New translations 23-starting-with-r.md (Chinese Simplified)

locale/zh/episodes/23-starting-with-r.Rmd

@@ -120,22 +120,22 @@ weight_kg          # and so does typing the name of the object
 我们还可以通过分配新值来更改对象的值：
 
 ```{r, purl=TRUE}
-体重_kg <- 57.5
-2.2 * 体重_kg
+weight_kg <- 57.5
+2.2 * weight_kg
 ```
 
 这意味着为一个对象分配一个值不会改变
 其他对象的值例如，让我们将动物的体重（磅）存储在一个新的
 对象`weight_lb`中：
 
 ```{r, purl=TRUE}
-体重磅 <- 2.2 * 体重公斤
+weight_lb <- 2.2 * weight_kg
 ```
 
 然后将“weight_kg”改为100。
 
 ```{r}
-体重_kg <- 100
+weight_kg <- 100
 ```
 
 :::::::::::::::::::::::::::::::::::::::  challenge
@@ -145,7 +145,7 @@ weight_kg          # and so does typing the name of the object
 您认为对象“weight_lb”的当前内容是什么？
 126\.5 还是 220？
 
-:::::::::::::::::::::::::::::::::::::::::::::::::::::
+::::::::::::::::::::::::::::::::::::::::::::::::::
 
 ## 评论
 
@@ -167,14 +167,14 @@ RStudio 可以轻松注释或取消注释一个段落：在
 以下每个语句后面的值是什么？
 
 ```{r, purl=TRUE}
-mass <- 47.5 # 质量？
-age <- 122 # 年龄？
-mass <- mass * 2.0 # 质量？
-age <- age - 20 # 年龄？
-mass_index <- mass/age # 质量指数？
+mass <- 47.5            # mass?
+age  <- 122             # age?
+mass <- mass * 2.0      # mass?
+age  <- age - 20        # age?
+mass_index <- mass/age  # mass_index?
 ```
 
-:::::::::::::::::::::::::::::::::::::::::::::::::::::
+::::::::::::::::::::::::::::::::::::::::::::::::::
 
 ## 函数及其参数
 
@@ -188,7 +188,7 @@ made available by importing R _packages_ (more on that later). 函数
 被称为_调用_该函数。 函数调用的一个示例是：
 
 ```{r, eval=FALSE, purl=FALSE}
-b <- sqrt (a)
+b <- sqrt(a)
 ```
 
 这里，将 `a` 的值传递给 `sqrt()` 函数，`sqrt()` 函数
@@ -211,7 +211,7 @@ b <- sqrt (a)
 让我们尝试一个可以接受多个参数的函数：“round()”。
 
 ```{r, results="show", purl=TRUE}
-圆形（3.14159）
+round(3.14159)
 ```
 
 在这里，我们仅用一个参数“3.14159”调用了“round()”，并且它
@@ -221,31 +221,31 @@ b <- sqrt (a)
 帮助。
 
 ```{r, results="show", purl=TRUE}
-参数（圆形）
+args(round)
 ```
 
 ```{r, eval=FALSE, purl=TRUE}
-？圆形的
+?round
 ```
 
 我们看到，如果我们想要不同数量的数字，我们可以
 输入“digits=2”或任意我们想要的数字。
 
 ```{r, results="show", purl=TRUE}
-四舍五入（3.14159，数字 = 2）
+round(3.14159, digits = 2)
 ```
 
 如果您按照定义参数的完全相同的顺序提供参数，则
 不必命名它们：
 
 ```{r, results="show", purl=TRUE}
-圆形（3.14159，2）
+round(3.14159, 2)
 ```
 
 如果你确实命名了参数，你可以切换它们的顺序：
 
 ```{r, results="show", purl=TRUE}
-四舍五入（数字 = 2，x = 3.14159）
+round(digits = 2, x = 3.14159)
 ```
 
 很好的做法是，在函数调用中将非可选参数（比如
@@ -265,15 +265,15 @@ R 的主力。向量由一系列值组成，例如
 分配给一个新的对象“weight_g”：
 
 ```{r, purl=TRUE}
-权重_g <- c(50, 60, 65, 82)
-权重_g
+weight_g <- c(50, 60, 65, 82)
+weight_g
 ```
 
