ReadDaBook#003-不被情緒左右的28個練習

        第一眼看見本書的封面，覺得有點滑稽，有點好笑，從而更引起我想翻開他的慾望了，好像不僅僅只是為了吸收使心靈強壯的知識，更是為了想看看選用如此滑稽封面的日本作者如何完整詮釋他的獨特情緒練習理論。

       翻開目錄，本書分成5個章節，前兩章探討人情緒被影響的原因，比起醫學理論上的各種專業術語，本書更注重行為上的解釋，淺顯易懂而且很有說服力，雖說有些很難不落入俗套，但也再再點明現代人的一些問題，以下整理:

1.          容易被影響的人忙別人的事；懂得將工作變成「自己的事」，才能提升自我效能

2.          容易被影響的人意興闌珊；找到除了工作外的多線道興趣，較容易對情緒放得下

3.          容易被影響的人過度解讀別人話語；將不滿寫下、客觀分析，遠離妄想式猜測

4.          容易被影響的人非黑即白；找到人生的灰色地帶，會好過一些

5.          容易被影響的人喜歡期待別人；放下別人「應該如何」，使溝通變明確

6.          容易被影響的人做錯事會找藉口；如果是自己的錯，爽快的道歉吧

7.          容易被影響的人在意失眠；接受偶爾的失眠，是為了保護自己

8.          社群媒體、偏頗資訊使人不安；重視真實世界之體驗，活在當下

9.          生物本能傾向忘不了不愉快的事物；接受自己無法放下

10. 越想不被影響，越容易被影響；接受自己當下就是「受影響了」

11. 不被影響不等於忘記；可以多借助別人的力量

12. 大腦會被一時的情緒牽著走；把情緒化做言語，不要快速做出反應

13. 即使是減少坐著的時間，也有助於心理健康

14. 別太在意男生如何、女生如何；朝「自己如何」去思考

15. 用環境中和基因對情緒還有個性的影響

     身在文明的社會，少了豺狼虎豹的立即威脅，多了人際關係以及文明世界的煩惱，人們再使用對付豺狼虎豹那套來應付，似乎有點不切實際，也對自己的心理造成了許多不小的負擔，所以我們寫了許多書來找尋平衡、找尋心中寧靜的一塊，有人說，心情就像天上的雲朵一樣，壞心情就像烏雲，但若妳開飛機飛過平流層，會發現平靜的地方一直都在，不過不是人人都會開飛機，所以就需要一些練習，下面整理書中說的練習:

1.          習慣可以改變情緒；將行動代替心靈創傷

2.          提高心理的韌性；建立良好人際關係，不要凡事自己承擔

3.          化悲憤為感謝；即便是親近的人也要時常表達感謝

4.          軟化死腦筋；即便已經知道答案，也要列出答案客觀思考一遍

5.          勇敢地放棄；承認做不到才是健康的放下

6.          告別假設是思考；與其沒做而後悔，不如就做吧

7.          用愉快經驗覆蓋不開心

8.          不用過分區分煩惱的公私

9.          學習真正的正面思考；積極面對現在能做的事

10. 給自己高明的藉口；以狀況為藉口，不要涉及自身價值判斷

11. 有容乃大；接受「原來也有人這樣想」

12. 不要因為「熱心」造成自己的困擾

13. 將快爆炸的自己「臨停一下」；心情停車後，專心先作正事

14. 別讓自己的正義感變成對別人的仇恨

15. 身體語言跟情緒密不可分；試著強迫自己微笑

16. 疲於人際時，來場小旅行

17. 換個說法；不要再使用負面的被害者說法

18. 別把不幸推給過去；有不滿就儘快說出來吧

19. 承認自己放不下；告訴自己被影響也沒關係

20. 對有壓力的事情訂一個期限；不要給自己判無期徒刑

21. 「想像」走出悲傷的自己；沒有人希望一輩子走不出來

22. 把悲傷哭出來，無論妳是男性或女性

23. 想煩惱就盡情煩惱一場，直到大腦厭煩

24. 切換情緒，接受失敗經驗也是成長必經

25. 別讓希望成為重擔；希望要適可而止

26. 保留遠離網路的時間

27. 了解失眠的意義，不要太執著

28. 尋找有相同經驗的夥伴，消除「只有我這樣」的孤獨感

     總結一下，這是一本蠻實用的工具書，用實際的練習代替嘴砲心靈雞湯，切切實實的要妳身體力行，凡是無法一蹴可及，第一次做練習總是覺得沒有效果，就像重訓一般，只有持續的練習才有辦法比昨天的自己更強壯。

R_assignment#ch15

1請重新設計動物園程式，使用sample()函數，在10和100間，自行產生30天動物出現次數

ch15_1 <- function( )

{

    an_info <- matrix(sample(10:100, 90, replace = T), ncol = 3)

    colnames(an_info) <- c("Tiger", "Lion", "Leopard")

    rownames(an_info) <- c(paste(rep("Day", times = 30), 1:30))

    print(an_info)

    apply(an_info, 2, function(x) c(max(x), min(x), round(mean(x))))

