
## 33 FALSE FALSE FALSE FALSE FALSE
## 34 FALSE FALSE FALSE FALSE FALSE
## 35 FALSE FALSE FALSE FALSE FALSE
## 36 FALSE FALSE FALSE FALSE FALSE
## 37 FALSE FALSE FALSE FALSE FALSE
## 38 FALSE FALSE FALSE FALSE FALSE
## 39 FALSE FALSE FALSE FALSE FALSE
## 40 FALSE FALSE FALSE FALSE TRUE
## 41 FALSE FALSE FALSE FALSE FALSE
## 42 FALSE FALSE FALSE FALSE FALSE
## 43 FALSE FALSE FALSE FALSE FALSE
## 44 FALSE FALSE FALSE FALSE FALSE
## 45 FALSE FALSE FALSE FALSE FALSE
## 46 FALSE FALSE FALSE FALSE FALSE
## 47 FALSE FALSE FALSE FALSE FALSE
## 48 FALSE FALSE FALSE FALSE FALSE
## 49 FALSE FALSE FALSE FALSE FALSE
## 50 FALSE FALSE FALSE FALSE FALSE
## 51 FALSE FALSE FALSE FALSE FALSE
## 52 FALSE FALSE FALSE FALSE FALSE
## 53 FALSE FALSE FALSE FALSE FALSE
## 54 FALSE FALSE FALSE FALSE FALSE
## 55 FALSE FALSE FALSE FALSE FALSE
## 56 FALSE FALSE FALSE FALSE FALSE
## 57 FALSE FALSE FALSE FALSE FALSE
## 58 FALSE FALSE FALSE FALSE FALSE
## 59 FALSE FALSE FALSE FALSE FALSE
## 60 FALSE FALSE FALSE FALSE FALSE
## 61 FALSE FALSE FALSE FALSE FALSE
## 62 FALSE FALSE FALSE FALSE FALSE
## 63 FALSE FALSE FALSE FALSE FALSE
## 64 FALSE FALSE FALSE FALSE FALSE
## 65 FALSE FALSE FALSE FALSE FALSE
## 66 FALSE FALSE FALSE FALSE FALSE
## 67 FALSE FALSE FALSE FALSE FALSE
## 68 FALSE FALSE FALSE FALSE FALSE
## 69 FALSE FALSE FALSE FALSE FALSE
## 70 FALSE FALSE FALSE FALSE FALSE
## 71 FALSE FALSE FALSE FALSE FALSE
## 72 FALSE FALSE FALSE FALSE FALSE
## 73 FALSE FALSE FALSE FALSE FALSE
## 74 FALSE FALSE FALSE FALSE FALSE
## 75 FALSE FALSE FALSE FALSE FALSE
## 76 FALSE FALSE FALSE FALSE FALSE
## 77 FALSE FALSE FALSE FALSE FALSE
## 78 FALSE FALSE FALSE FALSE FALSE
## 79 FALSE FALSE FALSE FALSE FALSE
## 80 FALSE FALSE FALSE FALSE FALSE
## 81 FALSE FALSE FALSE FALSE FALSE
## 82 FALSE FALSE FALSE FALSE FALSE
## 83 FALSE FALSE FALSE FALSE FALSE
## 84 FALSE FALSE FALSE FALSE FALSE
## 85 FALSE FALSE FALSE FALSE FALSE
## 86 FALSE FALSE FALSE FALSE FALSE
## 87 FALSE FALSE FALSE FALSE FALSE
## 88 FALSE FALSE FALSE FALSE FALSE
## 89 FALSE FALSE FALSE FALSE FALSE
## 90 FALSE FALSE FALSE FALSE FALSE
## 91 FALSE FALSE FALSE FALSE FALSE
## 92 FALSE FALSE FALSE FALSE FALSE
## 93 FALSE FALSE FALSE FALSE FALSE
## 94 FALSE FALSE FALSE FALSE TRUE
## 95 FALSE FALSE FALSE FALSE FALSE
## 96 FALSE FALSE FALSE FALSE FALSE
## 97 FALSE FALSE FALSE FALSE FALSE
## 98 FALSE FALSE FALSE FALSE FALSE
## 99 FALSE FALSE FALSE FALSE FALSE
## 100 FALSE FALSE FALSE FALSE FALSE
## 101 FALSE FALSE FALSE FALSE FALSE
## 102 FALSE FALSE FALSE FALSE FALSE
## 103 FALSE FALSE FALSE FALSE FALSE
## 104 FALSE FALSE FALSE FALSE FALSE
## 105 FALSE FALSE FALSE FALSE FALSE
## 106 FALSE FALSE FALSE FALSE FALSE
## 107 FALSE FALSE FALSE FALSE FALSE
## 108 FALSE FALSE FALSE FALSE FALSE
## 109 FALSE FALSE FALSE FALSE FALSE
## 110 FALSE FALSE FALSE FALSE FALSE
## 111 FALSE FALSE FALSE FALSE FALSE
## 112 FALSE FALSE FALSE FALSE FALSE
## 113 FALSE FALSE FALSE FALSE FALSE
## 114 FALSE FALSE FALSE FALSE FALSE
## 115 FALSE FALSE FALSE FALSE FALSE
## 116 FALSE FALSE FALSE FALSE FALSE
## 117 FALSE FALSE FALSE FALSE FALSE
## 118 FALSE FALSE FALSE FALSE FALSE
## 119 FALSE FALSE FALSE FALSE FALSE
## 120 FALSE FALSE FALSE FALSE FALSE
## 121 FALSE FALSE FALSE FALSE FALSE
## 122 FALSE FALSE FALSE FALSE FALSE
## 123 FALSE FALSE FALSE FALSE FALSE
## 124 FALSE FALSE FALSE FALSE FALSE
## 125 FALSE FALSE FALSE FALSE FALSE
## 126 FALSE FALSE FALSE FALSE FALSE
## 127 FALSE FALSE FALSE FALSE FALSE
## 128 FALSE FALSE FALSE FALSE FALSE
## 129 FALSE FALSE FALSE FALSE FALSE
## 130 FALSE FALSE FALSE FALSE FALSE
## 131 FALSE FALSE FALSE FALSE TRUE
## 132 FALSE FALSE FALSE FALSE FALSE
## 133 FALSE FALSE FALSE FALSE FALSE
## 134 FALSE FALSE FALSE FALSE FALSE
## 135 FALSE FALSE FALSE FALSE FALSE
## 136 FALSE FALSE FALSE FALSE FALSE
## 137 FALSE FALSE FALSE FALSE FALSE
## 138 FALSE FALSE FALSE FALSE FALSE
## 139 FALSE FALSE FALSE FALSE FALSE
## 140 FALSE FALSE FALSE FALSE FALSE
## 141 FALSE FALSE FALSE FALSE TRUE
## 142 FALSE FALSE FALSE FALSE FALSE
## 143 FALSE FALSE FALSE FALSE FALSE
## 144 FALSE FALSE FALSE FALSE FALSE
## 145 FALSE FALSE FALSE FALSE FALSE
## 146 FALSE FALSE FALSE FALSE FALSE
## 147 FALSE FALSE FALSE FALSE FALSE
## 148 FALSE FALSE FALSE FALSE FALSE
## 149 FALSE FALSE FALSE FALSE FALSE
## 150 FALSE FALSE FALSE FALSE FALSE
## 151 FALSE FALSE FALSE FALSE FALSE
## 152 FALSE FALSE FALSE FALSE FALSE
## 153 FALSE FALSE FALSE FALSE FALSE
## 154 FALSE FALSE FALSE FALSE FALSE
## 155 FALSE FALSE FALSE FALSE FALSE
## 156 FALSE FALSE FALSE FALSE FALSE
## 157 FALSE FALSE FALSE FALSE FALSE
## 158 FALSE FALSE FALSE FALSE FALSE
## 159 FALSE FALSE FALSE FALSE FALSE
## 160 FALSE FALSE FALSE FALSE FALSE
## 161 FALSE FALSE FALSE FALSE FALSE
## 162 FALSE FALSE FALSE FALSE FALSE
## 163 FALSE FALSE FALSE FALSE FALSE
## 164 FALSE FALSE FALSE FALSE FALSE
## 165 FALSE FALSE FALSE FALSE FALSE
## 166 FALSE FALSE FALSE FALSE FALSE
## 167 FALSE FALSE FALSE FALSE FALSE
## 168 FALSE FALSE FALSE FALSE FALSE
## 169 FALSE FALSE FALSE FALSE FALSE
## 170 FALSE FALSE FALSE FALSE FALSE
## 171 FALSE FALSE FALSE FALSE FALSE
## 172 FALSE FALSE FALSE FALSE FALSE
## 173 FALSE FALSE FALSE FALSE TRUE
## 174 FALSE FALSE FALSE FALSE FALSE
## 175 FALSE FALSE FALSE FALSE FALSE
## 176 FALSE FALSE FALSE FALSE FALSE
## 177 FALSE FALSE FALSE FALSE FALSE
## 178 FALSE FALSE FALSE FALSE FALSE
## 179 FALSE FALSE FALSE FALSE FALSE
## 180 FALSE FALSE FALSE FALSE FALSE
## 181 FALSE FALSE FALSE FALSE FALSE
## 182 FALSE FALSE FALSE FALSE FALSE
## 183 FALSE FALSE FALSE FALSE FALSE
## 184 FALSE FALSE FALSE FALSE FALSE
## 185 FALSE FALSE FALSE FALSE FALSE
## 186 FALSE FALSE FALSE FALSE FALSE
## 187 FALSE FALSE FALSE FALSE FALSE
## 188 FALSE FALSE FALSE FALSE FALSE
## 189 FALSE FALSE FALSE FALSE FALSE
## 190 FALSE FALSE FALSE FALSE FALSE
## 191 FALSE FALSE FALSE FALSE FALSE
## 192 FALSE FALSE FALSE FALSE FALSE
## 193 FALSE FALSE FALSE FALSE FALSE
## 194 FALSE FALSE FALSE FALSE FALSE
## 195 FALSE FALSE FALSE FALSE FALSE
## 196 FALSE FALSE FALSE FALSE FALSE
## 197 FALSE FALSE FALSE FALSE FALSE
## 198 FALSE FALSE FALSE FALSE FALSE
## 199 FALSE FALSE FALSE FALSE FALSE
## 200 FALSE FALSE FALSE FALSE FALSE
## 201 FALSE FALSE FALSE FALSE FALSE
## 202 FALSE FALSE FALSE FALSE FALSE
## 203 FALSE FALSE FALSE FALSE FALSE
## 204 FALSE FALSE FALSE FALSE FALSE
## 205 FALSE FALSE FALSE FALSE FALSE
## 206 FALSE FALSE FALSE FALSE FALSE
## 207 FALSE FALSE FALSE FALSE FALSE
## 208 FALSE FALSE FALSE FALSE FALSE
## 209 FALSE FALSE FALSE FALSE FALSE
## 210 FALSE FALSE FALSE FALSE FALSE
## 211 FALSE FALSE FALSE FALSE FALSE
## 212 FALSE FALSE FALSE FALSE FALSE
## 213 FALSE FALSE FALSE FALSE FALSE
## 214 FALSE FALSE FALSE FALSE FALSE
## 215 FALSE FALSE FALSE FALSE TRUE
## 216 FALSE FALSE FALSE FALSE FALSE
## 217 FALSE FALSE FALSE FALSE FALSE
## 218 FALSE FALSE FALSE FALSE FALSE
## 219 FALSE FALSE FALSE FALSE FALSE
## 220 FALSE FALSE FALSE FALSE FALSE
## 221 FALSE FALSE FALSE FALSE FALSE
## 222 FALSE FALSE FALSE FALSE FALSE
## 223 FALSE FALSE FALSE FALSE FALSE
## 224 FALSE FALSE FALSE FALSE FALSE
## 225 FALSE FALSE FALSE FALSE FALSE
## 226 FALSE FALSE FALSE FALSE FALSE
## 227 FALSE FALSE FALSE FALSE FALSE
## 228 FALSE FALSE FALSE FALSE FALSE
## 229 FALSE FALSE FALSE FALSE FALSE
## 230 FALSE FALSE FALSE FALSE FALSE
## 231 FALSE FALSE FALSE FALSE FALSE
## 232 FALSE FALSE FALSE FALSE FALSE
## 233 FALSE FALSE FALSE FALSE FALSE
## 234 FALSE FALSE FALSE FALSE FALSE
## 235 FALSE FALSE FALSE FALSE FALSE
## 236 FALSE FALSE FALSE FALSE FALSE
## 237 FALSE FALSE FALSE FALSE FALSE
## 238 FALSE FALSE FALSE FALSE FALSE
## 239 FALSE FALSE FALSE FALSE FALSE
## 240 FALSE FALSE FALSE FALSE FALSE
## 241 FALSE FALSE FALSE FALSE FALSE
## 242 FALSE FALSE FALSE FALSE FALSE
## 243 FALSE FALSE FALSE FALSE FALSE
## 244 FALSE FALSE FALSE FALSE FALSE
## 245 FALSE FALSE FALSE FALSE FALSE
## 246 FALSE FALSE FALSE FALSE FALSE
## 247 FALSE FALSE FALSE FALSE FALSE
## 248 FALSE FALSE FALSE FALSE FALSE
## 249 FALSE FALSE FALSE FALSE FALSE
## 250 FALSE FALSE FALSE FALSE FALSE
## 251 FALSE FALSE FALSE FALSE FALSE
## 252 FALSE FALSE FALSE FALSE FALSE
## 253 FALSE FALSE FALSE FALSE FALSE
## 254 FALSE FALSE FALSE FALSE FALSE
## 255 FALSE FALSE FALSE FALSE FALSE
## 256 FALSE FALSE FALSE FALSE TRUE
## 257 FALSE FALSE FALSE FALSE FALSE
## 258 FALSE FALSE FALSE FALSE FALSE
## 259 FALSE FALSE FALSE FALSE FALSE
## 260 FALSE FALSE FALSE FALSE FALSE
## 261 FALSE FALSE FALSE FALSE FALSE
## 262 FALSE FALSE FALSE FALSE FALSE
## 263 FALSE FALSE FALSE FALSE FALSE
## 264 FALSE FALSE FALSE FALSE FALSE
## 265 FALSE FALSE FALSE FALSE FALSE
## 266 FALSE FALSE FALSE FALSE FALSE
## 267 FALSE FALSE FALSE FALSE FALSE
## 268 FALSE FALSE FALSE FALSE FALSE
## 269 FALSE FALSE FALSE FALSE FALSE
## 270 FALSE FALSE FALSE FALSE FALSE
## 271 FALSE FALSE FALSE FALSE FALSE
## 272 FALSE FALSE FALSE FALSE FALSE
## 273 FALSE FALSE FALSE FALSE FALSE
## 274 FALSE FALSE FALSE FALSE FALSE
## 275 FALSE FALSE FALSE FALSE FALSE
## 276 FALSE FALSE FALSE FALSE FALSE
## 277 FALSE FALSE FALSE FALSE FALSE
## 278 FALSE FALSE FALSE FALSE FALSE
## 279 FALSE FALSE FALSE FALSE FALSE
## 280 FALSE FALSE FALSE FALSE FALSE
## 281 FALSE FALSE FALSE FALSE TRUE
## 282 FALSE FALSE FALSE FALSE FALSE
## 283 FALSE FALSE FALSE FALSE FALSE
## 284 FALSE FALSE FALSE FALSE FALSE
## 285 FALSE FALSE FALSE FALSE FALSE
## 286 FALSE FALSE FALSE FALSE FALSE
## 287 FALSE FALSE FALSE FALSE FALSE
## 288 FALSE FALSE FALSE FALSE FALSE
## 289 FALSE FALSE FALSE FALSE FALSE
## 290 FALSE FALSE FALSE FALSE FALSE
## 291 FALSE FALSE FALSE FALSE FALSE
## 292 FALSE FALSE FALSE FALSE FALSE
## 293 FALSE FALSE FALSE FALSE FALSE
## 294 FALSE FALSE FALSE FALSE FALSE
## 295 FALSE FALSE FALSE FALSE FALSE
## 296 FALSE FALSE FALSE FALSE FALSE
## 297 FALSE FALSE FALSE FALSE FALSE
## 298 FALSE FALSE FALSE FALSE FALSE
## 299 FALSE FALSE FALSE FALSE FALSE
## 300 FALSE FALSE FALSE FALSE FALSE
## 301 FALSE FALSE FALSE FALSE FALSE
## 302 FALSE FALSE FALSE FALSE FALSE
## 303 FALSE FALSE FALSE FALSE FALSE
## 304 FALSE FALSE FALSE FALSE FALSE
## 305 FALSE FALSE FALSE FALSE FALSE
## 306 FALSE FALSE FALSE FALSE FALSE
## 307 FALSE FALSE FALSE FALSE FALSE
## 308 FALSE FALSE FALSE FALSE FALSE
## 309 FALSE FALSE FALSE FALSE FALSE
## 310 FALSE FALSE FALSE FALSE FALSE
## 311 FALSE FALSE FALSE FALSE FALSE
## 312 FALSE FALSE FALSE FALSE FALSE
## 313 FALSE FALSE FALSE FALSE FALSE
## 314 FALSE FALSE FALSE FALSE FALSE
## 315 FALSE FALSE FALSE FALSE FALSE
## 316 FALSE FALSE FALSE FALSE FALSE
## 317 FALSE FALSE FALSE FALSE FALSE
## 318 FALSE FALSE FALSE FALSE FALSE
## 319 FALSE FALSE FALSE FALSE FALSE
## 320 FALSE FALSE FALSE FALSE FALSE
## 321 FALSE FALSE FALSE FALSE FALSE
## 322 FALSE FALSE FALSE FALSE FALSE
## 323 FALSE FALSE FALSE FALSE FALSE
## 324 FALSE FALSE FALSE FALSE FALSE
## 325 FALSE FALSE FALSE FALSE FALSE
## 326 FALSE FALSE FALSE FALSE FALSE
## 327 FALSE FALSE FALSE FALSE FALSE
## 328 FALSE FALSE FALSE FALSE FALSE
## 329 FALSE FALSE FALSE FALSE FALSE
## 330 FALSE FALSE FALSE FALSE FALSE
## 331 FALSE FALSE FALSE FALSE FALSE
## 332 FALSE FALSE FALSE FALSE FALSE
## 333 FALSE FALSE FALSE FALSE FALSE
## 334 FALSE FALSE FALSE FALSE FALSE
## 335 FALSE FALSE FALSE FALSE FALSE
## 336 FALSE FALSE FALSE FALSE FALSE
## 337 FALSE FALSE FALSE FALSE FALSE
## 338 FALSE FALSE FALSE FALSE FALSE
## 339 FALSE FALSE FALSE FALSE FALSE
## 340 FALSE FALSE FALSE FALSE FALSE
## 341 FALSE FALSE FALSE FALSE FALSE
## 342 FALSE FALSE FALSE FALSE FALSE
## 343 FALSE FALSE FALSE FALSE FALSE
## 344 FALSE FALSE FALSE FALSE FALSE
## 345 FALSE FALSE FALSE FALSE FALSE
## 346 FALSE FALSE FALSE FALSE FALSE
## 347 FALSE FALSE FALSE FALSE FALSE
## 348 FALSE FALSE FALSE FALSE FALSE
## 349 FALSE FALSE FALSE FALSE FALSE
## 350 FALSE FALSE FALSE FALSE FALSE
## 351 FALSE FALSE FALSE FALSE TRUE
## 352 FALSE FALSE FALSE FALSE FALSE
## 353 FALSE FALSE FALSE FALSE FALSE
## 354 FALSE FALSE FALSE FALSE FALSE
## 355 FALSE FALSE FALSE FALSE FALSE
## 356 FALSE FALSE FALSE FALSE FALSE
## 357 FALSE FALSE FALSE FALSE FALSE
## 358 FALSE FALSE FALSE FALSE FALSE
## 359 FALSE FALSE FALSE FALSE FALSE
## 360 FALSE FALSE FALSE FALSE FALSE
## 361 FALSE FALSE FALSE FALSE FALSE
## 362 FALSE FALSE FALSE FALSE FALSE
## 363 FALSE FALSE FALSE FALSE FALSE
## 364 FALSE FALSE FALSE FALSE FALSE
## 365 FALSE FALSE FALSE FALSE FALSE
## 366 FALSE FALSE FALSE FALSE FALSE
## 367 FALSE FALSE FALSE FALSE FALSE
## 368 FALSE FALSE FALSE FALSE FALSE
## 369 FALSE FALSE FALSE FALSE FALSE
## 370 FALSE FALSE FALSE FALSE FALSE
## 371 FALSE FALSE FALSE FALSE FALSE
## 372 FALSE FALSE FALSE FALSE FALSE
## 373 FALSE FALSE FALSE FALSE FALSE
## 374 FALSE FALSE FALSE FALSE FALSE
## 375 FALSE FALSE FALSE FALSE FALSE
## 376 FALSE FALSE FALSE FALSE FALSE
## 377 FALSE FALSE FALSE FALSE FALSE
## 378 FALSE FALSE FALSE FALSE FALSE
## 379 FALSE FALSE FALSE FALSE FALSE
## 380 FALSE FALSE FALSE FALSE FALSE
## 381 FALSE FALSE FALSE FALSE FALSE
## 382 FALSE FALSE FALSE FALSE FALSE
## 383 FALSE FALSE FALSE FALSE FALSE
## 384 FALSE FALSE FALSE FALSE FALSE
## 385 FALSE FALSE FALSE FALSE FALSE
## 386 FALSE FALSE FALSE FALSE FALSE
## 387 FALSE FALSE FALSE FALSE FALSE
## 388 FALSE FALSE FALSE FALSE FALSE
## 389 FALSE FALSE FALSE FALSE FALSE
## 390 FALSE FALSE FALSE FALSE FALSE
## 391 FALSE FALSE FALSE FALSE FALSE
## 392 FALSE FALSE FALSE FALSE FALSE
## 393 FALSE FALSE FALSE FALSE FALSE
## 394 FALSE FALSE FALSE FALSE FALSE
## 395 FALSE FALSE FALSE FALSE FALSE
## 396 FALSE FALSE FALSE FALSE FALSE
## 397 FALSE FALSE FALSE FALSE FALSE
## 398 FALSE FALSE FALSE FALSE FALSE
## 399 FALSE FALSE FALSE FALSE TRUE
## 400 FALSE FALSE FALSE FALSE FALSE
## 401 FALSE FALSE FALSE FALSE FALSE
## 402 FALSE FALSE FALSE FALSE FALSE
## 403 FALSE FALSE FALSE FALSE FALSE
## 404 FALSE FALSE FALSE FALSE TRUE
## 405 FALSE FALSE FALSE FALSE FALSE
## 406 FALSE FALSE FALSE FALSE TRUE
## 407 FALSE FALSE FALSE FALSE FALSE
## 408 FALSE FALSE FALSE FALSE FALSE
## 409 FALSE FALSE FALSE FALSE FALSE
## 410 FALSE FALSE FALSE FALSE FALSE
## 411 FALSE FALSE FALSE FALSE FALSE
## 412 FALSE FALSE FALSE FALSE FALSE
## 413 FALSE FALSE FALSE FALSE FALSE
## 414 FALSE FALSE FALSE FALSE FALSE
## 415 FALSE FALSE FALSE FALSE FALSE
## 416 FALSE FALSE FALSE FALSE FALSE
## 417 FALSE FALSE FALSE FALSE FALSE
## 418 FALSE FALSE FALSE FALSE FALSE
## 419 FALSE FALSE FALSE FALSE FALSE
## 420 FALSE FALSE FALSE FALSE FALSE
## 421 FALSE FALSE FALSE FALSE FALSE
## 422 FALSE FALSE FALSE FALSE FALSE
## 423 FALSE FALSE FALSE FALSE FALSE
## 424 FALSE FALSE FALSE FALSE FALSE
## 425 FALSE FALSE FALSE FALSE FALSE
## 426 FALSE FALSE FALSE FALSE FALSE
## 427 FALSE FALSE FALSE FALSE FALSE
## 428 FALSE FALSE FALSE FALSE FALSE
## 429 FALSE FALSE FALSE FALSE FALSE
## 430 FALSE FALSE FALSE FALSE FALSE
## 431 FALSE FALSE FALSE FALSE FALSE
## 432 FALSE FALSE FALSE FALSE FALSE
## 433 FALSE FALSE FALSE FALSE FALSE
## 434 FALSE FALSE FALSE FALSE FALSE
## 435 FALSE FALSE FALSE FALSE FALSE
## 436 FALSE FALSE FALSE FALSE FALSE
## 437 FALSE FALSE FALSE FALSE FALSE
## 438 FALSE FALSE FALSE FALSE FALSE
## 439 FALSE FALSE FALSE FALSE FALSE
## 440 FALSE FALSE FALSE FALSE FALSE
## 441 FALSE FALSE FALSE FALSE FALSE
## 442 FALSE FALSE FALSE FALSE FALSE
## 443 FALSE FALSE FALSE FALSE FALSE
## 444 FALSE FALSE FALSE FALSE FALSE
## 445 FALSE FALSE FALSE FALSE FALSE
## 446 FALSE FALSE FALSE FALSE FALSE
## 447 FALSE FALSE FALSE FALSE FALSE
## 448 FALSE FALSE FALSE FALSE FALSE
## 449 FALSE FALSE FALSE FALSE FALSE
## 450 FALSE FALSE FALSE FALSE FALSE
## 451 FALSE FALSE FALSE FALSE FALSE
## 452 FALSE FALSE FALSE FALSE FALSE
## 453 FALSE FALSE FALSE FALSE FALSE
## 454 FALSE FALSE FALSE FALSE FALSE
## 455 FALSE FALSE FALSE FALSE FALSE
## 456 FALSE FALSE FALSE FALSE FALSE
## 457 FALSE FALSE FALSE FALSE FALSE
## 458 FALSE FALSE FALSE FALSE FALSE
## 459 FALSE FALSE FALSE FALSE FALSE
## 460 FALSE FALSE FALSE FALSE FALSE
## 461 FALSE FALSE FALSE FALSE FALSE
## 462 FALSE FALSE FALSE FALSE FALSE
## 463 FALSE FALSE FALSE FALSE FALSE
## 464 FALSE FALSE FALSE