Редактировать:Я только что понял, что first
, second
— это просто заполнители для ваших настоящих имен каталогов, верно? В этом случае вместо псевдонима вы можете создать функцию в своем~/.bashrc
:
function pipe(){
first=$1
second=$2
cd -- "$first"; pwd; ls; cd -- "$second"; ls
}
Источник вашего ~/.bashrc
, а затем вы можете вызвать канал с 2 входными аргументами (имена ваших first
и second
каталогов:
pipe first_dir_name second_dir_name
=====
Вы можете создать псевдоним для этой серии команд.
Добавьте в ~/.bashrc
следующую строку:
# 'pipe' is the name of your alias, you can choose any name you want
alias pipe="cd first; pwd; ls; cd second; ls"
Источник вашего ~/.bashrc
файла:
. ~/.bashrc
Теперь вы можете начать выполнять pipe
в своем терминале, который будет выполнять вашу серию команд. Конечно, вы должны убедиться, что вы вызываете pipe
из правильного каталога, который позволяет вам cd
в каталоги first
и second
.
Предположим, что data.dat
— это файл, содержащий данные.
$ gnuplot
gnuplot> fit a*x**2 + b*x + c 'data.dat' via a, b, c
(...)
Final set of parameters Asymptotic Standard Error
======================= ==========================
a = 22.2174 +/- 1.09 (4.906%)
b = -51.7961 +/- 2.53 (4.885%)
c = 30.5745 +/- 1.468 (4.802%)
(...)
Дополнительные параметры см. в разделе Подгонка документации .
Вы также можете напрямую подключиться к GNUPlot:
printf '%s\n' 'fit a*x**2 + b*x + c "data.dat" via a, b, c' | gnuplot
Предположим, что data.dat
— это файл, содержащий данные.
xmgrace data.dat
Появится окно XMGrace с кривой, представляющей данные.
На панели инструментов выберите Data > Transformations > Regression
. Выберите Type of Fit: Quadratic
и Accept
.
Будет построена новая кривая с подгонкой, и появится «консоль»:
(...)
y = 30.575 - 51.796 * x + 22.217 * x^2
(...)
Вы можете использовать графический пользовательский интерфейс для отображения данных в виде черных точек и укладки в виде красной кривой.
XMGrace также предлагает интерфейс командной строки, хотя в нем отсутствуют некоторые функции. Вы можете узнать больше, посетив документацию .
Решение на R через интерфейс командной строки
Первый тип терминала в LinuxR
Потом
data.dat<-read.table(textConnection("a b c
1.12158 0.42563 0.07
1.12471 0.42112 0.07
1.12784 0.41685 0.07
1.13097 0.41283 0.07
1.13409 0.40907 0.07
1.13722 0.40556 0.07
1.14035 0.40231 0.07
1.14348 0.39933 0.07
1.1466 0.39661 0.07
1.14973 0.39417 0.07
1.15285 0.39201 0.07
1.15598 0.39012 0.07
1.15911 0.38852 0.07
1.16224 0.3872 0.07
1.16536 0.38618 0.07
1.16849 0.38544 0.07
1.17162 0.385 0.07
1.17474 0.38486 0.07
1.17787 0.38543 0.07
1.181 0.38714 0.07
1.18413 0.38994 0.07
1.18725 0.39378 0.07
1.19038 0.39858 0.07
1.19351 0.40426 0.07
1.19664 0.41071 0.07
1.19976 0.41786 0.07"),header=TRUE)
Тогда
plot(data.dat$a,data.dat$b,col="red",type="b")
Для решения используйте следующее
fit<-lm(data.dat$b~poly(data.dat$a,2,raw=TRUE))
summary(fit)
Call:
lm(formula = data.dat$b ~ poly(data.dat$a, 2, raw = TRUE))
Residuals:
Min 1Q Median 3Q Max
-0.0041754 -0.0021479 0.0004573 0.0019714 0.0059427
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 30.575 1.468 20.83 < 2e-16 ***
poly(data.dat$a, 2, raw = TRUE)1 -51.796 2.530 -20.47 2.91e-16 ***
poly(data.dat$a, 2, raw = TRUE)2 22.217 1.090 20.38 3.20e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.002729 on 23 degrees of freedom
Multiple R-squared: 0.9568, Adjusted R-squared: 0.9531
F-statistic: 255 on 2 and 23 DF, p-value: < 2.2e-16