Keep on Fighting!

关于LaTeX+LyX+R/Sweave+pgfSweave+PDF图形的若干中文问题

谢益辉 — Mon, 08 Feb 2010 07:04:49 +0000

我不确定这是不是R和Sweave能达到的最漂亮的境界：

这两天花了点时间，把跟LaTeX、LyX、Sweave有关的一系列中文问题从头到脚翻了个遍，目前为止，明白并解决了如下问题（基于带有MikTeX 2.8的CTeX 2.8.0.125、LyX 1.6.5、R 2.10.1、R包pgfSweave 1.0.3，操作系统Win XP，从头到尾一直用UTF-8编码）：

（LaTeX说中文了）LaTeX生成可复制粘贴的中文PDF文档：由于我的惰性，还用着N年前的CTeX，那个老版本CTeX中的MikTeX貌似一直有问题，比如无法更新LaTeX宏包，更不必说那些dvipdfmx之类的程序了，估计人家作者都已经更新了无数个版本我还不知道。在我陈旧的印象中，要用LaTeX生成可复制粘贴的中文只有一种办法，就是用dvipdfmx把dvi转为pdf，而我陈旧的印象又记得dvi文件只能由latex命令生成，并且用latex编译的文档必须用EPS图形，这一直让我觉得很不爽，因为我实在不爱用EPS，比如R的postscript()设备（可生成EPS图形）不支持半透明色，而且图形中要用中文字符的话配置非常麻烦（N年前我请教了Paul Murrell，虽然搞明白了，但心里仍有疙瘩）。我的偏好是用pdflatex命令编译文档，图形也用PDF格式（pdflatex默认支持PDF和PNG图形），用R生成PDF图形也方便、漂亮，所以配合Sweave很容易生成一篇干净利索的PDF文档；但pdflatex命令直接编译生成的中文文档中，中文字符是不能复制粘贴的，因为复制出来就是乱码。所以呢，我陈旧的知识让我的这个“麻烦问题”一直没有得到解决。

现如今，发现CTeX已经把MikTeX更新到2.8了（其实早注意到了，就是懒得卸载几百兆的程序然后再下载几百兆的家伙装上），吭哧吭哧下下来发现自己的老问题早已不存在了……虽然我不清楚ctex宏包的细节，但总归是pdflatex可以编译生成可复制粘贴的中文文档了。

\documentclass[twoside,UTF8]{ctexart}
\usepackage[T1]{fontenc}
\usepackage{CJKutf8}
\usepackage[letterpaper]{geometry}
\usepackage{esint}

\makeatletter
\usepackage{Sweave}

\makeatother

\begin{document}
\begin{CJK}{UTF8}{}%

\title{你好，中文}
\author{我是作者}
\maketitle

\setkeys{Gin}{width=.8\linewidth} 

<>=
pdf.options(family='GB1')
@

我是正文。

\begin{figure}
\begin{center}
<>=
rnorm(10)
plot(rnorm(25), pch=1:25, main='中文字符',
     xlab='$\\alpha + \\beta$', ylab='$\\gamma$')
@
\end{center}
\caption{一幅pgfSweave图}
\end{figure}
\end{CJK}
\end{document}

于是，中文文档可以嵌入PDF图形了，Sweave文档也可用中文编写了。我们要大力感谢ctex宏包的作者们为我们解决了各种中文配置问题。

有客官也许要问，可复制粘贴的中文文档有那么重要么，一份中文文档可以正常阅读不就可以了么？是滴是滴，可复制粘贴很重要，我的关注点是放在网上的中文文档能否被搜索引擎正确收录。要是它本质上都是乱码，别人就无法通过搜索引擎找到你的东西了。这年头，平民百姓自个儿的网站的访问来源大部分都是来自于搜索引擎，别人要是搜不到你的东西，咋可能来敲门呢。不来敲门，咋会有后面更多的机会呢？

（LyX基于LaTeX说中文了）LyX使用ctex系列的layout：ctex宏包提供了三种基本的文档类，即论文、书籍和报告，这让我们写中文文档更符合中文习惯，一些英文名称比如Figure会变成“图”、Abstract会变成“摘要”，等等，让我们省去了大量的重命名工夫。

我大约用了三四年时间LaTeX，辛辛苦苦敲代码啊敲代码，直到有一天发现了LyX。可以说大多数有界面的文本编辑器都跟MS Word一个德行，为了所见即所得，大大牺牲了质量，用了LaTeX的人大多会“中毒”，看别的什么排版都是垃圾，但LyX绝对是个例外，它聪明地提供了导入导出LaTeX的功能，虽说它也算是所见即所得，但它自己不干排版的事情，而是把这事儿交给LaTeX去办，排版质量当然没得说了。

要在LyX中能够通过界面点选使用ctex的文档类的话，得自己先写几个*.layout文件放在Resources/layouts/目录下，比如要用ctexart类：

#% Do not delete the line below; configure depends on this
#  \DeclareLaTeXClass[ctexart]{article (CTeX)}

# Read the definitions from article.layout
Input article.layout

存为ctex-article.layout，然后Reconfigure一下LyX，重启，就可以在Document-->Settings中选择这个类了，记得把语言设置为中文。这样，在LyX中就可以直接编译生成可复制粘贴的中文文档了。

（Sweave基于LaTeX和LyX说中文了）联合ctex宏包直接用LyX写中文Sweave文档：CRAN上有关于如何配置LyX使之支持Sweave，所以很容易模仿一个新的layout文件，让LyX支持中文Sweave文件，比如就叫ctex-article-sweave.layout吧。

#% Do not delete the line below; configure depends on this
#  \DeclareLaTeXClass[ctexart, Sweave.sty]{article (Sweave CTeX)}

# Read the definitions from literate-article.layout
Input literate-article.layout

现在，我们就可以在菜单中选文档类为article (Sweave CTeX)了，当然我们要首先保证ctexart.cls和Sweave.sty都能被LyX找到（可以采取任何手段把R目录下的texmf下的Sweave.sty复制到LaTeX宏包的目录中去），否则这个选项会显示为unavailable。

接下来，我们就要遇到点麻烦了：这里的看官的Windows系统恐怕都是中文环境，codepage是936，而Sweave读文件时需要正确的编码参数，你要是直接把中文的Rnw文件扔给它，它会把所有多字节字符转化为空白或者NA。所以呢，我们要稍微配置一下R的启动选项，比如在Rprofile.site文件中加上options(encoding = "UTF-8")，这样Sweave就能正确读入UTF-8编码的文件了（实际上这影响的是readLines()）。

（动态的R图形基于Sweave、LyX和LaTeX说中文了）R的pdf()图形设备是可以支持中文字符的，只不过要设置family = "GB1"参数，比如：

pdf(family = "GB1")
plot(1, main = "我是中文，哇哈哈哈", xlab = "顶楼上的！")
dev.off()

这个参数可以用pdf.options()函数事先设定，因为我们无法用Sweave的选项去指定pdf()设备的family参数。

然而，悲剧就在于这种方式生成的R图形中，英文字体很难看，瘦高瘦高的。所以我们需要对PDF图形进行某种处理。

（动态的R图形基于pgfSweave、LyX和LaTeX说漂亮的中文了）pgfSweave包提供了一种解决方案，就是把PDF图形转化为tikz格式（不甚了解，应该类似于pictex吧），然后插入LaTeX文档，这样图形中的所有文本都会被当做原始的LaTeX代码处理，其后果就是PDF图形中的文本格式将会LaTeX文档完全一致，包括数学公式！！比如我最开头的那段Sweave代码中，标签用了LaTeX数学公式，这些东西会被转化为原汁原味的LaTeX公式。

要想让LyX支持pgfSweave，目前我只能通过暴力修改Sweave的converter，定义为R --verbose --no-save --no-restore -q -e library(pgfSweave);pgfSweave('$$i',compile.tex=FALSE)，这样pgfSweave负责运行R代码并生成tex文档，然后LyX会自动将tex编译为PDF。

至此，我们能够在ctex、LaTeX、R和pgfSweave的支持下用LyX创建可复制粘贴中文的、动态的、能使用带有中文字符和原生LaTeX数学公式的PDF图形的PDF文档。显然，这路途颇有些曲折，不过一番周折之后，想想以后写中文的东西只需要点几下鼠标，就能用R生成漂亮的PDF文档，心里还是很舒坦的。我写东西很是受排版影响——只要版式漂亮，俺就有无穷的写作动力。

几点附注：

我用UTF-8编码的原因是它比较通用，尤其是这次论坛搬家，要是没有颜林林想出办法解决了从GB2312到UTF-8编码的转换，我真是被编码问题愁死了。打这以后，能用UTF-8一律用UTF-8，管它占用空间大小呢。再者，后面我还想大规模使用GitHub，那网站也是UTF-8的，为了源文件在网站上能正确显示，也必须用UTF-8编码。
CRAN上关于LyX的配置（literate-scrap.inc）被我拿来修改了，主要是更改了Scrap的定义，我很不喜欢原作者关于换行符的定义，必须用Ctrl+Enter，使得老夫在LyX中敲R代码很不爽，而且没法跟别的编辑器互相复制粘贴，现在我可以自由自在地敲R代码了。
Sweave到pdfLaTeX的转换器从R CMD Sweave $$i改为了cp $$r/*.{r,txt,pdf} ./ & R --verbose --no-save --no-restore -q -e library(pgfSweave);pgfSweave('$$i',compile.tex=FALSE)，原因是LyX会把文档复制到一个临时目录下编译，这一点我觉得挺不好的，尤其是写动态文档时，有些数据文件或者R代码需要在文档中使用，但LyX不会把它们全都复制过去，所以R代码运行时会出错，所以我人为加入了复制*.r/*.txt/*.pdf文件到编译的目录中去的命令，然后用命令行的方式执行R，执行的内容是library(pgfSweave);pgfSweave('$$i',compile.tex=FALSE)，这段代码可以用-e参数传给R；设定compile.tex=FALSE的原因是pgfSweave默认会编译LaTeX文档，而我们只需要让它走到生成LaTeX文档那一步就够了。
Sweave不支持给每一幅图形设定宽度，只能通过\setkeys{Gin}{width=}的方式统一设定文档中所有图形的宽度，这一点也让人很不爽，哪有文档能保证所有图形宽度都一样呢，因此我们让Sweave.sty不要统一设定宽度：\usepackage[nogin]{Sweave}；然后在每一段R代码块中分别设定width，这样pgfSweave可以根据这些宽度相应设定图形宽度。这一点也反映在对literate-scrap.inc文件的修改上了。
pgfSweave包默认有命令行执行的方式：R CMD pgfSweave，但这个方式是基于Rscript的，它在执行的时候并不会等程序真的运行完了才退出，而是一扫而过，该运行的程序还在后台默默运行。这一点会让LyX昏了头，LyX以为Sweave代码已经执行完毕，可以启动pdflatex编译了，但事实上tex文档压根儿就还没生成出来。因此我采用了R -e的方式，让LyX老老实实等待R运行结束再编译。
本文的配置对部分客官来说简单，对不常用命令行的客官可能还有好几步路要走，比如把R的bin路径放到系统的PATH环境变量中，以及阅读CRAN上关于LyX+Sweave的配置等等，装LaTeX宏包fancyvrb等（Sweave.sty依赖于它，否则layout在LyX中显示unavailable，尽管Sweave.sty存在）。

下载：文中提到的layout文件们，以及preferences

爷还想看：

特别致谢颜林林对COS的贡献

谢益辉 — Wed, 03 Feb 2010 05:44:06 +0000

COS史上有几位不为人知的幕后英雄，而我从没认真记载过这些事情，时间一长，各种事情堆满了脑子，也不会再去回顾。如今，我必须记下颜林林。以下截图部分反映了他在迁移论坛过程中的贡献：

这事情起源于去年暑假，当时我提出了更换PHPWind系统到bbPress的想法，这位颜小侠很快就研究了PW和bb的数据库结构并写了一个初步的MySQL脚本发给我，而我处理邮件的速度各位客官可能也有所耳闻……过了半年，我测试了这个脚本，发现并不顺利，于是颜林林重新开始修改脚本。众IT民工都知道，即使是自己写的程序，过三个月不看，感觉也像是别人写的。不过颜林林的计算机水平在我看来已经有天外飞仙的感觉了，三下五除二，又发回了修改的版本，然后就是我无休止的改进建议以及Bug修正。截止到记者发稿为止，新的论坛已经克服了我所能想象到的主要障碍（用户名密码顺利迁移、用户权限顺利迁移、帖子id保持不变顺利同步、数据库编码从GB2312顺利转为UTF8、bbcode算是顺利转换……）。每个问题我看着都觉得头皮发麻，但他的每一种解决方案都聪明得“令人发指”。

如果没有这样一位天才存在，换系统这件事我也只能在脑子里冒泡想想而已。

既然已经剧透了这么多，现在可以给个网址开始小范围公测了：http://cos.name/cn/。注意，暂时不能注册，不能发帖。欢迎提供反馈意见。其实这系统也没什么好看的，确实没什么可看的，它只能用来看帖发帖，版主只能删帖修改移动或举报垃圾广告。换句话说，它真的是个论坛了。

COS能有发展的动力，靠的就是这样的奉献精神。而我也诚惶诚恐，怕浪费了大家的时间精力。前几天，科学松鼠会采访一位伯克利统计学博士海龟，他竟然提到了统计之都网站，此事反映出COS在民间的影响力已经有一定厚度了（尽管一直采取不主动宣传的策略）。如小邱所说，“有点意思了”。诸位老大加油吧！

爷还想看：

2009/12/31 -- 统计之都新年构想（杂碎篇） (26)
2009/04/23 -- 新论坛太复杂了 (5)
2009/04/07 -- 得力干将 (10)
2008/11/23 -- Never Grow Old (15)
2008/10/21 -- 为什么汇总的数据不能说明问题 (6)

又说可重现的统计结果、扫叉打叉、高考、useR、严师

谢益辉 — Tue, 12 Jan 2010 06:30:33 +0000

本人怀着阴暗心理于今日公交车上翻IMS Bullutin的第39卷第1期，不幸看到第5页，又是一例统计结果不可重现的例子。一帮人，用可公开获得的数据获得了惊天的成功，到头来被人指责结果不可重复，而且不是一点半点不可重复，后人说的是“results are no better than chance”，嘿嘿，我心里冷笑着。你说说，他整一方法，号称威力无比，其实跟抛硬币得出来的结果没啥区别；这病人得没得癌症，抛个硬币决定吧。

难道这就是传说中的随机数发生器？又想起有些人用上百个变量做回归，这也是随机数发生器的一种，找出几个带显著性星号的系数不必欣喜若狂，要是找不出那才奇怪了呢。呜呼。

打开新闻瞅了一眼，差点笑喷，某大学生看来难逃被人肉的厄运了，举报32家XX网站，获奖万元，牛啊牛，IT民工和码农们都别敲代码了，赶紧打听XX网站的网址去吧。这次扫叉打叉，真是让广大人民群众长了不少见识，上头主动把XX网站都送上门来了。不知道到底是在打呢，还是在普及……脑残不是一点半点啊。我一直在想的是，突然掀起这么一场风暴，背后一定有更深的原因，也许过两年就知道了，看是谁在笑着数钱。

又扬言高考要取消。话说当今各社会阶层的防线越来越牢固，咸鱼翻身跳龙门本来就没几条路，要是高考取消了，看似推翻了一条不公平的路，但接下来的只能是更不公平。新闻没意思，不看了。

R官方发言人日前对我中土大唐的R会议的网址和邮箱表示了强烈不满，因为我们用了useR的字样。此事我是很不能理解，虽然我一向敬重各位老大们，但小弟们只是在网址和邮箱名中用一下useR字样（如useR-2010@cos.name），又没自称我们是useR!会议，何妨呢？某老大说，你小子懂个屁！这是基本的礼貌问题，明白？小的仍然百思不得其解，这咋就成了礼貌问题呢。于是继续弱弱地问老大们，那咱不用useR，而是用user，中不？邮件扔过去，等待老大血溅三尺的回复。

这学期几门课估计要折磨死老夫了，最崩溃的肯定是那高等统计推断，这课的老爷子原籍应该是德国，在本系“以用数学技巧折磨学生为荣”。说老实话，我不喜欢这样的老师，很是不喜欢，加上我本来就不喜欢数理统计之前的数学理论，这课我看是悬了。他的Teaching Philosophy我看着瘆得慌，每句话都像要拯救宇宙和人类灵魂。这课不发笔记，所以必须自己手抄，课程大纲在不断变动中，而且更新不会通知我们，所以要自己常看。常言道，严师出高徒，这事儿不知道是否有验证，反正有些严师我不喜欢。牢骚归牢骚，课还得上，即使是永久性脑损伤，也得先损着。我还犹豫着有些问题能不能问他，比如他某次考试中求的极限能不能直接取个大算一下结果算了，反正也差不多，为啥非得找个技巧去证明。不过我估计他听到这种话一定火冒三丈一脚把我踹飞……

罢了罢了，本站本学期将进入极度缓慢更新期。最后顺祝某大领导一路顺利，平安归来。

爷还想看：

2010/01/08 -- 有多少统计可以重来 (16)
2009/03/04 -- 哇哈哈哈！金融危机与Copula (5)

有多少统计可以重来

谢益辉 — Sat, 09 Jan 2010 00:15:11 +0000

前几天看见这么一则报道，一直挂在我的浏览器中没有关掉：研究者称全国论文买卖去年销售额近10亿。初看这报道，心里弱弱地念了一句“骂了隔壁的”，你说说，这是谁在逼谁，这又是何苦要逼死这些“作者”们。难以理解。我觉得世上难以理解的事情只有两种，一种是纯粹的2，一种是精明之极。此处不展开。

之所以今天才写这事，主要是昨晚遇到了类似的事。有些老板要发论文，就逼学生分析数据，分析之前的结论都想好了，你就照着这个结论分析吧，还得人模狗样参考英文论文，论文三页纸，英文参考文献二三十篇。学生被逼急了只能造假，懂统计的可以高级造假（比如删掉几个数据使得检验显著），不懂统计的就低级造假（纯粹编假数）。老板可能也是被逼的，没论文没职称没钱没地位。经济方面的论文，编就编吧，反正大家都知道是假的，造个假数对大家都没影响；可这医学方面的论文，造数是不是不大好呢？如果论文跟治病救人没关系，那发论文就是堆垃圾了，何必要逼人发表；如果有关系，那这作者们良心何在？

回到我在统计之都新年构想中关于主站的目标一节：为什么期刊有存在的必要？为什么世上只有发表论文这一种指标来衡量人的工作和贡献？论文这个泥坑，学者有学者的痴狂，南郭先生有南郭先生的狡黠。跟买房一样，群体非理性，全然不顾是谁在背后蘸着口水数钱。