FALSE FALSE
## 465 FALSE FALSE FALSE FALSE FALSE
## 466 FALSE FALSE FALSE FALSE FALSE
## 467 FALSE FALSE FALSE FALSE FALSE
## 468 FALSE FALSE FALSE FALSE FALSE
## 469 FALSE FALSE FALSE FALSE FALSE
## 470 FALSE FALSE FALSE FALSE FALSE
## 471 FALSE FALSE FALSE FALSE FALSE
## 472 FALSE FALSE FALSE FALSE FALSE
## 473 FALSE FALSE FALSE FALSE FALSE
## 474 FALSE FALSE FALSE FALSE FALSE
## 475 FALSE FALSE FALSE FALSE FALSE
## 476 FALSE FALSE FALSE FALSE FALSE
## 477 FALSE FALSE FALSE FALSE FALSE
## 478 FALSE FALSE FALSE FALSE FALSE
## 479 FALSE FALSE FALSE FALSE FALSE
## 480 FALSE FALSE FALSE FALSE FALSE
## 481 FALSE FALSE FALSE FALSE FALSE
## 482 FALSE FALSE FALSE FALSE FALSE
## 483 FALSE FALSE FALSE FALSE FALSE
## 484 FALSE FALSE FALSE FALSE FALSE
## 485 FALSE FALSE FALSE FALSE FALSE
## 486 FALSE FALSE FALSE FALSE FALSE
## 487 FALSE FALSE FALSE FALSE FALSE
## 488 FALSE FALSE FALSE FALSE FALSE
## 489 FALSE FALSE FALSE FALSE FALSE
## 490 FALSE FALSE FALSE FALSE FALSE
## 491 FALSE FALSE FALSE FALSE FALSE
## 492 FALSE FALSE FALSE FALSE FALSE
## 493 FALSE FALSE FALSE FALSE FALSE
## 494 FALSE FALSE FALSE FALSE FALSE
## 495 FALSE FALSE FALSE FALSE FALSE
## 496 FALSE FALSE FALSE FALSE FALSE
## 497 FALSE FALSE FALSE FALSE FALSE
## 498 FALSE FALSE FALSE FALSE FALSE
## 499 FALSE FALSE FALSE FALSE FALSE
## 500 FALSE FALSE FALSE FALSE FALSE
## 501 FALSE FALSE FALSE FALSE FALSE
## 502 FALSE FALSE FALSE FALSE FALSE
## 503 FALSE FALSE FALSE FALSE FALSE
## 504 FALSE FALSE FALSE FALSE FALSE
## 505 FALSE FALSE FALSE FALSE FALSE
## 506 FALSE FALSE FALSE FALSE FALSE
## 507 FALSE FALSE FALSE FALSE FALSE
## 508 FALSE FALSE FALSE FALSE FALSE
## 509 FALSE FALSE FALSE FALSE FALSE
## 510 FALSE FALSE FALSE FALSE FALSE
## 511 FALSE FALSE FALSE FALSE FALSE
## 512 FALSE FALSE FALSE FALSE FALSE
## 513 FALSE FALSE FALSE FALSE FALSE
## 514 FALSE FALSE FALSE FALSE FALSE
## 515 FALSE FALSE FALSE FALSE FALSE
## 516 FALSE FALSE FALSE FALSE FALSE
## 517 FALSE FALSE FALSE FALSE FALSE
## 518 FALSE FALSE FALSE FALSE FALSE
## 519 FALSE FALSE FALSE FALSE FALSE
## 520 FALSE FALSE FALSE FALSE FALSE
## 521 FALSE FALSE FALSE FALSE FALSE
## 522 FALSE FALSE FALSE FALSE FALSE
## 523 FALSE FALSE FALSE FALSE FALSE
## 524 FALSE FALSE FALSE FALSE FALSE
## 525 FALSE FALSE FALSE FALSE FALSE
## 526 FALSE FALSE FALSE FALSE FALSE
## 527 FALSE FALSE FALSE FALSE FALSE
## 528 FALSE FALSE FALSE FALSE FALSE
## 529 FALSE FALSE FALSE FALSE FALSE
## 530 FALSE FALSE FALSE FALSE FALSE
## 531 FALSE FALSE FALSE FALSE FALSE
## 532 FALSE FALSE FALSE FALSE FALSE
## 533 FALSE FALSE FALSE FALSE FALSE
## 534 FALSE FALSE FALSE FALSE FALSE
## 535 FALSE FALSE FALSE FALSE FALSE
## 536 FALSE FALSE FALSE FALSE FALSE
## 537 FALSE FALSE FALSE FALSE FALSE
## 538 FALSE FALSE FALSE FALSE FALSE
## 539 FALSE FALSE FALSE FALSE FALSE
## 540 FALSE FALSE FALSE FALSE FALSE
## 541 FALSE FALSE FALSE FALSE FALSE
## 542 FALSE FALSE FALSE FALSE FALSE
## 543 FALSE FALSE FALSE FALSE FALSE
## 544 FALSE FALSE FALSE FALSE FALSE
## 545 FALSE FALSE FALSE FALSE FALSE
## 546 FALSE FALSE FALSE FALSE FALSE
## 547 FALSE FALSE FALSE FALSE FALSE
## 548 FALSE FALSE FALSE FALSE FALSE
## 549 FALSE FALSE FALSE FALSE FALSE
## 550 FALSE FALSE FALSE FALSE FALSE
## 551 FALSE FALSE FALSE FALSE FALSE
## 552 FALSE FALSE FALSE FALSE FALSE
## 553 FALSE FALSE FALSE FALSE FALSE
## 554 FALSE FALSE FALSE FALSE FALSE
## 555 FALSE FALSE FALSE FALSE FALSE
## 556 FALSE FALSE FALSE FALSE FALSE
## 557 FALSE FALSE FALSE FALSE FALSE
## 558 FALSE FALSE FALSE FALSE FALSE
## 559 FALSE FALSE FALSE FALSE FALSE
## 560 FALSE FALSE FALSE FALSE FALSE
## 561 FALSE FALSE FALSE FALSE FALSE
## 562 FALSE FALSE FALSE FALSE FALSE
## 563 FALSE FALSE FALSE FALSE FALSE
## 564 FALSE FALSE FALSE FALSE FALSE
## 565 FALSE FALSE FALSE FALSE FALSE
## 566 FALSE FALSE FALSE FALSE FALSE
## 567 FALSE FALSE FALSE FALSE FALSE
## 568 FALSE FALSE FALSE FALSE FALSE
## 569 FALSE FALSE FALSE FALSE FALSE
## 570 FALSE FALSE FALSE FALSE FALSE
## 571 FALSE FALSE FALSE FALSE FALSE
## 572 FALSE FALSE FALSE FALSE FALSE
## 573 FALSE FALSE FALSE FALSE FALSE
## 574 FALSE FALSE FALSE FALSE FALSE
## 575 FALSE FALSE FALSE FALSE FALSE
## 576 FALSE FALSE FALSE FALSE FALSE
## 577 FALSE FALSE FALSE FALSE FALSE
## 578 FALSE FALSE FALSE FALSE FALSE
## 579 FALSE FALSE FALSE FALSE FALSE
## 580 FALSE FALSE FALSE FALSE FALSE
## 581 FALSE FALSE FALSE FALSE FALSE
## 582 FALSE FALSE FALSE FALSE FALSE
## 583 FALSE FALSE FALSE FALSE FALSE
## 584 FALSE FALSE FALSE FALSE FALSE
## 585 FALSE FALSE FALSE FALSE FALSE
## 586 FALSE FALSE FALSE FALSE FALSE
## 587 FALSE FALSE FALSE FALSE FALSE
## 588 FALSE FALSE FALSE FALSE FALSE
## 589 FALSE FALSE FALSE FALSE FALSE
## 590 FALSE FALSE FALSE FALSE FALSE
## 591 FALSE FALSE FALSE FALSE FALSE
## 592 FALSE FALSE FALSE FALSE FALSE
## 593 FALSE FALSE FALSE FALSE FALSE
## 594 FALSE FALSE FALSE FALSE FALSE
## 595 FALSE FALSE FALSE FALSE FALSE
## 596 FALSE FALSE FALSE FALSE FALSE
## 597 FALSE FALSE FALSE FALSE FALSE
## 598 FALSE FALSE FALSE FALSE FALSE
## 599 FALSE FALSE FALSE FALSE FALSE
## 600 FALSE FALSE FALSE FALSE FALSE
## 601 FALSE FALSE FALSE FALSE FALSE
## 602 FALSE FALSE FALSE FALSE FALSE
## 603 FALSE FALSE FALSE FALSE FALSE
## 604 FALSE FALSE FALSE FALSE FALSE
## 605 FALSE FALSE FALSE FALSE FALSE
## 606 FALSE FALSE FALSE FALSE FALSE
## 607 FALSE FALSE FALSE FALSE FALSE
## 608 FALSE FALSE FALSE FALSE FALSE
## 609 FALSE FALSE FALSE FALSE FALSE
## 610 FALSE FALSE FALSE FALSE FALSE
## 611 FALSE FALSE FALSE FALSE FALSE
## 612 FALSE FALSE FALSE FALSE FALSE
## 613 FALSE FALSE FALSE FALSE FALSE
## 614 FALSE FALSE FALSE FALSE FALSE
## 615 FALSE FALSE FALSE FALSE FALSE
## 616 FALSE FALSE FALSE FALSE FALSE
## 617 FALSE FALSE FALSE FALSE FALSE
## 618 FALSE FALSE FALSE FALSE FALSE
## 619 FALSE FALSE FALSE FALSE FALSE
## 620 FALSE FALSE FALSE FALSE FALSE
## 621 FALSE FALSE FALSE FALSE FALSE
## 622 FALSE FALSE FALSE FALSE FALSE
## 623 FALSE FALSE FALSE FALSE FALSE
## 624 FALSE FALSE FALSE FALSE FALSE
## 625 FALSE FALSE FALSE FALSE FALSE
## 626 FALSE FALSE FALSE FALSE FALSE
## 627 FALSE FALSE FALSE FALSE FALSE
## 628 FALSE FALSE FALSE FALSE FALSE
## 629 FALSE FALSE FALSE FALSE FALSE
## 630 FALSE FALSE FALSE FALSE FALSE
## 631 FALSE FALSE FALSE FALSE FALSE
## 632 FALSE FALSE FALSE FALSE FALSE
## 633 FALSE FALSE FALSE FALSE FALSE
## 634 FALSE FALSE FALSE FALSE FALSE
## 635 FALSE FALSE FALSE FALSE FALSE
## 636 FALSE FALSE FALSE FALSE FALSE
## 637 FALSE FALSE FALSE FALSE FALSE
## 638 FALSE FALSE FALSE FALSE FALSE
## 639 FALSE FALSE FALSE FALSE FALSE
## 640 FALSE FALSE FALSE FALSE FALSE
## 641 FALSE FALSE FALSE FALSE FALSE
## 642 FALSE FALSE FALSE FALSE FALSE
## 643 FALSE FALSE FALSE FALSE FALSE
## 644 FALSE FALSE FALSE FALSE FALSE
## 645 FALSE FALSE FALSE FALSE FALSE
## 646 FALSE FALSE FALSE FALSE FALSE
## 647 FALSE FALSE FALSE FALSE FALSE
## 648 FALSE FALSE FALSE FALSE FALSE
## 649 FALSE FALSE FALSE FALSE FALSE
## 650 FALSE FALSE FALSE FALSE FALSE
## 651 FALSE FALSE FALSE FALSE FALSE
## 652 FALSE FALSE FALSE FALSE FALSE
## 653 FALSE FALSE FALSE FALSE FALSE
## 654 FALSE FALSE FALSE FALSE FALSE
## 655 FALSE FALSE FALSE FALSE FALSE
## 656 FALSE FALSE FALSE FALSE FALSE
## 657 FALSE FALSE FALSE FALSE FALSE
## 658 FALSE FALSE FALSE FALSE FALSE
## 659 FALSE FALSE FALSE FALSE FALSE
## 660 FALSE FALSE FALSE FALSE FALSE
## 661 FALSE FALSE FALSE FALSE FALSE
## 662 FALSE FALSE FALSE FALSE FALSE
## 663 FALSE FALSE FALSE FALSE FALSE
## 664 FALSE FALSE FALSE FALSE FALSE
## 665 FALSE FALSE FALSE FALSE FALSE
## 666 FALSE FALSE FALSE FALSE FALSE
## 667 FALSE FALSE FALSE FALSE FALSE
## 668 FALSE FALSE FALSE FALSE FALSE
## 669 FALSE FALSE FALSE FALSE FALSE
## 670 FALSE FALSE FALSE FALSE FALSE
## 671 FALSE FALSE FALSE FALSE FALSE
## 672 FALSE FALSE FALSE FALSE FALSE
## 673 FALSE FALSE FALSE FALSE FALSE
## 674 FALSE FALSE FALSE FALSE FALSE
## 675 FALSE FALSE FALSE FALSE FALSE
## 676 FALSE FALSE FALSE FALSE FALSE
## 677 FALSE FALSE FALSE FALSE FALSE
## 678 FALSE FALSE FALSE FALSE FALSE
## 679 FALSE FALSE FALSE FALSE FALSE
## 680 FALSE FALSE FALSE FALSE FALSE
## 681 FALSE FALSE FALSE FALSE FALSE
## 682 FALSE FALSE FALSE FALSE FALSE
## 683 FALSE FALSE FALSE FALSE FALSE
## 684 FALSE FALSE FALSE FALSE FALSE
## 685 FALSE FALSE FALSE FALSE FALSE
## 686 FALSE FALSE FALSE FALSE FALSE
## 687 FALSE FALSE FALSE FALSE FALSE
## 688 FALSE FALSE FALSE FALSE FALSE
## 689 FALSE FALSE FALSE FALSE FALSE
## 690 FALSE FALSE FALSE FALSE FALSE
## 691 FALSE FALSE FALSE FALSE FALSE
## 692 FALSE FALSE FALSE FALSE FALSE
## 693 FALSE FALSE FALSE FALSE FALSE
## 694 FALSE FALSE FALSE FALSE FALSE
## 695 FALSE FALSE FALSE FALSE FALSE
## 696 FALSE FALSE FALSE FALSE FALSE
## 697 FALSE FALSE FALSE FALSE FALSE
## 698 FALSE FALSE FALSE FALSE FALSE
## 699 FALSE FALSE FALSE FALSE FALSE
## 700 FALSE FALSE FALSE FALSE FALSE
## 701 FALSE FALSE FALSE FALSE FALSE
## 702 FALSE FALSE FALSE FALSE FALSE
## 703 FALSE FALSE FALSE FALSE FALSE
## 704 FALSE FALSE FALSE FALSE FALSE
## 705 FALSE FALSE FALSE FALSE FALSE
## 706 FALSE FALSE FALSE FALSE FALSE
## 707 FALSE FALSE FALSE FALSE FALSE
## 708 FALSE FALSE FALSE FALSE FALSE
## 709 FALSE FALSE FALSE FALSE FALSE
## 710 FALSE FALSE FALSE FALSE FALSE
## 711 FALSE FALSE FALSE FALSE FALSE
## 712 FALSE FALSE FALSE FALSE FALSE
## 713 FALSE FALSE FALSE FALSE FALSE
## 714 FALSE FALSE FALSE FALSE FALSE
## 715 FALSE FALSE FALSE FALSE FALSE
## 716 FALSE FALSE FALSE FALSE FALSE
## 717 FALSE FALSE FALSE FALSE FALSE
## 718 FALSE FALSE FALSE FALSE FALSE
## 719 FALSE FALSE FALSE FALSE TRUE
## 720 FALSE FALSE FALSE FALSE FALSE
## 721 FALSE FALSE FALSE FALSE FALSE
## 722 FALSE FALSE FALSE FALSE FALSE
## 723 FALSE FALSE FALSE FALSE FALSE
## 724 FALSE FALSE FALSE FALSE FALSE
## 725 FALSE FALSE FALSE FALSE FALSE
## 726 FALSE FALSE FALSE FALSE FALSE
## 727 FALSE FALSE FALSE FALSE FALSE
## 728 FALSE FALSE FALSE FALSE FALSE
## 729 FALSE FALSE FALSE FALSE FALSE
## 730 FALSE FALSE FALSE FALSE FALSE
## 731 FALSE FALSE FALSE FALSE FALSE
## 732 FALSE FALSE FALSE FALSE FALSE
## 733 FALSE FALSE FALSE FALSE FALSE
## 734 FALSE FALSE FALSE FALSE FALSE
## 735 FALSE FALSE FALSE FALSE FALSE
## 736 FALSE FALSE FALSE FALSE FALSE
## 737 FALSE FALSE FALSE FALSE FALSE
## 738 FALSE FALSE FALSE FALSE FALSE
## 739 FALSE FALSE FALSE FALSE FALSE
## 740 FALSE FALSE FALSE FALSE FALSE
## 741 FALSE FALSE FALSE FALSE FALSE
## 742 FALSE FALSE FALSE FALSE FALSE
## 743 FALSE FALSE FALSE FALSE FALSE
## 744 FALSE FALSE FALSE FALSE FALSE
## 745 FALSE FALSE FALSE FALSE FALSE
## 746 FALSE FALSE FALSE FALSE FALSE
## 747 FALSE FALSE FALSE FALSE FALSE
## 748 FALSE FALSE FALSE FALSE FALSE
## 749 FALSE FALSE FALSE FALSE FALSE
## 750 FALSE FALSE FALSE FALSE FALSE
## 751 FALSE FALSE FALSE FALSE FALSE
## 752 FALSE FALSE FALSE FALSE FALSE
## 753 FALSE FALSE FALSE FALSE TRUE
## 754 FALSE FALSE FALSE FALSE FALSE
## 755 FALSE FALSE FALSE FALSE FALSE
## 756 FALSE FALSE FALSE FALSE FALSE
## 757 FALSE FALSE FALSE FALSE FALSE
## 758 FALSE FALSE FALSE FALSE FALSE
## 759 FALSE FALSE FALSE FALSE FALSE
## 760 FALSE FALSE FALSE FALSE FALSE
## 761 FALSE FALSE FALSE FALSE FALSE
## 762 FALSE FALSE FALSE FALSE FALSE
## 763 FALSE FALSE FALSE FALSE FALSE
## 764 FALSE FALSE FALSE FALSE FALSE
## 765 FALSE FALSE FALSE FALSE FALSE
## 766 FALSE FALSE FALSE FALSE FALSE
## 767 FALSE FALSE FALSE FALSE FALSE
## 768 FALSE FALSE FALSE FALSE FALSE
## 769 FALSE FALSE FALSE FALSE FALSE
## 770 FALSE FALSE FALSE FALSE FALSE
## 771 FALSE FALSE FALSE FALSE FALSE
## 772 FALSE FALSE FALSE FALSE FALSE
## 773 FALSE FALSE FALSE FALSE FALSE
## 774 FALSE FALSE FALSE FALSE FALSE
## 775 FALSE FALSE FALSE FALSE FALSE
## 776 FALSE FALSE FALSE FALSE FALSE
## 777 FALSE FALSE FALSE FALSE FALSE
## 778 FALSE FALSE FALSE FALSE FALSE
## 779 FALSE FALSE FALSE FALSE FALSE
## 780 FALSE FALSE FALSE FALSE FALSE
## 781 FALSE FALSE FALSE FALSE FALSE
## 782 FALSE FALSE FALSE FALSE FALSE
## 783 FALSE FALSE FALSE FALSE FALSE
## 784 FALSE FALSE FALSE FALSE FALSE
## 785 FALSE FALSE FALSE FALSE FALSE
## 786 FALSE FALSE FALSE FALSE FALSE
## 787 FALSE FALSE FALSE FALSE FALSE
## 788 FALSE FALSE FALSE FALSE FALSE
## 789 FALSE FALSE FALSE FALSE FALSE
## 790 FALSE FALSE FALSE FALSE FALSE
## 791 FALSE FALSE FALSE FALSE FALSE
## 792 FALSE FALSE FALSE FALSE FALSE
## 793 FALSE FALSE FALSE FALSE FALSE
## 794 FALSE FALSE FALSE FALSE FALSE
## 795 FALSE FALSE FALSE FALSE FALSE
## 796 FALSE FALSE FALSE FALSE FALSE
## 797 FALSE FALSE FALSE FALSE FALSE
## 798 FALSE FALSE FALSE FALSE FALSE
## 799 FALSE FALSE FALSE FALSE FALSE
## 800 FALSE FALSE FALSE FALSE FALSE
## 801 FALSE FALSE FALSE FALSE FALSE
## 802 FALSE FALSE FALSE FALSE FALSE
## 803 FALSE FALSE FALSE FALSE FALSE
## 804 FALSE FALSE FALSE FALSE FALSE
## 805 FALSE FALSE FALSE FALSE FALSE
## 806 FALSE FALSE FALSE FALSE FALSE
## 807 FALSE FALSE FALSE FALSE FALSE
## 808 FALSE FALSE FALSE FALSE FALSE
## 809 FALSE FALSE FALSE FALSE FALSE
## 810 FALSE FALSE FALSE FALSE FALSE
## 811 FALSE FALSE FALSE FALSE FALSE
## 812 FALSE FALSE FALSE FALSE FALSE
## 813 FALSE FALSE FALSE FALSE FALSE
## 814 FALSE FALSE FALSE FALSE FALSE
## 815 FALSE FALSE FALSE FALSE FALSE
## 816 FALSE FALSE FALSE FALSE FALSE
## 817 FALSE FALSE FALSE FALSE FALSE
## 818 FALSE FALSE FALSE FALSE FALSE
## 819 FALSE FALSE FALSE FALSE FALSE
## 820 FALSE FALSE FALSE FALSE FALSE
## 821 FALSE FALSE FALSE FALSE FALSE
## 822 FALSE FALSE FALSE FALSE FALSE
## 823 FALSE FALSE FALSE FALSE FALSE
## 824 FALSE FALSE FALSE FALSE FALSE
## 825 FALSE FALSE FALSE FALSE FALSE
## 826 FALSE FALSE FALSE FALSE FALSE
## 827 FALSE FALSE FALSE FALSE FALSE
## 828 FALSE FALSE FALSE FALSE FALSE
## 829 FALSE FALSE FALSE FALSE FALSE
## 830 FALSE FALSE FALSE FALSE FALSE
## 831 FALSE FALSE FALSE FALSE FALSE
## 832 FALSE FALSE FALSE FALSE FALSE
## 833 FALSE FALSE FALSE FALSE FALSE
## 834 FALSE FALSE FALSE FALSE FALSE
## 835 FALSE FALSE FALSE FALSE FALSE
## 836 FALSE FALSE FALSE FALSE FALSE
## 837 FALSE FALSE FALSE FALSE FALSE
## 838 FALSE FALSE FALSE FALSE FALSE
## 839 FALSE FALSE FALSE FALSE FALSE
## 840 FALSE FALSE FALSE FALSE FALSE
## 841 FALSE FALSE FALSE FALSE FALSE
## 842 FALSE FALSE FALSE FALSE FALSE
## 843 FALSE FALSE FALSE FALSE FALSE
## 844 FALSE FALSE FALSE FALSE FALSE
## 845 FALSE FALSE FALSE FALSE FALSE
## 846 FALSE FALSE FALSE FALSE FALSE
## 847 FALSE FALSE FALSE FALSE FALSE
## 848 FALSE FALSE FALSE FALSE FALSE
## 849 FALSE FALSE FALSE FALSE FALSE
## 850 FALSE FALSE FALSE FALSE FALSE
## 851 FALSE FALSE FALSE FALSE FALSE
## 852 FALSE FALSE FALSE FALSE FALSE
## 853 FALSE FALSE FALSE FALSE FALSE
## 854 FALSE FALSE FALSE FALSE FALSE
## 855 FALSE FALSE FALSE FALSE FALSE
## 856 FALSE FALSE FALSE FALSE FALSE
## 857 FALSE FALSE FALSE FALSE FALSE
## 858 FALSE FALSE FALSE FALSE FALSE
## 859 FALSE FALSE FALSE FALSE FALSE
## 860 FALSE FALSE FALSE FALSE TRUE
## 861 FALSE FALSE FALSE FALSE FALSE
## 862 FALSE FALSE FALSE FALSE FALSE
## 863 FALSE FALSE FALSE FALSE FALSE
## 864 FALSE FALSE FALSE FALSE FALSE
## 865 FALSE FALSE FALSE FALSE FALSE
## 866 FALSE FALSE FALSE FALSE FALSE
## 867 FALSE FALSE FALSE FALSE FALSE
## 868 FALSE FALSE FALSE FALSE FALSE
## 869 FALSE FALSE FALSE FALSE FALSE
## 870 FALSE FALSE FALSE FALSE FALSE
## 871 FALSE FALSE FALSE FALSE FALSE
## 872 FALSE FALSE FALSE FALSE FALSE
## 873 FALSE FALSE FALSE FALSE FALSE
## 874 FALSE FALSE FALSE FALSE FALSE
## 875 FALSE FALSE FALSE FALSE FALSE
## 876 FALSE FALSE FALSE FALSE FALSE
## 877 FALSE FALSE FALSE FALSE FALSE
## 878 FALSE FALSE FALSE FALSE FALSE
## 879 FALSE FALSE FALSE FALSE FALSE
## 880 FALSE FALSE FALSE FALSE FALSE
## 881 FALSE FALSE FALSE FALSE FALSE
## 882 FALSE FALSE FALSE FALSE FALSE
## 883 FALSE FALSE FALSE FALSE FALSE
## 884 FALSE FALSE FALSE FALSE FALSE
## 885 FALSE FALSE FALSE FALSE FALSE
## 886 FALSE FALSE FALSE FALSE FALSE
## 887 FALSE FALSE FALSE FALSE FALSE
## 888 FALSE FALSE FALSE FALSE FALSE
## 889 FALSE FALSE FALSE FALSE FALSE
## 890 FALSE FALSE FALSE FALSE FALSE
## 891 FALSE FALSE FALSE FALSE FALSE
## 892 FALSE FALSE FALSE FALSE FALSE
## 893 FALSE FALSE FALSE FALSE FALSE
## 894 FALSE