學習分享_阿好伯

markdown 開學一周了 今天來整理一些我每周都會用到的好軟體 或是值得收藏的好軟體 先以介紹為主若是詳細使用有需要再來分享 # 多平台必裝_數位筆記本OneNote_Win, Ios, Android 優點太多無法一一舉例 但相信我安裝就對了 下面是我分享過的一些使用教學  [黑板、文件擷取_Office Onenote手機版實用功能](https://b10231040.blogspot.com/2018/05/6office-onenote.html) [Onenote推坑文與推薦套件使用](https://b10231040.blogspot.com/2018/05/5evernoteonenote.html) ["Onetastic"推薦插件巨集](https://b10231040.blogspot.com/2018/09/onenoteonetastic.html) # 瀏覽器 ## Google Chome套件 ### 書籤管理 Toby 漂亮的看板模式 可以做很好的分類也可以打上一些註解 方常適合用於管理網頁 缺點沒有手機版  {%youtube J3tfdcwb5U4 %} **[安裝網址](https://chrome.google.com/webstore/detail/toby-for-chrome/hddnkoipeenegfoeaoibdmnaalmgkpip)** ### 網頁剪輯 Clip to Onenote 快速擷取任何網頁到 OneNote 在OneNote輕易地編輯、加上註解或共用網頁 可以去除網頁不需要的資訊干擾 對真正需要的文章、食譜或產品資訊進行剪輯  **[安裝網址](https://chrome.google.com/webstore/detail/onenote-web-clipper/gojbdfnpnhogfdgjbigejoaolejmgdhk?utm_source=chrome-app-launcher-in

markdown ### [為何我們需要可視化(visualization)?](https://b10231040.blogspot.com/2018/08/1.html) Webster 字典中visualization的定義如下。 Vi.su.al.i.za.tion [1] 1.Formation of mental visual images 2.The act or process of interpreting in visual terms or of putting into visible form. 將抽象的科學或者商業數據.用圖像表示出來.幫助理解數據的意義的過程。 它通常會在進行數據分析(data analysis)的過程中大量的使用 從數據展示需求的角度選擇恰當的圖表，可以更好的形式彰顯數據的潛在性、規律性與價值 數據的展現包括用圖表展示數據和用統計量描述數據等內容 圖表的類型有數十種以上  不同的圖表展現出的資訊也不同 適合的資料呈現對於讀者來說能用最少的時間來了解你所呈現的內容 下面整理一些常見的圖表類型說明基本圖表的特點和適用場合 ## 柱狀圖（Bar Chart） 我們經常看到條形圖，很容易忽視它們的效果 條形圖可以顯示值隨時間的變化 適用場合是二維數據集（每組數據點包括兩個值x和y） 或者它們可以提供多個類別的直接比較  注意的是資料類別不適合過多 柱狀圖的X軸可以很適合用於時間維 讀者習慣性認為存在時間趨勢 如果遇到X軸不是時間維的情況，建議用顏色區分每根柱子 改變用戶對時間趨勢的關注  或是使用垂直排列的方式  ## 折線圖（Line Chart） 折線圖也適用場合是二維數據集（每組數據點包括兩個值x和y） 比柱狀圖更適合呈現時間序列或是先後順序的差異 折線圖特別擅長於揭示數據的整體趨勢  也適合

markdown  ### [點我安裝擴充套件](https://chrome.google.com/webstore/detail/password-checkup/pncabnpcffmalkkjpajodfhijclecjno) 帳戶發生資料侵害事件時，Password Checkup 可協助您重新確保帳戶的安全性 只要輸入的使用者名稱和密碼受到 Google 已知的資料侵害而有安全疑慮 您就會收到一則警示。請重設您的密碼 如果您也在任何其他帳戶中使用了相同的使用者名稱和密碼，請重設該帳戶的密碼 我們在設計 Password Checkup 時便將隱私權納入考量 因此這項擴充功能不會回報任何與您的帳戶、密碼或裝置相關的個人識別資訊 而是會以匿名的方式回報以下資訊： 揭露不安全憑證的查詢次數、使用者是否因警示而變更密碼 以及與這些事件關聯的網域，以改善網站的涵蓋範圍 Google表示支持“大多數”美國站點針對大約40億個洩漏用戶名和密碼的數據庫， 並在發現匹配時向您發出警告  注意：如果我們認為您Google帳號的密碼不安全，會主動建議您更改密碼（即使您並未使用“密碼檢查(Password Checkup)”） ## 查詢是否有被盜取或是洩漏的帳密 若是想查詢是否有被盜取或是洩漏的帳密 可以到揭露網站 [';--have i been pwned?](https://haveibeenpwned.com/)查詢  上面收集了340個網站64億多個洩漏帳號 世界上平均一人接近一個帳號洩漏 使用方法也很簡單輸入Email就可以了  下面擷取幾個網站上大家可能聽過或是使用過的軟體 被盜取都是以前的事了但大家可能都沒注意到   ![](https://i.imgur.com/QxQ

markdown 判斷變數類型函數 `class()` --- R內建的`class(x)`可以用來判斷資料類型 首先可以分為下面6種資料類型 R 處理數值的限制 --- 在R內建的數值運算上是有限制的 R 的 `.Machine` 這個內建變數中有一些關於數值資料的資訊 這些資訊可能會因為不同的電腦而有不同（不過對大多數的電腦而言，通常都是一樣的） 以下是跟一般使用者比較相關的數值。 `.Machine$double.xmax` 與 `.Machine$double.xmin` 分別表示目前 R 所能處理的最大浮點數與最小正浮點數： ```R .Machine$double.xmax # [1] 1.797693e+308 .Machine$double.xmin # [1] 2.225074e-308 .Machine$integer.max 則是 R 可以處理的最大整數值： .Machine$integer.max [1] 2147483647 ``` 2147483647 這個值就等於 2^31^ −1 如果需要更高精度的數值運算可以使用 Rmpfr 這個套件 而如果是大數運算，則可以使用 brobdingnab 套件。 浮點數陷阱 --- 而浮點數大家可以去查看看，對他了解是一種電腦存檔所產生問題 在某些運算時可能回造成與我們預期解果不同 多數程式語言都會有問題 但也都有解決方法 看是使用套件Rmpfr或是換個方式判斷結果 例如用R計算`((0.81 * 0.1) + (0.09 * (-0.9)))` 理論上是0但結果會得到1.387779e-17 那這時可以像是以有效位數的方式擷取到小數點後兩位 或是做判斷是不是 -0.01 < x < 0.01 一個可以接受的誤差範圍去做區分 Data Frames資料框架 --- data frame 是一個用來儲存類似 Excel 表格的變數類型它跟矩陣類似 不過 data frame 的每個行（column）可以儲存不同變數類型的資料 甚至非狀巢結構的列表亦可 像是很有名的 iris 資料集就是data frame的資料  ### 建立 Data Fram