统计这玩意儿，一日不形成“reproducible”的规则，一日研究不成大器。

最后看个无关的短片，看什么叫“彪悍的人生不需要解释”：

对他这样的人，有没有必要用论文证明什么呢？

爷还想看：

2010/01/12 -- 又说可重现的统计结果、扫叉打叉、高考、useR、严师 (15)
2009/01/05 -- 八个月论文初审 (2)
2008/07/23 -- 写论文之前要多多考察环境 (0)

t检验方差不齐有多重要

谢益辉 — Tue, 05 Jan 2010 21:02:56 +0000

传统统计教科书大多会提及t检验中方差齐性这个问题，因为检验的假设条件是需要总体方差相等的。然而这个问题实际上可能并没有人们想象的那么重要，这里给两个简单的数值计算结果，看看方差不等对检验结果有什么影响。

par(mar = c(4, 4, 0.5, 0.5), mfrow = c(1, 2))
set.seed(123)
plot(pval <- t(replicate(1000, {
    x1 = rnorm(100, mean = 0, sd = runif(1, 0.5, 1))
    x2 = rnorm(100, mean = 1, sd = runif(1, 2, 5))
    c(t.test(x1, x2, var.equal = TRUE)$p.value, t.test(x1, x2,
        var.equal = FALSE)$p.value)
})), xlab = "P-value: equal variance", ylab = "P-value: unequal variance",
    pch = 20, asp = 1)
abline(0, 1)
plot(pval[, 1], pval[, 2] - pval[, 1], xlab = "P-value: equal variance",
    ylab = "Diff of p-values (unequal var - equal var)", pch = 20)

过程是：从两个正态总体中生成样本，第一个总体均值为0，标准差随机取自U(0.5, 1)，第二个总体均值为1，标准差取自U(2, 5)，显然两个总体标准差不相等，那么在t检验时设定和不设定方差相等的选项对结果有多大影响？把两种情况的P值都画出来：左图是原始P值，可见基本在对角线上，说明大致相等，若眼神儿不好，可看右图，即P值的差异，可见方差不等时P值偏大（原因很简单，因为Welch校正的自由度小于等于不校正的自由度，样本量相等的时候统计量的分母即标准误一样，因此统计量完全一样，自由度越小，P值越大嘛），但大多少呢？其实也没大多少。

方差齐与不齐时t检验的结果对照

Welch/Satterthwaite当然不是吃饱了没事干，要校正自由度当然也是有用武之地的，尤其是当样本量严重不相等时，这两者的结果就差远了。把第一个样本量改成10，然后如法炮制：

par(mar = c(4, 4, 0.5, 0.5), mfrow = c(1, 2))
set.seed(123)
plot(pval <- t(replicate(1000, {
    x1 = rnorm(10, mean = 0, sd = runif(1, 0.5, 1))
    x2 = rnorm(100, mean = 1, sd = runif(1, 2, 5))
    c(t.test(x1, x2, var.equal = TRUE)$p.value, t.test(x1, x2,
        var.equal = FALSE)$p.value)
})), xlab = "P-value: equal variance", ylab = "P-value: unequal variance",
    pch = 20, asp = 1)
abline(0, 1)
abline(h = 0.05, v = 0.05, col = "gray")
plot(pval[, 1], pval[, 2] - pval[, 1], xlab = "P-value: equal variance",
    ylab = "Diff of p-values (unequal var - equal var)", pch = 20)

方差齐与不齐时t检验的结果对照（样本量不同）

这文章，上COS主站寒酸了点，有人能扩展一下就好了。不过这个过程倒是可以提醒广大人民群众避免“路见不平一声吼，吼完继续往前走”，尤其是懒得翻公式的人（像我这样），遇见问题，可以偷懒用计算的方法找答案。

附“大家来找茬”一则：第二次的代码和第一次有啥不一样（除了样本量变了之外）？为啥有这么个变化？这小子想干啥？

爷还想看：

2008/12/24 -- 开平方的速度 (4)
2008/10/07 -- 再谈为什么不用Excel做统计分析 (0)
2009/12/08 -- 最近跟R core们经常打照面 (9)
2009/12/04 -- 2009第一场雪和第二届中国R语言会议 (43)
2009/10/10 -- R的第五万次SVN修改：看看R大佬们的工作时间分布 (9)

统计之都新年构想（杂碎篇）

谢益辉 — Fri, 01 Jan 2010 01:48:28 +0000

在家宅得快发芽了。这几天考虑着COS的发展计划，每次想这件事都觉得脑子里的想法装不下了，可每一个想法的实施往往至少要一年时间，甚至两三年都没法实现。在2010年，我希望可以实现下面这些事情。本文写得不是一般的意识流，读者慎阅：

全面提升网站功能，主要包括对三大软件的支持：
1. ~~SVN~~GIT：目的在于会员合作，大家可以共同编写一些小册子，~~SVN~~GIT使得工作可以并行而不会互相牵制、依赖。按胡子同学的IT小小鸟模式，我觉得COS的会员们根据COS论坛的帖子足以合力写出好几本统计小小鸟了。
2. LaTeX：要正儿八经写东西怎么能不用LateX呢？
3. R：当服务器端支持R之后，便可以实现很多想法了，上面写书是其中之一；还可以建设Rweb，或者让维基页面支持动态生成R运行的结果。
整顿论坛，精兵简政
1. 大规模删帖+编辑帖子。我过去一直没有公开讲我的一个想法，就是我希望这个论坛是帖子数最少和注册人数最少的论坛（前两天写在主站的“关于”页面中了），原因同德鲁克说的公司企业管理类似，一个好的企业应该是看上去平淡无奇的，没有什么轰轰烈烈的事情发生，因为其内部已经井然有序了。我认为一个论坛如果帖子数目过多，只能说明这个论坛的管理太差，帖子质量太低。如果有强大的管理系统，帖子应该被经常整理，比如汇编成册，让后来者无需注册、无需发帖。如果一个访问者到了一个网站，被迫要注册（更恶劣的是盛行的积分制度）发帖才能解决他/她的问题，那么我并不看好这个网站的价值。大多数论坛用各种手段拼命攒人气，我想其理念绝非为访问者服务。我们要果断舍弃短期利益（如广告），放长线钓大鱼。
2. 精兵简政的意思是我一直认为目前的PHPWind论坛系统过于臃肿，想投奔bbPress，这一点半年前已经和颜林林及其他版主们沟通过，可惜我当时没顾得上测试颜林林的SQL脚本，前两天试了一下，发现还是有问题，等他考研结束再说（在此顺带为他烧高香愿考研顺利）。
3. 论坛数据库应该dump下来做做统计分析，我们天天用统计解决别人的问题，为什么不统计一下自身呢？总是不知道该怎样任命版主，其实分析一下会员数据库，看看谁发帖多、在线时间长、登录最频繁，候选人也就很明了了，剩下的便只是“人际公关”问题；当数据积累多的时候，也许能分析出很重要的信息，地球人都知道统计里面有大数定律，但面对海量信息就想不起来这“大数”有什么用。像bit.ly等提供网址缩写服务的网站，它们没法打广告，靠什么吃饭？只能靠分析大家缩写了哪些网址看大家在关心什么，有了信息就有了财富（几乎是单变量的数据啊）。我们能否通过分析R版块的帖子IP来寻找一个合适的明年R会议的地点？能否文本挖掘一下大家关心的统计方法，成立一个相应的专门的统计咨询小团队（给自己挣点口粮或完全免费只当锻炼自己了）？能否统计出会员登录时间的规律，专门安排定期的网上答疑？……
加强与主站作者的联系，让大家有主人意识，并挖掘更多稿件来源
1. 目前主站看起来像模像样（某几位领导数次大赞之），但没达到我的预期，这里面的原因我想还是和作者们没有建立常态联系，大家没有自觉写作的意识，这是管理的问题。我对人的假定是，不贡献是对的，但不去挖掘他可能的贡献的话则就是管理者的不对了。我知道作者们并非写不出文章，只是没有人去给出这种“刺激”。谁（们）来做这件事呢？
2. 关于文章的方向与内容，我一直在思考松鼠会的模式。但统计这种“科学”，有多少内容能和人民大众的生活联系起来并引起他们的兴趣？现在提起统计，人们的反应就是“tmd都是假的”。Numb3rs这种剧肯定远比不上那越狱之类的剧流行，但我们的目标也不必定位在广大人民群众，没必要真做到老妪能懂的地步。技术文、科普文都得抓。从论坛到主站的渠道一定要打通（如同“营销4P”中的“渠道”），还得有几双眼睛观察身边的统计。
3. 我相信主站文章的水平超越期刊是迟早的事情，看看现在那《统计研究》整个儿就是本《经济研究》，苏联模式的统计对我中原统计的影响真是根深蒂固。很早以前我就对经济类统计论文形成了一个阅读观点：翻开论文，直接看最后一节，如果那里面的结论和建议看起来就像某界某中全会的讲稿，或者宏观得不着边际，或者压根儿就是常识，那就不要看了，里面的统计方法只是找借口的工具而已，可惜以我坐井观天的阅读，很多论文貌似都属于这一类。当你看一篇论文，用了一大堆你懂或不懂的模型，这边际弹性啊，那N阶段最小二乘法啊，最后说（我不给出处了，客官也勿搜，我只是随便举一例）：
4. 我作为捣鼓了几年网站的人，眼睛对网页比较挑剔，有点容不得不规范的格式。主站的文章一定要有一个熟悉HTML的编辑队伍，把文章打理得漂漂亮亮、干净利落。
维基新模式
1. 维基站是COS中最难打通的关节，这玩意儿必定起步困难，而且运营起来也会很费力，要不然那Wikipedia怎么天天喊着募捐几百万呢。过去的一年多里大家也看到了，COS维基几乎没有任何动作。原因之一是到现在还没设计好发展方向，过去陆陆续续有些会员对此表示了兴趣，但我自己都不知道该请他们做什么。最近与一位Yifan老兄邮件往来，渐渐有了些启发。既然Wikipedia已经发展很成熟了，我们就没太大必要去按那种传统的词条解释的道路去走，我的想法是，也许可以把R嵌入这个维基，发挥它的统计计算与作图功能，把那些词条用一些计算和图示来解释（比如置信区间），并提供相应的R代码，读者甚至可以动态编辑代码看演示。
2. 关于内容，过去想把R的函数帮助都翻译进来，现在看来没有这个必要，因为我觉得这个工作的价值有限；另外，翻译软件Manual还不如重写，对翻译的东西，大多数读者恐怕永远只有一条意见，就是“tmd翻译得太差了，还不如看英文”。我们仍然可以从论坛中挖掘会员关心的概念，比如标准差/标准误什么的，当这些帖子的问题被回答之后，就应该有人将它收录到维基中。问题依然是，谁（们）来做这件事呢？
高校联系人何去何从

本来这个想法是为了促进国内高校统计专业之间的交流，现在看来恐怕是很困难。一来，善用网络的老师不太多，老爷子老太太就甭指望了，年轻老师貌似也很忙，哪顾得上来这小庙发发帖；二来，我们至今没有找到一个领头羊，改革开放还得先有试验呢，咱这小庙要发起一项行动，必然也得先建好一个模板。高校联系人报名人不少，但我疏于管理和安排事情，各位参加的童鞋可能就更不知道该干啥了。咋个办。

英文论坛暂缓

这论坛起步啊，就一个字：难。

整个网站的文化建设

耐着性子看到这里的客官一定最终忍不住了，是不是在默念“丫一定疯了”或者“丫太扯淡了”……我也不是纯粹扯淡（意即：有扯淡成分）。世上能人有很多，让能人能聚到一起并创造价值，靠什么？长远来看，只能靠文化。短期可以以利益驱动，可我们这一小破穷网站，拿啥给人家，啥都木有。人家凭什么要在这穷破地方呆着？统计的学习交流只是一方面，除此之外，我希望营造一种COS文化，具体是什么，我也说不清，也许它往大了说包含人的修养修为，往小了说包含在力所能及的时候要帮人一把、或者乐于分享你的有用经验经历，往粗了说包含立志肩担引领一门学科的发展，往细了说包含对某种统计模型的使用有自己的主见而不随波逐流。

这些玩意儿都是玄而又玄的东西，说出来容易被人嗤之以鼻。比如我说要十年磨一剑，也许没几位客官会想，靠，你小子真的要从2006年磨到2016年啊？我倒是想回答一句“嗯呐”，不过这话不能公开讲，怕误导不明真相的群众。

这文化建设先从头目抓起，形式呢，可以随意一些，我个人非常不喜欢宗教式的文化建设。不知从何时起，北京一些餐馆饭店也开始了“文化建设”，每天下午四五点，哗啦啦厨师杂役全叫出来，排成三排，大家齐喊“为XX服务”之类的口号，我估摸着也许是喊给路人听的吧，要真有那心，早该体现在店里有没有苍蝇、服务员有没有微笑、大厨有没有在菜里放铁丝上了。COS要建设文化，可以通过定期分享点小文章资料等方式实现。总之，这件没谱的事情要尽量淡定，莫走过头了。一帮乳臭未干的小子和黄毛丫头，还是老老实实做事比较靠谱。

目前天朝的网络环境貌似令人担忧，我心里很没底，估计封站也是说不准的事情。到那时，这些想法都成了彻底的扯淡。万一发生这种事情，啷个儿办呢？

爷还想看：

2008/11/23 -- Never Grow Old (15)
2010/02/02 -- 特别致谢颜林林对COS的贡献 (6)
2010/02/08 -- 关于LaTeX+LyX+R/Sweave+pgfSweave+PDF图形的若干中文问题 (32)
2009/04/23 -- 新论坛太复杂了 (5)
2009/04/07 -- 得力干将 (10)

阴差阳错

谢益辉 — Tue, 29 Dec 2009 23:39:02 +0000

自从来到美帝，生活总是一波三折，有时还七八折。折得我现在见怪不怪了，对“福兮祸之所藏，祸兮福之所倚”有了深刻认识。这人呐，遇见好事不能太得意，遇见坏事也不能太失落，正所谓“不以物喜，不以己悲”。事情来一件解决一件，水来将挡，兵来土掩。今日读到老诗一首：

If

Rudyard Kipling

If you can keep your head when all about you
Are losing theirs and blaming it on you;
If you can trust yourself when all men doubt you,
But make allowance for their doubting too;
If you can wait and not be tired by waiting,
Or, being lied about, don’t deal in lies,
Or, being hated, don’t give way to hating,
And yet don’t look too good, nor talk too wise;

If you can dream – and not make dreams your master;
If you can think – and not make thoughts your aim;
If you can meet with triumph and disaster
And treat those two imposters just the same;
If you can bear to hear the truth you’ve spoken
Twisted by knaves to make a trap for fools,
Or watch the things you gave your life to broken,
And stoop and build ‘em up with wornout tools;

If you can make one heap of all your winnings
And risk it on one turn of pitch-and-toss,
And lose, and start again at your beginnings
And never breath a word about your loss;
If you can force your heart and nerve and sinew
To serve your turn long after they are gone,
And so hold on when there is nothing in you
Except the Will which says to them: “Hold on”;

If you can talk with crowds and keep your virtue,
Or walk with kings – nor lose the common touch;
If neither foes nor loving friends can hurt you;
If all men count with you, but none too much;
If you can fill the unforgiving minute
With sixty seconds’ worth of distance run -
Yours is the Earth and everything that’s in it,
And – which is more – you’ll be a Man my son!

这Kipling老爷子写了一大通，我总结无非就两个字：淡……！定！

rho=0的文章：

2007/11/25 -- 第一次见到活的统计大牛们 (4)
2008/09/26 -- 国内关于空间统计学的书及国外的部分材料 (10)
2008/04/04 -- 浴火重生 (19)
2007/10/31 -- 要正儿八经学习服务器和Linux系统知识了 (0)
2008/06/11 -- 终于更新完程序包了：animation 1.0-0 (0)

杯具欣赏：他们眼中的统计学

谢益辉 — Sat, 26 Dec 2009 08:14:27 +0000

事情缘起于段炼同学9天前给我看的他的一篇博客：统计数字是不是拍脑袋出来的？87.53%。当时我在考试，没太仔细琢磨这件事情；现在邮件处理到了这一封，于是一层一层链接都打开来看，越看越摇头。这统计学在大家眼中敢情成了找借口的高级工具？抑或凡是有不正常的数字现象，都可以找到可能的“统计学”原因？这也太杯具了。

这个87.53%已经被证实只是个玩笑。在众多（只顾怀疑、相互抄袭、转载、或来路不明的）博客文章中，段炼的角度显然和所有人都不一样，他把所有的百分比数据的搜索频数都下载了下来，大家一看就知道，87.53这个数字本身并没有什么奇怪的，你去搜87.52或87.54都一样。众人纷纷解释这个0.53（100人中哪里来的0.53个人），不知道谁第一个提起了置信区间，总之我刚才看到的杯具有（考虑了一下，不是啥好事，就不给链接了）：

……在计算样本容量的时候要考虑一个置信区间的问题，也就是说调查了100个人，但是并不认为这100个人都是认真作答的，因此会在样本容量上再乘上一个置信度。

置信区间展现的是这个参数的真实值有一定概率落在测量结果的周围的程度。

第一种说法简直错了十万八千里，我闻所未闻，真是木有想到，置信度原来还有这种功效；第二种说法是对置信区间常见的误解；我正欲吐血时，竟然看见了维基百科的身影：置信区间。这下是真的杯具了，维基上赫然写着：

置信区间展现的是这个参数的真实值有一定概率落在测量结果的周围的程度。

显然这句话极富误导性（此处不谈贝叶斯学派的观点），还好该页面底下的理论部分是正确的。杯具继续：

通常很少计算某个统计量的点估计值，而是在控制两类错误的条件下，计算它的估计区间的上下界。例如我们可以用90%的概率推断，比率落在81.47%~87.53%中（只是描述问题，并无数据依据），然后有时会根据问题背景，将估计值用区间上界或下界表示。在本案例中，0.53们认为“支持”是他们想要的结果，不排除取上界的可能。

这种冠冕堂皇的话恐怕是领导最喜欢了，什么两类错误啊（Type I & Type II），什么上界下界啊，寡人用名词堆死你。首先，在绝大多数情况下，第二类错误是无法控制的（如备择假设不明确、真实effect size不知道），能知道的只有第一类错误的概率；其次，历史上就没有过用一个置信区间的上界或下界作为估计值的，要么给区间估计，要么给点估计，要是估计值可以随便取，那统计学真的是个大杯具，本来大家只是不相信统计数据，这么整下去总有一天统计理论与方法也会被糟蹋得不像样子的（其实已经被糟蹋得够可以了）。