FALSE FALSE FALSE FALSE
## 895 FALSE FALSE FALSE FALSE FALSE
## 896 FALSE FALSE FALSE FALSE FALSE
## 897 FALSE FALSE FALSE FALSE FALSE
## 898 FALSE FALSE FALSE FALSE FALSE
## 899 FALSE FALSE FALSE FALSE FALSE
## 900 FALSE FALSE FALSE FALSE FALSE
## 901 FALSE FALSE FALSE FALSE FALSE
## 902 FALSE FALSE FALSE FALSE FALSE
## 903 FALSE FALSE FALSE FALSE FALSE
## 904 FALSE FALSE FALSE FALSE FALSE
## 905 FALSE FALSE FALSE FALSE FALSE
## 906 FALSE FALSE FALSE FALSE FALSE
## 907 FALSE FALSE FALSE FALSE FALSE
## 908 FALSE FALSE FALSE FALSE FALSE
## 909 FALSE FALSE FALSE FALSE FALSE
## 910 FALSE FALSE FALSE FALSE FALSE
## 911 FALSE FALSE FALSE FALSE FALSE
## 912 FALSE FALSE FALSE FALSE FALSE
## 913 FALSE FALSE FALSE FALSE FALSE
## 914 FALSE FALSE FALSE FALSE FALSE
## 915 FALSE FALSE FALSE FALSE FALSE
## 916 FALSE FALSE FALSE FALSE FALSE
## 917 FALSE FALSE FALSE FALSE FALSE
## 918 FALSE FALSE FALSE FALSE FALSE
## 919 FALSE FALSE FALSE FALSE FALSE
## 920 FALSE FALSE FALSE FALSE FALSE
## 921 FALSE FALSE FALSE FALSE FALSE
## 922 FALSE FALSE FALSE FALSE FALSE
## 923 FALSE FALSE FALSE FALSE FALSE
## 924 FALSE FALSE FALSE FALSE FALSE
## 925 FALSE FALSE FALSE FALSE FALSE
## 926 FALSE FALSE FALSE FALSE FALSE
## 927 FALSE FALSE FALSE FALSE FALSE
## 928 FALSE FALSE FALSE FALSE FALSE
## 929 FALSE FALSE FALSE FALSE FALSE
## 930 FALSE FALSE FALSE FALSE FALSE
## 931 FALSE FALSE FALSE FALSE FALSE
## 932 FALSE FALSE FALSE FALSE FALSE
## 933 FALSE FALSE FALSE FALSE FALSE
## 934 FALSE FALSE FALSE FALSE FALSE
## 935 FALSE FALSE FALSE FALSE TRUE
## 936 FALSE FALSE FALSE FALSE FALSE
## 937 FALSE FALSE FALSE FALSE FALSE
## 938 FALSE FALSE FALSE FALSE FALSE
## 939 FALSE FALSE FALSE FALSE FALSE
## 940 FALSE FALSE FALSE FALSE FALSE
## 941 FALSE FALSE FALSE FALSE FALSE
## 942 FALSE FALSE FALSE FALSE FALSE
## 943 FALSE FALSE FALSE FALSE FALSE
## 944 FALSE FALSE FALSE FALSE FALSE
## 945 FALSE FALSE FALSE FALSE FALSE
## 946 FALSE FALSE FALSE FALSE FALSE
## 947 FALSE FALSE FALSE FALSE FALSE
## 948 FALSE FALSE FALSE FALSE FALSE
## 949 FALSE FALSE FALSE FALSE FALSE
## 950 FALSE FALSE FALSE FALSE FALSE
## 951 FALSE FALSE FALSE FALSE FALSE
## 952 FALSE FALSE FALSE FALSE FALSE
## 953 FALSE FALSE FALSE FALSE FALSE
## 954 FALSE FALSE FALSE FALSE FALSE
## 955 FALSE FALSE FALSE FALSE FALSE
## 956 FALSE FALSE FALSE FALSE FALSE
## 957 FALSE FALSE FALSE FALSE FALSE
## 958 FALSE FALSE FALSE FALSE FALSE
## 959 FALSE FALSE FALSE FALSE FALSE
## 960 FALSE FALSE FALSE FALSE FALSE
## 961 FALSE FALSE FALSE FALSE FALSE
## 962 FALSE FALSE FALSE FALSE FALSE
## 963 FALSE FALSE FALSE FALSE FALSE
## 964 FALSE FALSE FALSE FALSE FALSE
## 965 FALSE FALSE FALSE FALSE FALSE
## 966 FALSE FALSE FALSE FALSE FALSE
## 967 FALSE FALSE FALSE FALSE FALSE
## 968 FALSE FALSE FALSE FALSE FALSE
## 969 FALSE FALSE FALSE FALSE FALSE
## 970 FALSE FALSE FALSE FALSE FALSE
## 971 FALSE FALSE FALSE FALSE FALSE
## 972 FALSE FALSE FALSE FALSE FALSE
## 973 FALSE FALSE FALSE FALSE FALSE
## 974 FALSE FALSE FALSE FALSE FALSE
## 975 FALSE FALSE FALSE FALSE FALSE
## 976 FALSE FALSE FALSE FALSE FALSE
## 977 FALSE FALSE FALSE FALSE FALSE
## 978 FALSE FALSE FALSE FALSE FALSE
## 979 FALSE FALSE FALSE FALSE FALSE
## 980 FALSE FALSE FALSE FALSE FALSE
## 981 FALSE FALSE FALSE FALSE FALSE
## 982 FALSE FALSE FALSE FALSE FALSE
## 983 FALSE FALSE FALSE FALSE FALSE
## 984 FALSE FALSE FALSE FALSE FALSE
## 985 FALSE FALSE FALSE FALSE FALSE
## 986 FALSE FALSE FALSE FALSE FALSE
## 987 FALSE FALSE FALSE FALSE FALSE
## 988 FALSE FALSE FALSE FALSE FALSE
## 989 FALSE FALSE FALSE FALSE FALSE
## 990 FALSE FALSE FALSE FALSE FALSE
## 991 FALSE FALSE FALSE FALSE FALSE
## 992 FALSE FALSE FALSE FALSE FALSE
## 993 FALSE FALSE FALSE FALSE FALSE
## 994 FALSE FALSE FALSE FALSE FALSE
## 995 FALSE FALSE FALSE FALSE FALSE
## 996 FALSE FALSE FALSE FALSE FALSE
## 997 FALSE FALSE FALSE FALSE TRUE
## 998 FALSE FALSE FALSE FALSE FALSE
## 999 FALSE FALSE FALSE FALSE FALSE
## 1000 FALSE FALSE FALSE FALSE FALSE
## 1001 FALSE FALSE FALSE FALSE FALSE
## 1002 FALSE FALSE FALSE FALSE FALSE
## 1003 FALSE FALSE FALSE FALSE FALSE
## 1004 FALSE FALSE FALSE FALSE TRUE
## 1005 FALSE FALSE FALSE FALSE FALSE
## 1006 FALSE FALSE FALSE FALSE FALSE
## 1007 FALSE FALSE FALSE FALSE FALSE
## 1008 FALSE FALSE FALSE FALSE FALSE
## 1009 FALSE FALSE FALSE FALSE FALSE
## 1010 FALSE FALSE FALSE FALSE FALSE
## 1011 FALSE FALSE FALSE FALSE FALSE
## 1012 FALSE FALSE FALSE FALSE FALSE
## 1013 FALSE FALSE FALSE FALSE FALSE
## 1014 FALSE FALSE FALSE FALSE FALSE
## 1015 FALSE FALSE FALSE FALSE FALSE
## 1016 FALSE FALSE FALSE FALSE FALSE
## 1017 FALSE FALSE FALSE FALSE FALSE
## 1018 FALSE FALSE FALSE FALSE FALSE
## 1019 FALSE FALSE FALSE FALSE FALSE
## 1020 FALSE FALSE FALSE FALSE FALSE
## 1021 FALSE FALSE FALSE FALSE FALSE
## 1022 FALSE FALSE FALSE FALSE FALSE
## 1023 FALSE FALSE FALSE FALSE FALSE
## 1024 FALSE FALSE FALSE FALSE FALSE
## 1025 FALSE FALSE FALSE FALSE FALSE
## 1026 FALSE FALSE FALSE FALSE FALSE
## 1027 FALSE FALSE FALSE FALSE FALSE
## 1028 FALSE FALSE FALSE FALSE FALSE
## 1029 FALSE FALSE FALSE FALSE TRUE
## 1030 FALSE FALSE FALSE FALSE FALSE
## 1031 FALSE FALSE FALSE FALSE FALSE
## 1032 FALSE FALSE FALSE FALSE FALSE
## 1033 FALSE FALSE FALSE FALSE FALSE
## 1034 FALSE FALSE FALSE FALSE FALSE
## 1035 FALSE FALSE FALSE FALSE FALSE
## 1036 FALSE FALSE FALSE FALSE FALSE
## 1037 FALSE FALSE FALSE FALSE FALSE
## 1038 FALSE FALSE FALSE FALSE FALSE
## 1039 FALSE FALSE FALSE FALSE FALSE
## 1040 FALSE FALSE FALSE FALSE FALSE
## 1041 FALSE FALSE FALSE FALSE FALSE
## 1042 FALSE FALSE FALSE FALSE FALSE
## 1043 FALSE FALSE FALSE FALSE FALSE
## 1044 FALSE FALSE FALSE FALSE FALSE
## 1045 FALSE FALSE FALSE FALSE FALSE
## 1046 FALSE FALSE FALSE FALSE FALSE
## 1047 FALSE FALSE FALSE FALSE FALSE
## 1048 FALSE FALSE FALSE FALSE FALSE
## 1049 FALSE FALSE FALSE FALSE FALSE
## 1050 FALSE FALSE FALSE FALSE FALSE
## 1051 FALSE FALSE FALSE FALSE FALSE
## 1052 FALSE FALSE FALSE FALSE FALSE
## 1053 FALSE FALSE FALSE FALSE FALSE
## 1054 FALSE FALSE FALSE FALSE FALSE
## 1055 FALSE FALSE FALSE FALSE FALSE
## 1056 FALSE FALSE FALSE FALSE FALSE
## 1057 FALSE FALSE FALSE FALSE FALSE
## 1058 FALSE FALSE FALSE FALSE FALSE
## 1059 FALSE FALSE FALSE FALSE FALSE
## 1060 FALSE FALSE FALSE FALSE FALSE
## 1061 FALSE FALSE FALSE FALSE FALSE
## 1062 FALSE FALSE FALSE FALSE FALSE
## 1063 FALSE FALSE FALSE FALSE FALSE
## 1064 FALSE FALSE FALSE FALSE FALSE
## 1065 FALSE FALSE FALSE FALSE FALSE
## 1066 FALSE FALSE FALSE FALSE FALSE
## 1067 FALSE FALSE FALSE FALSE FALSE
## 1068 FALSE FALSE FALSE FALSE FALSE
## 1069 FALSE FALSE FALSE FALSE FALSE
## 1070 FALSE FALSE FALSE FALSE FALSE
## 1071 FALSE FALSE FALSE FALSE FALSE
## 1072 FALSE FALSE FALSE FALSE FALSE
## 1073 FALSE FALSE FALSE FALSE FALSE
## 1074 FALSE FALSE FALSE FALSE FALSE
## 1075 FALSE FALSE FALSE FALSE FALSE
## 1076 FALSE FALSE FALSE FALSE FALSE
## 1077 FALSE FALSE FALSE FALSE FALSE
## 1078 FALSE FALSE FALSE FALSE FALSE
## 1079 FALSE FALSE FALSE FALSE FALSE
## 1080 FALSE FALSE FALSE FALSE FALSE
## 1081 FALSE FALSE FALSE FALSE FALSE
## 1082 FALSE FALSE FALSE FALSE FALSE
## 1083 FALSE FALSE FALSE FALSE TRUE
## 1084 FALSE FALSE FALSE FALSE FALSE
## 1085 FALSE FALSE FALSE FALSE FALSE
## 1086 FALSE FALSE FALSE FALSE FALSE
## 1087 FALSE FALSE FALSE FALSE FALSE
## 1088 FALSE FALSE FALSE FALSE FALSE
## 1089 FALSE FALSE FALSE FALSE FALSE
## 1090 FALSE FALSE FALSE FALSE FALSE
## 1091 FALSE FALSE FALSE FALSE FALSE
## 1092 FALSE FALSE FALSE FALSE FALSE
## 1093 FALSE FALSE FALSE FALSE FALSE
## 1094 FALSE FALSE FALSE FALSE FALSE
## 1095 FALSE FALSE FALSE FALSE FALSE
## 1096 FALSE FALSE FALSE FALSE FALSE
## 1097 FALSE FALSE FALSE FALSE FALSE
## 1098 FALSE FALSE FALSE FALSE FALSE
## 1099 FALSE FALSE FALSE FALSE FALSE
## 1100 FALSE FALSE FALSE FALSE FALSE
## 1101 FALSE FALSE FALSE FALSE FALSE
## 1102 FALSE FALSE FALSE FALSE FALSE
## 1103 FALSE FALSE FALSE FALSE FALSE
## 1104 FALSE FALSE FALSE FALSE FALSE
## 1105 FALSE FALSE FALSE FALSE FALSE
## 1106 FALSE FALSE FALSE FALSE FALSE
## 1107 FALSE FALSE FALSE FALSE FALSE
## 1108 FALSE FALSE FALSE FALSE FALSE
## 1109 FALSE FALSE FALSE FALSE FALSE
## 1110 FALSE FALSE FALSE FALSE FALSE
## 1111 FALSE FALSE FALSE FALSE FALSE
## 1112 FALSE FALSE FALSE FALSE FALSE
## 1113 FALSE FALSE FALSE FALSE FALSE
## 1114 FALSE FALSE FALSE FALSE FALSE
## 1115 FALSE FALSE FALSE FALSE FALSE
## 1116 FALSE FALSE FALSE FALSE FALSE
## 1117 FALSE FALSE FALSE FALSE TRUE
## 1118 FALSE FALSE FALSE FALSE FALSE
## 1119 FALSE FALSE FALSE FALSE FALSE
## 1120 FALSE FALSE FALSE FALSE FALSE
## 1121 FALSE FALSE FALSE FALSE FALSE
## 1122 FALSE FALSE FALSE FALSE FALSE
## 1123 FALSE FALSE FALSE FALSE FALSE
## 1124 FALSE FALSE FALSE FALSE FALSE
## 1125 FALSE FALSE FALSE FALSE FALSE
## 1126 FALSE FALSE FALSE FALSE FALSE
## 1127 FALSE FALSE FALSE FALSE FALSE
## 1128 FALSE FALSE FALSE FALSE FALSE
## 1129 FALSE FALSE FALSE FALSE FALSE
## 1130 FALSE FALSE FALSE FALSE FALSE
## 1131 FALSE FALSE FALSE FALSE FALSE
## 1132 FALSE FALSE FALSE FALSE FALSE
## 1133 FALSE FALSE FALSE FALSE FALSE
## 1134 FALSE FALSE FALSE FALSE FALSE
## 1135 FALSE FALSE FALSE FALSE FALSE
## 1136 FALSE FALSE FALSE FALSE FALSE
## 1137 FALSE FALSE FALSE FALSE FALSE
## 1138 FALSE FALSE FALSE FALSE FALSE
## 1139 FALSE FALSE FALSE FALSE FALSE
## 1140 FALSE FALSE FALSE FALSE FALSE
## 1141 FALSE FALSE FALSE FALSE FALSE
## 1142 FALSE FALSE FALSE FALSE FALSE
## 1143 FALSE FALSE FALSE FALSE TRUE
## 1144 FALSE FALSE FALSE FALSE FALSE
## 1145 FALSE FALSE FALSE FALSE FALSE
## 1146 FALSE FALSE FALSE FALSE TRUE
## 1147 FALSE FALSE FALSE FALSE FALSE
## 1148 FALSE FALSE FALSE FALSE FALSE
## 1149 FALSE FALSE FALSE FALSE FALSE
## 1150 FALSE FALSE FALSE FALSE FALSE
## 1151 FALSE FALSE FALSE FALSE FALSE
## 1152 FALSE FALSE FALSE FALSE FALSE
## 1153 FALSE FALSE FALSE FALSE FALSE
## 1154 FALSE FALSE FALSE FALSE FALSE
## 1155 FALSE FALSE FALSE FALSE FALSE
## 1156 FALSE FALSE FALSE FALSE FALSE
## 1157 FALSE FALSE FALSE FALSE FALSE
## 1158 FALSE FALSE FALSE FALSE FALSE
## 1159 FALSE FALSE FALSE FALSE FALSE
## 1160 FALSE FALSE FALSE FALSE FALSE
## 1161 FALSE FALSE FALSE FALSE FALSE
## 1162 FALSE FALSE FALSE FALSE FALSE
## 1163 FALSE FALSE FALSE FALSE FALSE
## 1164 FALSE FALSE FALSE FALSE FALSE
## 1165 FALSE FALSE FALSE FALSE FALSE
## 1166 FALSE FALSE FALSE FALSE FALSE
## 1167 FALSE FALSE FALSE FALSE FALSE
## 1168 FALSE FALSE FALSE FALSE FALSE
## 1169 FALSE FALSE FALSE FALSE FALSE
## 1170 FALSE FALSE FALSE FALSE FALSE
## 1171 FALSE FALSE FALSE FALSE FALSE
## 1172 FALSE FALSE FALSE FALSE FALSE
## 1173 FALSE FALSE FALSE FALSE FALSE
## 1174 FALSE FALSE FALSE FALSE FALSE
## 1175 FALSE FALSE FALSE FALSE FALSE
## 1176 FALSE FALSE FALSE FALSE FALSE
## 1177 FALSE FALSE FALSE FALSE FALSE
## 1178 FALSE FALSE FALSE FALSE FALSE
## 1179 FALSE FALSE FALSE FALSE FALSE
## 1180 FALSE FALSE FALSE FALSE FALSE
## 1181 FALSE FALSE FALSE FALSE FALSE
## 1182 FALSE FALSE FALSE FALSE FALSE
## 1183 FALSE FALSE FALSE FALSE FALSE
## 1184 FALSE FALSE FALSE FALSE FALSE
## 1185 FALSE FALSE FALSE FALSE FALSE
## 1186 FALSE FALSE FALSE FALSE FALSE
## 1187 FALSE FALSE FALSE FALSE FALSE
## 1188 FALSE FALSE FALSE FALSE FALSE
## 1189 FALSE FALSE FALSE FALSE FALSE
## 1190 FALSE FALSE FALSE FALSE FALSE
## 1191 FALSE FALSE FALSE FALSE FALSE
## 1192 FALSE FALSE FALSE FALSE FALSE
## 1193 FALSE FALSE FALSE FALSE FALSE
## 1194 FALSE FALSE FALSE FALSE FALSE
## 1195 FALSE FALSE FALSE FALSE FALSE
## 1196 FALSE FALSE FALSE FALSE FALSE
## 1197 FALSE FALSE FALSE FALSE FALSE
## 1198 FALSE FALSE FALSE FALSE FALSE
## 1199 FALSE FALSE FALSE FALSE FALSE
## 1200 FALSE FALSE FALSE FALSE FALSE
## 1201 FALSE FALSE FALSE FALSE FALSE
## 1202 FALSE FALSE FALSE FALSE FALSE
## 1203 FALSE FALSE FALSE FALSE FALSE
## 1204 FALSE FALSE FALSE FALSE FALSE
## 1205 FALSE FALSE FALSE FALSE FALSE
## 1206 FALSE FALSE FALSE FALSE FALSE
## 1207 FALSE FALSE FALSE FALSE FALSE
## 1208 FALSE FALSE FALSE FALSE FALSE
## 1209 FALSE FALSE FALSE FALSE FALSE
## 1210 FALSE FALSE FALSE FALSE FALSE
## 1211 FALSE FALSE FALSE FALSE FALSE
## 1212 FALSE FALSE FALSE FALSE FALSE
## 1213 FALSE FALSE FALSE FALSE FALSE
## 1214 FALSE FALSE FALSE FALSE FALSE
## 1215 FALSE FALSE FALSE FALSE FALSE
## 1216 FALSE FALSE FALSE FALSE FALSE
## 1217 FALSE FALSE FALSE FALSE FALSE
## 1218 FALSE FALSE FALSE FALSE FALSE
## 1219 FALSE FALSE FALSE FALSE FALSE
## 1220 FALSE FALSE FALSE FALSE FALSE
## 1221 FALSE FALSE FALSE FALSE FALSE
## 1222 FALSE FALSE FALSE FALSE FALSE
## 1223 FALSE FALSE FALSE FALSE FALSE
## 1224 FALSE FALSE FALSE FALSE FALSE
## 1225 FALSE FALSE FALSE FALSE FALSE
## 1226 FALSE FALSE FALSE FALSE FALSE
## 1227 FALSE FALSE FALSE FALSE FALSE
## 1228 FALSE FALSE FALSE FALSE FALSE
## 1229 FALSE FALSE FALSE FALSE FALSE
## 1230 FALSE FALSE FALSE FALSE FALSE
## 1231 FALSE FALSE FALSE FALSE FALSE
## 1232 FALSE FALSE FALSE FALSE FALSE
## 1233 FALSE FALSE FALSE FALSE FALSE
## 1234 FALSE FALSE FALSE FALSE FALSE
## 1235 FALSE FALSE FALSE FALSE FALSE
## 1236 FALSE FALSE FALSE FALSE FALSE
## 1237 FALSE FALSE FALSE FALSE FALSE
## 1238 FALSE FALSE FALSE FALSE FALSE
## 1239 FALSE FALSE FALSE FALSE FALSE
## 1240 FALSE FALSE FALSE FALSE FALSE
## 1241 FALSE FALSE FALSE FALSE FALSE
## 1242 FALSE FALSE FALSE FALSE FALSE
## 1243 FALSE FALSE FALSE FALSE FALSE
## 1244 FALSE FALSE FALSE FALSE FALSE
## 1245 FALSE FALSE FALSE FALSE FALSE
## 1246 FALSE FALSE FALSE FALSE FALSE
## 1247 FALSE FALSE FALSE FALSE FALSE
## 1248 FALSE FALSE FALSE FALSE FALSE
## 1249 FALSE FALSE FALSE FALSE FALSE
## 1250 FALSE FALSE FALSE FALSE FALSE
## 1251 FALSE FALSE FALSE FALSE FALSE
## 1252 FALSE FALSE FALSE FALSE FALSE
## 1253 FALSE FALSE FALSE FALSE FALSE
## 1254 FALSE FALSE FALSE FALSE FALSE
## 1255 FALSE FALSE FALSE FALSE FALSE
## 1256 FALSE FALSE FALSE FALSE FALSE
## 1257 FALSE FALSE FALSE FALSE FALSE
## 1258 FALSE FALSE FALSE FALSE FALSE
## 1259 FALSE FALSE FALSE FALSE FALSE
## 1260 FALSE FALSE FALSE FALSE FALSE
## 1261 FALSE FALSE FALSE FALSE FALSE
## 1262 FALSE FALSE FALSE FALSE FALSE
## 1263 FALSE FALSE FALSE FALSE FALSE
## 1264 FALSE FALSE FALSE FALSE FALSE
## 1265 FALSE FALSE FALSE FALSE FALSE
## 1266 FALSE FALSE FALSE FALSE FALSE
## 1267 FALSE FALSE FALSE FALSE FALSE
## 1268 FALSE FALSE FALSE FALSE FALSE
## 1269 FALSE FALSE FALSE FALSE FALSE
## 1270 FALSE FALSE FALSE FALSE FALSE
## 1271 FALSE FALSE FALSE FALSE FALSE
## 1272 FALSE FALSE FALSE FALSE FALSE
## 1273 FALSE FALSE FALSE FALSE FALSE
## 1274 FALSE FALSE FALSE FALSE FALSE
## 1275 FALSE FALSE FALSE FALSE FALSE
## 1276 FALSE FALSE FALSE FALSE FALSE
## 1277 FALSE FALSE FALSE FALSE FALSE
## 1278 FALSE FALSE FALSE FALSE FALSE
## 1279 FALSE FALSE FALSE FALSE FALSE
## 1280 FALSE FALSE FALSE FALSE FALSE
## 1281 FALSE FALSE FALSE FALSE FALSE
## 1282 FALSE FALSE FALSE FALSE FALSE
## 1283 FALSE FALSE FALSE FALSE FALSE
## 1284 FALSE FALSE FALSE FALSE FALSE
## 1285 FALSE FALSE FALSE FALSE FALSE
## 1286 FALSE FALSE FALSE FALSE FALSE
## 1287 FALSE FALSE FALSE FALSE FALSE
## 1288 FALSE FALSE FALSE FALSE FALSE
## 1289 FALSE FALSE FALSE FALSE FALSE
## 1290 FALSE FALSE FALSE FALSE FALSE
## 1291 FALSE FALSE FALSE FALSE FALSE
## 1292 FALSE FALSE FALSE FALSE FALSE
## 1293 FALSE FALSE FALSE FALSE FALSE
## 1294 FALSE FALSE FALSE FALSE FALSE
## 1295 FALSE FALSE FALSE FALSE FALSE
## 1296 FALSE FALSE FALSE FALSE FALSE
## 1297 FALSE FALSE FALSE FALSE TRUE
## 1298 FALSE FALSE FALSE FALSE FALSE
## 1299 FALSE FALSE FALSE FALSE FALSE
## 1300 FALSE FALSE FALSE FALSE FALSE
## 1301 FALSE FALSE FALSE FALSE FALSE
## 1302 FALSE FALSE FALSE FALSE FALSE
## 1303 FALSE FALSE FALSE FALSE FALSE
## 1304 FALSE FALSE FALSE FALSE FALSE
## 1305 FALSE FALSE FALSE FALSE FALSE
## 1306 FALSE FALSE FALSE FALSE FALSE
## 1307 FALSE FALSE FALSE FALSE FALSE
## 1308 FALSE FALSE FALSE FALSE FALSE
## 1309 FALSE FALSE FALSE FALSE FALSE
## 1310 FALSE FALSE FALSE FALSE FALSE
## 1311 FALSE FALSE FALSE FALSE FALSE
## 1312 FALSE FALSE FALSE FALSE FALSE
## 1313 FALSE FALSE FALSE FALSE FALSE
## 1314 FALSE FALSE FALSE FALSE FALSE
## 1315 FALSE FALSE FALSE