有幸参加了今年R语言会议，十年之后，我再一次来到帝都。不愧是北京的大学，人大的建筑一看就很大气！

这次R会盛况空前，演讲那么多，第二天还开了分会场，所以肯定是听不完的，加上我很担心第二天的讲座，所以我只认真听了部分的讲座（罪过罪过）。所以我只选择我印象深刻的内容讲一下。

1. Hadley Wickham : 我居然几乎全部听懂了Hadley说什么！大概因为我也做一点R开发的缘故吧。惭愧的是，听到这个讲座我才知道devtools这个包是他写的，而且我也没有用过。我就是那种用pakage.skeleton()做一个空包然后自己把代码填进去的人。有好用的工具一定要用，往节省人力的资源方向去才是正道啊！最后Hadley还吐槽了一番CRAN，怨念太深了！

2. David Smith ： 他一上台先试拍了一张观众的照片，然后以观众为背景自拍了一张，好萌啊！不过他说的内容我没有怎么听懂。

3. 余凯：虽然我最近一直听说Deep learning，但直到现在还没有谁跟我认真地分析过“什么是Deep learning”，看来还是要读论文。

4. 周明：用计算机去做对联和绝句。老实说，我觉得这种思路是错的，但很不好意思，我想不到好的思路。但是我觉得诗词不是选择一个概率大的字词，而是选择一个最好的字词。这种事情，目前人工智能做不到。不过要是计算机能做到帮我完成各种应用文（包括申请书和给那些跟我不熟悉的上级的信件）那该多好！我觉得这个方向才是正路。

5. 王汉生：王老师也是非常萌的一个人，可惜我不做社交网络。统计基础也差，实在没有听懂（请轻揍）

下午是金融专场，这种高富帅领域好像真不适合我（说真的，经济学和金融的东西我真的读不下去，不知道是智商还是兴趣原因，希望是后者吧），不过腾讯工程师说的并行矩阵分解工具真的很厉害，可惜不开源就是了。后来我溜出去找当年睡在我下铺的兄弟福哥。感谢他带领我游览清华，还让我结识了另一个学霸飞哥。他们学电力的往往都是在实验室待到十一二点，实在让老衲惭愧啊！

第二天分了几个专场，所以不可能全部听完。

我先试在A场听。

6. James Wicker : 他做的工作和我师兄的工作有点相同，就是要分辨到底一堆样本中，包含了多少种分布，怎样把这些分布分辨出来。我觉得这个方向还挺有意思的：你可以将很多事情的发生看做很多因素的结果，每个因素对应一个概率分布，要是能把这些概率分辨出来，你就把这些因素理清楚了。当然这个问题很难，而且我还没入门。回头看看论文去。

其他的讲座我基本都忽略了，因为我下午要上台，非常紧张！

7. 任坤：任坤师兄的pipeR真的是一个很有用的包，尤其是像我这种经常要做数据清洗的人来说，这种管道符操作的方式很实用。

8. 邱怡轩：轩哥将SVD，深入浅出。他说的用SVD做矩阵补全，开了我的眼界，准备回头就用这种思路去做一下Kaggle最近的比赛。

总的来说，印象深刻的就是这几场演讲了。第二天分了三个会场，有些很想听的内容时间都冲突了，真是可惜。

R会以外的八卦：

1. 没想到南下和北上的高铁车型是不同的，回广州的车不同于去北京的车，热水间里面没有一次性纸杯，所以只好买了一瓶高铁上的矿泉水。

2. 高铁上冷气比较足，去的时候我是抱着带去换洗的衣服取暖的。回来的时候干脆一发狠，掏出电脑算个比较大的kmeans，让发热的电脑成为我的暖炉（何等码农做派！），回去路上不断看窗外，北方民居和南方民居真的有很大不同啊。那种平原景象很吸引我。

3.路上还看完了英文字幕的《处刑人》。

4.我爸问我，北京比起04年，有什么变化。我说，就只有地铁要安检这个变化，问了其他人，说，也就空气污染更严重了吧。

虽然很难理解为什么有这样的需求，但是我还是遇到过这样的要求：怎么把不同的结果保存到一系列按照某种规则命名的变量中。而且是不止一次遇到这种需求。

我觉得通过合理地安排编程逻辑，应该可以避免，但是无法避免的时候，还是有别的方法的：在R中，实用assign(x, value)语句。这样可以创建一个名为x（注意到x是一个字符串）的变量，并将value对应的值赋予它。

不过今天师妹给我带来了新的挑战（师妹真的是人类进步的动力啊！）：如果需要将当前环境中名为a0~a9的变量中的一部分赋值给b0~b9的变量，那么，即使用assign也有一点难度。因为当师妹用如下代码的时候：

for(i in 0:9) {
    vname <- paste("a", i, sep="")
    assign(paste("b", i, sep=""), value=vname)
}

得到的结果是b1="a1"这样的结果，也就是说，我们把一个字符串赋值给b1了！

我给出的方法是用environment():

vars <- environment()
for(i in 0:9) {
    vname <- paste("a", i, sep="")
    assign(paste("b", i, sep=""), value=vars[[vname]])
}

嗯，任务完成！准备让师妹请我吃顿饭。

当然，在我敲下上面这句话的时候，我觉得，这种做法挺脑残的。首先这不是一种好的代码风格，然后，其实把a1～a9放在一个列表里面不就结了吗？

不过，还是很开心，因为估计能够坑来一顿饭，而且让我可以写一篇博客。

下午师妹问我，如果在R中一次生成多个随机数，和在一个循环中生成的随机数，会有什么不同？

简单地做个实验：

set.seed(123)
runif(3)
set.seed(123)
for(i in 1:3) {
    print(runif(1))
}

两个输出的结果是一样的。无论是一次生成多个随机数，还是在一个循环中生成随机数，都是从一个种子出发，生成一个随机序列。如果初始的种子一样，那么生成的随机序列也是一样的。

从这里出发，开始探索一下R中随机数生成的原理。于是去看R中的源代码，在R 中直接输入runif得到的结果是：

> runif
function (n, min = 0, max = 1) 
.External(C_runif, n, min, max)
<bytecode: 0x9bd23a4>
<environment: namespace:stats>

.External调用C_runif，而C_runif其实是一个指向动态链接库的指针，并不是一个函数的名字（看C_runif没有带有引号可知，关于这一点可以参考stackoverflow上的一个讨论 ）。在R的源代码下，可以在src/main/name.c中，找到对应runif的函数：do_random2，还可以看到do_random2对应了多种分布，通过一个偏移量(offset)来区分，接受三个参数。

于是，我们找到了runif的底层源码，至于这个源代码能告诉我们什么，有空再写。