还有人搬出比率估计啊抽样啊来解释，看着相当的神秘，但问题就是，这个问题本来就不是问题。大家摸象摸到了左前腿，心想世上怎么有这么大一条腿，于是开始解释它，可是还有另外三条腿都很大啊……

总结一点：世上的争论多因观测局部样本引起。

我对段炼的数据倒是挺感兴趣，这是另一个主题，我还没考虑好，打算改天写到统计之都上去。先简单放两幅图，以搜索gov.cn中的百分比为例。首先是每个百分比对应的频数：

gov.cn中每个百分比对应的搜索频数

我们能看到，这图中有些“毛刺儿”，显然容易想到，可能是某些“整数位”上的百分比会偏高，那么“放大”一下看看局部吧：

在长度为1的区间内看搜索频数

如果视力没问题的话，很容易感觉到两边总是会出现“凸起”——也就是整数百分比上的频数会偏高。原因是什么，我不知道，也许是官员秘书们习惯不保留小数。

再简单用LOWESS验证一下在整数位和不在整数位上的频数是否有显著差异，由于频数数据本身数量级很大，所以纵坐标取了对数，这图的形状看起来和第一幅图有所不同：

整数百分比xx.00%上的频数

这种图可以和协方差分析的思想结合起来看，即：控制了百分比这个变量之后，在整数位和不在整数位上频数的差异如何。两条平滑曲线有明显的高低之分，所以取整的效果还是很明显的。继续看xx.x0%这种取整方式：

取整为xx.x0%形式的百分比上对应的频数

它不如上一种取整方式的区别明显，但总的来说，取整和不取整的差异都是很显著的。我试了试直接用回归（协方差分析），发现实在是太难调自变量的阶数了，一元回归肯定是不行，残差图奇形怪状，压根儿就不会是线性关系。

以上都不应该是分析的关键，只是说明一下探索的可能性。真正好玩的应该是这种百分比的频数究竟应该服从什么分布，我也不知道，但至少可以把我天朝的百分比和别的网站的百分比数据做个卡方检验，看分布是否吻合，也就是说，天朝使用百分比的习惯和别人是否有显著差异。

感谢段炼在个人网站中提供了数据下载，使得本文的结果具有可重复：

## 如果段炼不删掉这个数据的话，以下分析可重复
x = read.table("http://chemhack.com/data/googleNums/gov.cn.txt",
    sep = ",", col.names = c("percentage", "count"))
x$round0 = x$percentage %in% seq(0, 100, 1)
x$round1 = x$percentage %in% seq(0, 100, 0.1)

plot(count ~ percentage, x, type = "l")
grid()

library(animation)
saveMovie({
    for (i in 0:99) {
        plot(count ~ percentage, x, type = "l", xlim = i + c(0,
            1), panel.first = grid())
    }
}, interval = 0.5, moviename = "percent-count", para = list(mar = c(4.5,
    4, 1, 0.1)))

plot(count ~ percentage, x, pch = 20, col = rgb(0:1,
    0, 0, c(0.07, 1))[x$round0 + 1], log = "y")
lines(lowess(x[x$round0, 1:2], f = 1/3), col = "red", lwd = 2)
lines(lowess(x[!x$round0, 1:2], f = 1/3), col = "black", lwd = 2)

plot(count ~ percentage, x, pch = 20, col = rgb(0:1,
    0, 0, c(0.07, 1))[x$round1 + 1], log = "y")
lines(lowess(x[x$round1, 1:2], f = 1/3), col = "red", lwd = 2)
lines(lowess(x[!x$round1, 1:2], f = 1/3), col = "black", lwd = 2)

本文也算是相应JD同学的号召，从长时间的Keep on Eating回到正道上。

爷还想看：

2009/04/27 -- 造个假数都不会造 (15)
2009/04/24 -- 本小子还真中了John Chambers软件奖 (20)
2009/03/05 -- 离散化：毁灭信息的有效手段 (11)
2009/02/27 -- 统计分布的检验 (11)
2009/01/05 -- 八个月论文初审 (2)

冬至饺子

谢益辉 — Tue, 22 Dec 2009 22:29:30 +0000

昨天半夜正欲睡觉，突然看见明天冬至，心想该吃饺子啊，不妨找几个人来我家包饺子好了。拖出鸡逃课（GTalk）一看，Tengfei在线，这家伙吃面食长大的，肯定会来，吆喝了一嗓子，便答应了；继续看别人，阿杜也在，叫上，阿杜说得有mv作陪才来，小子我在这个农村认识的女士加起来可能也就十来个，让我请ppmm这不为难我么……其他人都不在线，于是只好群发邮件。完毕睡觉，躺床上盘算了一下冰箱里的东西，胡萝卜、芹菜、香菇、木耳、猪肉、牛肉、鸡肉都有，一顿饺子宴齐活了。

早上九点多爬起来看没人回邮件，于是一个个打电话，结果大部分都没人接，问起来都回国了。这次又请了Rtist，这位神仙又在忙，再次遗憾。凑来凑去，才凑了五六人。放下电话开始搜饺子馅做法，看完去厨房拿出肉放在外面解冻，泡上香菇木耳，然后开始和面揉面。此前自己吃都是小规模揉面，这次揉上近两斤面，感觉还挺费劲。一盆面揉了二十来分钟，盖上醒着。然后鸡猪牛肉一个个切片切丝切丁，切完兵兵咣咣剁成肉泥，看起来还像模像样。肉快剁完了，大军赶到，帮忙打扫一下洗碗池边上的台面，开始擀面。我继续切胡萝卜小丁拌猪肉、芹菜丁拌牛肉、香菇拌鸡肉，由于还有一位吃素的童鞋，于是蒋老师专门摊了鸡蛋饼，和笋以及木耳拌一块儿做素馅。素童鞋、淑童鞋和阿杜中间还跑去mall逛了一圈，留下蒋老师、Tengfei和我，一个包，一个擀，一个剁，倒也配合默契。包得差不多了那三人还不见回，于是挂一电话说我们已经吃完了，顷刻间三人就杀回来了。我把剩下的香菇、笋和木耳炒了，然后刷锅开煮。

煮起来一锅一锅就快了，勤劳的蒋老师一直在厨房看锅，我们一伙人饿了半天，当然是一通狼吞虎咽。我也没另炒菜，大家就蘸着酱油醋老干妈凑合着吃了。席间大谈特谈“信某哥，不挂科”的事情，神乎其神，每个人都有鲜活的示例。看来我期末考试之前没拜一拜某哥，这次是要惨了。吃完蒋老师还是抢着刷了碗，大家收拾收拾桌子，本来要打牌，结果素童鞋非说困了要回家睡觉，这下树倒猢狲散，一帮人瞬间都溜光了，两副扑克扔在我家，不知道啥时候能派上用场。放了寒假在这农村宅着感觉头上都快长草了，啥活动都没有。本来我是特别不爱张罗活动的人，在这里都张罗两次饭局了。不过听说Bin回国打算带卡拉OK来，看来下学期没事可以吼两嗓子了；Tengfei也有同学带酒，这美帝真是没劲，酒都没得喝，还是天朝人民幸福。

外一篇：最近无意发现一位COS会员的博客，叹息良久。看我COS头目们，一个个有情有义，想一想心里就很有劲头。不过本小子心里也还没理好谱。

爷还想看：

2009/10/03 -- 学院网站、考试、月饼、排骨及其它 (12)
2009/09/27 -- 美国农村生活一月汇报 (29)
2009/08/28 -- 暑假轨迹 (19)
2008/07/06 -- 屋漏偏逢连夜雨 (2)
2008/06/10 -- 又忘了吃饭 (4)

最近跟R core们经常打照面

谢益辉 — Tue, 08 Dec 2009 06:45:05 +0000

近来有些奇怪，有几位R core们居然给本小子写邮件，让本小子着实感到吃惊。比如，首先是Brian Ripley，这是R core中的core，前面提到过他在R源代码中的突出贡献，这位真人不露面、网上找不着照片的大佬，前段时间给我发封邮件说，你小子的animation包的启动消息不正规啊，因为我用suppressPackageStartupMessages()无法屏蔽启动消息；我一看，R里面居然还存在这么长名字的函数，顺便学习了message()函数，从此不再用老土的cat()函数了，后来考虑了一下，干脆把启动消息去掉了，library(animation)不会再有任何提示消息。

然后是我发现Duncan Temple Lang这位不靠谱的大叔做着一些我很喜欢的不靠谱的事情，于是乎对Omegahat心向往之，一来二去聊了聊，将来有机会一定要会一会他。

Sweave对注释的处理是要么完全去除，然后R代码会被整理整齐，要么完全保留，但R代码也保留原样，而我一直希望既能保留注释又能整理代码，这才诞生了animation包中tidy.source()函数（在小邱聪明的技巧下），前段时间想想给Friedrich Leisch，也就是Sweave的作者，发封邮件说了这个事情，打探一下是否能多设置一些Sweave选项，比如把parse()和deparse()函数以选项的形式抽象出来，这样就可以实现既整理代码又保留注释的功能了，不过大叔貌似很忙，回了一封邮件就再也没有音信了，后来由于Michael Friendly对Sweave的一些功能请求在R-help上发了邮件，我们一干人等通过Duncan Murdoch间接了解到Friedrich的确很忙，不过好消息是圣诞节过后Sweave可能会有更新，届时用户可以自行设置图形设备，不必局限在PDF和EPS。但整理代码的事情仍然遥遥无期……唉，还得用硬性Hack的方法。

Martin Maechler前面提过，看到我们开R会，说要向The R Journal交报告啊，回头再跟他谈谈明年R会议的事情。

最意想不到的是，Duncan Murdoch刚才居然给我发个邮件问问题，额滴神啊，这位大叔可是Rtools的管理者、若干个包的作者（rgl等）啊。不过大叔问的是Flash的问题，还好我知道那么一点点，算是能解决。趁此机会，干脆回问两个C语言问题，子曾经曰过：问一个够本，问两个赚一个。

爷还想看：

2009/10/10 -- R的第五万次SVN修改：看看R大佬们的工作时间分布 (9)
2009/03/05 -- LyX和Sweave (3)
2008/12/02 -- SVGAnnotation：从R图形到SVG的（全面）支持 (0)
2008/09/11 -- 人生何处不相逢 (0)
2010/02/08 -- 关于LaTeX+LyX+R/Sweave+pgfSweave+PDF图形的若干中文问题 (32)

2009第一场雪和第二届中国R语言会议

谢益辉 — Fri, 04 Dec 2009 21:31:51 +0000

这极北苦寒之农村今年比较反常，据说往年都是感恩节一定会下雪，而今年就没下。刚纳闷儿咋12月还不下雪的时候，便下开了。不过雪也不大，地上只是铺了薄薄一层，比今年北京那场雪差远了。昨夜回家路上，想起小学时咿咿呀呀背的：

日暮苍山远，天寒白屋贫。
柴门闻犬吠，风雪夜归人。

第二届中国R语言会议的北京会场过几个小时就要开幕了。这次会议比上次的准备更加匆忙，大约也就只有一个多月时间准备，但大家都很卖力，在此先感谢一下各位组织者：邱怡轩、张翔、焦静、陈堰平、范建、蒋安华以及关菁菁；说起小邱同学，如我上次所说，我真是有点怕给这位拼命三郎安排任务，从别人口中了解到他为这次会议每天马不停蹄焦头烂额四处奔波，我心中甚为感叹；张翔呢，我没想到他会担起这次会议组织者的角色，上海会场在他的带领下也办得有声有色（看看会议通知页面的宣传海报多么亮丽），和焦静两人拉赞助、发传单、安排吃住，作为已经工作的人，对一门自由软件如此费心，甚为难得；焦静呢，现在不在统计专业（生态），却帮忙做着一门统计软件的推广，跑校区、定会场、找领导，忙得不亦乐乎；陈堰平作为R的老用户挑起大梁，相信经过上次植物所培训一战，对这次会议的组织应该更有把握；fan版主也是位拼命三郎，COS论坛招生就业版自他上任之后所有帖子和资料被整理得井井有条，使你不得不敬佩，这年头能如此发狠的人不多见啊；关菁菁同学嘛，说实话刚开始小邱介绍的时候我想不起来她是哪一级了（为啥我总觉得她是研究僧呢），上一届R会议她参加了，而且中午没去吃饭，留在会场帮我们看东西，这次又主动提出愿意帮忙组织，我自然是很高兴。对于参会者诸如魏太云以及刘思喆和李舰二位大师兄的献计献策一并致谢。

这次会议有不少去年的熟面孔（如丁鹏、左辰、王化儒、奚潭等），新参加的人里面有我认识和不认识的，报名演讲的名单也给了我很多惊喜，比如钟其顶，算是一个老朋友了，三年前在我一次R报告的时候就认识了，后来我们一直用R做一些食品行业的应用，效果还是很不错的，尤其是今年初几位师弟在我的牵线搭桥下过去实习之后，挖掘了更多R的应用价值；再比如那场“地质环境调查监测研究中的R应用”（作者来自中国地质环境监测院，政府机构下属事业单位），其图形着实让我惊叹了一番，没想到R在这样的单位已经被人研究到了这种程度（R和Google Earth都用上了），太出乎我的意料了，看来我的统计图形书可以放到更开阔的边界上把各种稀奇古怪的应用都介绍一下；再比如陈丽云，这位以技术派面目出现的lady，要来讲讲计量，想当年，被本小子一句玩笑代码惹得好奇心起，装了R，然后被打击了一番；再比如孙晓燕，最后关头杀了过来，不知道是不是被李晓煦老师给“忽悠”的；还有中科院的WebR，相信也是很价值的应用；上海会场请到了汤银才老师，这位也是中国R语言的一位元老人物，想想四五年前网上一搜就是汤老师的那个PPT。

一个月前我往R-help发了个会议通知，前几天又补充了一下会议内容，R core之一Martin Maechler注意到我们的会议，给我发了封邮件说希望这次会议能写一篇报告发给The R Journal，正中下怀，本小子就是这么打算的。我想明年第三届R会议就放在暑假开好了，到时候请一些R core成员过来讲讲课什么的，应该也是很有可能的。

前两天给吴老写了封邮件说起这事，吴老曰：

我是一个行将退出战场的老兵，我想说的是：

祝贺第二届中国R语言大会胜利召开！

开放、绿色、功能强大、具有源源不断巨大资源的R不仅有必要而且一定能够在中国推广和发展。

吴老是第一位把R引进人大统计学院的老师，此后他的弟子们也纷纷用R，这才有了我接触R的机会。

爷还想看：

2008/12/18 -- R语言会议结束之后 (10)
2008/12/13 -- 第一届中国R语言会议第一天 (28)
2008/12/05 -- 用R赶火车 (9)
2008/10/13 -- 开始邀请R Core成员投稿 (2)
2010/02/08 -- 关于LaTeX+LyX+R/Sweave+pgfSweave+PDF图形的若干中文问题 (32)

关于英文写作的几点常识或经验（兼忆我的英语老师们）

谢益辉 — Sat, 07 Nov 2009 00:42:22 +0000

最近有好几位同学让我帮忙看出国申请的简历和文书，敢情我现在是从多年的人大考研咨询改行到出国咨询了……从这些简历和文书的阅读中，我觉得有些写作方面的简单规则应该在此啰嗦一下，复习初中英语知识，供出国的客官参考。我想起什么写什么，这篇文章也许会更新。

零、一本必读的小册子

有一本叫作The Elements of Style的小册子是讲英语写作的，不管你的申请有多忙，一定要抽时间把这本几十页的小册子看完（若你不愿意搜，这里有一个PDF链接）。这本册子相当古老了，也许比你的爷爷年纪还大（传说中的葵花宝典？），但提出的写作规则都是很中肯的。若有大一想出国的同学不幸逛到我这儿来了，我得另外建议各位小客官找一本大部头的英语语法书猛读（个人猛读过张道真的语法书，印象中六七百页，详见后文），我相信这种规则的锻炼对将来的写作。回头想了一下，搞不清楚我大学英语在上些什么。当然，对这本小册子，由于规则繁多，必然有人不满，认为对语言约束太强，有些规则没多大意义，可以打破，这是很自然的事情——语言是拿来用的，会随时间变化的。不过无论如何，我觉得读这本册子益处远大于害处。

一、单数和复数

因为中文的名词基本上没有复数的概念，比如我们说吃苹果时，绝不会说吃苹果们（即使吃了十个苹果），所以我们写英语的名词容易忽略单数复数的问题。当我们用一个可数单数名词的时候，前面需要加冠词a或者the，要么就用复数，不要把一个可数名词孤零零光秃秃撂在那儿。例：

[...] it estimates parameters in linear regression model…

这句话中，线性回归模型前需要加a或者the，或者用models。如果用the什么，那么一般表示特指某一个东西，如果不想表达特指，那么用复数。

二、标点符号

空格问题：中文几乎从不需要使用空格，但英文中标点符号和下一个单词之间需要有一个空格，看似很简单的规则，但很多人的英文文章因为没有空格，写出来让人看着觉得憋得慌。

逗号问题：两个独立的句子之间不能用逗号，要么用句号，要么用分号。有些人写东西很随意，逗号一路打到底，不知道段落到底是什么结构。

书名号问题：英文中没有书名号！不要笑，就是有人会在Word中给一本书或论文打上书名号。如何在正文中提一本书或论文呢？正确的方式是用斜体或者引号。如果文中要提到数十篇文献，那么我建议还是用参考文献的方式吧，比如Xie (2009)。

跑题提一下LaTeX引号问题：我注意到不是所有LaTeX用户都知道引号的正确写法（这让我有点吃惊），它不是""，而是``''，否则，编译出来的文档两个引号的方向是一样的。LyX用户敬请忽略本段，直接打引号的话它会自动生成正确的引号代码。

三、“统计”这个词

作为申请统计专业的学生，务必搞清楚statistic到底是什么，不要开口就说“统计学”是statistic，大多数情况下，这个单词只有一个意思，那就是统计量。“统计学”是statistics，形容词statistical。

四、few和little

它们本身表示否定意思：几乎没有。而不是有一些/一点。如果要表达后者的意思，那么加上a。阅读的时候尤其注意。

五、关于用词

我经常发现我看不懂发给我的PS中的某些句子，因为关键的单词我不认识，也许是我没真正考GRE的缘故吧。但我个人感觉这些我不认识的单词可能是通过金山词霸或者某些翻译工具翻译出来的，不知道老外看见这些词会怎么想，反正我觉得是没有必要用不常见的词。如果想扩大词汇量（我指正常的词汇），我认为最好的办法只有一个，就是大量阅读。读完之后你的脑子会自动根据单词出现的频数排序，以后写东西的时候自然而然就会用写作常用词了。我自己曾经干过背词典的蠢事，当然这种蠢方法对我来说有一定正面影响，因为背词典的时候看了不少例句。