FALSE FALSE
## 1316 FALSE FALSE FALSE FALSE FALSE
## 1317 FALSE FALSE FALSE FALSE FALSE
## 1318 FALSE FALSE FALSE FALSE FALSE
## 1319 FALSE FALSE FALSE FALSE FALSE
## 1320 FALSE FALSE FALSE FALSE FALSE
## 1321 FALSE FALSE FALSE FALSE FALSE
## 1322 FALSE FALSE FALSE FALSE FALSE
## 1323 FALSE FALSE FALSE FALSE TRUE
## 1324 FALSE FALSE FALSE FALSE FALSE
## 1325 FALSE FALSE FALSE FALSE FALSE
## 1326 FALSE FALSE FALSE FALSE FALSE
## 1327 FALSE FALSE FALSE FALSE FALSE
## 1328 FALSE FALSE FALSE FALSE FALSE
## 1329 FALSE FALSE FALSE FALSE FALSE
## 1330 FALSE FALSE FALSE FALSE FALSE
## 1331 FALSE FALSE FALSE FALSE FALSE
## 1332 FALSE FALSE FALSE FALSE FALSE
## 1333 FALSE FALSE FALSE FALSE FALSE
## 1334 FALSE FALSE FALSE FALSE FALSE
## 1335 FALSE FALSE FALSE FALSE FALSE
## 1336 FALSE FALSE FALSE FALSE FALSE
## 1337 FALSE FALSE FALSE FALSE FALSE
## 1338 FALSE FALSE FALSE FALSE FALSE
## 1339 FALSE FALSE FALSE FALSE FALSE
## 1340 FALSE FALSE FALSE FALSE FALSE
## 1341 FALSE FALSE FALSE FALSE FALSE
## 1342 FALSE FALSE FALSE FALSE FALSE
## 1343 FALSE FALSE FALSE FALSE FALSE
## 1344 FALSE FALSE FALSE FALSE FALSE
## 1345 FALSE FALSE FALSE FALSE FALSE
## 1346 FALSE FALSE FALSE FALSE FALSE
## 1347 FALSE FALSE FALSE FALSE FALSE
## 1348 FALSE FALSE FALSE FALSE FALSE
## 1349 FALSE FALSE FALSE FALSE FALSE
## 1350 FALSE FALSE FALSE FALSE FALSE
## 1351 FALSE FALSE FALSE FALSE FALSE
## 1352 FALSE FALSE FALSE FALSE FALSE
## 1353 FALSE FALSE FALSE FALSE FALSE
## 1354 FALSE FALSE FALSE FALSE FALSE
## 1355 FALSE FALSE FALSE FALSE FALSE
## 1356 FALSE FALSE FALSE FALSE FALSE
## 1357 FALSE FALSE FALSE FALSE FALSE
## 1358 FALSE FALSE FALSE FALSE FALSE
## 1359 FALSE FALSE FALSE FALSE FALSE
## 1360 FALSE FALSE FALSE FALSE FALSE
## 1361 FALSE FALSE FALSE FALSE FALSE
## 1362 FALSE FALSE FALSE FALSE FALSE
## 1363 FALSE FALSE FALSE FALSE FALSE
## 1364 FALSE FALSE FALSE FALSE FALSE
## 1365 FALSE FALSE FALSE FALSE FALSE
## 1366 FALSE FALSE FALSE FALSE FALSE
## 1367 FALSE FALSE FALSE FALSE FALSE
## 1368 FALSE FALSE FALSE FALSE FALSE
## 1369 FALSE FALSE FALSE FALSE FALSE
## 1370 FALSE FALSE FALSE FALSE FALSE
## 1371 FALSE FALSE FALSE FALSE FALSE
## 1372 FALSE FALSE FALSE FALSE FALSE
## 1373 FALSE FALSE FALSE FALSE FALSE
## 1374 FALSE FALSE FALSE FALSE FALSE
## 1375 FALSE FALSE FALSE FALSE FALSE
## 1376 FALSE FALSE FALSE FALSE TRUE
## 1377 FALSE FALSE FALSE FALSE FALSE
## 1378 FALSE FALSE FALSE FALSE FALSE
## 1379 FALSE FALSE FALSE FALSE FALSE
## 1380 FALSE FALSE FALSE FALSE FALSE
## 1381 FALSE FALSE FALSE FALSE FALSE
## 1382 FALSE FALSE FALSE FALSE FALSE
## 1383 FALSE FALSE FALSE FALSE FALSE
## 1384 FALSE FALSE FALSE FALSE FALSE
## 1385 FALSE FALSE FALSE FALSE FALSE
## 1386 FALSE FALSE FALSE FALSE FALSE
## 1387 FALSE FALSE FALSE FALSE FALSE
## 1388 FALSE FALSE FALSE FALSE FALSE
## 1389 FALSE FALSE FALSE FALSE FALSE
## 1390 FALSE FALSE FALSE FALSE FALSE
## 1391 FALSE FALSE FALSE FALSE FALSE
## 1392 FALSE FALSE FALSE FALSE FALSE
## 1393 FALSE FALSE FALSE FALSE FALSE
## 1394 FALSE FALSE FALSE FALSE FALSE
## 1395 FALSE FALSE FALSE FALSE FALSE
## 1396 FALSE FALSE FALSE FALSE FALSE
## 1397 FALSE FALSE FALSE FALSE FALSE
## 1398 FALSE FALSE FALSE FALSE FALSE
## 1399 FALSE FALSE FALSE FALSE FALSE
## 1400 FALSE FALSE FALSE FALSE FALSE
## 1401 FALSE FALSE FALSE FALSE FALSE
## 1402 FALSE FALSE FALSE FALSE FALSE
## 1403 FALSE FALSE FALSE FALSE FALSE
## 1404 FALSE FALSE FALSE FALSE FALSE
## 1405 FALSE FALSE FALSE FALSE FALSE
## 1406 FALSE FALSE FALSE FALSE FALSE
## 1407 FALSE FALSE FALSE FALSE FALSE
## 1408 FALSE FALSE FALSE FALSE FALSE
## 1409 FALSE FALSE FALSE FALSE FALSE
## 1410 FALSE FALSE FALSE FALSE FALSE
## 1411 FALSE FALSE FALSE FALSE FALSE
## 1412 FALSE FALSE FALSE FALSE FALSE
## 1413 FALSE FALSE FALSE FALSE FALSE
## 1414 FALSE FALSE FALSE FALSE FALSE
## 1415 FALSE FALSE FALSE FALSE FALSE
## 1416 FALSE FALSE FALSE FALSE FALSE
## 1417 FALSE FALSE FALSE FALSE FALSE
## 1418 FALSE FALSE FALSE FALSE FALSE
## 1419 FALSE FALSE FALSE FALSE FALSE
## 1420 FALSE FALSE FALSE FALSE FALSE
## 1421 FALSE FALSE FALSE FALSE FALSE
## 1422 FALSE FALSE FALSE FALSE FALSE
## 1423 FALSE FALSE FALSE FALSE FALSE
## 1424 FALSE FALSE FALSE FALSE FALSE
## 1425 FALSE FALSE FALSE FALSE FALSE
## 1426 FALSE FALSE FALSE FALSE FALSE
## 1427 FALSE FALSE FALSE FALSE FALSE
## 1428 FALSE FALSE FALSE FALSE FALSE
## 1429 FALSE FALSE FALSE FALSE FALSE
## 1430 FALSE FALSE FALSE FALSE FALSE
## 1431 FALSE FALSE FALSE FALSE FALSE
## 1432 FALSE FALSE FALSE FALSE FALSE
## 1433 FALSE FALSE FALSE FALSE FALSE
## 1434 FALSE FALSE FALSE FALSE FALSE
## 1435 FALSE FALSE FALSE FALSE FALSE
## 1436 FALSE FALSE FALSE FALSE FALSE
## 1437 FALSE FALSE FALSE FALSE TRUE
## 1438 FALSE FALSE FALSE FALSE FALSE
## 1439 FALSE FALSE FALSE FALSE FALSE
## 1440 FALSE FALSE FALSE FALSE FALSE
## 1441 FALSE FALSE FALSE FALSE FALSE
## 1442 FALSE FALSE FALSE FALSE FALSE
## 1443 FALSE FALSE FALSE FALSE FALSE
## 1444 FALSE FALSE FALSE FALSE FALSE
## 1445 FALSE FALSE FALSE FALSE FALSE
## 1446 FALSE FALSE FALSE FALSE FALSE
## 1447 FALSE FALSE FALSE FALSE FALSE
## 1448 FALSE FALSE FALSE FALSE FALSE
## 1449 FALSE FALSE FALSE FALSE FALSE
## 1450 FALSE FALSE FALSE FALSE FALSE
## 1451 FALSE FALSE FALSE FALSE FALSE
## 1452 FALSE FALSE FALSE FALSE FALSE
## 1453 FALSE FALSE FALSE FALSE FALSE
## 1454 FALSE FALSE FALSE FALSE FALSE
## 1455 FALSE FALSE FALSE FALSE FALSE
## 1456 FALSE FALSE FALSE FALSE FALSE
## 1457 FALSE FALSE FALSE FALSE FALSE
## 1458 FALSE FALSE FALSE FALSE FALSE
## 1459 FALSE FALSE FALSE FALSE FALSE
## 1460 FALSE FALSE FALSE FALSE FALSE
## 1461 FALSE FALSE FALSE FALSE FALSE
## 1462 FALSE FALSE FALSE FALSE TRUE
## 1463 FALSE FALSE FALSE FALSE FALSE
## 1464 FALSE FALSE FALSE FALSE FALSE
## 1465 FALSE FALSE FALSE FALSE FALSE
## 1466 FALSE FALSE FALSE FALSE FALSE
## 1467 FALSE FALSE FALSE FALSE FALSE
## 1468 FALSE FALSE FALSE FALSE FALSE
## 1469 FALSE FALSE FALSE FALSE FALSE
## 1470 FALSE FALSE FALSE FALSE FALSE
## 1471 FALSE FALSE FALSE FALSE FALSE
## 1472 FALSE FALSE FALSE FALSE FALSE
## 1473 FALSE FALSE FALSE FALSE FALSE
## 1474 FALSE FALSE FALSE FALSE FALSE
## 1475 FALSE FALSE FALSE FALSE FALSE
## 1476 FALSE FALSE FALSE FALSE FALSE
## 1477 FALSE FALSE FALSE FALSE FALSE
## 1478 FALSE FALSE FALSE FALSE FALSE
## 1479 FALSE FALSE FALSE FALSE FALSE
## 1480 FALSE FALSE FALSE FALSE FALSE
## 1481 FALSE FALSE FALSE FALSE FALSE
## 1482 FALSE FALSE FALSE FALSE FALSE
## 1483 FALSE FALSE FALSE FALSE FALSE
## 1484 FALSE FALSE FALSE FALSE FALSE
## 1485 FALSE FALSE FALSE FALSE FALSE
## 1486 FALSE FALSE FALSE FALSE FALSE
## 1487 FALSE FALSE FALSE FALSE FALSE
## 1488 FALSE FALSE FALSE FALSE FALSE
## 1489 FALSE FALSE FALSE FALSE FALSE
## 1490 FALSE FALSE FALSE FALSE FALSE
## 1491 FALSE FALSE FALSE FALSE FALSE
## 1492 FALSE FALSE FALSE FALSE FALSE
## 1493 FALSE FALSE FALSE FALSE FALSE
## 1494 FALSE FALSE FALSE FALSE FALSE
## 1495 FALSE FALSE FALSE FALSE TRUE
## 1496 FALSE FALSE FALSE FALSE FALSE
## 1497 FALSE FALSE FALSE FALSE TRUE
## 1498 FALSE FALSE FALSE FALSE FALSE
## 1499 FALSE FALSE FALSE FALSE FALSE
## 1500 FALSE FALSE FALSE FALSE FALSEsum(is.na(applenews$clicked))## [1] 30sapply(names(applenews),function(e){ sum(is.na(applenews[,e])) >0 })## content title dt category clicked
## FALSE FALSE FALSE FALSE TRUEcleaned_data = applenews[!is.na(applenews$clicked),]
#移除missing value
complete.cases(applenews)## [1] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [12] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [23] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [34] TRUE TRUE TRUE TRUE TRUE TRUE FALSE TRUE TRUE TRUE TRUE
## [45] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [56] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [67] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [78] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [89] TRUE TRUE TRUE TRUE TRUE FALSE TRUE TRUE TRUE TRUE TRUE
## [100] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [111] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [122] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE FALSE TRUE
## [133] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE FALSE TRUE TRUE
## [144] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [155] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [166] TRUE TRUE TRUE TRUE TRUE TRUE TRUE FALSE TRUE TRUE TRUE
## [177] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [188] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [199] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [210] TRUE TRUE TRUE TRUE TRUE FALSE TRUE TRUE TRUE TRUE TRUE
## [221] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [232] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [243] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [254] TRUE TRUE FALSE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [265] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [276] TRUE TRUE TRUE TRUE TRUE FALSE TRUE TRUE TRUE TRUE TRUE
## [287] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [298] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [309] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [320] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [331] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [342] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE FALSE TRUE
## [353] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [364] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [375] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [386] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [397] TRUE TRUE FALSE TRUE TRUE TRUE TRUE FALSE TRUE FALSE TRUE
## [408] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [419] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [430] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [441] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [452] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [463] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [474] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [485] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [496] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [507] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [518] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [529] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [540] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [551] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [562] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [573] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [584] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [595] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [606] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [617] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [628] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [639] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [650] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [661] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [672] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [683] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [694] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [705] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [716] TRUE TRUE TRUE FALSE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [727] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [738] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [749] TRUE TRUE TRUE TRUE FALSE TRUE TRUE TRUE TRUE TRUE TRUE
## [760] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [771] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [782] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [793] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [804] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [815] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [826] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [837] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [848] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [859] TRUE FALSE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [870] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [881] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [892] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [903] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [914] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [925] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE FALSE
## [936] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [947] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [958] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [969] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [980] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [991] TRUE TRUE TRUE TRUE TRUE TRUE FALSE TRUE TRUE TRUE TRUE
## [1002] TRUE TRUE FALSE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1013] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1024] TRUE TRUE TRUE TRUE TRUE FALSE TRUE TRUE TRUE TRUE TRUE
## [1035] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1046] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1057] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1068] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1079] TRUE TRUE TRUE TRUE FALSE TRUE TRUE TRUE TRUE TRUE TRUE
## [1090] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1101] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1112] TRUE TRUE TRUE TRUE TRUE FALSE TRUE TRUE TRUE TRUE TRUE
## [1123] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1134] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE FALSE TRUE
## [1145] TRUE FALSE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1156] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1167] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1178] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1189] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1200] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1211] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1222] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1233] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1244] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1255] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1266] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1277] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1288] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE FALSE TRUE
## [1299] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1310] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1321] TRUE TRUE FALSE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1332] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1343] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1354] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1365] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1376] FALSE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1387] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1398] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1409] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1420] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1431] TRUE TRUE TRUE TRUE TRUE TRUE FALSE TRUE TRUE TRUE TRUE
## [1442] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1453] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE FALSE TRUE
## [1464] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1475] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [1486] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE FALSE TRUE
## [1497] FALSE TRUE TRUE TRUEcleaned_data2 = applenews[complete.cases(applenews),]
str(cleaned_data2)## 'data.frame': 1470 obs. of 5 variables:
## $ content : chr "\n (更新:新增影片)想要透過刮刮樂彩券一夕致富，但他卻用錯方法！台中市一名"| __truncated__ "\n 澳洲一名就讀雪梨大學的華裔博士生，日前公開一段燒毀中國護照的影片，還"| __truncated__ "\n 【行銷專題企劃】房價高高在上，沒錢買房沒關係，但你認為自己是聰明的租"| __truncated__ "\n 本內容由中央廣播電臺提供 美國國防部長卡特(Ash Carter)今天(15日"| __truncated__ ...