 向量也可以包含字符：
 
 ```{r, purl=TRUE}
-分子 <- c("dna", "rna", "蛋白质")
-分子
+molecules <- c("dna", "rna", "protein")
+molecules
 ```
 
 这里“dna”、“rna”等周围的引号至关重要。 如果没有
@@ -285,26 +285,26 @@ R 的主力。向量由一系列值组成，例如
 向量的内容。 `length()` 告诉你特定向量中有多少个元素：
 
 ```{r, purl=TRUE}
-长度（重量_g）
-长度（分子）
+length(weight_g)
+length(molecules)
 ```
 
 向量的一个重要特征是，所有元素都是
 相同类型的数据。  函数 `class()` 表示对象的类（元素的
 类型）：
 
 ```{r, purl=TRUE}
-类别（权重_g）
-类别（分子）
+class(weight_g)
+class(molecules)
 ```
 
 函数“str()”概述了
 对象及其元素的结构。 在处理
 大型复杂对象时，它是一个很有用的函数：
 
 ```{r, purl=TRUE}
-str(重量_g)
-str(分子)
+str(weight_g)
+str(molecules)
 ```
 
 您可以使用 `c()` 函数将其他元素添加到向量中：
@@ -360,7 +360,7 @@ R 隐式地将它们全部转换为同一类型
 
 :::::::::::::::::::::::::
 
-:::::::::::::::::::::::::::::::::::::::::::::::::::::
+::::::::::::::::::::::::::::::::::::::::::::::::::
 
 :::::::::::::::::::::::::::::::::::::::  challenge
 
@@ -381,19 +381,19 @@ tricky <- c(1, 2, 3, "4")
 ## 解决方案
 
 ```{r, purl=TRUE}
-类（num_char）
+class(num_char)
 num_char
-类（num_logical）
+class(num_logical)
 num_logical
-类（char_logical）
+class(char_logical)
 char_logical
-类（tricky）
+class(tricky)
 tricky
 ```
 
 :::::::::::::::::::::::::
 
-:::::::::::::::::::::::::::::::::::::::::::::::::::::
+::::::::::::::::::::::::::::::::::::::::::::::::::
 
 :::::::::::::::::::::::::::::::::::::::  challenge
 
@@ -411,7 +411,7 @@ tricky
 
 :::::::::::::::::::::::::
 
-:::::::::::::::::::::::::::::::::::::::::::::::::::::
+::::::::::::::::::::::::::::::::::::::::::::::::::
 
 :::::::::::::::::::::::::::::::::::::::  challenge
 
@@ -436,12 +436,12 @@ combined_logical <- c(num_logical, char_logical)
 转换为 `"1"` 之前，会先转换为 `1`。
 
 ```{r}
-组合逻辑
+combined_logical
 ```
 
 :::::::::::::::::::::::::
 
-:::::::::::::::::::::::::::::::::::::::::::::::::::::
+::::::::::::::::::::::::::::::::::::::::::::::::::
 
 :::::::::::::::::::::::::::::::::::::::  challenge
 
@@ -461,7 +461,7 @@ types are coerced?
 
 :::::::::::::::::::::::::
 
-:::::::::::::::::::::::::::::::::::::::::::::::::::::
+::::::::::::::::::::::::::::::::::::::::::::::::::
 
 ```{r, echo=FALSE, eval=FALSE, purl=TRUE}
 ## We've seen that atomic vectors can be of type character, numeric, integer, and
@@ -495,17 +495,17 @@ tricky <- c(1, 2, 3, "4")
 在方括号中提供一个或多个索引。 例如：
 
 ```{r, results="show", purl=TRUE}
-分子 <- c("dna", "rna", "肽", "蛋白质")
-分子[2]
-分子[c(3, 2)]
+molecules <- c("dna", "rna", "peptide", "protein")
+molecules[2]
+molecules[c(3, 2)]
 ```
 
 我们还可以重复索引来创建一个比原始对象具有更多元素
 的对象：
 
 ```{r, results="show", purl=TRUE}
-更多分子 <- 分子[c(1, 2, 3, 2, 1, 4)]
-更多分子
+more_molecules <- molecules[c(1, 2, 3, 2, 1, 4)]
+more_molecules
 ```
 
 R 索引从 1 开始。 Fortran、MATLAB、
@@ -517,10 +517,10 @@ Julia 和 R 等编程语言从 1 开始计数，因为这是人类
 的所有元素，除了一些指定元素：
 