总结起来就是，不要查翻译工具，即使查，也要掂量一下词语是否常见易懂。

六、M$ Word用户的注意事项

大多数Word默认安装了拼写检查工具，因此请不要轻易忽视划了红杠杠的词句，仔细想想为什么被划了杠杠。当然，我不推荐学术男/学术女们用Word写东西。【插播广告：山东大学的客官请关注你们学校的LaTeX讲座（by陈丽云）】

完。

写着写着，想起以前的英语老师们，因此加上一段附录。

附：我的英语老师们

本小子现在混到这个美国农村，还得感谢我的那些英语老师：

初一的英语老师和我沾一丁点亲戚关系（貌似是从我们那个村嫁出去的），所以特别照顾我，当时班里有位同学在上初中之前学过一点英语，所以上课俨然鹤立鸡群，不过老师似乎并不欣赏她，反倒是我被莫名其妙捧起来了，所以不想好好学都不行；

初二英语老师呢，几乎全班同学都讨厌他，可能他当班主任管得太严但又没有威信，偏偏这个老师的口语非常标准（我现在听人把the读成“则”或者元音前仍读“呃”不读“咿”就觉得幸亏当年有这么个老师），语法也很严格，所以我还是很喜欢他的，师徒俩关系一直不错；

初三换到老A班，配备的是学校最好的英语老师，她对姓谢的那个小子早有耳闻，一年中也很照顾我，想方设法让我去市里参加了一次英语竞赛，话说那次貌似是我第一次走出那个小镇（记当时得我一共揣着两块钱，以为来回坐车就够了，结果上车发现一趟就要三块五，心想怎么要这么大一笔钱啊）；

高一高二的英语老师似乎是北方人，一口标准的普通话，在我们那旮旯很少见，虽然市区很多人都讲普通话，但没几个人能正确读出后鼻音（及卷舌），老师上课都是方言。这位大叔没啥特异之处，循规蹈矩，上课有板有眼，所以我又接受了两年正规训练；

高三再进老A，英语老师是个年轻小伙儿，呃，其实也不算太年轻吧，他女儿和我在同一个班，英语也很好。和初一有几分类似，这位小伙老师有些偏爱我，我感觉每次作文给我的分都偏高，若没啥大问题基本都接近满分，所以每次考试都过130奔140，最后高考吃了亏，考了几乎历史最低分。这位老师每天都朝气蓬勃，能说会道，我觉得他去新东方肯定没问题……

到了大学嘛，反而没啥学习的感觉了。高三暑假背了一本新英汉词典，大一买了一本牛津，现在也不记得有没有背完A。分级考试分到二级，要上一年半英语课。老师功底不错，但我现在似乎什么内容都想不起来了。只记得某次上课要表演，一伙人演大话西游，我演至尊宝（汗啊），借了同学的武士刀，被架在脖子上，背出那段英文版的一万年；

到了研究僧，侥幸过了英语入学考试，免去心头大患，实在是对英语课烦得很；博士僧的时候一样。

爷还想看：

R的第五万次SVN修改：看看R大佬们的工作时间分布

谢益辉 — Sun, 11 Oct 2009 03:14:13 +0000

昨天Ripley教授向R提交了第50000次修改，Romain Francios对SVN的日志数据做了一些简单分析，我个人一直关心Ripley是不是整天不用睡觉（你看这老爷子一天到晚都在邮件列表中出没），这次正好验证一下他是不是24小时工作，数据和R代码参见50000 Revisions Committed to R。

Ripley从1999年加入R核心团队，从上图可以看出，他显然是不需要睡觉的——每个小时都可能有commit。时间分布呈双峰：早上7点到10点、下午3点到6点。看看其他人的工作时间，很容易发现Martin倾向于早起干活，而Peter倾向于每天晚上12点之后干活。

Romain的博客中有SVN的日志数据可以下载，感兴趣的同志们可以继续分析R core的工作行为。

上周上课，我们老爷子又说SAS is extremely powerful，SAS很靠谱，就差明说SAS没有Bug了。我正在整理课程笔记，SAS的事情，我改天要去找老爷子好好谈一谈。R从不说自己能担保什么，大家拼命找bug，拼命改进，这是开源软件的共同特征——没有人付钱，但就是有一群疯子半夜3点还在写代码。商业软件一向说自己能保证什么，可是一个bug二十年都没人会去修正（例），还好我们看不见源代码，要是能看见，后果不堪设想。

爷还想看：

学院网站、考试、月饼、排骨及其它

谢益辉 — Sun, 04 Oct 2009 04:20:56 +0000

先说学院网站：听说院里又要花钱请人做网站，我一听，赶紧让小邱同志和小蒋同志快马加鞭，争取劫下这一镖，因为我能料到，请人做的网站将成为一个烂系统的概率大于95%（就像学校那个烂系统一样），我个人很是不相信那些做网站的公司。有了无敌的免费的开源的Wordpress，啥网站做不出来啊？这二位呢，任务一说就做，问题一点就通，我是满心欢喜啊，特此书面表扬（算是回答fan的问题吧）。不过我担心的是，小邱做事情太认真，太富有钻研精神了，这一镖要是劫不下来，怕是要浪费很多时间啊。我要不要跟领导旁敲侧击一下，考虑中……

再说考试：话说这门高等概率论，部分回放了当年我经常昏睡的实变函数课堂，不知道我脑子里是不是缺根数学筋，我对纯粹抽象的东西就是上不了路，总也想不明白，历史上是怎么想到那些证明技巧的，而且花了很大的力气最后证明了一个看似很显然的结论。我只对表示随机误差项的学科感兴趣，对表示的学科实在提不起兴趣。这次其中考试自然是盯着什么简单函数什么可测空间发愣了。下周我要重新整理一下那四五十个推论，也许学这种课就是体力活，看多了做多了也就上路了。但无论如何，我还是一眼望不到究竟这些东西对统计学有什么深远的影响。我知道这样的话一定会招来长者或行家的批评，你一臭小子，懂什么？叫你打好基础，你还这么多废话。但我心中就是有个悖论：既然那些抽象的定理是正确的，为什么一代又一代的人都要从头学起，难道就没有哪一天能让某些东西成为公理么？定义一个Lebesgue积分，都要先从直线上的区间讲起，有了区间再去覆盖集合，取了下极限，集合就有了外测度，然后定义测度和可测集合，有了可测集，再定义可测函数，为了研究可测函数的积分，先定义基于可测集的简单函数的积分，然后用简单函数去夹住非负函数定义非负函数的积分，然后把一般的函数分为正部和负部，最终定义出一般函数的积分。传说Lebesgue积分比Riemann积分优越，通常的例子都是Dirichlet函数用Riemann不可积，但Lebesgue可积，而我觉得通过定义解决的问题，就如同改变了裁判一样。数学家们为什么不多给一些例子，来说明Lebesgue的伟大贡献及其积分的广泛意义？或者，生活中有Dirichlet函数么？回到统计的世界，我看到的仍然到处都是Riemann可积的函数，上哪儿找那种处处不连续的函数去？我们所知道的所有统计分布，有哪一个是变态到处处不连续的，而我们关心的样本空间的子集，又有哪一个是不可测的？呃，不废话了，看书才是正道。也许再过两个月回来看，会发现我问了一堆傻问题。

然后是月饼：中秋节嘛，自然要整点儿月饼，于是乎，一群人杀往Lin家，本小子现在对做东西是无知者无畏，没做过，管它呢，捋起袖子，甩开膀子，拿出笔记本现查，看上十五分钟，面盆倒上二斤面，半斤糖浆，几瓢油，搅和一下，便开揉，话说月饼面还真是不好揉，因为用的是低粘度的面粉，很容易散，没怎么加水，就更干了，好不容易揉好装进袋子搁一边醒着，过了一个小时再看，完蛋鸟，面团太硬，于是乎，把面团重新打散，加点牛奶当水用，又花了半天功夫重新把面揉拢了，切成小块，本小子可是从小搓泥巴长大的，把面团搓成小圆球不在话下，刷刷就出来十八个圆滚滚的面球（无图无真相），在那边喝啤酒聊天的群众过来厨房一看，嗬，有模有样嘛，于是乎，众人围上来捏的捏，擀的擀，塞蛋黄的塞蛋黄，填豆沙的填豆沙，最后把十八个面团子压进模具，最后一哄而散打麻将去了，Yang同学见我们做工粗糙，又把一些月饼重新整容了一下，扔进烤箱，烤啊烤，刷了蜂蜜，再烤啊烤。最后拖出来一看，月饼一半白的一半黑的，白的是因为我面粉放多了，黑的是烤糊了……这异国他乡的，哪管那么多，月黑风高夜，杀人越饼时，众人各自分得黑白月饼作鸟兽散。回来再上网瞅瞅，发现也不一定那么失败——月饼烤出来要放两天让它“回油”，到时候才有好看的颜色（当然烤糊了的除外）。

然后呢今天中午做排骨：排骨应该也是做不坏的东西。我以前没有发现蒜瓣在哪里有卖，所以只有葱姜花椒可用，后来总算发现了，买得大蒜贰颗，中午用水煮了排骨去血水，下油下蒜片下排骨下老干妈，炒得满屋飘香，室友忍不住跑出来：太香了太香了，你终于得道了，来，看我，一二，咔嚓。我便在厨房里蓬头垢面被拍了一张照片。下午去参加系里野餐，完毕去亚洲超市购得料酒一瓶，厨房的东西一天天齐备了。

作为国庆的特别礼物，敬请各位用R的客官移步观看小邱的大作：rgl版的“我的中国心”。短评：R里面只有你不知道的，没有不能实现的。

报名参加了学校的乒乓球赛，周一晚上九点半预备赛，周日正式比赛，我看参加比赛的大多都是老外，不知是不是意味着多了几分胜算，不过也不好说，能参加比赛，水平肯定不会差，有些老外乒乓球也很强的，我是几个月没摸过乒乓球了，也没带自己的球拍。管它呢，去玩玩吧。

爷还想看：

2010/02/02 -- 特别致谢颜林林对COS的贡献 (6)
2009/12/22 -- 冬至饺子 (18)
2009/09/27 -- 美国农村生活一月汇报 (29)
2009/08/28 -- 暑假轨迹 (19)
2008/10/24 -- 仰天大笑出门去，我辈岂是杀G人 (8)

美国农村生活一月汇报

谢益辉 — Sun, 27 Sep 2009 03:20:16 +0000

每天生活是如此琐碎，以至于操起键盘不知道写什么标题是好。开学差不多一个月了，学习上像回到了大二，生活上像回到了小学。选了两门课，外加一门讲座课，天天上实变函数和t检验方差分析，想当年，本小子在实变函数课上是那种会被老师叫醒的学生，可想而知，这种东西我学得很烂了，如今重学一遍，依然不得要领，可能脑子里就缺这根筋吧，总搞不清这铺天盖地的花写字母对统计的意义在哪里，老师倒是一个年轻的大牛，每年有事没事就去JASA和Annals写几篇论文，不经意就发现一群大牛的推导错误（真是牛到惊人，还这么年轻）；而方差分析课呢，老爷子人是很好，经验丰富，但就是歧视R，有事没事就说SAS is extremely powerful，本小子坐在底下心想，忍忍吧，那个年代的人都是SAS派，就别争了，如今SAS与R的优劣很明显了，老爷子有时候上课说，啊哈，你们瞧瞧，这里SAS能做，R就不能做（他就是把反过来成立的那些地方都留着不说），本小子至今还在用R+Sweave写作业，看看究竟有什么事情是R不能做的。

刚看见江堂兄发一篇君子厨艺大全，赶紧凑过去围观（要知道，本小子最近对厨艺比对任何事情都感兴趣，民以食为上帝啊），果然是厨房老手，总结出若干极具robust性能的做菜方法，看来有些东西真的是不管怎么做都会好吃的（以前我只知道蛤蜊）。本小子在来美国之前的上一次做饭差不多可以追溯到小学时期了，想当年，俺和俺弟暑假在家轮流值班，一人做饭，一人放牛，在蚊子嗡嗡飞的昏暗厨房，爬梯子取腊肉，洗了切了炒辣椒炒黄瓜炒土豆，似乎一共就这三样了，炒菜不用放油，因为猪肉已经有很多油了，那时候没有电饭锅，煮饭炒菜全靠那一大口铁锅，大锅水煮，大半熟了全捞起来沥出米汤，然后炒菜，炒完把饭放回去蒸熟，盛出来，剩下一锅锅巴中加入米汤，便是稀饭了，在煮饭的柴火灰烬中埋两个土豆或红薯，吃完饭扒出来就跟宝贝似的。如今在异国他乡的农村再拿起锅碗瓢盆，所有的场景都变了，做饭用电，再也不用守在灶膛前添火；每天吃植物油，想蒸个水蛋吧，没猪油，便放弃了，小时候一直吃着放猪油的水蛋长大，果然有依赖性。室友（香港人）是美国生活，整天汉堡度日，每次看我做饭，都摇头说，太麻烦了，太麻烦了。由于厨房基本是我的天下，没有不明真相的群众围观，所以可以放心大胆挽起袖子任它油花飞溅，我没江堂兄那么耐油，一旦油花飞溅，我就离锅一米远，行注目礼10秒钟，锅里平息了再凑上前翻炒，后来学乖了，尽量沥干水，而且当油五六成热的时候就扔花椒葱姜蒜，让它慢慢爆锅，佐料香味四溢的时候就扔肉，速速翻炒，也就不会大溅了。这一个月主食尝试了猫耳朵、纯手工饺子（花了三四个小时）、纯手工面条、烙饼（未遂）、土豆鸡蛋饼、炸薯条（原来麦当劳的薯条如此简单），各种菜就是随意搭配，牛肉猪肉鸡肉鱼和芹菜土豆生菜萝卜黄瓜茄子菜椒，其中最满意的是芹菜牛肉（深感人大食堂太糟蹋芹菜了）和红烧鸡块，总结经验如下：

糖的作用不一定是让菜变甜，例如红烧鸡块实现在油中放糖，能给鸡块上色，而且更好吃（不甜），因为我不太爱吃甜，所以一直对糖有误解；
纤维多的菜如芹菜棒子盖上锅盖焖一会儿就好吃多了，否则水分很快蒸发，吃着就跟嚼棉线一样（我本来从不用锅盖，前些日子去肯德基州参观考察回来学乖了）；
肉类加上面粉能保湿（面粉多加水和稀），所以肉会嫩；若有淀粉应该更好，可惜我还没找到哪里有卖淀粉的，等找到之后做鱼香肉丝；
爆锅材料一定不能糊，否则既影响美观又损失味道，最易糊的就是干尖椒，若有可能，把爆锅的材料（比如花椒）捞出来再炒菜；
煮稀饭或者煮土豆的时候，加至少两倍于你想象的水（有一次做土豆沙拉，把土豆煮粘锅了）；

明日请客吃饭，答谢大家对初来乍到的本小子的照顾，所以今日去超市买了一大堆东西，看见花生，心想这下可以做宫保鸡丁了，于是买了一点回来试了试（用面粉代替了淀粉），酸酸甜甜的，好吃啊，可能就属于胡子同学说的那种做不坏的东西吧，不过花生米不脆，看来网上的教程步骤应该修改一下。

唉，学习和生活汇报严重不成比例，敢情我是来学厨师专业的，想起老板名恰好是Cook，呃，以后回国路人问起，汝在美国做啥方向捏，答曰做饭（Cook）。

附录（胡子同学提到的三从四德，供广大男同胞围观，我先闪了）：

三从：

一、太太出门要跟从
二、太太命令要服从
三、太太说错话要盲从

四德：

一、太太化妆要等得
二、太太生日要记得
三、打骂要忍得
四、花钱要舍得

爷还想看：

2010/02/08 -- 关于LaTeX+LyX+R/Sweave+pgfSweave+PDF图形的若干中文问题 (32)
2009/12/31 -- 统计之都新年构想（杂碎篇） (26)
2009/12/22 -- 冬至饺子 (18)
2009/12/04 -- 2009第一场雪和第二届中国R语言会议 (43)
2009/10/10 -- R的第五万次SVN修改：看看R大佬们的工作时间分布 (9)

暑假轨迹

谢益辉 — Thu, 27 Aug 2009 23:04:08 +0000

很久没来堆点文字，各位客官想必已经觉得此处荒草丛生了。这个暑假东奔西跑，在自家山沟沟里没网络，所以没更新，后来在别的地方每每想操起键盘写两个字，又觉得还有很多事情要做，所以迟迟未动手。再后来，不小心来美国了，初来乍到，种种事情要应付，也就更没工夫写。如今暂时尘埃落定，特向各位客官报个平安，概括这两个月的路径如下：

洒家于暑假在地球上的轨迹

library(maps)
x = structure(list(city = c("Beijing", "Yichang",
    "Qingdao", "Tokyo", "Seattle", "Minneapolis", "DC", "Ames"),
    latitude = c(39.908173, 30.691967, 36.066348, 35.689488,
        47.620973, 44.977482, 38.892091, 42.022864), longitude = c(116.397947,
        111.286471, 120.382771, 139.691706, -122.347276, -93.264351,
        -77.024055, -93.626792)), .Names = c("city", "latitude",
    "longitude"), row.names = c(NA, -8L), class = "data.frame")
library(animation)
##saveMovie({
    idx = c( 1, 2, 1, 3, 1, 4, 5, 6, 7, 8 )
    for (i in 1:length(idx)) {
        map(xlim = c(-128, 158), ylim = c(17, 54))
        text(-48, 32, x$city[idx[i]], font = 2)
        points(x$longitude, x$latitude, pch = 20, col = "red")
        if (i > 1)
            arrows(x$longitude[idx[i - 1]], x$latitude[idx[i -
                1]], x$longitude[idx[i]], x$latitude[idx[i]],
                length = 0.1, col = "gray")
        points(x$longitude[idx[i]], x$latitude[idx[i]], pch = 19,
            col = "blue")
        Sys.sleep(1)
    }
##}, moviename = "travel-in-summer", outdir = getwd(), para = list(mar = rep(0,
##    4)), width = 600, height = 100)

细节就不多说了。俺没有相机，所以也不上照片了，八卦的客官请自行到人人网上俺某师弟的页面上以及美国统计学会的统计计算和图形部门网站上扒拉，万一不小心扒到了请自个儿偷着乐，别吱声。

Iowa就是一片大农场，这地方，有人觉得是地狱，有人觉得是天堂。因为除了学习就是运动，没什么太多吃喝玩乐的地方。昨天俺们Dan Nordman老师说，晚上你要是觉得无聊了，不妨把讲义上的定理3拿出来证明一下，那定理还是有一定难度的（意即：可以打发足够多的时间）。