## $ title : chr "【更新】搶2.2萬彩券刮中1.4萬 沒發財還得入獄" "拿到澳洲護照後 他放火燒中國護照" "【特企】房市大追擊- 租屋這些事情要小心" "【央廣RTI】美菲軍演 美防長南海登艦" ...
## $ dt : POSIXct, format: "2016-04-15 14:32:00" "2016-04-15 14:32:00" ...
## $ category: chr "社會" "國際" "地產" "國際" ...
## $ clicked : int 1754 0 0 0 311 24 20 314 27 308 ...#以全體平均填補
load('./Statistics/applenews.RData')
applenews[idx,'clicked'] = NA
mean_clicked = round(mean(applenews$clicked,na.rm=T),0)
applenews$clicked[is.na(applenews$clicked)] = mean_clicked
sum(is.na(applenews$clicked))## [1] 0遺失值處理(missing value)(續)
#以類別平均填補
setwd('~/lecture/riii')
load('./Statistics/applenews.RData')
applenews[idx,'clicked'] = NA
cat_means = tapply(applenews$clicked,applenews$category,function(e){round(mean(e,na.rm=T),0)})
cat_means["3C"]## 3C
## 3954for(i in names(cat_means)){
applenews[applenews$category == i & is.na(applenews$clicked),'clicked'] = cat_means[i]
}
sum(is.na(applenews$clicked))## [1] 0mice
#install.packages('mice')
library(mice)## Loading required package: lattice##
## Attaching package: 'mice'## The following objects are masked from 'package:base':
##
## cbind, rbinddata(iris)
na_list = sample(1:nrow(iris),15)
iris[na_list,'Sepal.Length'] = NA
mice.data <- mice(data=iris,m = 3,method = "cart")##
## iter imp variable
## 1 1 Sepal.Length
## 1 2 Sepal.Length
## 1 3 Sepal.Length
## 2 1 Sepal.Length
## 2 2 Sepal.Length
## 2 3 Sepal.Length
## 3 1 Sepal.Length
## 3 2 Sepal.Length
## 3 3 Sepal.Length
## 4 1 Sepal.Length
## 4 2 Sepal.Length
## 4 3 Sepal.Length
## 5 1 Sepal.Length
## 5 2 Sepal.Length
## 5 3 Sepal.Lengthcomplete(mice.data,1)## Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1 5.1 3.5 1.4 0.2 setosa
## 2 4.9 3.0 1.4 0.2 setosa
## 3 4.7 3.2 1.3 0.2 setosa
## 4 4.6 3.1 1.5 0.2 setosa
## 5 5.0 3.6 1.4 0.2 setosa
## 6 5.4 3.9 1.7 0.4 setosa
## 7 4.6 3.4 1.4 0.3 setosa
## 8 5.1 3.4 1.5 0.2 setosa
## 9 4.4 2.9 1.4 0.2 setosa
## 10 4.9 3.1 1.5 0.1 setosa
## 11 5.4 3.7 1.5 0.2 setosa
## 12 4.8 3.4 1.6 0.2 setosa
## 13 4.8 3.0 1.4 0.1 setosa
## 14 4.3 3.0 1.1 0.1 setosa
## 15 5.8 4.0 1.2 0.2 setosa
## 16 5.7 4.4 1.5 0.4 setosa
## 17 5.4 3.9 1.3 0.4 setosa
## 18 5.1 3.5 1.4 0.3 setosa
## 19 5.7 3.8 1.7 0.3 setosa
## 20 5.1 3.8 1.5 0.3 setosa
## 21 5.4 3.4 1.7 0.2 setosa
## 22 5.1 3.7 1.5 0.4 setosa
## 23 4.6 3.6 1.0 0.2 setosa
## 24 5.1 3.3 1.7 0.5 setosa
## 25 4.8 3.4 1.9 0.2 setosa
## 26 5.0 3.0 1.6 0.2 setosa
## 27 5.0 3.4 1.6 0.4 setosa
## 28 5.2 3.5 1.5 0.2 setosa
## 29 5.2 3.4 1.4 0.2 setosa
## 30 4.7 3.2 1.6 0.2 setosa
## 31 4.8 3.1 1.6 0.2 setosa
## 32 5.4 3.4 1.5 0.4 setosa
## 33 5.2 4.1 1.5 0.1 setosa
## 34 5.5 4.2 1.4 0.2 setosa
## 35 4.9 3.1 1.5 0.2 setosa
## 36 5.0 3.2 1.2 0.2 setosa
## 37 5.5 3.5 1.3 0.2 setosa
## 38 4.9 3.6 1.4 0.1 setosa
## 39 4.4 3.0 1.3 0.2 setosa
## 40 5.1 3.4 1.5 0.2 setosa
## 41 5.0 3.5 1.3 0.3 setosa
## 42 4.5 2.3 1.3 0.3 setosa
## 43 4.4 3.2 1.3 0.2 setosa
## 44 5.0 3.5 1.6 0.6 setosa
## 45 5.5 3.8 1.9 0.4 setosa
## 46 4.8 3.0 1.4 0.3 setosa
## 47 5.1 3.8 1.6 0.2 setosa
## 48 4.6 3.2 1.4 0.2 setosa
## 49 5.7 3.7 1.5 0.2 setosa
## 50 5.0 3.3 1.4 0.2 setosa
## 51 6.4 3.2 4.7 1.4 versicolor
## 52 6.4 3.2 4.5 1.5 versicolor
## 53 6.9 3.1 4.9 1.5 versicolor
## 54 5.5 2.3 4.0 1.3 versicolor
## 55 6.5 2.8 4.6 1.5 versicolor
## 56 5.7 2.8 4.5 1.3 versicolor
## 57 6.3 3.3 4.7 1.6 versicolor
## 58 4.9 2.4 3.3 1.0 versicolor
## 59 6.6 2.9 4.6 1.3 versicolor
## 60 5.2 2.7 3.9 1.4 versicolor
## 61 5.0 2.0 3.5 1.0 versicolor
## 62 5.9 3.0 4.2 1.5 versicolor
## 63 6.0 2.2 4.0 1.0 versicolor
## 64 6.1 2.9 4.7 1.4 versicolor
## 65 5.6 2.9 3.6 1.3 versicolor
## 66 6.7 3.1 4.4 1.4 versicolor
## 67 5.6 3.0 4.5 1.5 versicolor
## 68 5.8 2.7 4.1 1.0 versicolor
## 69 6.2 2.2 4.5 1.5 versicolor
## 70 5.6 2.5 3.9 1.1 versicolor
## 71 5.9 3.2 4.8 1.8 versicolor
## 72 6.1 2.8 4.0 1.3 versicolor
## 73 6.3 2.5 4.9 1.5 versicolor
## 74 6.1 2.8 4.7 1.2 versicolor
## 75 6.4 2.9 4.3 1.3 versicolor
## 76 6.6 3.0 4.4 1.4 versicolor
## 77 5.7 2.8 4.8 1.4 versicolor
## 78 6.7 3.0 5.0 1.7 versicolor
## 79 6.0 2.9 4.5 1.5 versicolor
## 80 5.7 2.6 3.5 1.0 versicolor
## 81 5.5 2.4 3.8 1.1 versicolor
## 82 5.5 2.4 3.7 1.0 versicolor
## 83 5.8 2.7 3.9 1.2 versicolor
## 84 6.0 2.7 5.1 1.6 versicolor
## 85 5.4 3.0 4.5 1.5 versicolor
## 86 6.0 3.4 4.5 1.6 versicolor
## 87 6.7 3.1 4.7 1.5 versicolor
## 88 6.3 2.3 4.4 1.3 versicolor
## 89 5.6 3.0 4.1 1.3 versicolor
## 90 5.5 2.5 4.0 1.3 versicolor
## 91 6.2 2.6 4.4 1.2 versicolor
## 92 6.1 3.0 4.6 1.4 versicolor
## 93 5.8 2.6 4.0 1.2 versicolor
## 94 5.0 2.3 3.3 1.0 versicolor
## 95 5.6 2.7 4.2 1.3 versicolor
## 96 5.7 3.0 4.2 1.2 versicolor
## 97 5.7 2.9 4.2 1.3 versicolor
## 98 6.2 2.9 4.3 1.3 versicolor
## 99 5.1 2.5 3.0 1.1 versicolor
## 100 5.7 2.8 4.1 1.3 versicolor
## 101 7.9 3.3 6.0 2.5 virginica
## 102 5.8 2.7 5.1 1.9 virginica
## 103 7.1 3.0 5.9 2.1 virginica
## 104 6.3 2.9 5.6 1.8 virginica
## 105 6.5 3.0 5.8 2.2 virginica
## 106 7.6 3.0 6.6 2.1 virginica
## 107 4.9 2.5 4.5 1.7 virginica
## 108 7.3 2.9 6.3 1.8 virginica
## 109 5.8 2.5 5.8 1.8 virginica
## 110 7.2 3.6 6.1 2.5 virginica
## 111 6.5 3.2 5.1 2.0 virginica
## 112 5.8 2.7 5.3 1.9 virginica
## 113 6.8 3.0 5.5 2.1 virginica
## 114 5.7 2.5 5.0 2.0 virginica
## 115 5.8 2.8 5.1 2.4 virginica
## 116 6.4 3.2 5.3 2.3 virginica
## 117 6.5 3.0 5.5 1.8 virginica
## 118 7.7 3.8 6.7 2.2 virginica
## 119 7.7 2.6 6.9 2.3 virginica
## 120 6.0 2.2 5.0 1.5 virginica
## 121 6.9 3.2 5.7 2.3 virginica
## 122 5.6 2.8 4.9 2.0 virginica
## 123 7.7 2.8 6.7 2.0 virginica
## 124 6.3 2.7 4.9 1.8 virginica
## 125 6.7 3.3 5.7 2.1 virginica
## 126 7.2 3.2 6.0 1.8 virginica
## 127 6.2 2.8 4.8 1.8 virginica
## 128 6.1 3.0 4.9 1.8 virginica
## 129 5.8 2.8 5.6 2.1 virginica
## 130 6.1 3.0 5.8 1.6 virginica
## 131 7.4 2.8 6.1 1.9 virginica
## 132 7.9 3.8 6.4 2.0 virginica
## 133 6.4 2.8 5.6 2.2 virginica
## 134 6.3 2.8 5.1 1.5 virginica
## 135 6.1 2.6 5.6 1.4 virginica
## 136 7.7 3.0 6.1 2.3 virginica
## 137 6.3 3.4 5.6 2.4 virginica
## 138 6.4 3.1 5.5 1.8 virginica
## 139 5.6 3.0 4.8 1.8 virginica
## 140 6.9 3.1 5.4 2.1 virginica
## 141 6.7 3.1 5.6 2.4 virginica
## 142 6.9 3.1 5.1 2.3 virginica
## 143 5.8 2.7 5.1 1.9 virginica
## 144 6.8 3.2 5.9 2.3 virginica
## 145 6.7 3.3 5.7 2.5 virginica
## 146 6.7 3.0 5.2 2.3 virginica
## 147 6.3 2.5 5.0 1.9 virginica
## 148 6.5 3.0 5.2 2.0 virginica
## 149 6.2 3.4 5.4 2.3 virginica
## 150 5.9 3.0 5.1 1.8 virginicacomplete(mice.data,1)[na_list,'Sepal.Length']## [1] 5.6 5.7 5.6 5.7 5.8 6.1 5.8 5.8 7.9 6.1 6.2 5.6 5.5 5.1 6.4complete(mice.data,2)[na_list,'Sepal.Length']## [1] 6.0 5.2 5.5 5.7 5.6 6.4 5.7 6.3 7.7 6.3 6.2 6.0 5.4 5.2 6.7complete(mice.data,3)[na_list,'Sepal.Length']## [1] 5.9 5.1 5.7 6.5 6.2 6.6 5.7 6.3 7.7 6.3 5.7 6.2 5.2 5.2 5.9##比較各模型預測結果是否穩定(mean接近0,var很小)
diff1 = complete(mice.data,1)[na_list,'Sepal.Length'] - complete(mice.data,2)[na_list,'Sepal.Length']
diff2 = complete(mice.data,1)[na_list,'Sepal.Length'] - complete(mice.data,3)[na_list,'Sepal.Length']
diff3 = complete(mice.data,2)[na_list,'Sepal.Length'] - complete(mice.data,3)[na_list,'Sepal.Length']
mean(c(diff1,diff2,diff3))## [1] -0.05777778var(c(diff1,diff2,diff3))## [1] 0.1338586complete(mice.data,1)## Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1 5.1 3.5 1.4 0.2 setosa
## 2 4.9 3.0 1.4 0.2 setosa
## 3 4.7 3.2 1.3 0.2 setosa
## 4 4.6 3.1 1.5 0.2 setosa
## 5 5.0 3.6 1.4 0.2 setosa
## 6 5.4 3.9 1.7 0.4 setosa
## 7 4.6 3.4 1.4 0.3 setosa
## 8 5.1 3.4 1.5 0.2 setosa
## 9 4.4 2.9 1.4 0.2 setosa
## 10 4.9 3.1 1.5 0.1 setosa
## 11 5.4 3.7 1.5 0.2 setosa
## 12 4.8 3.4 1.6 0.2 setosa
## 13 4.8 3.0 1.4 0.1 setosa
## 14 4.3 3.0 1.1 0.1 setosa
## 15 5.8 4.0 1.2 0.2 setosa
## 16 5.7 4.4 1.5 0.4 setosa
## 17 5.4 3.9 1.3 0.4 setosa
## 18 5.1 3.5 1.4 0.3 setosa
## 19 5.7 3.8 1.7 0.3 setosa
## 20 5.1 3.8 1.5 0.3 setosa
## 21 5.4 3.4 1.7 0.2 setosa
## 22 5.1 3.7 1.5 0.4 setosa
## 23 4.6 3.6 1.0 0.2 setosa
## 24 5.1 3.3 1.7 0.5 setosa
## 25 4.8 3.4 1.9 0.2 setosa
## 26 5.0 3.0 1.6 0.2 setosa
## 27 5.0 3.4 1.6 0.4 setosa
## 28 5.2 3.5 1.5 0.2 setosa
## 29 5.2 3.4 1.4 0.2 setosa
## 30 4.7 3.2 1.6 0.2 setosa
## 31 4.8 3.1 1.6 0.2 setosa
## 32 5.4 3.4 1.5 0.4 setosa
## 33 5.2 4.1 1.5 0.1 setosa
## 34 5.5 4.2 1.4 0.2 setosa
## 35 4.9 3.1 1.5 0.2 setosa
## 36 5.0 3.2 1.2 0.2 setosa
## 37 5.5 3.5 1.3 0.2 setosa
## 38 4.9 3.6 1.4 0.1 setosa
## 39 4.4 3.0 1.3 0.2 setosa
## 40 5.1 3.4 1.5 0.2 setosa
## 41 5.0 3.5 1.3 0.3 setosa
## 42 4.5 2.3 1.3 0.3 setosa
## 43 4.4 3.2 1.3 0.2 setosa
## 44 5.0 3.5 1.6 0.6 setosa
## 45 5.5 3.8 1.9 0.4 setosa
## 46 4.8 3.0 1.4 0.3 setosa
## 47 5.1 3.8 1.6 0.2 setosa
## 48 4.6 3.2 1.4 0.2 setosa
## 49 5.7 3.7 1.5 0.2 setosa
## 50 5.0 3.3 1.4 0.2 setosa
## 51 6.4 3.2 4.7 1.4 versicolor
## 52 6.4 3.2 4.5 1.5 versicolor
## 53 6.9 3.1 4.9 1.5 versicolor
## 54 5.5 2.3 4.0 1.3 versicolor
## 55 6.5 2.8 4.6 1.5 versicolor
## 56 5.7 2.8 4.5 1.3 versicolor
## 57 6.3 3.3 4.7 1.6 versicolor
## 58 4.9 2.4 3.3 1.0 versicolor
## 59 6.6 2.9 4.6 1.3 versicolor
## 60 5.2 2.7 3.9 1.4 versicolor
## 61 5.0 2.0 3.5 1.0 versicolor
## 62 5.9 3.0 4.2 1.5 versicolor
## 63 6.0 2.2 4.0 1.0 versicolor
## 64 6.1 2.9 4.7 1.4 versicolor
## 65 5.6 2.9 3.6 1.3 versicolor
## 66 6.7 3.1 4.4 1.4 versicolor
## 67 5.6 3.0 4.5 1.5 versicolor
## 68 5.8 2.7 4.1 1.0 versicolor
## 69 6.2 2.2 4.5 1.5 versicolor
## 70 5.6 2.5 3.9 1.1 versicolor
## 71 5.9 3.2 4.8 1.8 versicolor
## 72 6.1 2.8 4.0 1.3 versicolor
## 73 6.3 2.5 4.9 1.5 versicolor
## 74 6.1 2.8 4.7 1.2 versicolor
## 75 6.4 2.9 4.3 1.3 versicolor
## 76 6.6 3.0 4.4 1.4 versicolor
## 77 5.7 2.8 4.8 1.4 versicolor
## 78 6.7 3.0 5.0 1.7 versicolor
## 79 6.0 2.9 4.5 1.5 versicolor
## 80 5.7 2.6 3.5 1.0 versicolor
## 81 5.5 2.4 3.8 1.1 versicolor
## 82 5.5 2.4 3.7 1.0 versicolor
## 83 5.8 2.7 3.9 1.2 versicolor
## 84 6.0 2.7 5.1 1.6 versicolor
## 85 5.4 3.0 4.5 1.5 versicolor
## 86 6.0 3.4 4.5 1.6 versicolor
## 87 6.7 3.1 4.7 1.5 versicolor
## 88 6.3 2.3 4.4 1.3 versicolor
## 89 5.6 3.0 4.1 1.3 versicolor
## 90 5.5 2.5 4.0 1.3 versicolor
## 91 6.2 2.6 4.4 1.2 versicolor
## 92 6.1 3.0 4.6 1.4 versicolor
## 93 5.8 2.6 4.0 1.2 versicolor
## 94 5.0 2.3 3.3 1.0 versicolor
## 95 5.6 2.7 4.2 1.3 versicolor
## 96 5.7 3.0 4.2 1.2 versicolor
## 97 5.7 2.9 4.2 1.3 versicolor
## 98 6.2 2.9 4.3 1.3 versicolor
## 99 5.1 2.5 3.0 1.1 versicolor
## 100 5.7 2.8 4.1 1.3 versicolor
## 101 7.9 3.3 6.0 2.5 virginica
## 102 5.8 2.7 5.1 1.9 virginica
## 103 7.1 3.0 5.9 2.1 virginica
## 104 6.3 2.9 5.6 1.8 virginica
## 105 6.5 3.0 5.8 2.2 virginica
## 106 7.6 3.0 6.6 2.1 virginica
## 107 4.9 2.5 4.5 1.7 virginica
## 108 7.3 2.9 6.3 1.8 virginica
## 109 5.8 2.5 5.8 1.8 virginica
## 110 7.2 3.6 6.1 2.5 virginica
## 111 6.5 3.2 5.1 2.0 virginica
## 112 5.8 2.7 5.3 1.9 virginica
## 113 6.8 3.0 5.5 2.1 virginica
## 114 5.7 2.5 5.0 2.0 virginica
## 115 5.8 2.8 5.1 2.4 virginica
## 116 6.4 3.2 5.3 2.3 virginica
## 117 6.5 3.0 5.5 1.8 virginica
## 118 7.7 3.8 6.7 2.2 virginica
## 119 7.7 2.6 6.9 2.3 virginica
## 120 6.0 2.2 5.0 1.5 virginica
## 121 6.9 3.2 5.7 2.3 virginica
## 122 5.6 2.8 4.9 2.0 virginica
## 123 7.7 2.8 6.7 2.0 virginica
## 124 6.3 2.7 4.9 1.8 virginica
## 125 6.7 3.3 5.7 2.1 virginica
## 126 7.2 3.2 6.0 1.8 virginica
## 127 6.2 2.8 4.8 1.8 virginica
## 128 6.1 3.0 4.9 1.8 virginica
## 129 5.8 2.8 5.6 2.1 virginica
## 130 6.1 3.0 5.8 1.6 virginica
## 131 7.4 2.8 6.1 1.9 virginica
## 132 7.9 3.8 6.4 2.0 virginica
## 133 6.4 2.8 5.6 2.2 virginica
## 134 6.3 2.8 5.1 1.5 virginica
## 135 6.1 2.6 5.6 1.4 virginica
## 136 7.7 3.0 6.1 2.3 virginica
## 137 6.3 3.4 5.6 2.4 virginica
## 138 6.4 3.1 5.5 1.8 virginica
## 139 5.6 3.0 4.8 1.8 virginica
## 140 6.9 3.1 5.4 2.1 virginica
## 141 6.7 3.1 5.6 2.4 virginica
## 142 6.9 3.1 5.1 2.3 virginica
## 143 5.8 2.7 5.1 1.9 virginica
## 144 6.8 3.2 5.9 2.3 virginica
## 145 6.7 3.3 5.7 2.5 virginica
## 146 6.7 3.0 5.2 2.3 virginica
## 147 6.3 2.5 5.0 1.9 virginica
## 148 6.5 3.0 5.2 2.0 virginica
## 149 6.2 3.4 5.4 2.3 virginica
## 150 5.9 3.0 5.1 1.8 virginicapackage dplyr
- 類SQL語法,select,filter,arrange,mutate…
- Chaining %>%, debug方便
cheat sheet
setwd('~/lecture/riii')
load('Statistics/applenews.RData')
str(applenews)## 'data.frame': 1500 obs. of 5 variables:
## $ content : chr "\n (更新:新增影片)想要透過刮刮樂彩券一夕致富，但他卻用錯方法！台中市一名"| __truncated__ "\n 澳洲一名就讀雪梨大學的華裔博士生，日前公開一段燒毀中國護照的影片，還"| __truncated__ "\n 【行銷專題企劃】房價高高在上，沒錢買房沒關係，但你認為自己是聰明的租"| __truncated__ "\n 本內容由中央廣播電臺提供 美國國防部長卡特(Ash Carter)今天(15日"| __truncated__ ...
## $ title : chr "【更新】搶2.2萬彩券刮中1.4萬 沒發財還得入獄" "拿到澳洲護照後 他放火燒中國護照" "【特企】房市大追擊- 租屋這些事情要小心" "【央廣RTI】美菲軍演 美防長南海登艦" ...
## $ dt : POSIXct, format: "2016-04-15 14:32:00" "2016-04-15 14:32:00" ...
## $ category: chr "社會" "國際" "地產" "國際" ...
## $ clicked : int 1754 0 0 0 311 24 20 314 27 308 ...applenews = applenews[,-1]
#install.packages('dplyr')
library(dplyr)## Warning: package 'dplyr' was built under R version 3.5.2##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union#dplyr 的過濾功能