 ```{r}
-分子 ## 所有分子
-分子[-1] ## 除第一个之外的所有分子
-分子[-c(1, 3)] ## 除第 1/3 个之外的所有分子
-分子[c(-1, -3)] ## 除第 1/3 个之外的所有分子
+molecules ## all molecules
+molecules[-1] ## all but the first one
+molecules[-c(1, 3)] ## all but 1st/3rd ones
+molecules[c(-1, -3)] ## all but 1st/3rd ones
 ```
 
 ## 条件子集
@@ -538,19 +538,19 @@ weight_g[c(TRUE, FALSE, TRUE, TRUE, FALSE)]
 只想选择 50 以上的值：
 
 ```{r, purl=TRUE}
-## 将返回满足
-条件的索引的逻辑值为 TRUE ## 条件
+## will return logicals with TRUE for the indices that meet
+## the condition
 weight_g > 50
-## 因此我们可以使用它来仅选择高于 50 的值
+## so we can use this to select only the values above 50
 weight_g[weight_g > 50]
 ```
 
 您可以使用 `&`（两个条件都为真，
 AND）或 `|`（至少有一个条件为真，OR）组合多个测试：
 
 ```{r, results="show", purl=TRUE}
-权重_g[权重_g < 30 | 权重_g > 50]
-权重_g[权重_g >= 30 & 权重_g == 21]
+weight_g[weight_g < 30 | weight_g > 50]
+weight_g[weight_g >= 30 & weight_g == 21]
 ```
 
 这里，`<` 代表“小于”，`>` 代表“大于”，`>=` 代表
@@ -566,7 +566,7 @@ AND）或 `|`（至少有一个条件为真，OR）组合多个测试：
 
 ```{r, purl=TRUE}
 molecules <- c("dna", "rna", "protein", "peptide")
-molecules[molecules == "rna" |molecules == "dna"] # 返回 rna 和 dna
+molecules[molecules == "rna" | molecules == "dna"] # returns both rna and dna
 molecules %in% c("rna", "dna", "metabolite", "peptide", "glycerol")
 molecules[molecules %in% c("rna", "dna", "metabolite", "peptide", "glycerol")]
 ```
@@ -582,7 +582,7 @@ molecules[molecules %in% c("rna", "dna", "metabolite", "peptide", "glycerol")]
 ## 解决方案
 
 ```{r}
-“四” > “五”
+"four" > "five"
 ```
 
 在字符串上使用 `>` 或 `<` 时，R 会比较它们的字母顺序。
@@ -591,7 +591,7 @@ molecules[molecules %in% c("rna", "dna", "metabolite", "peptide", "glycerol")]
 
 :::::::::::::::::::::::::
 
-:::::::::::::::::::::::::::::::::::::::::::::::::::::
+::::::::::::::::::::::::::::::::::::::::::::::::::
 
 ## 名字
 
@@ -601,9 +601,9 @@ molecules[molecules %in% c("rna", "dna", "metabolite", "peptide", "glycerol")]
 
 ```{r}
 x <- c(1, 5, 3, 5, 10)
-names(x) ## 没有名字
+names(x) ## no names
 names(x) <- c("A", "B", "C", "D", "E")
-names(x) ## 现在我们有名字了
+names(x) ## now we have names
 ```
 
 当向量具有名称时，除了索引之外，还可以通过其
@@ -627,11 +627,11 @@ the data you are working with include missing values. 此功能
 结果，同时忽略缺失值。
 
 ```{r}
-高度 <- c(2, 4, 4, NA, 6)
-平均值(高度)
-最大值(高度)
-平均值(高度, na.rm = TRUE)
-最大值(高度, na.rm = TRUE)
+heights <- c(2, 4, 4, NA, 6)
+mean(heights)
+max(heights)
+mean(heights, na.rm = TRUE)
+max(heights, na.rm = TRUE)
 ```
 
 If your data include missing values, you may want to become familiar
@@ -872,10 +872,10 @@ before drawing the random sample.
 与种子 123 相同的排列
 
 ```{r, purl=TRUE}
-设置.种子（123）
-样本（1:10）
-设置.种子（123）
-样本（1:10）
+set.seed(123)
+sample(1:10)
+set.seed(123)
+sample(1:10)
 ```
 
 不同的种子