现在的生活基本上浓缩为“上课+做饭”，每天柴米油盐，做饭比学习还用功，不亦乐乎，做了几天米饭，稀饭干饭米饭丸子炸锅巴都试遍了，又跑去整了一袋面粉回来琢磨怎么蒸馒头、下面条。

咳咳，怎么一说做饭就没完了，虽然技术还很差。呃，可能是本次来到美帝，觉得资本主义国家的人都生活在水深火热中，只能吃面包夹生菜这么初级的食物，还是我中土大唐好啊，吃嘛嘛香。

最后向各位关心小的的大人们表示感谢，ISU这边有几位COS会员也给我很多帮助，还有，在这里终于见到了传说中的Rtist大人，俺们COS论坛上的老辈们应该都知道这位神一般的人物，尤其是colinisstudent童鞋，多次问我有没有见到Rtist。俺刚到这里，Rtist就为俺送来了桌子椅子，还有字帖。

爷还想看：

新手教程：建立网站的全套流程与详细解释

谢益辉 — Fri, 19 Jun 2009 14:41:20 +0000

你要是Google这个话题，得到的结果八成都是广告——他们都会告诉你，“嘿，我（或某公司）这里可以建网站，傻瓜式的哟，快来投奔我吧！”新手一般都觉得建网站是一件超级复杂的事情，于是很天真很无邪地进了圈套，到最后还乐呵呵帮人数钱。傻瓜式的东西就如它的名字一样，只是为傻瓜准备的，要格外小心。

我正式接触计算机在2002年，接触网站建设在2003年，想想时日也不短了，虽然不是什么高手，但还是有一定发言权滴。数月前，鼓动江堂兄从Live Space逃脱、建立了自己的窝，而近日又把自己的网站和“统计之都”网站都搬了家，然后也帮“贝吉塔行星”逃离了那抽风的Live Space，后来有朋友问起关于如何建立个人网站的事情，所以干脆写篇教程，把这建网站的来龙去脉讲清楚。

一、建网站的准备材料：域名和空间

一个网站通常由域名和一堆网页文件构成：

域名：就是“三达不溜什么什么点坑”这样的东西（如www.yihui.name，不严格，见后话），它由一家非营利组织ICANN管理，但它授权给了若干注册商（registrar）去卖域名，你可以在这些域名经销商那里注册顶级域名，所谓顶级域名就是“字母或数字组合+顶级域名后缀”，这些后缀包括常见的com/org/net，也包括不常见的name/info/biz等，各家允许注册的域名后缀可能有所不同，这就看个人喜好了；关于域名后缀，本来它是有含义的，比如com是company，org是organization，name是个人域名，等等，但我个人觉得这些东西已经没太大意义了，域名只要好记、看着像模像样就可以了，管它是公司还是组织呢（有例外：如gov等特殊后缀一般人不能注册），那著名的del.icio.us网站就是个很好的例子，它不一定非得是美国网站，但这个域名就是注册得很巧妙。顶级域名下面可以设置子域名，如二级三级域名，严格来说，www.yihui.name只是yihui.name的二级子域名，只是www太盛行，以至于人们干脆把www.***.***当作顶级域名了。animation.yihui.name就是本站的一个子域名/子站。说了半天，域名怎么注册啊？你Google一下“域名注册”或“domain name registration”，顶上的Sponsored link中都是有实力的注册商，但我作为过来人要严重提醒的是，尽量不要在国内注册（尤其不要相信那个万网的鬼话）。据说GoDaddy还可以，我没试过，只知道它似乎不能注册.name域名，我自己是在name.com注册的域名（需要付美元，我用的PayPal，双币种的信用卡也可以）。
网站空间：想得简单一些，空间和你的硬盘没啥区别，只不过是空间服务商卖给你的一块服务器硬盘位置而已，性能可能比你的PC机好一点，网站空间就是放网页文件的地方，网页文件你可以简单想象为你硬盘里的文件，它们也是按路径访问的，网址的路径就对应着硬盘里的文件夹。网页文件通常分为：
- 静态网页：其内容是固定不变的，里面放着HTML代码（网页的一种语言），不管谁、不管什么时间访问，内容都一样，通常以.html/.htm为文件名
- 动态网页：我估计现在大多数网站都是动态的了，所谓动态就是网页文件会根据不同的条件解析生成不同的HTML代码，例如：某动态页面根据时间和用户ID向访问者问好，早上访问就说早上好，晚上访问就说晚上好，路人甲来了就说路人甲你好……动态页面通常和数据库挂钩，用户在访问网页的时候，网页程序就存取数据库，所以页面内容会不断更新。动态页面可能采取不同的语言编写，如古老的微软的ASP、盛行的开源的PHP。现在网络上有无数的网站系统，我当然推崇PHP+MySQL的系统了，目前尤其看好WordPress系统。
注意有些国外空间是几乎可以当做自己的电脑使用的，包括编译安装程序（如Python），SSH登录，MySQL可以在命令行中执行，等等，国内似乎没见过能给空间这么大自由的

域名和空间没有必然联系，域名的作用就是作为一个字符串映射到一个IP地址上，因为（1）IP地址太难记了（2）IP地址数目有限（同一个IP上可以放N个域名）所以才需要域名这么个东西。这就意味着，你有换空间的自由。哪天对空间服务商不高兴了，可以直接把他踹了，把域名解析到别家去，用另一家空间。哎哎，等会儿，啥叫域名解析？

二、关于网站的配置

1、域名的设置

注册域名交完银子之后，域名就是你的了，如果你在国内注册的，你花钱买的域名不一定真的是你的。一定要看你是否有以下权利：

修改注册联系人、管理联系人、技术联系人和付费联系人信息，如果你在后台找不到修改的地方，那么恭喜你，这域名好像不是你的，而是某奸商的，用WHOIS查一下域名信息吧；
拿到授权码（Auth Code），国内也有叫域名转移密码的，这个码很重要，如果你不知道或奸商不告诉你，那再次恭喜你，这个域名仍然不是你的，想搬家到别家注册商都搬不了，万一不行遇到这种情况，那么就去ICANN投诉奸商，每天投诉三遍，如果某注册商总是遭到投诉，ICANN会修理它的，总之你一定要知道自己作为消费者有什么权利

如果域名真的属于你，那么你哪天对注册商不高兴了，也可以把它踹掉，转移到别的注册商下。

域名的设置主要是一些解析工作，包括：

域名服务器（name server）：通常是ns*.***.***之类的网址，这个服务器负责解析下面的各种设置，也就是说，它是域名各项设置的Boss。国内一些域名注册商通常以这一点为手段，卡住用户，比如限制你只能使用它的域名服务器，然后再限制你最多只能设置10项A记录或MX记录等，多了要另外收费，这种规矩实在是很扯淡；尤其是对于那些需要多个子域名的用户，这一点很不方便，国外情况好一些，至少我还没见过有哪家限制你使用特定域名服务器的；
- 要特别提及的一点是，有些空间服务商只需要你把域名服务器设置为他们的域名服务器，剩下的所有解析问题你基本上都不用管了，你可以自由创建子域名，而不必添加A记录
A记录：就是将域名指向主机IP，可以将顶级域名或子域名指向特定的IP，所以你的子域名和顶级域名可以不在同一台服务器上，比如我可以将www.yihui.name指向66.147.240.177，将test.yihui.name指向127.0.0.1，等等。
MX记录：就是邮件服务器，大家知道邮箱是***@***.***的形式，当你发邮件点“发送”之后，首先你的邮件服务商要根据你的收件人邮箱的域名去找它的MX记录，然后再把邮件发给相应的（另一家）邮件服务商，比如我的域名yihui.name的MX记录是ASPMX.L.GOOGLE.COM，也就是Google Apps的邮件服务地址，当你给xie@yihui.name发邮件的时候，系统先去找一下yihui.name的MX记录，一看，哦，是Google啊，那就投递到Google家去，Google收到邮件，一看，哦，要发给xie用户啊，那就发给xie的收件箱中吧；我记得以前搜狗似乎也提供过免费的邮件服务，不知现在还在不在，我已经用Google Apps很久了。
CNAME：即别名，这玩意儿就是个域名“面具”，比如我把google.yihui.name的CNAME设置为google.com，那么你们访问前者的时候实际上就在访问Google，域名中包含的任何路径都会原封不动传递给google.com，比如google.yihui.name/services/就是在访问google.com/services/，但你的浏览器地址栏中的地址不会显示后者，而是显示那个“伪装”的地址。所以只要我高兴，我可以随意制造消息，比如“Google换网址了，新网址是google.xiexie.name”。
其它设置：不说了，理论上一个A记录就够用了，别的都不用管。

2、主机的设置

域名设置好了之后，主机上也需要一些呼应工作。要是域名设置了A记录，但主机上不“接收”，那网站也没法使用。主机如何接收取决于它安装的网站服务程序，现在流行的是Apache，当然也有少数网站依旧抱着Windows IIS大腿（用ASP语言+Access数据库），据说近段时间又出现了一款新软件，有取代Apache的可能，名字忘记了。以Apache为例吧，主机上会创建一个虚拟主机（Virtual Host）配置文件，告诉服务器，“嘿，有个网站指向了你，你要为这个网站服务，这个网站放在某某目录下，如果用户访问某个网址，你要负责把该目录下的文件拿出来给用户看。”大致原理就是这样，细节不多说了。

对用户来说，不用管那么多细节，以上原理的实现对你来说就是在后台把域名绑定到主机的目录下（以及子域名绑定到子目录下）。一般来说，网站还需要两个辅助工具才能让主人随心所欲地配置自己的网站，即FTP和数据库。

（1）用FTP传输网页文件

FTP就是用来传文件到某一台服务器的，只要你购买了虚拟主机服务，一般就会给你一个FTP帐号，你可以利用这个帐号登录你的主机，把网页文件传上去，然后用户就可以访问了。一点常识是，index.htm/index.php之类的网页文件通常是你在访问一个目录时主机会自动为你查找的文件，比如你访问yihui.name，主机会自动查找有没有index.php，如果有，就执行这个文件，生成HTML给你的浏览器。这个文件的文件名也许是可以配置的，但建议不要在这上面特立独行。

现在又很多成熟的建站系统，从网上下载下来然后传到服务器上，访问你的网址，按照提示一步步配置即可，跟装软件没两样。

（2）网站数据库

动态网站大多数需要数据库（即使是文本文件“数据库”），如果你的网站用PHP语言，那么MySQL就是绝配了。若是PHP+MySQL空间（一般Linux主机都是这样），主机服务商会给你分配MySQL数据库帐号，包括：数据库主机（多为localhost）、数据库名、用户名、密码。这四项将会在你安装网页程序的过程中要求你填写。

三、网站的运行

对于那些程序员来说，第一个例子通常都是hello world，如果你愿意看hello world的话，就把“hello world”用任何文本编辑工具写在一个文本文件中，命名为index.htm（注意Windows会默认隐藏文件扩展名！你自己保证文件名不是index.htm.txt吧，我不管了），传到网站根目录下，然后访问你的网站，你就能欣喜地看到这个老得不能再老的hello world了。

一个像样的网站当然不是hello world这么简单，它的运行就像一个复杂的程序，可能存在文件之间的函数调用以及数据库的存取等等。世上真正开发网站程序的人肯定是少数，所以不用担心，你就用别人的程序吧，典型的网站系统有：

博客系统（Blog）：推荐WordPress，理由是程序写得简洁，扩展性强，我以前用国产的Bo-blog系统，后来没经得住诱惑投奔WP了
内容管理系统（CMS）：新闻八卦站、教程站等等，顾名思义就是填充内容的，这种网站八成是互相抄，没几个正儿八经写的，所以为了缓解大家的阅读压力，请各位客官珍爱生命，远离这种网站，也不要再重复建设
论坛系统（BBS）：网民对此应该非常熟悉了，国内常见的系统有PHPWind、Discuz等，国外盛极一时的有phpBB，我个人推荐的是一款相对新出道的bbPress，理由同WordPress，在大家拼命增加功能的今天（搞得用户面对一大堆选项焦头烂额），难得见到一款拼命减功能的论坛系统
维基系统（Wiki）：Wikipedia采用的是MediaWiki系统，如果你不想让维基和数据库交互的话，DokuWiki将是不错的选择，它不需要数据库支持，全部都是文本文件操作

网站的安装都没啥说的，一般都是把网页文件整锅端上服务器，然后访问你的网址，按提示走。该设定网站名称设名称，该输密码输密码。然后你会意识到，原来一个小小的个人也可以创造一个看似吓人的大网站。

但网站的维护并非一件简单的事情，当你有权利面对所有的选项时，你也会觉得痛苦。像我这种业余玩了几年网站的人都快有职业病了，什么地方没对齐就会觉得不舒服，什么地方少了个空格一眼就看出来了，段首空格缩进2字符还是1.9字符感觉就是不一样。所有的东西你都可以改，你愿意怎么布置就怎么布置。只需一个文本编辑器和FTP，你就可以改了传，传了看，看了改。俨然永劫不复了。所以建网站也要有好心态，千万别完美心态，不然这辈子都要不断改。现在网站系统更新也快，隔三差五就有新功能，看得你心痒痒：我是不是该装个A插件/换个B主题啊？张三家有个功能特别酷，我要不要琢磨一下是怎么弄的啊？……

所以，我是建议各位看官学习HTML和CSS以及PHP+MySQL呢，还是不建议呢？我也不知道。

还有搜索引擎优化（SEO），采取一些策略让搜索引擎喜欢你的网站，使得你的搜索排名靠前，你又得学习什么是网页Meta信息（关键词、描述），什么是301重定向，什么是404错误，什么是Apache的Rewrite模块什么是伪静态网址；……

四、摘要

头一次见到把摘要写到最后的吧？

买域名，避开奸商，建议通过你熟悉的朋友介绍，不行就Google；若在国外买，可用支持美元的信用卡或PayPal付款；域名每年都要交钱的。
买虚拟主机空间，避开奸商，建议通过你熟悉的朋友介绍，不行也不要随意Google，因为空间性能很重要，不试不知道；根据你的建站需求买相应的空间（静态？动态？需要多大？），国内分不同种类的空间，可能按大小收费，国外据我了解的HostMonster是没有大小限制的，一口价，敞开让你随便用，当然，总会受硬盘大小限制
设置域名服务器或者A记录，指向主机
通过FTP把网页文件传上去，然后访问你的新网站
配置你的网站，通常可以登录网站后台作设置，平时做一些日常更新，看到眼红的功能也可以自己DIY出来
如果你不得不在我英明神武的天朝购买虚拟主机，那么恭喜你还有最重要的一步，就是去英明神武的公衅部那里去备个鸟案，备案网址自己搜吧，能否备得上你自己烧香，我不管，一日不备案，一日网站不得运行，主机服务商会把你卡得死死的

有什么不清楚的请在下面穷追猛问，我会随时修改更新本文内容。本文叙述有诸多不严格的地方，但对新手来说不需了解那么多，因此没加说明。本文谢绝IT类网站转载。

爷还想看：

2007/11/17 -- Ubuntu Server：两眼一抹黑 (2)
2009/05/22 -- MySQL数据库操作笔记若干 (6)
2010/02/02 -- 特别致谢颜林林对COS的贡献 (6)
2009/05/15 -- 超长文章在Wordpress中不能显示的解决办法（与shortcode有关） (2)
2009/01/04 -- 网络上的图片地址 (4)

免费赠送FTP空间200M

谢益辉 — Tue, 16 Jun 2009 07:10:22 +0000

昨天我的个人网站（域名和空间）也成功搬家到国外，“网站快跑”行动至此告一段落，总算觉得安全了；当然，不管你搬到哪儿，都不会绝对安全，因为还有最后一招，即伟大的墙（不懂“墙”是什么意思的童鞋就别查了，也别问什么叫“翻墙”，你绝对是标准的良民）。我也是大大的良民，安分守己，一般也就写写统计和R有关的东西，所以应该不存在墙的危险。因为搬了家，原来的窝里腾出来200M空间，就贡献出来给需要的朋友们用吧。

主机：218.16.120.61
用户名：yihuiname
密码：YiHuI@))()^!^

空间不大，有时候可能有用，比如给别人发超大文件。据我所知，还没有哪个邮箱能支持200M附件吧。各位客官看着用吧，别用它干坏事就可以了。2009年9月21日到期，到时我就不管了。

前几天把原COS网站的800M空间也放出来了，不过那是公家的，就用邮件发送了，不知各位收到没有。

补充说明：近日发现有童鞋竟然把FTP变成了山寨BBS，呃，好吧，你们继续灌水吧。

rho=0的文章：

2008/04/04 -- 浴火重生 (19)
2007/11/15 -- “春天在哪里”之饥饿版 (6)
2009/06/10 -- 用R语言和Flash以及JavaScript生成标签云 (7)
2009/05/22 -- MySQL数据库操作笔记若干 (6)
2007/09/06 -- 猪肉涨价、查证的保安 (2)

很担心我国的水资源将在一年内耗尽

谢益辉 — Wed, 10 Jun 2009 12:49:37 +0000

为什么我突然担心起水资源了呢？我是环保主义者么？不是。

最近接连发生一系列事情，有大事有小事，但大事小事都跟水资源有关。首先我介绍一下统计之都最近发生的事情：上个月里，COS很是不太平，会员们也许遇到过几次网站不能打开的情况，但大多数人可能不知道背后有什么故事。其实原因很简单，我们伟大的“攻心部”最近不知抽什么风，突然加大网站审查力度，尤其是对良民的审查，于是乎，某一次某会员帖了几张和福娃有关的图，导致COS被关了一次；某一次某会员发了一个和毛爷爷有关的笑话，导致COS被关了一次（我至今不知道服务商是如何进到我们的网站把帖子删掉的）；……某一次攻心部又说COS没备案，服务商没通知我们就强行关了网站，事实上三年前COS建站没两天就老老实实去备案了，原来的邮件和证书都还在，凭什么说没备案。更恶劣的是，每次关你的网站都不吱声，悄墨迹就给关了。人的忍耐毕竟是有限的，于是我改了QQ签名档：

备案？备案你大爷！

该管的刁民你不管，不该管的良民你天天来找麻烦。于是，还是那句话，还看什么看，搬！

搬了主机还得搬域名，结果国内某号称最大的域名注册机构非得让你去ICANN投诉它它才肯把域名转出去，你要是老老实实写申请寄过去，中间不催不问不投诉，下辈子都搬不出去。

在6·肆这一天到来之前，我感觉网上气氛有些异样，因为twitter、live space都被关了，心想咋回事啊，后来总算想起来了：原来明天是个特殊的日子。某部门以这种形式表达了对广大网民的提醒。

这都是小事。而昨天，攻心部又发生一件事，想必地球人都知道了。为了广大青少年远离很黄很暴力的网站，该部门花了纳税人4170万（仅仅1年）买了一款叫“滤霸·滑稽护航”的软件“免费”给群众使用，估计该软件要在IT届永垂青史了。到现在为止，我看到的信息是：

该软件（暂时）还没有Linux和Mac版本，所以大家赶紧转向超级无敌Linux大阵营吧
该软件以红头文件为保护被强制预装，软件本身符合多项流氓软件特征（不问你安装目录就直接装到system32下、不能从控制面板卸载、悄墨迹截图等）
该软件悄墨迹从某部的某数据库读取那些很黄很暴力的网址，从而达到屏蔽效果
……

现在的家长和学生谁的计算机水平高？如果攻心部一定要强制安装，那么不出半个月，破解方法必然就传出来了，等着瞧吧。实在不能破解，格式化重装系统总行吧？那公司不至于厉害到程序无法格式化吧？花了四千万买了这种愚蠢的方式来监视网络（你可以侮辱我的人格，但不可以侮辱我的智商！），你咋不监视那些嫖宿的官员？咋不监视“人民的好公仆”林蜀黍？……

回到开头，为什么我国的水资源即将耗尽？因为水全都进到某些人的脑子里了。

你娘，你大爷。

附Google搜索图两张：

绿坝的搜索条目（敲入“绿坝”之后的截图）

绿坝的搜索条目（绿坝+空格之后的截图）

更新：学者律师质疑预装“绿坝”合法性（鼓掌！！）

rho=0的文章：

2007/08/15 -- 恨死Hotmail！恨死垃圾邮件！ (4)
2007/11/25 -- 第一次见到活的统计大牛们 (4)
2008/06/11 -- 寻找灵感：StatSci (0)
2009/02/25 -- 上无事，则民自试；抱蜀不言，而庙堂既修 (3)
2007/11/12 -- animation包：人生第一份正式英文作品 (12)

用R语言和Flash以及JavaScript生成标签云

谢益辉 — Wed, 10 Jun 2009 09:46:15 +0000

前些日子有位童鞋在R-help邮件列表里问如何生成那种单词大小与其出现频率成比例的图，这玩意儿也就是通常所说的标签云（Tag Cloud）。我琢磨了一下WordPress的插件wp-cumulus，发现其原理很简单，不过就是将标签信息以XML形式通过JavaScript传递给一个Flash文件，所以也很容易用R去实现这个传递过程，即：将文本、超级链接以及频数写成XML，然后嵌入到HTML文件中。整个过程参见Creating Tag Cloud Using R and Flash / JavaScript (SWFObject)这篇日志，函数源代码和示例数据都可以从那里下载。

效果是这样的：

Your browser does not support Flash or Javascript!