head(filter(applenews, category == "娛樂"))## title dt category
## 1 澎恰恰收女弟子 拱當台灣第一名伶 2016-04-15 14:17:00 娛樂
## 2 【唱新聞】詐騙嗎？R.O.C.有CHINA但不是CHINA 2016-04-15 14:00:00 娛樂
## 3 白曉燕命案19年了 白冰冰「不能忘」 2016-04-15 13:49:00 娛樂
## 4 好萊塢男神好威 女友再當高齡產婦 2016-04-15 13:40:00 娛樂
## 5 隋棠帶兒遠征南台灣 吃成膨皮母子檔 2016-04-15 13:30:00 娛樂
## 6 伊勢谷友介掰了長澤雅美 半同居小16歲辣模 2016-04-15 13:23:00 娛樂
## clicked
## 1 1749
## 2 11696
## 3 3329
## 4 4307
## 5 4651
## 6 5141#dplyr 的欄位選取
head(select(applenews,category,clicked))## category clicked
## 1 社會 1754
## 2 國際 0
## 3 地產 0
## 4 國際 0
## 5 時尚 311
## 6 財經 24head(select(filter(applenews,category == '娛樂',clicked >= 100000),category,clicked),3)## category clicked
## 1 娛樂 126774
## 2 娛樂 131942
## 3 娛樂 142444applenews %>%
filter(.,category == '娛樂',clicked >= 100000) %>%
select(.,category,clicked) %>%
head(.,3)## category clicked
## 1 娛樂 126774
## 2 娛樂 131942
## 3 娛樂 142444#使用Chaining
applenews %>%
select(.,category,clicked) %>%
filter(category == '娛樂') %>%
head()## category clicked
## 1 娛樂 1749
## 2 娛樂 11696
## 3 娛樂 3329
## 4 娛樂 4307
## 5 娛樂 4651
## 6 娛樂 5141dplyr(續)
## %in% 檢查元素的值
filter(applenews, category %in% c('娛樂','社會'))## title
## 1 【更新】搶2.2萬彩券刮中1.4萬 沒發財還得入獄
## 2 同居人女兒熟睡 淫男伸狼爪
## 3 澎恰恰收女弟子 拱當台灣第一名伶
## 4 【驚險有片】BMW撞翻撞公車 後方機車神穿越
## 5 【唱新聞】詐騙嗎？R.O.C.有CHINA但不是CHINA
## 6 九巡翁霸坐展售車？ 原因好心酸
## 7 白曉燕命案19年了 白冰冰「不能忘」
## 8 催討債務釀衝突 要小弟持槍討債先被抓
## 9 男翻拍女友手機對話 PO爆料公社控劈腿
## 10 好萊塢男神好威 女友再當高齡產婦
## 11 隋棠帶兒遠征南台灣 吃成膨皮母子檔
## 12 伊勢谷友介掰了長澤雅美 半同居小16歲辣模
## 13 徐佳瑩開唱前驚傳失聲 急診照曝光
## 14 製酒廢液毒害桃園福興溪 2惡老闆起訴
## 15 中研院化學所實驗室起火 緊急撲滅無人傷亡
## 16 不滿人妻被劈腿 她竟上網揭友人姦情
## 17 死侍續攤雙喜 花邊教主又有了！
## 18 馬國50台人將遣中 我代表處動員馬國高層友人協助
## 19 台電維修變電箱 受百用戶臨時停電
## 20 【暗黑城市】酒駕男廁所裝屎尿 醫院保全暴衝怒槓記者
## 21 【更新】甲仙國小拔河隊疑食物中毒 14生送醫
## 22 愛滋男師上網約炮 嘿咻百男遭判13年
## 23 【更新】《太陽》完美結局 沉船灣之吻收視最熱
## 24 5月大女嬰疑嗆奶 母急奔診所求助
## 25 疑濕滑自摔 保全倒臥社區流血不治
## 26 小三通走私32顆蛋 查獲時雛鳥孵化了！
## 27 救命錢都A！惡公僕污30萬救濟金 還推責給共犯
## 28 【更新】搶在翁啟惠返台前 檢調搜索浩鼎等7處
## 29 兒拿舊作業改日期矇混 父暴怒猛甩耳光
## 30 宋慧喬愛國拒代言 台大教授批韓軍「應被唾棄」
## 31 【更新】嗲嗲女吹口氣 6萬元飛了
## 32 天雨路滑疑自撞 騎士走百公尺路倒亡
## 33 【請回答】六月李易對質實況 出軌X次說清楚！
## 34 青年6度性侵男童 判緩刑5年有原因
## 35 借1200萬不還遭擄痛毆 6煞拿電擊棒伺候
## 36 好萊塢麻煩精釣到小開！大顆訂婚戒到處閃
## 37 蒙眼活埋殺人遭判無期 惡煞撇責提再審
## 38 【還記得他嗎】童星竄高變小鮮肉 拉攏同儕救人氣
## 39 醉嗆「看三小」孕婦遭推 酒店外爆全武行
## 40 豪雨不斷 中橫梨山往大禹嶺落石
## 41 【特企】三角戀無緣啦！風田愛佼哥 不愛宏正
## 42 劉愷威被問楊冪超囧 擠不出上次何時見
## 43 【壹週刊】原來發哥才是鞋神
## 44 竹崎鄉主秘代鄉長職 「整晚睡不著覺」
## 45 肯亞案確定組團赴中 羅瑩雪：最快下周一出發
## 46 1小時燒5萬！宋仲基白斬雞變筋肉男
## 47 【網路溫度計】AV女優私密大公開！十大網友最想知道的女優秘辛！
## 48 【痞客邦】回顧經典名片《銀翼殺手》
## 49 殺警再爆內幕 出牆妻再嫁黑道鄉長目的曝光
## 50 【壹週刊】日本寫真女星 在台熱舞替她宣傳
## 51 【更新】媽趁機性教育 意外揭2女兒淪性奴
## 52 酒店外火爆衝突 女警表情成亮點
## 53 警專生誘姦外拍少女 逼嘿咻790次贖性感照
## 54 噁心！渣男假好心 逼國小姊妹口愛當新娘
## 55 噁心！渣男假好心 逼國小姊妹口愛當新娘
## 56 超級Kobe粉是她！ 女神奔球場又哭又尖叫
## 57 炫咘咘藏梧桐妹 賈靜雯自曝「不愛」原因
## 58 騎士被夾撞火燒77秒 肇事駕駛只判...
## 59 連勝文被瞎報特權搭機喊告 三立：已更新
## 60 斯文男星爭收視寶座 戲拍一半急送醫
## 61 女主播爆料 全電視台等宋仲基不肯下班
## 62 笑匠女星膽子超大 把鬼當談心好朋友
## 63 【法律問蘋果】酒駕緩訴或判無罪 罰單得照繳
## 64 「遭性侵不是你的錯」 應勇敢求助
## 65 【獨家】捨身救妹 長女忍獸父性侵8年
## 66 李佳薇自認不漂亮 大改造變暴風歌姬
## 67 孫盛希為開唱暴瘦 八三夭送保肝丸
## 68 Miss Ko不當饒舌鄧麗君 變身環球小姐
## 69 復航澎湖空難 12分鐘譯文完整公開
## 70 【有片】《太陽的後裔》喜劇收尾 雙宋激吻甜爆
## 71 【壹週刊】【有片】近距離直擊李鍾碩的萌帥
## 72 動力火車演唱會加賣 騎重機飆進小巨蛋
## 73 宋茜楊洋熱戀被抓包？SM公司拒認
## 74 殘殺好友 他報案未逃呆立現場
## 75 殺警爆緋聞情殺 死者母親身體不適掛急診
## 76 彰化古物店凶案 竟是好友殺好友
## 77 新北三重公寓火警 警消搶救幸無傷亡
## 78 【影片】彰化古物店金錢糾紛 男持鐵架打死合夥人
## 79 【更新】討債集團囂張如狼 包圍檢警還打瞎PUB服務生
## 80 【獨家】掏空私校職工退撫金 國策顧問100萬交保
## 81 蕭煌奇草原拍MV沒廁所 不敢喝水憋尿
## 82 澎湖空難官僚殺人！空軍高勤官打槍塔台拒撥跑道
## 83 【影片】坐家門乘涼 惡煞登門持槍指頭爆打
## 84 Janet抱病站台 想拼做人卻重感冒
## 85 司法院最新統計 9成詐欺犯判刑不到1年
## 86 趕著去釣蝦 貨車失控自撞翻車4輕傷
## 87 【奶姬妹】八兩金有女兒？媽呀有夠像
## 88 【更新】畫漫畫療癒患者 女學生獲10萬獎學金
## 89 公車上有色狼 被害人：絕不原諒
## 90 【暖蘋果】公車司機毫不猶豫做這事 感動人心
## 91 溫流談《太陽的後裔》「會記得很久」
## 92 歐陽妮妮穿裙大開腿 霸氣釣男人
## 93 音樂人不好當！劉喬安撐明星夢先開按摩坊
## 94 【有片】嫁豪門首現身奉送美背 楊千霈「緣份擋不住」
## 95 【公庫】血汗海鮮 外籍漁工遭層層剝削
## 96 贓車借屍還魂 高市警大破竊車集團
## 97 假美鈔案 檢調策反掮客轉污點證人
## 98 毒鴛鴦偷車又行搶 魯肉飯吃到一半遭逮
## 99 【更新】香蕉太貴買不起 再等幾天就降了
## 100 【更新】殺警心虛？王焜弘被爆攜大量庫錢拜廟
## 101 【更新】雨中騎車兩度挨撞 男大生傷重不治
## 102 【更新】正晶揭露新詐騙案 7百萬存款不翼而飛
## 103 羅瑩雪再創金句 「泰國人只會講泰國話」
## 104 遭逆向賓士兇狠砸車 被害人低調不報案
## 105 今晚迎接完結篇！回味《太陽》10大浪漫鏡頭
## 106 那些年跨國逮回的詐騙集團 後來怎麼了
## 107 【更新】坎城影展公布競賽片單 華語片全摃龜
## 108 BMW自撞分隔島起火 駕駛昏迷送醫
## 109 持變造護照遭識破 印度男桃機闖關被抓
## 110 【有片】女遭惡鄰揮刀毀容 畫面曝光
## 111 咘咘出道梧桐妹不給看 賈靜雯解釋差別待遇因為～～
## 112 徐潔兒三亞跑神上身 靖王王凱獻初體驗
## 113 美女拐拐淡妝奔200公里 攏係為著她
## 114 【更新】60歲寶媽的第一次 累到沒辦法洗澡
## 115 炎亞綸秀合照致敬Kobe「我還是哭了」
## 116 【多圖】這些立委遇到羅瑩雪 全都崩潰了
## 117 鄰居抱怨佛經太大聲 比丘尼竟揮鋸砍人
## 118 韓粉過黑色情人節 最想跟宋仲基秀智吃炸醬麵
## 119 【民報】花東鐵6億弊案代誌大條 台鐵亡羊補牢全面體檢鐵路安全
## 120 拚不過價錢竟亮槍 筍農踢館反遭痛毆
## 121 【獨家直擊】阿里山採茶工收工 近30人擠1車
## 122 【獨家】澎湖空難起訴 家屬泣訴：等很久了
## 123 【有片】孫德榮公司傳承小刀 隔空虧羅志祥
## 124 【更新】台人遭中國紅色通緝 羅瑩雪：「他就死掉了」
## 125 【更新】大甲媽回鑾 連8年進明道大學
## 126 太白目！BMW警局前撞採訪車 男疑毒駕自投羅網
## 127 一再騙錢抓不怕 詐欺慣犯又吸金4千萬
## 128 【影片】澎湖空難偵結 馬公基地高勤官與塔台人員2人遭起訴
## 129 【有片】《太陽》喬妹哭技爆發 最高收視竟不是她
## 130 憲兵濫搜是否違法 北檢近期將偵結
## 131 「然後他就死掉了」 羅瑩雪造句大賽熱議中
## 132 【更新】不給魏應充鑽轎腳 《壹周刊》PS媽祖挨告
## 133 為肯亞案互嗆 司委會通過要求撤換羅瑩雪
## 134 雷神超賢慧 半夜為愛女煮消夜
## 135 【有片】天龍國一位難求 為了停車輾警腳還嗆閉嘴
## 136 【有片】逆向被叭 垃圾！惡賓士球棒爆打狠K
## 137 避免被性騷擾 5招3訣教妳反制色狼
## 138 最夯男神換人！宋仲基搶金秀賢代言
## 139 【更新】男子涉水試吉普車 突遇爆洪受困沙洲
## 140 車手出年少！未成年情侶竟是訓練師
## 141 低價品混充倍思康隱形眼鏡 3萬片流市面
## 142 徐若瑄紅眼班太操 抱Q兒取暖
## 143 復航墜河空難 檢方預計7月偵結
## 144 陸客假自由行 馬祖沿街算命詐財
## 145 憲兵濫搜案 檢方認定文件非機密民眾不起訴
## 146 【影片】基隆外海漁船失火 海巡隊馳援救5人
## 147 隋棠環保媽媽 紙巾重複用
## 148 意志不堅卡好賣 男鎖定戒治所前販毒
## 149 蔡詩芸穿衣災難 糗變透明人
## 150 澎湖空難2人遭起訴 正副駕駛涉業務過失
## 151 【有片】咘咘出道囉！賈靜雯一家現身真人秀
## 152 綠島良民乖乖衣 卻壞壞持毒遭逮
## 153 【影片】幽靈貨車撞水果攤 孕婦挨撞幸運輕傷
## 154 【有片】為肯亞案互槓 段宜康、羅瑩雪火爆對嗆
## 155 被挖出舊照黑皮塌鼻 本土劇女神這麼說...
## 156 廢棄眷舍磚牆轟然倒 居民批軍方可惡
## 157 蛇精男難得被點讚！他在這裡變「正常」
## 158 【更新】詐騙成員被拋棄淪遊民 偷車縱火險火燒山
## 159 【更新】詐騙產業公會感謝聲明 羅瑩雪收到了
## 160 百公斤原物料倒塌 工人遭壓傷命危
## 161 劉子千好直白 演吻戲「很開心」
## 162 俊秀獻聲《太陽》 通殺韓國音樂榜
## 163 【有片】人夫眼睛該看哪 小珍妮佛不穿Bra透視登場
## 164 沙灘車拖拉鼓陣害少年摔癱 駕駛判刑定讞
## 165 「肯亞案」為何爆發搶人大戰 他說出真正原因
## 166 麥當勞借刀殺前夫不成 女辯稱借工具防身
## 167 以為自己也有機會 賤男尾隨女同事性侵
## 168 霸桌+塗鴉+射飛鏢 惡霸強收保護費
## 169 白娘子晃眼23年仍凍齡 反觀許仙……
## 170 駕船赴馬祖岸邊採貝 陸男非法入境遭逮
## 171 越線被啪啪免驚 中市光學測照還未啟用
## 172 舊貨當新品危害東部鐵路 3官商遭聲押
## 173 挖避邪草去霉運 連關老爺都不幫忙
## 174 金賢重官司不斷 被欠千萬告詐欺
## 175 段宜康拿痰盂批法務部 羅瑩雪：這叫污辱
## 176 F奶小模不爽遭影射 開譙吳宗憲節目
## 177 外公半夜出門購物 孫女爬窗墜8樓
## 178 分手拒還女軍人2萬 他還逼軍方懲處她
## 179 李珍妮遭查封6柏金包 怒告米凱莉求償500萬
## 180 新手爸媽注意 他拋晃滿月兒竟害骨折眼出血
## 181 澎湖復興空難 地檢署下午偵結起訴
## 182 音準歌姬被嗆「跩屁」 失去自信在家痛哭
## 183 【更新】警所旁火燒車 波麗士大人神救援
## 184 送桶瓦斯來卻少5面金牌 員工尾隨活逮
## 185 熟女裸照遭PO網 前男友挨告竟說不認識她
## 186 【壹週刊】林錫山索賄案大突破 行賄廠商認罪交保
## 187 桃園最多移工城市 首次外文宣導萬安演習
## 188 立院採購弊案 業者供出林錫山收賄獲交保
## 189 李珍妮贏了 法院判「賤狗體」道歉有效
## 190 秀琴囧變蠟筆小新 竟是XX惹的禍
## 191 地產女王賣屋踢鐵板 遭控買賣凶宅
## 192 【更新】疑自撞火燒車 男子燒成白骨身首分離
## 193 鐵皮違建逃生不易 引發大火恐成鐵棺材
## 194 【更新】Kobe告別戰 林熙蕾奔球場見證
## 195 【影片】萬華惡火2死 鄰居疑情侶爭吵釀災
## 196 小丑上身逼發狂 他送人用過的保險套
## 197 開曳引車低頭調椅背 夾撞女騎士成焦屍
## 198 偷車載小馬子兜風 撞死賣菜老翁
## 199 李安新片預告首曝光 觀眾鼓掌歡呼
## 200 【更新】國道追撞4人輕重傷 自撞男下車查看輾斷雙腿
## 201 台東惡少暗夜逞凶 棍棒齊飛砸爛車
## 202 金宇彬不怕李敏鎬翻臉 帶他女友逛大街
## 203 【痞客邦】《蝙蝠俠對超人：正義曙光》到底為何評價兩極？
## 204 【更新】詐欺犯回台罪太輕？ 羅瑩雪打算這麼做
## 205 上海立法管控毒星 柯震東房祖名禁露臉
## 206 【更新】女童說這句話 意外揭媽劈腿
## 207 強碰南韓國會大選 《太陽的後裔》照吸睛
## 208 貴婦人妻太閒了 她只好和一些網友嘿咻
## 209 和華妃戀愛中？靖王答腔了
## 210 【明星輕小說】竇智孔落魄時 救汪星人也救自已
## 211 被批過氣、整容 陳志朋公開淚談
## 212 有內情？辣模女友控MP廷廷 「對我做可怕的事」
## 213 悚！妻半夜爬起來剪這個 老公嚇傻提離婚
## 214 萬華惡火2死 是否縱火待檢警釐清
## 215 男友要娶那個女人！ 她怒找降頭師這樣做
## 216 殺童唯一死刑？ 法界人士：恐成凶手尋死方式
## 217 主播夏嘉璐惹到誰？ 被爆料4大缺失
## 218 2租客送醫亡 住戶：「頂加非違建」
## 219 1張裸照、2度買凶 殺警鄉長栽在他手上
## 220 雙碩士摩鐵約砲 25女嘿咻被偷拍
## 221 人妻偷吃成性 2個孩子都不是老公的
## 222 巴基斯坦色狼性侵 有妻小不逐出台灣
## 223 綠光鄉長看到5個字 200萬買兇殺員警
## 224 性愛偷拍後 璩美鳳這15年來這樣過
## 225 疑情侶吵架男友放火 女屋主做筆錄快閃
## 226 五分埔火警難搶救 警消冒死趴鐵皮灌救
## 227 鬱男疑心情不佳 租屋處燒炭亡
## 228 宋仲基《太陽》衝擊金秀賢障礙 激搶收視王
## 229 力宏辦生日趴送驚喜 老婆正面孕肚見光
## 230 陳柏霖韓劇好威 一露臉收視立漲
## 231 【星鮮貨】綾瀨遙加持優等生大衣 下殺折扣搶翻
## 232 蟻人看到美國隊長變小粉絲 摸肌塊驚呼「老天！」
## 233 演唱會XX太難 考倒宇宙人
## 234 【狗仔偷拍】好大的派頭 李㼈違停霸氣外露
## 235 【爆雷15】宋仲基《太陽》陣亡 虐翻喬妹神轉折
## 236 【有片】雨中見台灣希望 年輕人這樣做...
## 237 【法律問蘋果】派遣人員可以請育嬰假嗎?
## 238 【公庫】「校園不是軍營、學生不是士兵」 學生團體要求教官退出校園
## 239 李千娜認了喇舌 談曖昧對象「我們很好」
## 240 【民報】汙這錢太黑心!花東鐵爆5億弊案花檢夜訊追究
## 241 【更新】強固保全驚爆掏空案 董座20萬交保
## 242 T台記者赴馬丘比丘 受不了高山症
## 243 男子違停不聽勸 持螺絲起子攻擊警員
## 244 劉容嘉挑戰跳56樓 挑釁攝影師
## 245 浩子挖掘黑暗面 想到小孩老婆崩潰痛哭
## 246 「無視鐵路安全」 無良官商用舊計軸器A錢
## 247 柯佳嬿戲如人生 總是當女主角的運
## 248 少女童星萌笑開球 姿勢錯誤小落漆
## 249 【這不是新聞】水杯出現這個 客人全嚇傻了
## 250 【更新】台苯10億掏空案收網 天籟董事長遭傳訊
## 251 台鐵東部鐵路電氣化涉弊案 廉政署帶回21人
## 252 【公庫】低價煤電阻礙綠能 環團籲：多付錢，換好空氣與健康
## 253 男星扮皇帝腿軟 自認不是那塊料
## 254 【更新】機警海關逮「毒」熊貓 估可毒害3600萬人次
## 255 米可白被婆婆趕出家 哭到眼歪嘴斜
## 256 【公庫】死刑定讞十年後 鄭性澤重回法庭：我沒殺人
## 257 豪雨釀山難 62歲男子攀桃山失蹤
## 258 林志穎萌照出土 潮襪暴露身份
## 259 鋼鐵人慘被球棒襲鵰 草泥馬都鄙視他
## 260 陳志朋淚崩談整容 隱瞞炸傷原因有洋蔥
## 261 浩鼎內線交易疑雲 檢調再傳3證人
## 262 為了幼女不願坐牢 女子拒捕遭警開16槍
## 263 美艷辣照吸客 陸女來台日接10男客
## 264 孫儷雲端抓猴 鄧超的「小三」長這樣
## 265 【更新】醉漢揮刀出沒醫院 對峙警10分鐘遭制伏
## 266 雪炫曬心形長髮床照 呼籲國民投票
## 267 肯亞案 法務部：台灣有管轄權
## 268 【告別小燈泡】爸爸首發聲 「仇恨滋長邪惡」
## 269 【壹週刊】誰斗膽讓女皇瑪丹娜尿濕了褲子？【有片】
## 270 【苦勞網】漁工膳宿遭層層剝削 勞動部執法避重就輕
## 271 【公庫】桃園航道下的聲音：遷移，是對未來更好生活的期待
## 272 【有片】19歲美籍傳教士摔車遭輾 口鼻出血殉道台灣
## 273 33E瑤瑤偷穿32C張景嵐原味衣...差點撐爆
## 274 滿地傷患待援 金門萬安演習逼真
## 275 王柏傑許瑋甯合體 堅稱「就是朋友」
## 276 【更新】茶改場技工噴藥後猝死 家屬指官僚殺人
## 277 【更新】王焜弘稱心臟病 抵死不測謊
## 278 長得不像？ 男驗DNA才知2女兒都非親骨肉
## 279 麻衣1歲兒神力扛麻糬 台塑第4代抓周拿算盤
## 280 【獨家】晶華酒店有內賊 竟A走客人存酒
## 281 【肯亞案】被中國帶走的台人 有2人是通緝犯
## 282 【更新】MP廷廷有新歡！李優爆「對我做可怕的事」
## 283 《太陽》編劇金恩淑洩密 結局非爛尾
## 284 【有片】福爾摩斯轉職奇異博士 竟被女光頭打出魂魄
## 285 【更新】AKB美胸女王駕到！小嶋陽菜貴氣抵台
## 286 【更新】被同學硬戴小戒指 國二女生痛整晚
## 287 【肯亞案】組團赴中 羅瑩雪：本來今天要出發
## 288 【肯亞案】組團赴中 羅瑩雪：本來今天要出發
## 289 葉毓蘭再嗆肯亞詐騙疑犯 要媒體將心比心
## 290 【更新】許維恩剛認愛就變心 甜喊「憲哥我愛你」
## 291 北市工務局技工好大膽 竟收賄喝花酒驗收放水
## 292 章子怡加入炫娃族 連發醒醒萌Q變身照
## 293 【民報】一生難忘媽媽的話！86獨居老翁臨終囑捐財產三金條
## 294 「下降頭能挽回婚姻」 女控遭騙63萬元
## 295 假晶華董事詐騙7億 只還100萬的下場是...
## 296 本土劇女神整形前照出土？！黑皮塌鼻引戰火
## 297 四面佛前跳艷舞 廟方「應是信徒花錢請的」
## 298 落單女沒先上鎖車門 遭惡男劫財劫色
## 299 【影片】醫院外揮刀咆哮 警方衝上前一棒打掉
## 300 劉真女兒雙滿月 辛龍送糕「最幸福的事」
## 301 等著見小豬？！周揚青出沒台北信義區
## 302 360度搶拍法拉利 警：開違規罰300元
## 303 學蜘蛛人垂降進屋 糗懸3樓高半空
## 304 警政署前署長顏世錫腦出血 昏迷送萬芳醫院治療
## 305 【更新】罵記者「神經病」被訴 連惠心賠50萬換和解
## 306 歪國老闆拉鐵門性侵女客 因這事判免驅離
## 307 美魔安糾紛被控妨害名譽 前主播妻不起訴
## dt category clicked
## 1 2016-04-15 14:32:00 社會 1754
## 2 2016-04-15 14:22:00 社會 1076
## 3 2016-04-15 14:17:00 娛樂 1749
## 4 2016-04-15 14:12:00 社會 11886
## 5 2016-04-15 14:00:00 娛樂 11696
## 6 2016-04-15 13:52:00 社會 4582
## 7 2016-04-15 13:49:00 娛樂 3329
## 8 2016-04-15 13:47:00 社會 1154
## 9 2016-04-15 13:45:00 社會 4322
## 10 2016-04-15 13:40:00 娛樂 4307
## 11 2016-04-15 13:30:00 娛樂 4651
## 12 2016-04-15 13:23:00 娛樂 5141
## 13 2016-04-15 13:08:00 娛樂 11588
## 14 2016-04-15 13:07:00 社會 1989
## 15 2016-04-15 13:06:00 社會 1147
## 16 2016-04-15 13:02:00 社會 15328
## 17 2016-04-15 13:00:00 娛樂 5209
## 18 2016-04-15 12:52:00 社會 4432
## 19 2016-04-15 12:41:00 社會 1011
## 20 2016-04-15 12:38:00 社會 8186
## 21 2016-04-15 12:34:00 社會 3747
## 22 2016-04-15 12:33:00 社會 14450
## 23 2016-04-15 12:29:00 娛樂 27010
## 24 2016-04-15 12:26:00 社會 3263
## 25 2016-04-15 12:09:00 社會 4273
## 26 2016-04-15 12:08:00 社會 8332
## 27 2016-04-15 12:05:00 社會 2957
## 28 2016-04-15 11:59:00 社會 17249
## 29 2016-04-15 11:53:00 社會 2518
## 30 2016-04-15 11:52:00 娛樂 10455
## 31 2016-04-15 11:47:00 社會 22995
## 32 2016-04-15 11:47:00 社會 4325
## 33 2016-04-15 11:40:00 娛樂 88386
## 34 2016-04-15 11:39:00 社會 3129
## 35 2016-04-15 11:35:00 社會 3956
## 36 2016-04-15 11:27:00 娛樂 9930
## 37 2016-04-15 11:25:00 社會 2491
## 38 2016-04-15 11:00:00 娛樂 7536
## 39 2016-04-15 10:48:00 社會 53097
## 40 2016-04-15 10:40:00 社會 1316
## 41 2016-04-15 10:39:00 娛樂 1631
## 42 2016-04-15 10:30:00 娛樂 10478
## 43 2016-04-15 10:30:00 娛樂 5766
## 44 2016-04-15 10:17:00 社會 16970
## 45 2016-04-15 10:15:00 社會 17912
## 46 2016-04-15 10:04:00 娛樂 13351
## 47 2016-04-15 09:57:00 娛樂 8761
## 48 2016-04-15 09:49:00 娛樂 1681
## 49 2016-04-15 09:42:00 社會 172024
## 50 2016-04-15 09:40:00 娛樂 4143
## 51 2016-04-15 09:26:00 社會 57953
## 52 2016-04-15 08:05:00 社會 42724
## 53 2016-04-15 08:04:00 社會 55616
## 54 2016-04-15 07:35:00 社會 11274
## 55 2016-04-15 07:35:00 社會 11274
## 56 2016-04-15 07:08:00 娛樂 12420
## 57 2016-04-15 06:56:00 娛樂 80200
## 58 2016-04-15 06:49:00 社會 5954
## 59 2016-04-15 01:10:00 娛樂 19030
## 60 2016-04-15 00:51:00 娛樂 19625
## 61 2016-04-15 00:38:00 娛樂 18220
## 62 2016-04-15 00:10:00 娛樂 4697
## 63 2016-04-15 00:05:00 社會 5431
## 64 2016-04-15 00:03:00 社會 9014
## 65 2016-04-15 00:01:00 社會 55128
## 66 2016-04-15 00:00:00 娛樂 7561
## 67 2016-04-14 23:18:00 娛樂 5241
## 68 2016-04-14 23:00:00 娛樂 12046
## 69 2016-04-14 22:42:00 社會 27477
## 70 2016-04-14 22:37:00 娛樂 126774
## 71 2016-04-14 22:32:00 娛樂 5085
## 72 2016-04-14 22:30:00 娛樂 4999
## 73 2016-04-14 22:20:00 娛樂 13761
## 74 2016-04-14 22:12:00 社會 14023
## 75 2016-04-14 22:02:00 社會 22370
## 76 2016-04-14 21:57:00 社會 7430
## 77 2016-04-14 21:47:00 社會 3856
## 78 2016-04-14 21:38:00 社會 35349
## 79 2016-04-14 21:18:00 社會 31428
## 80 2016-04-14 21:09:00 社會 59690
## 81 2016-04-14 21:05:00 娛樂 3450
## 82 2016-04-14 20:45:00 社會 150666
## 83 2016-04-14 20:42:00 社會 23574
## 84 2016-04-14 20:40:00 娛樂 8574
## 85 2016-04-14 20:39:00 社會 10772
## 86 2016-04-14 20:39:00 社會 4430
## 87 2016-04-14 20:30:00 娛樂 27440
## 88 2016-04-14 20:29:00 社會 2323
## 89 2016-04-14 20:24:00 社會 6057
## 90 2016-04-14 20:20:00 社會 11706
## 91 2016-04-14 20:18:00 娛樂 20450
## 92 2016-04-14 20:04:00 娛樂 22129
## 93 2016-04-14 20:00:00 娛樂 14398
## 94 2016-04-14 19:56:00 娛樂 24017
## 95 2016-04-14 19:50:00 社會 4743
## 96 2016-04-14 19:49:00 社會 5441
## 97 2016-04-14 19:46:00 社會 2567
## 98 2016-04-14 19:38:00 社會 8502
## 99 2016-04-14 19:34:00 社會 64238
## 100 2016-04-14 19:33:00 社會 77064
## 101 2016-04-14 19:25:00 社會 41538
## 102 2016-04-14 19:15:00 社會 241842
## 103 2016-04-14 19:08:00 社會 93376
## 104 2016-04-14 19:05:00 社會 12356
## 105 2016-04-14 18:56:00 娛樂 22946
## 106 2016-04-14 18:54:00 社會 112086
## 107 2016-04-14 18:45:00 娛樂 3382
## 108 2016-04-14 18:39:00 社會 7486
## 109 2016-04-14 18:34:00 社會 7568
## 110 2016-04-14 18:28:00 社會 9909
## 111 2016-04-14 18:28:00 娛樂 131942
## 112 2016-04-14 18:23:00 娛樂 8041
## 113 2016-04-14 18:22:00 娛樂 9258
## 114 2016-04-14 18:16:00 娛樂 76064
## 115 2016-04-14 18:11:00 娛樂 20399
## 116 2016-04-14 17:54:00 社會 138085
## 117 2016-04-14 17:52:00 社會 39768
## 118 2016-04-14 17:49:00 娛樂 8810
## 119 2016-04-14 17:47:00 社會 4005
## 120 2016-04-14 17:44:00 社會 5786
## 121 2016-04-14 17:41:00 社會 30343
## 122 2016-04-14 17:39:00 