本节书摘来自华章出版社《r的极客理想—工具篇》一 书中的第1章，第1.8节，作者：张丹，更多章节内容可以访问云栖社区“华章计算机”公众号查看。
问题
r除了统计，还能干什么？
引言
r语言生来就是自由的，不像java和php等有统一的规范约束。r语言不仅命名、语法各包各异，就连功能也是各种混搭。catools库就是这种混搭库，包括了不相关的几组函数工具集，有图片处理的，有编解码的，有分类器的，有向量计算的，有科学计算的，而且都很好用！以至于我都不知道如何用简短的语言去描述这个包了！唯有用“奇特”来概括它的特点。
catools是一个基础的工具包，包括移动窗口(moving window)统计，二进制图片读写，快速计算曲线的面积auc，logitboost分类器，base64的编码器/解码器，快速计算舍入、误差、求和、累计求和等函数。下面分别介绍catools包中的api。
（1）二进制图片读写
read.gif & write.gif: gif格式图片的读写。
read.envi & write.envi: envi格式图片的读写，如gis图片。
（2）base64的编码器/解码器:
base64encode: 编码器。
base64decode: 解码器。
注 base64是一种基于64个可打印字符来表示二进制数据的表示方法。由于2的6次方等于64，所以每6个位元为一个单元，对应某个可打印字符。
（3）快速计算曲线的面积auc
colauc: 计算roc曲线的面积(auc)。
combs: 向量元素的无序组合。
trapz: 数值积分形梯形法则。
（4）logitboost分类器
logitboost: logitboost分类算法。
predict.logitboost: 预测logitboost分类。
sample.split: 把数据切分成训练集和测试集。
（5）快速计算工具
runmad: 计算向量中位数。
runmean: 计算向量均值。
runmin & runmax: 计算向量最小值和最大值。
runquantile: 计算向量位数。
runsd: 计算向量标准差。
sumexact, cumsumexact: 无误差求和，针对编程语言关于double类型的精度优化。
本节使用的系统环境是：
linux: ubuntu server 12.04.2 lts 64bit
r: 3.0.1 x86_64-pc-linux-gnu
注 catools同时支持windows 7环境和linux环境。
安装catools包非常简单，只需要一条命令就可以完成。
在r环境中，加载catools类库：
二进制图片读写gif
（1）写一个gif图片
（2）读一个gif图片到内存，再从内存输出
如图1-19所示
（3）创建一个git动画
在当前的操作目录，会生成一个 wave.gif 的文件，如图1-20所示。动画演示效果参见本书在线资源中的文件wave.gif。
我们看到，catools与谢益辉的animation包有一样的gif输出动画功能。但使用catools做gif动画，不需要依赖其他软件库。而animation的savegif函数需要依赖于imagemagick或者graphicsmagick等第三方软件。
base64的编码器/解码器
base64常用于处理文本数据的场合，表示、传输、存储一些二进制数据，包括mime的email、email via mime、在xml中存储复杂数据。base64的编码解码，只支持向量（vector）类型，不支持data.frame和list类型。把一个boolean向量编解码，代码如下：
roc曲线
roc曲线就是接收者操作特征曲线（receiver operating characteristic curve）的简称，这是一种坐标图式的分析工具，主要用于选择最佳的信号侦测模型、舍弃次佳的模型和在同一模型中设定最佳阈值。roc曲线首先由二战中的电子工程师和雷达工程师发明，用来侦测战场上的敌军载具（飞机、船舰等），即信号检测，之后很快就被引进心理学来进行信号的知觉检测。数十年来，roc分析被用于医学、无线电、生物学、犯罪心理学等领域，而且最近在机器学习（machine learning）和数据挖掘（data mining）领域也得到了很好的发展。
取mass::cats数据集，3列分别是sex（性别）、bwt（体重）、hwt（心脏重量）。
从auc判断分类器（预测模型）优劣的标准：
auc = 1，是完美分类器，采用这个预测模型时，不管设定什么阈值都能得出完美预测。在绝大多数预测的场合，不存在完美分类器。
0.5 < auc < 1，优于随机猜测。这个分类器（模型）如果妥善设定阈值的话，能有预测价值。
auc = 0.5，跟随机猜测一样（例如丢硬币），模型没有预测价值。
auc < 0.5，比随机猜测还差；但只要总是反预测而行，就优于随机猜测。
从图1-21我们看到bwt和hwt都在(0.5,1)之间，因此，cats的数据集是一个真实有效数据集。如果cats的数据集，是一个通过分类预测的数据集，用auc对数据集的评分，就可以检验分类器的好坏了。
向量元素的无序组合
combs(v,k)函数，用于创建无序的组合的矩阵，矩阵的列表示以几种元素进行组合，矩阵的行表示每种不同的组合。参数v是向量；k是数值，小于等于v的长度[1:length(v)]。
数值积分梯形法则
梯形法则原理：将被积函数近似为直线函数，被积的部分近似为梯形。
logitboost分类器
取datasets::iris数据集，5列分别是sepal.length(花萼长)、 sepal.width((花萼宽)、 petal.length(花瓣长)、petal.width(花瓣宽)、species(种属)。
前6条数据，lab列表示数据属于分类1，即setosa。其他3列setosa、versicolor、virginica，分类表示属于该分类的概率是多少。下面设置迭代次数，比较分类结果与实际数据结果。
从上面3次测试结果可以看出，迭代次数越多模型分类越准确。下面随机划分训练集和测试集，并分类预测。
快速计算工具runmean
均线在股票交易上非常流行，是一种简单、实用的看盘指标。下面我们对时间序列数据取均线，输出结果如图1-22所示。
我们从图1-22中看到6条线， 黑色是原始数据，其他各种颜色线代表不同单位的均线。比如，红色(red)线表示3个点的平均，绿色(green)线表示8个点的平均。
快速计算工具组合
对数据集取最大路径（runmax）、最小路径（runmin）、均值路径（runmean）和中位数路径（runmed），输出结果如图1-23所示。
无误差求和
各种编程语言，用计算机做小数计算的时候，都会出现计算误差的情况，r语言也有这个问题。首先用sum()函数求和。
我们对向量x求和，各组值加起来正好为0。但是sum()函数，结果是-1e+20，这是由于编程精度的问题造成的计算误差。通过sumexact()函数修正后，就没有误差了。下面用cumsum()函数累积求和。
cumsum()函数同样出现了精度的误差，需要用cumsumexact()函数来修正。
最后还是要用“奇特”来概括这个工具集，相信你也发现了它的奇特。