（通过RSS阅读的童鞋们请打开原文链接在浏览器中观看，否则啥都看不到）

爷还想看：

2009/05/30 -- 用Google Chart API展示简单的数据以及WordPress示例 (5)
2009/02/18 -- R社区实现了共产主义…… (0)
2009/01/18 -- R的那些事儿 (2)
2008/09/11 -- 人生何处不相逢 (0)
2008/06/07 -- 转义符：从R到JavaScript到HTML (0)

画曲线的通用办法：描点法画图

谢益辉 — Tue, 02 Jun 2009 14:28:41 +0000

初中的时候老师便教我们拿着直尺和圆规作图，那时候恐怕还没几个人会用电脑，直到初中毕业，我才第一次见电脑。那时候画曲线怎样画呢？记得就是在某个x区间上取一系列点，然后计算y = f(x)，把这些点描在笛卡尔坐标系中，然后用铅笔手工连起来。这个办法很笨很原始，但很有效，奇怪的是，到计算机如此发达的今天，仍然有人不断问如何用软件画曲线，仿佛中学时学的东西都还给数学老师了。例如，若干天前，有人问我如何用R画这个曲线：

我只好提醒他回忆中学的描点法。R里面的gamma()和curve()函数是现成的，把数学公式写成相应的代码就可以了：

curve((sqrt(2) * gamma(x/2) * 2)/(sqrt(x - 1) * gamma(x - 1)), 2, 50)
# 当然，如果你非要按照x = seq(2, 50, ...)然后计算f(x)然后plot(x, f(x), type = "l")
# 那也可以，只不过curve()就是干这事的，不必麻烦分两步走了

描点法画函数曲线

如同某些网文说人一辈子的守则在幼儿园都已经教完了，就看你长大还记不记得。所以每当面对一个貌似复杂的问题时，首先要想想幼儿园有没有学过。

“武功再高，也怕菜刀”绝对是真理，哈哈。

爷还想看：

2010/01/05 -- t检验方差不齐有多重要 (6)
2009/12/08 -- 最近跟R core们经常打照面 (9)
2009/12/04 -- 2009第一场雪和第二届中国R语言会议 (43)
2009/10/10 -- R的第五万次SVN修改：看看R大佬们的工作时间分布 (9)
2009/06/10 -- 用R语言和Flash以及JavaScript生成标签云 (7)

第一期The R Journal和第一届中国R语言会议

谢益辉 — Sun, 31 May 2009 15:51:56 +0000

最近到处看到关于第一期The R Journal上线的消息，随便举几个例子，比如魏太云那嘎达、刘思喆那嘎达、陈钢那嘎达、Zhanwu Dai的邮件、Paulo那嘎达（blogspot又一次被和谐了）、David Smith那嘎达等等。

这次R Journal的面世，在R界是一件重大事情，R News这个刊名确实有点小家山寨，而其内容已经堪比正规统计刊物，所以更名The R Journal是理所当然的。之所以大家全都提到了这件事情我还要写这篇博文是因为：【插播广告：有哪位同学/老师愿意承担整理论文集的任务，请速速与我联系。这个任务包括：催促作者们完善论文（比如我个人的论文至今还没写完）、联系出版社、召集评委、排版等。谢谢！】

我们第一届中国R语言会议的会议纪要发表在第一期R Journal上了，这是很有历史意义的。尽管当初主编大人说i suspect this will be a nice article，后来我也没收到其它邮件，于是应验了no news is good news，发表了。这里要向各位客官交代的是，我们的论文集在我的电脑里扔了半年也没整理，出版社也没再联系，抱歉抱歉。
我在这一期The R Journal上看到一个人：Xuefei Mi。遥想当年我在多特蒙德参加useR! 2008的时候，某一天下午散会之后在多特蒙德大学外面等火车，看见一位童鞋，看长相我琢磨着可能是日本人吧，他也瞅瞅我，最终开口了，原来都是中国人……在火车上简单聊了聊，得知他和Torsten Hothorn有某种关系（导师？忘了），如今在R Journal上又看见这位兄台的名字了。这世界是不是很小呢？
前两条都还忍住了，当遇到第三件事情的时候，终于决定操起键盘写一下了。以前我曾经提到过Felix Andrews，也就是playwith和latticist包的作者，与Deepayan Sarkar合作了latticeExtra包。Felix今天给我写了个邮件，算是回复了我174天前给他的GTalk留言（邀请他来参加R会议），说在R Journal上看见会议纪要了，当时很忙所以没去参加，一堆英文下来，最后附了一句中文：
秀月也好了。她每天全天说话，说得很流利。她喜欢我们家里的猫。
他家小女儿还是那么可爱，哈哈，刚到Felix的网站找了找，可惜没找着照片（只有她在她妈妈肚子里时的照片）；Felix的中文也很流利了。话说Felix回到ANU建了一个堪培拉的R Group，我看他们每个月都组织活动，其实我们也可以组队，每次说这个事情都是没有带头人……眼看我也要撤了，希望北京能赶快诞生一个定期聚会的R小组啊。

总结：R在中国的繁荣昌盛不会太远了，但同志们需要大大努力。

爷还想看：

2008/10/13 -- 开始邀请R Core成员投稿 (2)
2009/03/22 -- 去年R会议的报告 (7)
2009/03/08 -- 他说他的眼里只有R (1)
2008/01/17 -- 读完了”Using R for Data Analysis and Graphics” (0)
2010/01/05 -- t检验方差不齐有多重要 (6)

用Google Chart API展示简单的数据以及WordPress示例

谢益辉 — Sat, 30 May 2009 07:39:39 +0000

Google Chart API是很老的产品了（下文简称GCA），以前隐约听说过这么个东西，只是没觉得什么地方能用上，如果仅仅是单幅图形，还不如自己用软件画出来，而且自己画图比用GCA要方便灵活许多。这两天琢磨着网页里面有些简单的数字该如何显示给读者，比如几乎所有人的博客上都会显示阅读次数、评论条数等数据，这些数据是动态的，所以不适合静态图形展示，因此又想起GCA。简单来说，GCA就是用网址传递数据给Google的某个画图程序，Google画完之后把图形以PNG形式返回给你，你可以在网页中尽情使用。由于数据包含在网址中，因此很容易通过动态网页程序（如PHP）生成数据并写出网址。

1、从访问数和评论数生成Venn图

作为一个简单应用，我把原本枯燥的三个数字“用户（user）阅读次数”、“机器人（bot，网络爬虫）浏览次数”和“评论（comment）条数”用Venn图展示在每个条标题下的信息栏中了。对于学过与集合有关的课程（如概率论）的人来说，Venn图几乎是第一节课就会接触到的东西，它直观表明了几个集合之间的关系，如交集与并集。前面的三个数字中，user和bot交集为空，而user与comment的交集为comment，因为凡是发表评论的人必然要打开页面阅读。

Venn图的主要参数是7个数字，依次说明各个集合的大小：A, B, C, A∩B, A∩C, B∩C, A∩B∩C。这7个数字传给数据参数chd即可，如：

http://chart.apis.google.com/chart?cht=v&chs=300x300&chd=t:100,80,60,30,25,20,10

生成图形：

Venn Diagram by Google Chart API

需要图例的话，用chdl添加即可（用chdlp控制图例位置）。

我使用了WP PostViews Plus插件来记录阅读次数，用the_views()相关函数以及WP自己的函数comments_number()即可获得上面三个数据，echo到URL中，一幅图形就产生了。具体代码如下：

';
	echo '';
}
?>

由于天朝对Google素来不友好，那伟大的墙无处不在，连这个图形API都可能被殃及，因此图形会间或性抽风显示不出来，我只好凑合着加了一句onerror = "setInterval(\'this.src = this.src;\', 1000);"，但发现基本上是自己一厢情愿的想象。如果遇到图形无法显示的时候，请刷新页面或点右键显示图形。

2、解读Venn图

这三个圈圈有神马好看的呢？稍微想一下也就知道了：

如果机器人的圈圈比活人还大，那么这篇博客可能受活人冷落，平时只有网络爬虫来瞧瞧，如果你坚持要看这篇文章，那么你可以被定义为人类的离群点
如果评论的圈圈显得非常大，那么应该是一个火爆话题，如果哪天蓝圈圈和橙圈圈一样大了，那么赶快去叫你的娘子出来看上帝吧

说了这么多，其实意义不太大，只是介绍一个工具，如果哪天你到了一个没有任何作图工具的裸机上而又需要用饼图向领导汇报工作的时候，那么不妨试试这个tooooold的Google Chart API。

3、关于Google Chart API的延伸

有程序开发癖的同志们看到这个东西也许会想，这玩意儿完全可以写一个PHP类或者R函数啊，前者似乎已经有人做过了，不过我瞅了一眼，貌似需要urlencode()一下；至于后者嘛，有了R干嘛还要Google Chart啊，不过这个API里面还是有几种图形在R里面不方便实现的，比如那个仪表和QR条码，如果有谁做了这件从R到Google Chart API的转化工作，请勿忘到这里来吼一声，让我知道我好去膜拜啊。

爷还想看：

2009/06/10 -- 用R语言和Flash以及JavaScript生成标签云 (7)
2009/05/24 -- PHP的301重定向（从Bo-Blog搬家到Wordpress的后续工作） (4)
2009/05/15 -- 超长文章在Wordpress中不能显示的解决办法（与shortcode有关） (2)
2009/05/10 -- 我也想转WP啊…… (19)
2008/11/04 -- 利用Google可视化API展示布朗运动 (3)

PHP的301重定向（从Bo-Blog搬家到Wordpress的后续工作）

谢益辉 — Sun, 24 May 2009 09:18:39 +0000

博客搬家之后不可避免会产生一大堆404错误，绝大部分原链接都失效了，不过好在动态网站系统的网址都是有规律的，因此把原来的网址重新定向也很容易，这里简单记录从Bo-Blog搬家到Wordpress的一些301重定向工作。PHP代码写得非常拙劣，各位看官见笑了，写出来为了将来要用到PHP的时候能找找自己以前写的例子。

1、RSS Feed：`feed.php`

对现代网民来说，RSS阅读器已经是看网页的必备工具，因此RSS种子的地址几乎是众多网址中最重要的一个。

插播不重要的通知：
1、本站的RSS地址已经更改为：http://yihui.name/cn/feed/，评论RSS为：http://yihui.name/cn/comments/feed/，请Google Reader中的读者即时更换。英文博客也类似，把cn改成en就可以了。
2、如果你懒得换也行，反正我已经重定向了。

Bo-Blog的feed.php文件在不带参数的时候是博客正文的RSS，带参数go的时候可能是评论，也可能是分类目录的RSS，因此需要在WP根目录下建一个feed.php文件，里面对参数作简单的判断，把原来的RSS重定向到WP的RSS中。以下代码只是本博客的转向，具体怎么写要根据具体搬家结果分析。

我的博客搬家过程中，分类数字2不知为何被搬家程序略过了，因此当分类数字为2的时候特殊处理，否则从原来的go参数中提取分类数字，传给WP的cat参数。

2、博客阅读页面：`read.php`

由于在Bo-Blog系统中我使用了链接地址优化（Rewrite），而搜索引擎收录的既有优化地址，也有动态地址，因此要判断一下地址究竟是哪种类型，然后把参数提取出来，传给WP。含有htm的地址是优化的地址，从中提取.htm之前的数字传给WP的p参数就可以到新的页面地址了。

英文博客搬家过程中，日志的数字ID和新系统对不上，那些ID>2的日志都被+=1了，所以中间对英文日志ID作了特殊处理。变量$prefix用来判断是中文还是英文站。

 2) {
			$tmp += 1;
		}
	}
	header("Location: http://$_SERVER[HTTP_HOST]/".$prefix."/?p=".$tmp);
} else {
	if(count($entry) > 0) {
		$tmp = $entry[0];
		if (stripos($tmp, '_')) {
			$tmp = end(explode('_', $tmp));
		}
		if ($prefix == 'en') {
			if ($tmp > 2) {
				$tmp += 1;
			}
		}
		header("Location: http://$_SERVER[HTTP_HOST]/".$prefix."/?p=".$tmp);
	} else {
		header("Location: http://$_SERVER[HTTP_HOST]/".$prefix."/");
	}
}
?>

3、标签页面：`tag.php`

我觉得如果没有标签的话，这世上的网页会减少一半。用site:命令在Google中一看就知道，一个小破站，却有几千个页面被搜索引擎收录，而真正的日志不过上百篇而已，那多出来的页面几乎都是各种导航页面，其中就包括标签导航。鉴于标签这么重要，原来的tag.php自然要加上、改写一下了。

在我原来的系统中，由于标签是空格分隔，导致我只好以下划线_把一些英文字句连起来，现在WP中是以逗号分隔，而且标签有别名（空格被替换为-），因此原来的标签中，下划线要被替换为-，所以用到了str_replace()函数。在重定向之前要严重注意tag参数已经被解码了，因此需要重新编码！（即：urlencode()）

4、其它页面的重定向

我喜欢WP系统的一个重要原因就是它的各个文件分工非常明确，模板系统也是如此，所有的模板系统中都可以用一个404.php来出来404错误。除了上面三个重定向之外，大约还剩下70%的页面重定向没有完成（不要惊愕于这个工作的复杂性），如：按日期的归档、精华文章、评论页面、分类显示、附件下载和登录页面等等。由于这些页面一般都是被搜索引擎以静态地址收录的，所以不能像前面那样写PHP文件完成重定向，只能根据网址来逐个判断，把原地址转向新地址。其中有无数的细节要注意，如原来的星标日志对应新系统中的featured分类文章、两个系统的分类ID的对应关系等。综上，这个404.php便极度冗长。

怎么知道你的网站是否有404错误呢？在WP中，只需要在404.php文件中用mail()函数往你的邮箱发报告就可以了。我将不能成功重定向的页面都发到404@yihui.name了，看看$_SERVER变量，大概就知道是哪一页出错了，以及是活人点的链接还是搜索引擎的蜘蛛人在看我的页面。