社會 16035
## 123 2016-04-14 17:38:00 娛樂 26036
## 124 2016-04-14 17:34:00 社會 100973
## 125 2016-04-14 17:33:00 社會 13077
## 126 2016-04-14 17:29:00 社會 18487
## 127 2016-04-14 17:13:00 社會 14017
## 128 2016-04-14 17:06:00 社會 59580
## 129 2016-04-14 17:00:00 娛樂 31727
## 130 2016-04-14 16:57:00 社會 918
## 131 2016-04-14 16:55:00 社會 103829
## 132 2016-04-14 16:52:00 社會 81948
## 133 2016-04-14 16:46:00 社會 140109
## 134 2016-04-14 16:45:00 娛樂 16175
## 135 2016-04-14 16:40:00 社會 37106
## 136 2016-04-14 16:39:00 社會 131262
## 137 2016-04-14 16:31:00 社會 4145
## 138 2016-04-14 16:30:00 娛樂 16676
## 139 2016-04-14 16:22:00 社會 8396
## 140 2016-04-14 16:11:00 社會 8095
## 141 2016-04-14 16:10:00 社會 2772
## 142 2016-04-14 16:00:00 娛樂 15089
## 143 2016-04-14 15:59:00 社會 5480
## 144 2016-04-14 15:57:00 社會 8736
## 145 2016-04-14 15:52:00 社會 30836
## 146 2016-04-14 15:47:00 社會 2953
## 147 2016-04-14 15:40:00 娛樂 11339
## 148 2016-04-14 15:39:00 社會 5089
## 149 2016-04-14 15:35:00 娛樂 16073
## 150 2016-04-14 15:32:00 社會 3982
## 151 2016-04-14 15:22:00 娛樂 142444
## 152 2016-04-14 15:20:00 社會 3554
## 153 2016-04-14 15:19:00 社會 6390
## 154 2016-04-14 15:12:00 社會 53120
## 155 2016-04-14 15:12:00 娛樂 78743
## 156 2016-04-14 15:11:00 社會 2261
## 157 2016-04-14 15:00:00 娛樂 73177
## 158 2016-04-14 14:50:00 社會 7029
## 159 2016-04-14 14:45:00 社會 85337
## 160 2016-04-14 14:41:00 社會 3208
## 161 2016-04-14 14:35:00 娛樂 6653
## 162 2016-04-14 14:30:00 娛樂 15253
## 163 2016-04-14 14:18:00 娛樂 64117
## 164 2016-04-14 14:18:00 社會 2409
## 165 2016-04-14 14:10:00 社會 145415
## 166 2016-04-14 14:10:00 社會 3001
## 167 2016-04-14 14:08:00 社會 12791
## 168 2016-04-14 14:01:00 社會 4655
## 169 2016-04-14 14:00:00 娛樂 62067
## 170 2016-04-14 13:59:00 社會 1305
## 171 2016-04-14 13:55:00 社會 3590
## 172 2016-04-14 13:54:00 社會 1584
## 173 2016-04-14 13:40:00 社會 4218
## 174 2016-04-14 13:19:00 娛樂 10520
## 175 2016-04-14 13:06:00 社會 12096
## 176 2016-04-14 13:05:00 娛樂 67683
## 177 2016-04-14 13:05:00 社會 8084
## 178 2016-04-14 13:04:00 社會 8394
## 179 2016-04-14 12:49:00 社會 9445
## 180 2016-04-14 12:46:00 社會 26555
## 181 2016-04-14 12:35:00 社會 14572
## 182 2016-04-14 12:30:00 娛樂 16054
## 183 2016-04-14 12:29:00 社會 3501
## 184 2016-04-14 12:26:00 社會 9062
## 185 2016-04-14 12:17:00 社會 20388
## 186 2016-04-14 12:17:00 社會 3043
## 187 2016-04-14 12:16:00 社會 1602
## 188 2016-04-14 12:09:00 社會 1957
## 189 2016-04-14 12:07:00 社會 13473
## 190 2016-04-14 12:05:00 娛樂 22056
## 191 2016-04-14 12:05:00 社會 8341
## 192 2016-04-14 12:03:00 社會 11409
## 193 2016-04-14 11:54:00 社會 1883
## 194 2016-04-14 11:50:00 娛樂 30967
## 195 2016-04-14 11:40:00 社會 39034
## 196 2016-04-14 11:40:00 娛樂 7971
## 197 2016-04-14 11:40:00 社會 6051
## 198 2016-04-14 11:24:00 社會 6432
## 199 2016-04-14 11:20:00 娛樂 18160
## 200 2016-04-14 11:05:00 社會 43785
## 201 2016-04-14 10:48:00 社會 4606
## 202 2016-04-14 10:32:00 娛樂 27616
## 203 2016-04-14 10:24:00 娛樂 5537
## 204 2016-04-14 10:11:00 社會 40940
## 205 2016-04-14 10:10:00 娛樂 5886
## 206 2016-04-14 10:09:00 社會 106118
## 207 2016-04-14 09:46:00 娛樂 11899
## 208 2016-04-14 09:32:00 社會 228203
## 209 2016-04-14 09:26:00 娛樂 23735
## 210 2016-04-14 09:03:00 娛樂 9443
## 211 2016-04-14 08:29:00 娛樂 21199
## 212 2016-04-14 08:23:00 娛樂 239697
## 213 2016-04-14 07:48:00 社會 100425
## 214 2016-04-14 07:44:00 社會 4291
## 215 2016-04-14 07:36:00 社會 23014
## 216 2016-04-14 07:34:00 社會 7122
## 217 2016-04-14 07:21:00 娛樂 37152
## 218 2016-04-14 07:20:00 社會 10684
## 219 2016-04-14 07:18:00 社會 44688
## 220 2016-04-14 07:12:00 社會 75710
## 221 2016-04-14 07:06:00 社會 71849
## 222 2016-04-14 06:57:00 社會 13588
## 223 2016-04-14 06:45:00 社會 122619
## 224 2016-04-14 06:30:00 社會 171408
## 225 2016-04-14 06:27:00 社會 6611
## 226 2016-04-14 03:22:00 社會 4799
## 227 2016-04-14 03:11:00 社會 7515
## 228 2016-04-14 02:36:00 娛樂 25732
## 229 2016-04-14 02:15:00 娛樂 27671
## 230 2016-04-14 00:38:00 娛樂 35597
## 231 2016-04-14 00:35:00 娛樂 9450
## 232 2016-04-14 00:24:00 娛樂 10499
## 233 2016-04-14 00:18:00 娛樂 2240
## 234 2016-04-14 00:05:00 娛樂 265355
## 235 2016-04-14 00:02:00 娛樂 38814
## 236 2016-04-14 00:01:00 社會 53421
## 237 2016-04-14 00:00:00 社會 9918
## 238 2016-04-13 23:35:00 社會 3259
## 239 2016-04-13 23:30:00 娛樂 31534
## 240 2016-04-13 23:24:00 社會 5590
## 241 2016-04-13 23:13:00 社會 37863
## 242 2016-04-13 23:00:00 娛樂 12714
## 243 2016-04-13 22:50:00 社會 15809
## 244 2016-04-13 22:32:00 娛樂 12405
## 245 2016-04-13 22:28:00 娛樂 29726
## 246 2016-04-13 22:17:00 社會 17992
## 247 2016-04-13 22:15:00 娛樂 17492
## 248 2016-04-13 22:00:00 娛樂 15701
## 249 2016-04-13 21:55:00 娛樂 49616
## 250 2016-04-13 21:49:00 社會 13049
## 251 2016-04-13 21:42:00 社會 46020
## 252 2016-04-13 21:38:00 社會 1381
## 253 2016-04-13 21:30:00 娛樂 14995
## 254 2016-04-13 21:23:00 社會 22872
## 255 2016-04-13 21:15:00 娛樂 54272
## 256 2016-04-13 21:10:00 社會 6047
## 257 2016-04-13 21:10:00 社會 5886
## 258 2016-04-13 21:05:00 娛樂 71338
## 259 2016-04-13 21:00:00 娛樂 6599
## 260 2016-04-13 20:55:00 娛樂 34500
## 261 2016-04-13 20:53:00 社會 3870
## 262 2016-04-13 20:51:00 社會 104393
## 263 2016-04-13 20:28:00 社會 26151
## 264 2016-04-13 20:27:00 娛樂 12636
## 265 2016-04-13 20:26:00 社會 7751
## 266 2016-04-13 20:22:00 娛樂 9156
## 267 2016-04-13 20:12:00 社會 3002
## 268 2016-04-13 20:08:00 社會 217096
## 269 2016-04-13 20:08:00 娛樂 6746
## 270 2016-04-13 20:06:00 社會 1373
## 271 2016-04-13 20:06:00 社會 3766
## 272 2016-04-13 20:05:00 社會 82726
## 273 2016-04-13 20:00:00 娛樂 94302
## 274 2016-04-13 19:54:00 社會 4173
## 275 2016-04-13 19:32:00 娛樂 9368
## 276 2016-04-13 19:18:00 社會 10464
## 277 2016-04-13 19:18:00 社會 39911
## 278 2016-04-13 19:03:00 社會 214796
## 279 2016-04-13 19:03:00 娛樂 70169
## 280 2016-04-13 18:56:00 社會 59229
## 281 2016-04-13 18:47:00 社會 18045
## 282 2016-04-13 18:46:00 娛樂 40764
## 283 2016-04-13 18:40:00 娛樂 19267
## 284 2016-04-13 18:38:00 娛樂 9860
## 285 2016-04-13 18:10:00 娛樂 17874
## 286 2016-04-13 18:10:00 社會 19741
## 287 2016-04-13 18:10:00 社會 47145
## 288 2016-04-13 18:10:00 社會 47145
## 289 2016-04-13 18:03:00 社會 31267
## 290 2016-04-13 17:56:00 娛樂 42048
## 291 2016-04-13 17:32:00 社會 9292
## 292 2016-04-13 17:30:00 娛樂 18752
## 293 2016-04-13 17:30:00 社會 12091
## 294 2016-04-13 17:12:00 社會 4600
## 295 2016-04-13 17:11:00 社會 9284
## 296 2016-04-13 17:08:00 娛樂 299235
## 297 2016-04-13 17:05:00 社會 17937
## 298 2016-04-13 17:03:00 社會 18176
## 299 2016-04-13 16:55:00 社會 5940
## 300 2016-04-13 16:52:00 娛樂 32363
## 301 2016-04-13 16:40:00 娛樂 23314
## 302 2016-04-13 16:35:00 社會 7124
## 303 2016-04-13 16:35:00 社會 1562
## 304 2016-04-13 16:35:00 社會 15959
## 305 2016-04-13 16:32:00 社會 6084
## 306 2016-04-13 16:23:00 社會 9305
## 307 2016-04-13 16:20:00 社會 8163#dplyr 的欄位選取
#選擇列舉出的欄位
head(select(applenews,category,clicked))## category clicked
## 1 社會 1754
## 2 國際 0
## 3 地產 0
## 4 國際 0
## 5 時尚 311
## 6 財經 24#選擇從category~clicked欄位
head(select(applenews,title:dt,category:clicked))## title dt
## 1 【更新】搶2.2萬彩券刮中1.4萬 沒發財還得入獄 2016-04-15 14:32:00
## 2 拿到澳洲護照後 他放火燒中國護照 2016-04-15 14:32:00
## 3 【特企】房市大追擊- 租屋這些事情要小心 2016-04-15 14:31:00
## 4 【央廣RTI】美菲軍演 美防長南海登艦 2016-04-15 14:30:00
## 5 全球最閃牽手夫妻 絕美禮服出自台灣… 2016-04-15 14:28:00
## 6 公司遭搜索 浩鼎籲檢調勿公開商業機密 2016-04-15 14:28:00
## category clicked
## 1 社會 1754
## 2 國際 0
## 3 地產 0
## 4 國際 0
## 5 時尚 311
## 6 財經 24#選擇欄位名稱含有click字串的欄位
head(select(applenews,contains('click')))## clicked
## 1 1754
## 2 0
## 3 0
## 4 0
## 5 311
## 6 24##iris - selected helpers
head(select(iris,starts_with("Sepal")))## Sepal.Length Sepal.Width
## 1 5.1 3.5
## 2 4.9 3.0
## 3 4.7 3.2
## 4 4.6 3.1
## 5 5.0 3.6
## 6 5.4 3.9head(select(iris,ends_with("Length")))## Sepal.Length Petal.Length
## 1 5.1 1.4
## 2 4.9 1.4
## 3 4.7 1.3
## 4 4.6 1.5
## 5 5.0 1.4
## 6 5.4 1.7#group_by & summarise
applenews %>%
group_by(category) %>%
summarise(clicked_mean = mean(clicked, na.rm=TRUE)) %>%
arrange(desc(clicked_mean))## # A tibble: 14 x 2
## category clicked_mean
## <chr> <dbl>
## 1 正妹 84119.
## 2 娛樂 31602.
## 3 社會 29494.
## 4 體育 16822.
## 5 搜奇 12151.
## 6 政治 11902.
## 7 生活 11469.
## 8 國際 8914.
## 9 地產 6900.
## 10 時尚 6855.
## 11 論壇 5683.
## 12 財經 5109.
## 13 動物 4742.
## 14 3C 3954.#多個欄位計算
applenews %>%
group_by(category) %>%
summarise_at(.funs=funs(min,max,mean,median,sd), .vars=vars(clicked))## Warning: funs() is soft deprecated as of dplyr 0.8.0
## please use list() instead
##
## # Before:
## funs(name = f(.)
##
## # After:
## list(name = ~f(.))
## This warning is displayed once per session.## # A tibble: 14 x 6
## category min max mean median sd
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 3C 267 20509 3954. 2879 4480.
## 2 財經 24 54886 5109. 2479 8413.
## 3 地產 0 80691 6900. 3368 14584.
## 4 動物 1211 11753 4742. 3914. 2568.
## 5 國際 0 150825 8914. 3422 17848.
## 6 論壇 275 68208 5683. 3389 9601.
## 7 社會 918 241842 29494. 9677 45373.
## 8 生活 20 132880 11469. 3806. 19974.
## 9 時尚 311 67086 6855. 4298. 10660.
## 10 搜奇 199 83036 12151. 3263 18981.
## 11 體育 523 162907 16822. 10056 25452.
## 12 娛樂 1631 299235 31602. 16054 47989.
## 13 正妹 7999 344733 84119. 47390. 109275.
## 14 政治 221 83059 11902. 6150 14984.alter mysql 8.0 password encryption
ALTER USER 'yourusername'@'localhost' IDENTIFIED WITH mysql_native_password BY 'youpassword';
CREATE DATABASE test CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;console login
mysql -u USERNAME -p PASSWORD -h HOSTNAMEORIP DATABASENAMEdplyr連接資料庫範例(mysql)
- 可改用 RMariaDB package
#install.packages('dplyr')
#install.packages('RMariaDB')
#install.packages('dbplyr')
library('dplyr')
library('dbplyr')## Warning: package 'dbplyr' was built under R version 3.5.2##
## Attaching package: 'dbplyr'## The following objects are masked from 'package:dplyr':
##
## ident, sqllibrary('RMariaDB')
data("iris")
##iris example
conn = dbConnect(MariaDB(),dbname='test',host='127.0.0.1',port=3306,user='root',password='pythonetl')
db_drop_table(conn,'iris')## [1] 0copy_to(conn,iris,temporary = F)
tbl(conn,"iris") %>%
select(starts_with('Sepal'),'Species') %>%
group_by(Species) %>%
summarise_at(.funs=funs(mean(.,na.rm=T),sd(.,na.rm=T)),.vars=vars(starts_with('Sepal'))) %>%
collect()## # A tibble: 3 x 5
## Species Sepal.Length_me… Sepal.Width_mean Sepal.Length_sd Sepal.Width_sd
## <chr> <dbl> <dbl> <dbl> <dbl>
## 1 setosa 5.01 3.43 0.352 0.379
## 2 versico… 5.94 2.77 0.516 0.314
## 3 virgini… 6.59 2.97 0.636 0.322dbGetQuery(conn,'select * from iris') %>% filter(Species == 'setosa')## Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1 5.1 3.5 1.4 0.2 setosa
## 2 4.9 3.0 1.4 0.2 setosa
## 3 4.7 3.2 1.3 0.2 setosa
## 4 4.6 3.1 1.5 0.2 setosa
## 5 5.0 3.6 1.4 0.2 setosa
## 6 5.4 3.9 1.7 0.4 setosa
## 7 4.6 3.4 1.4 0.3 setosa
## 8 5.0 3.4 1.5 0.2 setosa
## 9 4.4 2.9 1.4 0.2 setosa
## 10 4.9 3.1 1.5 0.1 setosa
## 11 5.4 3.7 1.5 0.2 setosa
## 12 4.8 3.4 1.6 0.2 setosa
## 13 4.8 3.0 1.4 0.1 setosa
## 14 4.3 3.0 1.1 0.1 setosa
## 15 5.8 4.0 1.2 0.2 setosa
## 16 5.7 4.4 1.5 0.4 setosa
## 17 5.4 3.9 1.3 0.4 setosa
## 18 5.1 3.5 1.4 0.3 setosa
## 19 5.7 3.8 1.7 0.3 setosa
## 20 5.1 3.8 1.5 0.3 setosa
## 21 5.4 3.4 1.7 0.2 setosa
## 22 5.1 3.7 1.5 0.4 setosa
## 23 4.6 3.6 1.0 0.2 setosa
## 24 5.1 3.3 1.7 0.5 setosa
## 25 4.8 3.4 1.9 0.2 setosa
## 26 5.0 3.0 1.6 0.2 setosa
## 27 5.0 3.4 1.6 0.4 setosa
## 28 5.2 3.5 1.5 0.2 setosa
## 29 5.2 3.4 1.4 0.2 setosa
## 30 4.7 3.2 1.6 0.2 setosa
## 31 4.8 3.1 1.6 0.2 setosa
## 32 5.4 3.4 1.5 0.4 setosa
## 33 5.2 4.1 1.5 0.1 setosa
## 34 5.5 4.2 1.4 0.2 setosa
## 35 4.9 3.1 1.5 0.2 setosa
## 36 5.0 3.2 1.2 0.2 setosa
## 37 5.5 3.5 1.3 0.2 setosa
## 38 4.9 3.6 1.4 0.1 setosa
## 39 4.4 3.0 1.3 0.2 setosa
## 40 5.1 3.4 1.5 0.2 setosa
## 41 5.0 3.5 1.3 0.3 setosa
## 42 4.5 2.3 1.3 0.3 setosa
## 43 4.4 3.2 1.3 0.2 setosa
## 44 5.0 3.5 1.6 0.6 setosa
## 45 5.1 3.8 1.9 0.4 setosa
## 46 4.8 3.0 1.4 0.3 setosa
## 47 5.1 3.8 1.6 0.2 setosa
## 48 4.6 3.2 1.4 0.2 setosa
## 49 5.3 3.7 1.5 0.2 setosa
## 50 5.0 3.3 1.4 0.2 setosadbGetQuery(conn,'select `Sepal.Length` from iris')## Sepal.Length
## 1 5.1
## 2 4.9
## 3 4.7
## 4 4.6
## 5 5.0
## 6 5.4
## 7 4.6
## 8 5.0
## 9 4.4
## 10 4.9
## 11 5.4
## 12 4.8
## 13 4.8
## 14 4.3
## 15 5.8
## 16 5.7
## 17 5.4
## 18 5.1
## 19 5.7
## 20 5.1
## 21 5.4
## 22 5.1
## 23 4.6
## 24 5.1
## 25 4.8
## 26 5.0
## 27 5.0
## 28 5.2
## 29 5.2
## 30 4.7
## 31 4.8
## 32 5.4
## 33 5.2
## 34 5.5
## 35 4.9
## 36 5.0
## 37 5.5
## 38 4.9
## 39 4.4
## 40 5.1
## 41 5.0
## 42 4.5
## 43 4.4
## 44 5.0
## 45 5.1
## 46 4.8
## 47 5.1
## 48 4.6
## 49 5.3
## 50 5.0
## 51 7.0
## 52 6.4
## 53 6.9
## 54 5.5
## 55 6.5
## 56 5.7
## 57 6.3
## 58 4.9
## 59 6.6
## 60 5.2
## 61 5.0
## 62 5.9
## 63 6.0
## 64 6.1
## 65 5.6
## 66 6.7
## 67 5.6
## 68 5.8
## 69 6.2
## 70 5.6
## 71 5.9
## 72 6.1
## 73 6.3
## 74 6.1
## 75 6.4
## 76 6.6
## 77 6.8
## 78 6.7
## 79 6.0
## 80 5.7
## 81 5.5
## 82 5.5
## 83 5.8
## 84 6.0
## 85 5.4
## 86 6.0
## 87 6.7
## 88 6.3
## 89 5.6
## 90 5.5
## 91 5.5
## 92 6.1
## 93 5.8
## 94 5.0
## 95 5.6
## 96 5.7
## 97 5.7
## 98 6.2
## 99 5.1
## 100 5.7
## 101 6.3
## 102 5.8
## 103 7.1
## 104 6.3
## 105 6.5
## 106 7.6
## 107 4.9
## 108 7.3
## 109 6.7
## 110 7.2
## 111 6.5
## 112 6.4
## 113 6.8
## 114 5.7
## 115 5.8
## 116 6.4
## 117 6.5
## 118 7.7
## 119 7.7
## 120 6.0
## 121 6.9
## 122 5.6
## 123 7.7
## 124 6.3
## 125 6.7
## 126 7.2
## 127 6.2
## 128 6.1
## 129 6.4
## 130 7.2
## 131 7.4
## 132 7.9
## 133 6.4
## 134 6.3
## 135 6.1
## 136 7.7
## 137 6.3
## 138 6.4
## 139 6.0
## 140 6.9
## 141 6.7
## 142 6.9
## 143 5.8
## 144 6.8
## 145 6.7
## 146 6.7
## 147 6.3
## 148 6.5
## 149 6.2
## 150 5.9dbListTables(conn)## [1] "applenews" "iris"Classification
Decision Tree - using churn data in C50 package
#install.packages("C50")
library(C50)
data(churn)
str(churnTrain)## 'data.frame': 3333 obs. of 20 variables:
## $ state : Factor w/ 51 levels "AK","AL","AR",..: 17 36 32 36 37 2 20 25 19 50 ...
## $ account_length : int 128 107 137 84 75 118 121 147 117 141 ...
## $ area_code : Factor w/ 3 levels "area_code_408",..: 2 2 2 1 2 3 3 2 1 2 ...
## $ international_plan : Factor w/ 2 levels "no","yes": 1 1 1 2 2 2 1 2 1 2 ...
## $ voice_mail_plan : Factor w/ 2 levels "no","yes": 2 2 1 1 1 1 2 1 1 2 ...
## $ number_vmail_messages : int 25 26 0 0 0 0 24 0 0 37 ...
## $ total_day_minutes : num 265 162 243 299 167 ...
## $ total_day_calls : int 110 123 114 71 113 98 88 79 97 84 ...
## $ total_day_charge : num 45.1 27.5 41.4 50.9 28.3 ...
## $ total_eve_minutes : num 197.4 195.5 121.2 61.9 148.3 ...
## $ total_eve_calls : int 99 103 110 88 122 101 108 94 80 111 ...
## $ total_eve_charge : num 16.78 16.62 10.3 5.26 12.61 ...
## $ total_night_minutes : num 245 254 163 197 187 ...
## $ total_night_calls : int 91 103 104 89 121 118 118 96 90 97 ...
## $ total_night_charge : num 11.01 11.45 7.32 8.86 8.41 ...
## $ total_intl_minutes : num 10 13.7 12.2 6.6 10.1 6.3 7.5 7.1 8.7 11.2 ...
## $ total_intl_calls : int 3 3 5 7 3 6 7 6 4 5 ...
## $ total_intl_charge : num 2.7 3.7 3.29 1.78 2.73 1.7 2.03 1.92 2.35 3.02 ...
## $ number_customer_service_calls: int 1 1 0 2 3 0 3 0 1 0 ...
## $ churn : Factor w/ 2 levels "yes","no": 2 2 2 2 2 2 2 2 2 2 ...names(churnTrain) %in% c("state", "area_code", "account_length")## [1] TRUE TRUE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [12] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE!names(churnTrain) %in% c("state", "area_code", "account_length")## [1] FALSE FALSE FALSE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [12] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE#選擇建模變數
variable.list = !names(churnTrain) %in% c('state','area_code','account_length')
churnTrain=churnTrain[,variable.list]
churnTest=churnTest[,variable.list]
str(churnTrain)## 'data.frame': 3333 obs. of 17 variables:
## $ international_plan : Factor w/ 2 levels "no","yes": 1 1 1 2 2 2 1 2 1 2 ...
## $ voice_mail_plan : Factor w/ 2 levels "no","yes": 2 2 1 1 1 1 2 1 1 2 ...
## $ number_vmail_messages : int 25 26 0 0 0 0 24 0 0 37 ...
## $ total_day_minutes : num 265 162 243 299 167 ...
## $ total_day_calls : int 110 123 114 71 113 98 88 79 97 84 ...
## $ total_day_charge : num 45.1 27.5 41.4 50.9 28.3 ...
## $ total_eve_minutes : num 197.4 195.5 121.2 61.9 148.3 ...
## $ total_eve_calls : int 99 103 110 88 122 101 108 94 80 111 ...
## $ total_eve_charge : num 16.78 16.62 10.3 5.26 12.61 ...
## $ total_night_minutes : num 245 254 163 197 187 ...
## $ total_night_calls : int 91 103 104 89 121 118 118 96 90 97 ...
## $ total_night_charge : num 11.01 11.45 7.32 8.86 8.41 ...
## $ total_intl_minutes : num 10 13.7 12.2 6.6 10.1 6.3 7.5 7.1 8.7 11.2 ...
## $ total_intl_calls : int 3 3 5 7 3 6 7 6 4 5 ...
## $ total_intl_charge : num 2.7 3.7 3.29 1.78 2.73 1.7 2.03 1.92 2.35 3.02 ...
## $ number_customer_service_calls: int 1 1 0 2 3 0 3 0 1 0 ...
## $ churn : Factor w/ 2 levels "yes","no": 2 2 2 2 2 2 2 2 2 2 ...#sample
?sample## Help on topic 'sample' was found in the following packages:
##
## Package Library
## dplyr /Library/Frameworks/R.framework/Versions/3.5/Resources/library
## base /Library/Frameworks/R.framework/Resources/library
##
##
## Using the first match ...sample(1:10)## [1] 7 8 9 2 6 1 5 4 3 10sample(1:10, size = 5)## [1] 8 4 3 7 1sample(c(0,1), size= 10, replace = T)## [1] 0 1 1 0 0 1 1 0 1 1sample.int(20, 12) # 兩個參數都要放整數，此例為取1:20中的12個不重複樣本## [1] 19 6 18 3 4 17 8 1 14 16 5 7set.seed(2)
#把資料分成training data 和 testing data
ind<-sample(1:2, size=nrow(churnTrain), replace=T, prob=c(0.7, 0.3))
trainset=churnTrain[ind==1,]
testset=churnTrain[ind==2,]rpart
#install.packages('rpart')
library('rpart')
#使用rpart(CART)建立決策樹模型
?rpart
con = rpart.control(minsplit=20,cp=0.01)
?rpart.control
churn.rp<-rpart(churn ~., data=trainset,control = con)
#churn.rp<-rpart(churn ~ total_day_charge + international_plan, data=trainset)
churn.rp## n= 2315
##
## node), split, n, loss, yval, (yprob)
## * denotes terminal node
##
## 1) root 2315 342 no (0.14773218 0.85226782)
## 2) total_day_minutes>=265.45 144 59 yes (0.59027778 0.40972222)
## 4) voice_mail_plan=no 110 29 yes (0.73636364 0.26363636)
## 8) total_eve_minutes>=188.5 67 3 yes (0.95522388 0.04477612) *
## 9) total_eve_minutes< 188.5 43 17 no (0.39534884 0.60465116)
## 18) total_day_minutes>=282.7 19 6 yes (0.68421053 0.31578947) *
## 19) total_day_minutes< 282.7 24 4 no (0.16666667 0.83333333) *
## 5) voice_mail_plan=yes 34 4 no (0.11764706 0.88235294) *
## 3) total_day_minutes< 265.45 2171 257 no (0.11837863 0.88162137)
## 6) number_customer_service_calls>=3.5 168 82 yes (0.51190476 0.48809524)
## 12) total_day_minutes< 160.2 71 10 yes (0.85915493 0.14084507) *
## 13) total_day_minutes>=160.2 97 25 no (0.25773196 0.74226804)
## 26) total_eve_minutes< 155.5 20 7 yes (0.65000000 0.35000000) *
## 27) total_eve_minutes>=155.5 77 12 no (0.15584416 0.84415584) *
## 7) number_customer_service_calls< 3.5 2003 171 no (0.08537194 0.91462806)
## 14) international_plan=yes 188 76 no (0.40425532 0.59574468)
## 28) total_intl_calls< 2.5 38 0 yes (1.00000000 0.00000000) *
## 29) total_intl_calls>=2.5 150 38 no (0.25333333 0.74666667)
## 58) total_intl_minutes>=13.1 32 0 yes (1.00000000 0.00000000) *
## 59) total_intl_minutes< 13.1 118 6 no (0.05084746 0.94915254) *
## 15) international_plan=no 1815 95 no (0.05234160 0.94765840)
## 30) total_day_minutes>=224.15 251 50 no (0.19920319 0.80079681)
## 60) total_eve_minutes>=259.8 36 10 yes (0.72222222 0.27777778) *
## 61) total_eve_minutes< 259.8 215 24 no (0.11162791 0.88837209) *
## 31) total_day_minutes< 224.15 1564 45 no (0.02877238 0.97122762) *s = summary(churn.rp)## Call:
## rpart(formula = churn ~ ., data = trainset, control = con)
## n= 2315
##
## CP nsplit rel error xerror xstd
## 1 0.07602339 0 1.0000000 1.0000000 0.04992005
## 2 0.07456140 2 0.8479532 0.9970760 0.04985964
## 3 0.05555556 4 0.6988304 0.7602339 0.04442127
## 4 0.02631579 7 0.4941520 0.5263158 0.03767329
## 5 0.02339181 8 0.4678363 0.5204678 0.03748096
## 6 0.02046784 10 0.4210526 0.5087719 0.03709209
## 7 0.01754386 11 0.4005848 0.4707602 0.03578773
## 8 0.01000000 12 0.3830409 0.4766082 0.03599261
##
## Variable importance
## total_day_minutes total_day_charge
## 18 18
## number_customer_service_calls total_intl_minutes
## 10 8
## total_intl_charge total_eve_charge
## 8 8
## total_eve_minutes international_plan
## 8 7
## total_intl_calls number_vmail_messages
## 6 3
## voice_mail_plan total_night_calls
## 3 1
## total_eve_calls
## 1
##
## Node number 1: 2315 observations, complexity param=0.07602339
## predicted class=no expected loss=0.1477322 P(node) =1
## class counts: 342 1973
## probabilities: 0.148 0.852
## left son=2 (144 obs) right son=3 (2171 obs)
## Primary splits:
## total_day_minutes < 265.45 to the right, improve=60.145020, (0 missing)
## total_day_charge < 45.125 to the right, improve=60.145020, (0 missing)
## number_customer_service_calls < 3.5 to the right, improve=53.641430, (0 missing)
## international_plan splits as RL, improve=43.729370, (0 missing)
## voice_mail_plan splits as LR, improve= 6.089388, (0 missing)
## Surrogate splits:
## total_day_charge < 45.125 to the right, agree=1, adj=1, (0 split)
##
## Node number 2: 144 observations, complexity param=0.07602339
## predicted class=yes expected loss=0.4097222 P(node) =0.06220302
## class counts: 85 59
## probabilities: 0.590 0.410
## left son=4 (110 obs) right son=5 (34 obs)
## Primary splits:
## voice_mail_plan splits as LR, improve=19.884860, (0 missing)
## number_vmail_messages < 9.5 to the left, improve=19.884860, (0 missing)
## total_eve_minutes < 167.05 to the right, improve=14.540020, (0 missing)
## total_eve_charge < 14.2 to the right, improve=14.540020, (0 missing)
## total_day_minutes < 283.9 to the right, improve= 6.339827, (0 missing)
## Surrogate splits:
## number_vmail_messages < 9.5 to the left, agree=1.000, adj=1.000, (0 split)
## total_night_minutes < 110.3 to the right, agree=0.785, adj=0.088, (0 split)
## total_night_charge < 4.965 to the right, agree=0.785, adj=0.088, (0 split)
## total_night_calls < 50 to the right, agree=0.778, adj=0.059, (0 split)
## total_intl_minutes < 15.3 to the left, agree=0.771, adj=0.029, (0 split)
##
## Node number 3: 2171 observations, complexity param=0.0745614
## predicted class=no expected loss=0.1183786 P(node) =0.937797
## class counts: 257 1914
## probabilities: 0.118 0.882
## left son=6 (168 obs) right son=7 (2003 obs)
## Primary splits:
## number_customer_service_calls < 3.5 to the right, improve=56.398210, (0 missing)
## international_plan splits as RL, improve=43.059160, (0 missing)
## total_day_minutes < 224.15 to the right, improve=10.847440, (0 missing)
## total_day_charge < 38.105 to the right, improve=10.847440, (0 missing)
## total_intl_minutes < 13.15 to the right, improve= 6.347319, (0 missing)
##
## Node number 4: 110 observations, complexity param=0.02631579
## predicted class=yes expected loss=0.2636364 P(node) =0.0475162
## class counts: 81 29
## probabilities: 0.736 0.264
## left son=8 (67 obs) right son=9 (43 obs)
## Primary splits:
## total_eve_minutes < 188.5 to the right, improve=16.419610, (0 missing)
## total_eve_charge < 16.025 to the right, improve=16.419610, (0 missing)
## total_night_minutes < 206.85 to the right, improve= 5.350500, (0 missing)
## total_night_charge < 9.305 to the right, improve= 5.350500, (0 missing)
## total_day_minutes < 281.15 to the right, improve= 5.254545, (0 missing)
## Surrogate splits:
## total_eve_charge < 16.025 to the right, agree=1.000, adj=1.000, (0 split)
## total_night_calls < 82 to the right, agree=0.655, adj=0.116, (0 split)
## total_intl_minutes < 3.35 to the right, agree=0.636, adj=0.070, (0 split)
## total_intl_charge < 0.905 to the right, agree=0.636, adj=0.070, (0 split)
## total_day_minutes < 268.55 to the right, agree=0.627, adj=0.047, (0 split)
##
## Node number 5: 34 observations
## predicted class=no expected loss=0.1176471 P(node) =0.01468683
## class counts: 4 30
## probabilities: 0.118 0.882
##
## Node number 6: 168 observations, complexity param=0.0745614
## predicted class=yes expected loss=0.4880952 P(node) =0.07257019
## class counts: 86 82
## probabilities: 0.512 0.488
## left son=12 (71 obs) right son=13 (97 obs)
## Primary splits:
## total_day_minutes < 160.2 to the left, improve=29.655880, (0 missing)
## total_day_charge < 27.235 to the left, improve=29.655880, (0 missing)
## total_eve_minutes < 180.65 to the left, improve= 8.556953, (0 missing)
## total_eve_charge < 15.355 to the left, improve= 8.556953, (0 missing)
## number_customer_service_calls < 4.5 to the right, improve= 5.975362, (0 missing)
## Surrogate splits:
## total_day_charge < 27.235 to the left, agree=1.000, adj=1.000, (0 split)
## total_night_calls < 79 to the left, agree=0.625, adj=0.113, (0 split)
## total_intl_calls < 2.5 to the left, agree=0.619, adj=0.099, (0 split)
## number_customer_service_calls < 4.5 to the right, agree=0.607, adj=0.070, (0 split)
## total_eve_calls < 89.5 to the left, agree=0.601, adj=0.056, (0 split)
##
## Node number 7: 2003 observations, complexity param=0.05555556
## predicted class=no expected loss=0.08537194 P(node) =0.8652268
## class counts: 171 1832
## probabilities: 0.085 0.915
## left son=14 (188 obs) right son=15 (1815 obs)
## Primary splits:
## international_plan splits as RL, improve=42.194510, (0 missing)
## total_day_minutes < 224.15 to the right, improve=16.838410, (0 missing)
## total_day_charge < 38.105 to the right, improve=16.838410, (0 missing)
## total_intl_minutes < 13.15 to the right, improve= 6.210678, (0 missing)
## total_intl_charge < 3.55 to the right, improve= 6.210678, (0 missing)
##
## Node number 8: 67 observations
## predicted class=yes expected loss=0.04477612 P(node) =0.02894168
## class counts: 64 3
## probabilities: 0.955 0.045
##
## Node number 9: 43 observations, complexity param=0.02046784
## predicted class=no expected loss=0.3953488 P(node) =0.01857451
## class counts: 17 26
## probabilities: 0.395 0.605
## left son=18 (19 obs) right son=19 (24 obs)
## Primary splits:
## total_day_minutes < 282.7 to the right, improve=5.680947, (0 missing)
## total_day_charge < 48.06 to the right, improve=5.680947, (0 missing)
## total_night_minutes < 212.65 to the right, improve=4.558140, (0 missing)
## total_night_charge < 9.57 to the right, improve=4.558140, (0 missing)
## total_eve_minutes < 145.4 to the right, improve=4.356169, (0 missing)
## Surrogate splits:
## total_day_charge < 48.06 to the right, agree=1.000, adj=1.000, (0 split)
## total_day_calls < 103 to the left, agree=0.674, adj=0.263, (0 split)
## total_eve_calls < 104.5 to the left, agree=0.674, adj=0.263, (0 split)
## total_intl_minutes < 11.55 to the left, agree=0.651, adj=0.211, (0 split)
## total_intl_charge < 3.12 to the left, agree=0.651, adj=0.211, (0 split)
##
## Node number 12: 71 observations
## predicted class=yes expected loss=0.1408451 P(node) =0.03066955
## class counts: 61 10
## probabilities: 0.859 0.141
##
## Node number 13: 97 observations, complexity param=0.01754386
## predicted class=no expected loss=0.257732 P(node) =0.04190065
## class counts: 25 72
## probabilities: 0.258 0.742
## left son=26 (20 obs) right son=27 (77 obs)
## Primary splits:
## total_eve_minutes < 155.5 to the left, improve=7.753662, (0 missing)
## total_eve_charge < 13.22 to the left, improve=7.753662, (0 missing)
## total_intl_minutes < 13.55 to the right, improve=2.366149, (0 missing)
## total_intl_charge < 3.66 to the right, improve=2.366149, (0 missing)
## number_customer_service_calls < 4.5 to the right, improve=2.297667, (0 missing)
## Surrogate splits:
## total_eve_charge < 13.22 to the left, agree=1.000, adj=1.00, (0 split)
## total_night_calls < 143.5 to the right, agree=0.814, adj=0.10, (0 split)
## total_eve_calls < 62 to the left, agree=0.804, adj=0.05, (0 split)
##
## Node number 14: 188 observations, complexity param=0.05555556
## predicted class=no expected loss=0.4042553 P(node) =0.0812095
## class counts: 76 112
## probabilities: 0.404 0.596
## left son=28 (38 obs) right son=29 (150 obs)
## Primary splits:
## total_intl_calls < 2.5 to the left, improve=33.806520, (0 missing)
## total_intl_minutes < 13.1 to the right, improve=30.527050, (0 missing)
## total_intl_charge < 3.535 to the right, improve=30.527050, (0 missing)
## total_day_minutes < 221.95 to the right, improve= 3.386095, (0 missing)
## total_day_charge < 37.735 to the right, improve= 3.386095, (0 missing)
##
## Node number 15: 1815 observations, complexity param=0.02339181
## predicted class=no expected loss=0.0523416 P(node) =0.7840173
## class counts: 95 1720
## probabilities: 0.052 0.948
## left son=30 (251 obs) right son=31 (1564 obs)
## Primary splits:
## total_day_minutes < 224.15 to the right, improve=12.5649300, (0 missing)
## total_day_charge < 38.105 to the right, improve=12.5649300, (0 missing)
## total_eve_minutes < 244.95 to the right, improve= 4.7875890, (0 missing)
## total_eve_charge < 20.825 to the right, improve= 4.7875890, (0 missing)
## total_night_minutes < 163.85 to the right, improve= 0.9074391, (0 missing)
## Surrogate splits:
## total_day_charge < 38.105 to the right, agree=1, adj=1, (0 split)
##
## Node number 18: 19 observations
## predicted class=yes expected loss=0.3157895 P(node) =0.008207343
## class counts: 13 6
## probabilities: 0.684 0.316
##
## Node number 19: 24 observations
## predicted class=no expected loss=0.1666667 P(node) =0.01036717
## class counts: 4 20
## probabilities: 0.167 0.833
##
## Node number 26: 20 observations
## predicted class=yes expected loss=0.35 P(node) =0.008639309
## class counts: 13 7
## probabilities: 0.650 0.350
##
## Node number 27: 77 observations
## predicted class=no expected loss=0.1558442 P(node) =0.03326134
## class counts: 12 65
## probabilities: 0.156 0.844
##
## Node number 28: 38 observations
## predicted class=yes expected loss=0 P(node) =0.01641469
## class counts: 38 0
## probabilities: 1.000 0.000
##
## Node number 29: 150 observations, complexity param=0.05555556
## predicted class=no expected loss=0.2533333 P(node) =0.06479482
## class counts: 38 112
## probabilities: 0.253 0.747
## left son=58 (32 obs) right son=59 (118 obs)
## Primary splits:
## total_intl_minutes < 13.1 to the right, improve=45.356840, (0 missing)
## total_intl_charge < 3.535 to the right, improve=45.356840, (0 missing)
## total_day_calls < 95.5 to the left, improve= 4.036407, (0 missing)
## total_day_minutes < 237.75 to the right, improve= 1.879020, (0 missing)
## total_day_charge < 40.42 to the right, improve= 1.879020, (0 missing)
## Surrogate splits:
## total_intl_charge < 3.535 to the right, agree=1.0, adj=1.000, (0 split)
## total_day_minutes < 52.45 to the left, agree=0.8, adj=0.063, (0 split)
## total_day_charge < 8.92 to the left, agree=0.8, adj=0.063, (0 split)
##
## Node number 30: 251 observations, complexity param=0.02339181
## predicted class=no expected loss=0.1992032 P(node) =0.1084233
## class counts: 50 201
## probabilities: 0.199 0.801
## left son=60 (36 obs) right son=61 (215 obs)
## Primary splits:
## total_eve_minutes < 259.8 to the right, improve=22.993380, (0 missing)
## total_eve_charge < 22.08 to the right, improve=22.993380, (0 missing)
## voice_mail_plan splits as LR, improve= 4.745664, (0 missing)
## number_vmail_messages < 7.5 to the left, improve= 4.745664, (0 missing)
## total_night_minutes < 181.15 to the right, improve= 3.509731, (0 missing)
## Surrogate splits:
## total_eve_charge < 22.08 to the right, agree=1, adj=1, (0 split)
##
## Node number 31: 1564 observations
## predicted class=no expected loss=0.02877238 P(node) =0.675594
## class counts: 45 1519
## probabilities: 0.029 0.971
##
## Node number 58: 32 observations
## predicted class=yes expected loss=0 P(node) =0.01382289
## class counts: 32 0
## probabilities: 1.000 0.000
##
## Node number 59: 118 observations
## predicted class=no expected loss=0.05084746 P(node) =0.05097192
## class counts: 6 112
## probabilities: 0.051 0.949
##
## Node number 60: 36 observations
## predicted class=yes expected loss=0.2777778 P(node) =0.01555076
## class counts: 26 10
## probabilities: 0.722 0.278
##
## Node number 61: 215 observations
## predicted class=no expected loss=0.1116279 P(node) =0.09287257
## class counts: 24 191
## probabilities: 0.112 0.888s$cptable## CP nsplit rel error xerror xstd
## 1 0.07602339 0 1.0000000 1.0000000 0.04992005
## 2 0.07456140 2 0.8479532 0.9970760 0.04985964
## 3 0.05555556 4 0.6988304 0.7602339 0.04442127
## 4 0.02631579 7 0.4941520 0.5263158 0.03767329
## 5 0.02339181 8 0.4678363 0.5204678 0.03748096
## 6 0.02046784 10 0.4210526 0.5087719 0.03709209
## 7 0.01754386 11 0.4005848 0.4707602 0.03578773
## 8 0.01000000 12 0.3830409 0.4766082 0.03599261#畫出決策樹
par(mfrow=c(1,1))
?plot.rpart
plot(churn.rp, uniform=TRUE,branch = 0.6, margin=0.1)
text(churn.rp, all=TRUE, use.n=TRUE, cex=0.7)
#install.packages('rpart.plot')
library('rpart.plot')
rpart.plot(churn.rp)
Prune
printcp(churn.rp)##
## Classification tree:
## rpart(formula = churn ~ ., data = trainset, control = con)
##
## Variables actually used in tree construction:
## [1] international_plan number_customer_service_calls
## [3] total_day_minutes total_eve_minutes
## [5] total_intl_calls total_intl_minutes
## [7] voice_mail_plan
##
## Root node error: 342/2315 = 0.14773
##
## n= 2315
##
## CP nsplit rel error xerror xstd
## 1 0.076023 0 1.00000 1.00000 0.049920
## 2 0.074561 2 0.84795 0.99708 0.049860
## 3 0.055556 4 0.69883 0.76023 0.044421
## 4 0.026316 7 0.49415 0.52632 0.037673
## 5 0.023392 8 0.46784 0.52047 0.037481
## 6 0.020468 10 0.42105 0.50877 0.037092
## 7 0.017544 11 0.40058 0.47076 0.035788
## 8 0.010000 12 0.38304 0.47661 0.035993plotcp(churn.rp)
#找出minimum cross-validation errors
min_row = which.min(churn.rp$cptable[,"xerror"])
churn.cp = churn.rp$cptable[min_row, "CP"]
#將churn.cp設為臨界值來修剪樹
prune.tree=prune(churn.rp, cp=churn.cp)
plot(prune.tree, uniform=TRUE,branch = 0.6, margin=0.1)
text(prune.tree, all=TRUE, use.n=TRUE, cex=0.7)
test_tree = prune(churn.rp,cp=0.06)
plot(test_tree, margin=0.1)
text(test_tree, all=TRUE, use.n=TRUE, cex=0.7)