 2) {
			$tmp += 1;
		}
	}
	header("Location: http://$_SERVER[HTTP_HOST]/".$prefix."/?p=".$tmp);
} else if (strpos($info, '/star')) {
	header("HTTP/1.1 301 Moved Permanently");
	$tmp = $prefix=='cn' ? 618 : 150;
	header("Location: http://$_SERVER[HTTP_HOST]/".$prefix."/?cat=".$tmp);
} else if (strpos($info, '/view')) {
	header("HTTP/1.1 301 Moved Permanently");
	header("Location: http://$_SERVER[HTTP_HOST]/".$prefix."/?feed=comments-rss2");
} else if (strpos($info, '/category')) {
	header("HTTP/1.1 301 Moved Permanently");
	$tmp = explode('_', pathinfo($info, PATHINFO_FILENAME));
	if ($prefix == 'cn') {
		if (count($tmp) > 1) {
			if ($tmp[1] == '2') {
				header("Location: http://$_SERVER[HTTP_HOST]/".$prefix."/");
			} else {
				header("Location: http://$_SERVER[HTTP_HOST]/".$prefix."/?cat=" .
				    $tmp[1]);
			}
		} else {
			header("Location: http://$_SERVER[HTTP_HOST]/".$prefix."/");
		}
	} else {
		$catmap = array('7' => 6, '8' => 7, '9' => 9, '0' => 117, '1' => 11, '2' => 147,
                                          '6' => 12, '10' => 148, '3' => 4, '4' => 8, '5' => 10);
		if (count($tmp) > 1) {
			if (array_search($tmp[1], array_keys($catmap)) !== false) {
				header("Location: http://$_SERVER[HTTP_HOST]/".$prefix."/?cat=" .
				    $catmap[$tmp[1]]);
			} else {
				header("Location: http://$_SERVER[HTTP_HOST]/".$prefix."/");
			}
		} else {
			header("Location: http://$_SERVER[HTTP_HOST]/".$prefix."/");
		}
	}
} else if (strpos($info, '/archive')) {
	header("HTTP/1.1 301 Moved Permanently");
	$tmp = explode('_', pathinfo($info, PATHINFO_FILENAME));
	if (count($tmp) > 2) {
		if (strlen($tmp[1]) == 1) {
			$tmp[1] = '0'.$tmp[1];
		}
		if ($tmp[2] < 2007 || $tmp[2] > 2009) {
			header("Location: http://$_SERVER[HTTP_HOST]/".$prefix."/");
		} else {
			header("Location: http://$_SERVER[HTTP_HOST]/".$prefix."/?m=".$tmp[2].$tmp[1]);
		}
	} else {
		header("Location: http://$_SERVER[HTTP_HOST]/".$prefix."/");
	}
} else if (strpos($info, '/showday')) {
	header("HTTP/1.1 301 Moved Permanently");
	$tmp = explode('_', pathinfo($info, PATHINFO_FILENAME));
	if (count($tmp) > 3) {
		if (strlen($tmp[2]) == 1) {
			$tmp[2] = '0'.$tmp[2];
		}
		if (strlen($tmp[3]) == 1) {
			$tmp[3] = '0'.$tmp[3];
		}
		if ($tmp[2] < 2007 || $tmp[2] > 2009) {
			header("Location: http://$_SERVER[HTTP_HOST]/".$prefix."/");
		} else {
			header("Location: http://$_SERVER[HTTP_HOST]/".$prefix."/?m=".$tmp[1] .
				$tmp[2].$tmp[3]);
		}
	} else {
		header("Location: http://$_SERVER[HTTP_HOST]/".$prefix."/");
	}
} else if (strpos($info, '/attachment')) {
	header("HTTP/1.1 301 Moved Permanently");
	$tmp = pathinfo(urldecode($info), PATHINFO_BASENAME);
	header("Location: http://$_SERVER[HTTP_HOST]/".$prefix."/wp-content/uploads/".$tmp);
} else if (strpos($info, '?tag=')) {
	header("HTTP/1.1 301 Moved Permanently");
	$tmp = '';
	if (isset($_REQUEST["tag"])) {
		$tmp = $_REQUEST["tag"];
	}
	header("Location: http://$_SERVER[HTTP_HOST]/".$prefix."/?tag=".$tmp);
} else if ($info == '/'.$prefix.'/tag/') {
	header("HTTP/1.1 301 Moved Permanently");
	header("Location: http://$_SERVER[HTTP_HOST]/".$prefix."/");
} else if (strpos($info, 'read.php')) {
	header("HTTP/1.1 301 Moved Permanently");
	header("Location: http://$_SERVER[HTTP_HOST]/".$prefix."/?p=" .
		pathinfo($info, PATHINFO_FILENAME));
} else if (strpos($info, 'links.php')) {
	header("HTTP/1.1 301 Moved Permanently");
	header("Location: http://$_SERVER[HTTP_HOST]/".$prefix."/");
} else if (strpos($info, 'cv_yihui')) {
	header("HTTP/1.1 301 Moved Permanently");
	header("Location: http://$_SERVER[HTTP_HOST]/cv/cv_yihui_".$prefix.".htm");
} else if (strpos($info, 'visit.php')) {
	header("HTTP/1.1 301 Moved Permanently");
	header("Location: http://$_SERVER[HTTP_HOST]/".$prefix."/");
} else if (strpos($info, 'securitycode.php')) {
	header("HTTP/1.1 301 Moved Permanently");
	header("Location: http://$_SERVER[HTTP_HOST]/".$prefix."/");
} else if (strpos($info, 'login.php')) {
	header("HTTP/1.1 301 Moved Permanently");
	header("Location: http://$_SERVER[HTTP_HOST]/".$prefix."/wp-login.php");
}

else {

//if(array_search($ext, array('gif', 'js', 'png', 'jpg', 'jpeg', 'css')) !== false) {
if (strpos($info, '/images/js') || strpos($info, '/images/lightbox')
		|| strpos($info, '/images/arrows') || strpos($info, '/template/fighting/')
		|| strpos($info, '/emot/thumbnail/') || strpos($info, '/editor/ubb/')
		|| strpos($info, '/images/r.css') || strpos($info, '/images/others')
		|| strpos($info, '/images/weather') || strpos($info, '/images/weather')
		|| strpos($info, 'jslang.js')) {
	header("HTTP/1.1 301 Moved Permanently");
	header("Location: http://$_SERVER[HTTP_HOST]/".$prefix."/");
} else {
	mail('404@yihui.name',
			"Invalid link: " . urldecode($info),
			'Request page: http://yihui.name' . $info . PHP_EOL .
			 'Referer: ' . $_SERVER['HTTP_REFERER']. PHP_EOL .
			  print_r($_SERVER, true),
			"From: Yihui Xie ");
}

?>





	

		
		  Sorry, I'm changing my blog system now; if the page you are looking for
		  doesn't exist, please visit
		  http://yihui.name/
		  /.
		  I'll fix the original links soon. Thanks!
		  /images/mal.jpg"
		  alt="a questioning duck" class="errorduck" />
	          
		

		
			
				Mal the Error Duck says, "Uh oh! 404! That means the page you are
				looking for doesn't exist, at least not anymore."
			
    Latest 
        articles
	
			', ''); ?>

然后就每天看看邮件报告，有没有出现新的404错误，能解决的话就在上面的代码中加上一条if语句。

看看，搬个家容易嘛我。

爷还想看：

2009/05/10 -- 我也想转WP啊…… (19)
2010/02/02 -- 特别致谢颜林林对COS的贡献 (6)
2009/06/10 -- 用R语言和Flash以及JavaScript生成标签云 (7)
2009/05/30 -- 用Google Chart API展示简单的数据以及WordPress示例 (5)
2009/05/15 -- 超长文章在Wordpress中不能显示的解决办法（与shortcode有关） (2)

MySQL数据库操作笔记若干

谢益辉 — Fri, 22 May 2009 06:00:59 +0000

学习最好的方法莫过于实践，最快的途径莫过于示例，这段时间网站搬家，迫使我不断去看一些SQL操作方法，最终记载于此，以便将来参考。

1、时间操作

例：将GMT时间更改为GMT+8，可用INTERVAL把一段时间加到一个字段上。

UPDATE `wpcn_posts` SET `post_date` = `post_date_gmt` + INTERVAL 8 HOUR
  WHERE `post_date_gmt` = `post_date`

本例是为了对付Bo-Blog搬家到WP时大部分时间记录都没有被正确转换到GMT+8时区的问题。

2、字符查找替换

例：将某个图片的错误文件名更改为正确文件名。

UPDATE `wpcn_comments` SET `comment_content` = REPLACE (
`comment_content`,
'emot/ok',
'emot/pig'
)
WHERE `comment_content` LIKE '%emot/ok%'

本例是为了对付Bo-Blog的pig.gif图片文件名被错误替换为ok.gif的问题，用到了REPLACE函数和LIKE操作符，注意LIKE后面的字段用%%匹配，而非*。

3、用R帮忙

例：批量更新日志的永久链接。

cat(sprintf("UPDATE `wpen_posts` SET post_name = '%s' WHERE ID =%d;",
    x[, 3], x[, 1]), sep = "\n")

由于我不知道SQL里面如何用数组或向量，因此在批量处理的时候就用笨办法执行了，即：写n条SQL语句一起执行。R一向都是向量化操作，因此只需要把日志的ID和post_name准备好，然后用一个sprintf()就生成所有的SQL语句了，扔到phpMyAdmin中执行一下，所有的日志链接就更新了，省得把每一篇日志打开依次修改。

以上R语句生成如下结果：

UPDATE `wpen_posts` SET post_name = 'tidy-up-your-r-code' WHERE ID =1;
UPDATE `wpen_posts` SET post_name = 'dare-be-defeated' WHERE ID =2;
....

插一句，对于英文日志，永久链接就是把空格替换为-，用正则表达式删掉不是[:alnum:]的字符即可。

4、用`mysqldump`备份数据库

这个命令可以以多种形式备份MySQL数据库，这里举例将数据库备份为*.sql的SQL语句脚本：

mysqldump -u db_user -p -r result_filename.sql database_name

由于mysqldump命令是独立的程序，所以不要先登录进mysql界面，直接在终端或command窗口运行即可。这样的备份文件可以在将来在mysql中用source命令导入：

source result_filename.sql

这样看来备份数据库也是很容易的事情，不过导入导出的时候可能会遇到编码问题。

爷还想看：

拿小概率事件说事：中央政治局常委对年轻人的七项忠告

谢益辉 — Wed, 20 May 2009 14:43:10 +0000

如果我们时刻扛着假设检验的大旗，那么网络上很多文字便不攻自破。据我的总结，网文容易犯的问题有：（1）拿小概率事件说事，说得就像一不小心就能发生了；（2）拿小样本说事，也就是俗话说的“一杆子打翻一船人”，看那些反美反日反法反**的文章，几乎一律如此，激动起来恨不得因为一个人灭了那一群人。以下的“忠告”，看起来似乎很好，似乎什么背景对前途都没关系，但说到底，每一点都是小概率事件。

第一不要怕学校不理想，贾庆林的母校到现在也没几个人知道——石家庄工业学院；
第二不要怕短暂的停留，李长春毕业后曾经留校两年待分配；
第三不要怕起点低,吴邦国毕业后直接进厂当了工人，况且一干就是10年；
第四不要怕条件苦，胡锦涛参加工作时就在甘肃的大山里修水电站，居然还被评为劳模；
第五不要怕地方偏，温家宝在甘肃修水库一直到四十岁才进机关；
第六不要怕提拔慢，贺国强三十七岁才当上车间主任；
第七看完后赶紧去做自己的事情，别以为自己真能当常委……!

例如我们的各位core们有多大比例出身于某工业学院？有多少毕业了找不到工作？有多少毕业就当工人的？……把每个概率算算，就直接看第七条好了。

爷还想看：

2009/02/27 -- 统计分布的检验 (11)
2008/09/23 -- 一种新的检验方法：眼球检验（Eyeball Test）【请路人帮忙】 (12)
2008/05/02 -- 不再接受关于结构方程模型的咨询 (8)
2007/09/09 -- 什么叫“统计意义”——莫名其妙的称谓 (7)

超长文章在Wordpress中不能显示的解决办法（与shortcode有关）

谢益辉 — Fri, 15 May 2009 09:14:14 +0000

2009-06-14更新：自从WordPress 2.8开始，这里的正则表达式又变了，经本人测试，'(.?)\[('.$tagregexp.')\b([^\[\]\r\n]*?)(?:(\/))?\](?:(.+?)\[\/\2\])?(.?)'是有效的。

这两天捣鼓Wordpress，遇到了无数的问题，估计Google不下百次，有些问题实在诡异，不过幸好都让我找到了答案。例如，昨天被这个问题搞得几乎崩溃：有的帖子在更新发布之后就变成空白了，刚开始我以为是数据库连接问题，后来在phpMyAdmin中检查了一遍又一遍，甚至直接更改数据库，都没法让文章显示出来，于是又去查codex，看the_content()等函数，依旧无果。最后在千般尝试下，发现把文章删除一部分文字之后就可以显示出来了，于是我意识到这与被删的文字有关，但从未听说Wordpress系统对文章内容有审查啊，所以应该不是关键词过滤的问题，我于是一句一句话地删除，看删到哪里之后文章就发不出了，最后统计了一下字节数，但这个数字对解决问题根本没用，因为不能因此就避免长文章。

我想来想去，想到了可能是插件的问题，由于需要“头文字”效果，我安装了TinyCode插件，它的内部用到了WP的shortcode。在将TinyCode禁用的情况下，长文章可以显示，问题便找到了：出在shortcode上。继续Google，发现几个月前有人出现了类似的问题，一位德国高手提供了解决方案，修改/wp-includes/shortcodes.php文件。找到：

function get_shortcode_regex() {
	global $shortcode_tags;
	$tagnames = array_keys($shortcode_tags);
	$tagregexp = join( '|', array_map('preg_quote', $tagnames) );

	return '\[('.$tagregexp.')\b(.*?)(?:(\/))?\](?:(.+?)\[\/\1\])?';
}

将正则表达式替换为：

	return '\[('.$tagregexp.')\b([^\]]*?)(\/)?\](?:(.+?)\[\/\1\])?';

这样问题便解决了。Wordpress这么完善的系统也会有Bug……

爷还想看：

2009/06/19 -- 新手教程：建立网站的全套流程与详细解释 (18)
2009/06/10 -- 用R语言和Flash以及JavaScript生成标签云 (7)
2009/05/30 -- 用Google Chart API展示简单的数据以及WordPress示例 (5)
2009/05/24 -- PHP的301重定向（从Bo-Blog搬家到Wordpress的后续工作） (4)
2009/05/10 -- 我也想转WP啊…… (19)

我也想转WP啊……

谢益辉 — Sun, 10 May 2009 12:09:37 +0000

话说我也早就想用WP了，只是嫌换系统麻烦。今日遇见一位女博主，着实吓了我一跳。网上溜达这些年，还真没见过哪位lady会自个儿捣鼓PHP+MySQL之类的东西。溜了一圈，发现这位大人也是从别的博客系统转入Wordpress的，继而发现已经有从Bo-blog转到WP的教程了。于是乎，还看什么看？搬！

爷还想看：

2009/05/24 -- PHP的301重定向（从Bo-Blog搬家到Wordpress的后续工作） (4)
2009/06/10 -- 用R语言和Flash以及JavaScript生成标签云 (7)
2009/05/30 -- 用Google Chart API展示简单的数据以及WordPress示例 (5)
2009/05/15 -- 超长文章在Wordpress中不能显示的解决办法（与shortcode有关） (2)

邮件终于降到100以下了

谢益辉 — Sat, 09 May 2009 14:24:29 +0000

我回复啊回复啊，终于把未回复的邮件数目降到100以下了。

外一篇关于毛笔

话说今晚蹬着小破车上东区食堂吃饭回来，路过中区的书市，便蹬进去瞅瞅有没有卖毛笔的，溜达一圈，好不容易看见一家，却是要收摊，于是抢将上去，在箱子里扒了扒，拎得狼毫一杆、纸五张回府。想起小时候老爹戳着我的作业本教训我，“看你的字！鬼画符桃！”如今依然是鬼画符。之所以今天跑去买笔是因为前些日子在别处玩儿了一会儿毛笔，又想起小时候过年别家都是买对联，而我爹则让我写对联，于是我家牛栏上便贴着我写的歪歪扭扭人模狗样的“牛马平安”。那时觉得墨水贵，便自己琢磨着用木炭、胶水自制墨水，也未成功。

小时候做事，心无旁骛，也不怕丢人，直奔目标而去，此可谓对外经贸大学陈准民校长之“赤子之心”吧。

爷还想看：

如何理解“英雄辈出”

谢益辉 — Wed, 06 May 2009 07:18:03 +0000

我们大林老师讲，据他对历史英雄人物的长期研究，总结出来的现象是，英雄若要出现，一定是成批出现。而今我看我们统计学院的学生，回想这六年多时间我的上下届师兄弟姐妹，惟有06级本科（大三）让我觉得是英雄辈出的一代。有精于数学能干掉数学系学生的，有开公司能有“校园股神”称号的，有默默无闻的Linux高手……

呜呼，倍感压力，甚为惴惴，吾等老博士要大大努力啊。不过话说回来，有这样一些人物是俺师弟妹，俺也觉得很骄傲，呜哈哈哈。

rho=0的文章：

2009/03/11 -- 指北箭头 (6)
2008/12/24 -- 开平方的速度 (4)
2007/08/29 -- 砍头发 (4)
2007/12/22 -- 其实可以写一个视觉欺骗的R包 (6)
2008/11/05 -- 写R程序的规则 (4)

最近实习、招聘信息很多

谢益辉 — Sat, 02 May 2009 08:09:54 +0000

可是让我了解了统计功底的人不多，大家都太低调了，有啥特长也不展示一把，让我这个“统计人贩子”不知道贩谁好。

rho=0的文章：

2007/09/13 -- 一个概率问题：发短信怎样省钱？ (4)
2007/12/13 -- 月光宝盒之时光倒流？ (0)
2010/01/08 -- 有多少统计可以重来 (16)
2009/04/19 -- 潭柘寺：格局、命与贝叶斯统计 (9)
2008/10/20 -- 数据可视化工具Flare（生成交互式Flash） (0)

造个假数都不会造

谢益辉 — Mon, 27 Apr 2009 05:42:52 +0000

新华网关于学生冬季长跑的调查结果让人着实跌眼镜，一共调查了100人，报告中的结果都是xx.xx%形式的，例如“92.79%的学生认为强健了自己的身体”。这0.79个人是怎么来的？

咱们学统计的，应该对数字有一定的敏感性，比如当你看到小数位中含有667这样的数字（e.g. 0.291667）时就应该警觉：对方是否给出了样本量？如果没给的话，你就应该怀疑这个数字本来是0.29166666……如果你不知道这个比例是怎么来的，那么就拿一些整数去乘这个比例，看看哪个数字乘以这个比例能得到整数。最终你发现是24的倍数，样本量是7的倍数。然后你再想，7/24、14/48、28/96、……这一系列数字哪对更符合这个调查的背景。如：若你怀疑调查者很懒，那么不妨猜测他/她就调查了24个人。

以上只不过是低级的数字游戏，对统计来说根本没派上用场，现在很多人都琢磨着怎么建个模型整个P值去忽悠答辩委员会，而事实往往是，费尽千般心思，辛辛苦苦调查来的数据在建模之后根本没法用，要么系数是反的，要么不显著，或者有自相关，或有异方差，总之和初衷很不符，此时，离答辩往往只剩下几个星期，怎么办呢？只好眼睛一闭心一横，改数据吧！怎么改呢……【此处省略八千字】最后，王子和公主们过上了幸福生活。

我一般不相信经济学论文中的统计模型，原因之一就是数据。

爷还想看：

本小子还真中了John Chambers软件奖

谢益辉 — Thu, 23 Apr 2009 20:49:21 +0000

此时此刻，俺哆嗦着告诉各位客官，俺真的中奖了。

话说两个月前，我介绍了一下John Chambers软件奖，当时并没有指望获奖，只是打探打探情况，搞明白之后等我明年好好琢磨一个靠谱的软件之后再正式参加。结果，不知是美国人民都忙着对付金融危机了，还是一共就我一个人参加，或是怎么的，今日打开邮箱，发现我被通知得奖（中奖？）了。我愣了半天，觉得这是在做梦。

好吧，两个月前说了要请客，那么那篇日志底下的观众朋友们请赶紧拿出小本本记下，“谢某人欠俺一顿大餐”。

做动画都能获奖……敢问谱在何方啊……管它呢，反正是美国人的钱，俺遵旨，8月去华盛顿领钱，顺便领奖。

爷还想看：

新论坛太复杂了

谢益辉 — Wed, 22 Apr 2009 16:01:00 +0000

新版COS论坛简直太它NND复杂了，把老夫折腾得晕头转向！……

爷还想看：

2010/02/02 -- 特别致谢颜林林对COS的贡献 (6)
2009/12/31 -- 统计之都新年构想（杂碎篇） (26)
2009/04/07 -- 得力干将 (10)
2008/11/23 -- Never Grow Old (15)
2008/10/21 -- 为什么汇总的数据不能说明问题 (6)

潭柘寺：格局、命与贝叶斯统计

谢益辉 — Sun, 19 Apr 2009 07:25:25 +0000

这个话题看起来很吓人。今天上午去了潭柘寺，有幸和方丈常道法师一起喝茶，并听他为我们讲经解惑。我并不信佛，即使听完也仍然没有丝毫动摇，但听他讲的过程中，有一点确实让我后来冥思了好半天。方丈讲，今生的命是注定的，它由某种潜意识主要决定，这种潜意识也许在前生，也许在某个我们不知道的地方，总之就潜伏在你心里了，后天的人生道路不会偏离这种潜意识决定的路线，最多只能有微小的修正。

听到这里，我的第一反应就是：这不是贝叶斯统计么！只不过佛教看重先验分布，而俗世中有人更看重后验信息而已（比如我）。

一条有意思的插曲是：当你听见你的同学或同事讲金融危机可能不以为然，当你听到山中的老和尚也在分析金融危机和国势的时候，这事情的感觉突然就变了。方丈用鸡年狗年之类的理论讲，2010年会是中国崛起的时候，势不可挡，我心想，我们脑子里的“科学”逻辑必然不能接受这样的解释，然而，世上万物就一定或只能通过逻辑解释么？

玄学这东西，无底洞啊。

走的时候，大家一窝蜂让方丈看手相，我想，既然法师都说了，命已是注定，知道和不知道又有何区别呢？于是仰天窃笑出门去。呜呼！

rho=0的文章：

2009/05/02 -- 最近实习、招聘信息很多 (5)
2009/03/08 -- 他说他的眼里只有R (1)
2007/10/22 -- 出国的同志们呐，怎么就不早一点作好准备 (4)
2008/06/04 -- Dokuwiki动画插件基本成型 (4)
2007/12/02 -- 发一个（无聊的）搬砖头Flash游戏：Bloxorz (19)

邮件地址的频数统计

谢益辉 — Mon, 13 Apr 2009 15:29:41 +0000

受Zhang H.启发，自个儿看了看Gmail邮箱的联系人，导出为Outlook的CSV格式，然后读进R，用正则表达式去掉*@部分，table()了一下。Hotmail邮箱的频数比我想象的要高，然后也没想到中科院植物所也排在前面，估计是那次R会议所致。剩下的联系人就分布在五湖四海了，结果请看：

PDF图形文件下载链接

频数文件：

CSV频数文件下载链接

x = read.csv("contacts.csv", stringsAsFactor = FALSE)
y = gsub("^.*@", "", x$E.mail.Address)
y = sort(table(y))

rho=0的文章：

2008/10/30 -- 话说错别字 (6)
2008/10/04 -- 理解计算机中的数字 (0)
2008/01/17 -- 读完了”Using R for Data Analysis and Graphics” (0)
2008/06/10 -- 又忘了吃饭 (4)
2009/02/27 -- 统计分布的检验 (11)

世上最痛苦的事

谢益辉 — Mon, 13 Apr 2009 14:54:33 +0000

莫过于把LaTeX生成的PDF文档转成Word。

爷还想看：

2010/02/08 -- 关于LaTeX+LyX+R/Sweave+pgfSweave+PDF图形的若干中文问题 (32)
2009/12/31 -- 统计之都新年构想（杂碎篇） (26)
2008/10/12 -- 利用超级链接直接打开文件 (0)
2008/06/04 -- Dokuwiki数学公式插件基本搞定 (0)
2007/12/23 -- 我恨Microsoft Office Word！ (2)

又摔上跤了

谢益辉 — Thu, 09 Apr 2009 15:06:15 +0000

话说小的办统计之都这几年，曾因删除论坛重复帖子被人骂过SB、曾因劝阻博主不带原文链接复制主站文章被骂过弱智（还被教导了“个人日记记录不涉版权侵占，你懂得这个道理就行了！”“做学问需要博大胸怀戒心浮气躁”）。

俺是已经习惯了人民群众的“谆谆教诲”，俺知道摔一次跤也没用，因为要摔的对象实在太多了。各位新上任的版主和管理员们，你们将来打算怎样摔跤呢？

南怀瑾讲，“行道不求无魔，道无魔则誓愿不坚”。与诸君共勉。

爷还想看：

2010/02/02 -- 特别致谢颜林林对COS的贡献 (6)
2009/12/31 -- 统计之都新年构想（杂碎篇） (26)
2009/04/23 -- 新论坛太复杂了 (5)
2009/04/07 -- 得力干将 (10)
2009/03/22 -- 成长 (5)

得力干将

谢益辉 — Mon, 06 Apr 2009 16:13:46 +0000

COS论坛已新增一员大将：fan，这两天看招生版红火得很，除开考研结束的因素，主要是因为fan版主一心投入招生版，工作成就喜人，在此影响下，前版主以及前前版主都闻风而至，话说本人也是多年不看招生版，这两天的几个帖子俺是相当赞。

另一员大将也即将报到：yuanweir，明天再写欢迎帖。俺期盼已久的精算版在不久的将来会红火起来的。

而COS团队即将新增两员大将：fangy和cloud_wei。晚上Zhang P.又传来好消息：俺学院的研究生刊物《统计功课》被授权发表摘要于主站了。这可是俺从本科的时候就想达到的目标。下一步可以把本科刊物《浪淘沙》也拉进来了。

COS就快发生革命性变化了。此前的种种变化，只不过是表面现象而已。感谢各位！

爷还想看：

2010/02/02 -- 特别致谢颜林林对COS的贡献 (6)
2009/12/31 -- 统计之都新年构想（杂碎篇） (26)
2009/04/23 -- 新论坛太复杂了 (5)
2008/12/08 -- 加油小伙子小姑娘们 (1)
2008/11/23 -- Never Grow Old (15)

Gmail的垃圾邮件判别器不和谐

谢益辉 — Sat, 04 Apr 2009 07:11:07 +0000

我天朝的科学发展观都敢判为垃圾邮件，Gmail不想在这里混了啊？

爷还想看：

2009/01/18 -- R的那些事儿 (2)
2008/10/10 -- 循环两例 (0)
2008/09/10 -- 为什么避免用Excel作统计计算 (15)
2008/09/09 -- 我叫谢益辉，谢是谢益辉的谢 (7)
2008/09/05 -- 娇客二则：（1）不明白你为什么明白（2）光合作用 (1)

再来一个眼球实验：找出黑黑猪

谢益辉 — Thu, 02 Apr 2009 07:59:54 +0000

这次跟统计和假设检验没有关系。点中间那只女猪开始吧（友情提醒眼珠子转晕了的童鞋们莫找我麻烦啊）：

若现这个Flash太小了，那么可以点此全屏Flash以便看得更清楚。

rho=0的文章：

2007/09/24 -- 金山词霸2007中的一句错误翻译 (2)
2008/01/14 -- NB是什么意思？ (7)
2007/08/14 -- 重命名MySQL数据库 (10)
2009/02/18 -- R社区实现了共产主义…… (0)
2008/06/23 -- Follow Your Heart (4)

这个年代该怎样教统计（或不该怎样教）

谢益辉 — Wed, 01 Apr 2009 07:20:03 +0000

今天在R-sig-teaching列表中读到一组讨论，让我连连拍大腿！楼主的帖子在这里，当我看到4楼Douglas Bates的回帖之后，大为激动。举几个例子：

能做密度估计了还要啥直方图呀，扔进垃圾堆吧
能做关于分布概率的精确计算了还讲啥近似啊（如用泊松去逼近二项）
有了P值还讲个鬼alpha啊（以及临界值、拒绝域）
回归系数在计算机中不是直接用X’X求逆计算的（如R语言），还讲个鬼的简化公式啊，直接交待一下目标是最小化残差平方和，剩下的工作要么讲真正的计算，要么讲如何建模、如何检验残差等

很解恨，很过瘾。最近看那些考研题，要是按照这些标准，简直要杀掉80%的题。然后看看统计的专业课，我想杀掉20%的内容应该是没问题的。

Hadley的跟帖：

查表的内容也该扔掉（如查正态分布函数值）

早就该扔了。

爷还想看：

奥巴马标准领导照

谢益辉 — Tue, 31 Mar 2009 14:04:45 +0000

我晕：

爷还想看：

2008/08/21 -- 八月德国之行：照片 (1)
2008/06/29 -- 不莱梅归来（已附照片） (10)

Hadley批A First Course in Statistical Programming with R

谢益辉 — Thu, 26 Mar 2009 15:28:11 +0000

话说去年底Hadley在JSS上把A First Course in Statistical Programming with R这本书批了一顿。建议大家看看书评，我感觉他和作者的私人关系还是很好的，放在国内这种事情大约是不会出现的，不过这小子毫不客气，书写得不好就是不好。

爷还想看：

2010/01/05 -- t检验方差不齐有多重要 (6)
2009/12/08 -- 最近跟R core们经常打照面 (9)
2009/12/04 -- 2009第一场雪和第二届中国R语言会议 (43)
2009/10/10 -- R的第五万次SVN修改：看看R大佬们的工作时间分布 (9)
2009/06/10 -- 用R语言和Flash以及JavaScript生成标签云 (7)

不要和猪摔跤

谢益辉 — Tue, 24 Mar 2009 15:29:06 +0000

COS论坛有这么一个人，一个帖子下面全是自己的回复，整天嗡嗡嗡，自己整一套东西，别人要是不理他，他就说什么世风日下人心不古啊，什么你们都没有研究精神啊，都是数理统计的走狗啊，看着烦得很。不过这种人最好不要惹，我看有位仁兄已经不幸上当了，在此深表同情。

有些人，你和他争论就像和猪摔跤，争了半天，你会发现原来猪已经爱上摔跤了。

爷还想看：

2010/02/02 -- 特别致谢颜林林对COS的贡献 (6)
2009/12/31 -- 统计之都新年构想（杂碎篇） (26)
2009/04/23 -- 新论坛太复杂了 (5)
2009/04/07 -- 得力干将 (10)
2008/11/23 -- Never Grow Old (15)

去年R会议的报告

谢益辉 — Sun, 22 Mar 2009 15:50:51 +0000

话说前天在海关开会的时候没事干，便偷偷在下面写去年R会议的报告，三下五除二写完昨天发给The R Journal了，今天主编大人说，i suspect this will be a nice article，看来悬了，估计是发不出来了。R core咋就不能照顾照顾广大中国R人民呢……

爷还想看：

2009/05/31 -- 第一期The R Journal和第一届中国R语言会议 (9)
2010/01/05 -- t检验方差不齐有多重要 (6)
2009/12/08 -- 最近跟R core们经常打照面 (9)
2009/12/04 -- 2009第一场雪和第二届中国R语言会议 (43)
2009/10/10 -- R的第五万次SVN修改：看看R大佬们的工作时间分布 (9)

成长

谢益辉 — Sun, 22 Mar 2009 15:46:34 +0000

上午去发酵研究院听师弟师妹们的实习总结。当我看到这五个小伙儿小姑娘比我当年大三的水平至少要强10倍的时候，我心里是由衷的高兴。

昨天给Yang写了几句话，感谢他的远见，让我有机会更快地成长。不知他是否又会高唱迎风飘扬。

这一年来我越来越秉信：自己的价值是由他人体现的。但由哪些人体现呢？又怎样体现呢？最近一个月我一直在思考，统计之都的文化究竟应该怎样定位？若我一个人天天这样忙碌下去，到死仍然是一个人的事情，不能推动大家形成一种“人人为我，我为人人”的氛围，一个系统架构不起来，自然也无法长期运转。

先生说，你要注意提升自己的格局观。

爷还想看：

2010/02/02 -- 特别致谢颜林林对COS的贡献 (6)
2009/12/31 -- 统计之都新年构想（杂碎篇） (26)
2009/04/23 -- 新论坛太复杂了 (5)
2009/04/09 -- 又摔上跤了 (9)
2009/04/07 -- 得力干将 (10)

卧抵个马呀，这还是羊么？

谢益辉 — Fri, 20 Mar 2009 06:57:31 +0000

这羊群太惊人了……

看不见视频的直接看网址：http://www.youtube.com/watch?v=D2FX9rviEhw

rho=0的文章：

2008/06/13 -- 话说这世道 (3)
2009/02/27 -- John Chambers软件奖 (16)
2008/06/18 -- 爱生活，iBT，爱烧香 (3)
2007/12/14 -- 一天不上论坛的后果（外一篇Logistic回归） (2)
2008/11/02 -- 卓有成效的管理者必须养成的习惯 (3)

指北箭头

谢益辉 — Wed, 11 Mar 2009 06:40:04 +0000

我们可以把R-help邮件列表当作一个练手的地方，比如今天有人想把地图上的指北箭头作为位图格式导入他的地图，而我则建议不如手工画一个：

north.arrow = function(x, y, h) {
    polygon(c(x, x, x + h/2), c(y - h, y, y - (1 + sqrt(3)/2) *
        h), col = "black", border = NA)
    polygon(c(x, x + h/2, x, x - h/2), c(y - h, y - (1 + sqrt(3)/2) *
        h, y, y - (1 + sqrt(3)/2) * h))
    text(x, y, "N", adj = c(0.5, 0), cex = 4)
}
par(mar = rep(0, 4))
plot(1, type = "n", ylim = c(0, 1), axes = FALSE,
    ann = FALSE)
north.arrow(1, 0.8, 0.4)

不过这种基础性练习带来的坏处就是，你总觉得用R的基础图形元素什么图都可以画，从而不愿学习新的作图系统。

爷还想看：

2010/01/05 -- t检验方差不齐有多重要 (6)
2009/12/08 -- 最近跟R core们经常打照面 (9)
2009/12/04 -- 2009第一场雪和第二届中国R语言会议 (43)
2009/10/10 -- R的第五万次SVN修改：看看R大佬们的工作时间分布 (9)
2009/06/10 -- 用R语言和Flash以及JavaScript生成标签云 (7)

谁笑到最后

谢益辉 — Sun, 08 Mar 2009 10:17:20 +0000

我其实并不太关心金融，我对股市一窍不通。不过我非常喜欢这篇报告：华尔街的终结，终于等到这一天。它告诉我们，金钱是拼不过道德的，而且那些显贵达人们也许一个个都是蠢货。

我是一个倾向于用把大系统映射到小系统中用小思维考虑问题的人，这场风暴经常让我联想到学术界的发展，担心哪一天学术会如同股市一样崩盘（如果我们昧着良心行事、不懂装懂、牵强附会……），或许是我小人长戚戚罢了。但当我阅读这篇报告的时候，我会无数次类比起自己的所见所闻。

……Eisman 开始寻找和自己志同道合（对一切阴暗面持抵制态度）的人组建团队。他找到了Vincent Daniel。Daniel 曾经负责审计Salomon Brothers 的账目，但是他发现“竟然没有一个人能把账目解释清楚”，于是他转行做分析师，专门研究次级贷款（他自认为是当时分析师中唯一意识到这个行业的所有公司都会倒闭）……

……时间来到了 2007 年5 月，Eisman 一直弄不明白为什么大家都没有看出金融市场这台机器运转已经很不正常，甚至马上就要报废。市场还是有些有识之士的，Grant 就是其中之一。Eisman 一直订阅由Grant 主编的《利率观察》，这是一份在圈内非常有名、但外界鲜有人知的内参。从20世纪80年代中期贷款大周期一开始，Grant 便预言华尔街的末日即将到来。2006 年底，他决定把这些被称作CDO 的证券产品调查清楚。他把这项任务交给他年轻的助理Dan Gertner，Gertner 有化工工程和MBA 双重背景。可怜的他搜集了CDO 的所有相关资料，却不得不垂头丧气地告诉Grant 还是没看懂CDO 是怎么回事。Grant 当时就意识到，CDO 将成为今后最重要的题材。Eisman 也是在阅读Grant的稿件后，认定了做空CDO 这座巨大的“金矿”……

爷还想看：

2009/03/04 -- 哇哈哈哈！金融危机与Copula (5)

Keep on Fighting!

关于LaTeX+LyX+R/Sweave+pgfSweave+PDF图形的若干中文问题

爷还想看：

特别致谢颜林林对COS的贡献

爷还想看：

又说可重现的统计结果、扫叉打叉、高考、useR、严师

爷还想看：

有多少统计可以重来

爷还想看：

t检验方差不齐有多重要

爷还想看：

统计之都新年构想（杂碎篇）

爷还想看：

阴差阳错

rho=0的文章：

杯具欣赏：他们眼中的统计学

爷还想看：

冬至饺子

爷还想看：

最近跟R core们经常打照面

爷还想看：

2009第一场雪和第二届中国R语言会议

爷还想看：

关于英文写作的几点常识或经验（兼忆我的英语老师们）

零、一本必读的小册子

一、单数和复数

二、标点符号

三、“统计”这个词

四、few和little

五、关于用词

六、M$ Word用户的注意事项

附：我的英语老师们

爷还想看：

R的第五万次SVN修改：看看R大佬们的工作时间分布

爷还想看：

学院网站、考试、月饼、排骨及其它

爷还想看：

美国农村生活一月汇报

爷还想看：

暑假轨迹

爷还想看：

新手教程：建立网站的全套流程与详细解释

一、建网站的准备材料：域名和空间

二、关于网站的配置

1、域名的设置

2、主机的设置

（1）用FTP传输网页文件

（2）网站数据库

三、网站的运行

四、摘要

爷还想看：

免费赠送FTP空间200M

rho=0的文章：

很担心我国的水资源将在一年内耗尽

rho=0的文章：

用R语言和Flash以及JavaScript生成标签云

爷还想看：

画曲线的通用办法：描点法画图

爷还想看：

第一期The R Journal和第一届中国R语言会议

爷还想看：

用Google Chart API展示简单的数据以及WordPress示例

1、从访问数和评论数生成Venn图

2、解读Venn图

3、关于Google Chart API的延伸

爷还想看：

PHP的301重定向（从Bo-Blog搬家到Wordpress的后续工作）

1、RSS Feed：feed.php

2、博客阅读页面：read.php

3、标签页面：tag.php

4、其它页面的重定向

Latest articles

爷还想看：

MySQL数据库操作笔记若干

1、时间操作

2、字符查找替换

3、用R帮忙

4、用mysqldump备份数据库

爷还想看：

拿小概率事件说事：中央政治局常委对年轻人的七项忠告

1、RSS Feed：`feed.php`

2、博客阅读页面：`read.php`

3、标签页面：`tag.php`

4、用`mysqldump`备份数据库