}

2.設計一個比大小的程式，先行設定電腦贏的機率

ch15_2 <- function( )

{

    cat("請輸入1~10內之數值資料，若想結束，請按Enter")

    x1 <- scan()

    x2 <- sample(1:10, 1, replace = T,c(1 ,2 , 3, 4, 5, 6, 7, 8, 9, 10))

    x3 <- "abc"

    if(x1 > x2)

    {

        x3 <- "Win"

    }else if (x1 == x2)

    {

        x3 <- "Flat"

    }else {

            x3 <- "Lose"

        }

    cat(x3)

}

3.設計骰子遊戲，每次結束詢問一次是否重玩

ch15_3 <- function( )
{
    x2 <- y
    repeat{
        x1 <- sample(1:6, 3, replace = T)
        cat("Dice game :", x1, "\n")
        cat("Play again? y/n")
        x2 <- scan(what = character())
        if(x2 == "n") break
    }
    print("Game over")
}

4.請計算iris花瓣及花萼平均的length/width

ld.r.petal <- mean(iris$Petal.Length / iris$Petal.Width)
ld.r.sepal <- mean(iris$Sepal.Length / iris$Petal.Width)

ch15_4 <- cbind(ld.r.petal, ld.r.sepal)

5.請將islands物件—面積大小分成10等分

ch15_5 <- function( )
{
    islands_2 <- as.data.frame(islands)
    label.islands <- cut(islands, 10, 
                         labels = c("Low", "9th", "8th", "7th", 
                                    "6th", "5th", "4th", "3rd", "2nd", "High"))
    islands_new <- cbind(as.character(label.islands), islands_2)
    dimnames(islands_new)[[2]] <- c("grade", "area")
    x <- order(islands, decreasing = T)
    y <- islands_new[x, ]
    print(y)
}

6.合併state.x77中人口少於500萬盒月收少於500美元的州

ch15_6 <- function( )
{
    mystate.x77 <- as.data.frame(state.x77)
    mystate.x77$Name <- rownames(state.x77)
    rownames(mystate.x77) <- NULL
    mypopu.states <- mystate.x77[mystate.x77$Population < 5000, c("Name", "Population")]
    myincome.states <- mystate.x77[mystate.x77$Income < 5000, c("Name", "Income")]
    x <- merge(mypopu.states, myincome.states)
    print(x)
}

7.承上題，只要其中一個條件符合即可

ch15_7 <- function( )
{
    mystate.x77 <- as.data.frame(state.x77)
    mystate.x77$Name <- rownames(state.x77)
    rownames(mystate.x77) <- NULL
    mypopu.states <- mystate.x77[mystate.x77$Population < 5000, c("Name", "Population")]
    myincome.states <- mystate.x77[mystate.x77$Income < 5000, c("Name", "Income")]
    x <- merge(mypopu.states, myincome.states, all = T)
    print(x)  
}

8.計算mtcars裡不同汽缸數車輛之平均馬力(hp)

ch15_8 <- function( )
{
    mycar <- within(mtcars, 
                    cyl <- factor(cyl, levels = c(4, 6, 8),
                                  labels = c("四汽缸", "六汽缸", "八汽缸")))
    x <- with(mycar, tapply(hp, cyl, mean))
    print(x)
}

9.自行設5位球員主力，到各處比賽之資料，製作長格式及寬格式數據，同時建立樞紐分析表

ch15_9 <- function( )
{
    game <- c(paste(rep("G",times = 10), 1:10, sep = ""))
    site <- c("LA", "SF", "SF", "NYC", "LA", "TX", "TX", "SF", "NYC", "LA")
    Lin <- c(sample(10:20, 10, replace = T, set.seed(1)))
    Wang <- c(sample(10:25, 10, replace = T, set.seed(2)))
    Lu <- c(sample(15:25, 10, replace = T, set.seed(3)))
    Pete <- c(sample(9:18, 10, replace = T, set.seed(4)))
    Jordan <- c(sample(16:28, 10, replace = T, set.seed(5)))
    balls <- data.frame(game, site, Lin, Wang, Lu, Pete, Jordan)
    lballs <- melt(balls, id.var = c("game", "site"), 
                   variable.name = "name", value.name = "points")
    site.ball <- dcast(lballs, site ~ name, sum)
    game.site.ball <- dcast(lballs, game + site ~ name, sum)
    cat("Enter a for short form; b for long form;
        c for site~name; d for game + site ~ name")
    x <- scan(what = character())
    if(x == "a") print(balls)
    else if(x == "b") print(lballs)
    else if(x == "c") print(site.ball)
    else if(x == "d") print(game.site.ball)
    else print("Error")
}

R_assignment#ch14

1請設計程式，此程式會要求輸入姓名，然後回應”Welcome”和所輸入的姓名

ch14_1 <- function( )

{

    cat("Please enter your name, press /Enter/ to end")

    x1 <- scan(what = character())

    cat("Welcome~", x1)

}

2.重新輸入上一個程式，但將輸出轉至exer14_2.txt

ch14_2 <- function( )

{

    cat("Please enter your name, press /Enter/ to end")

    x1 <- scan(what = character())

    cat("Welcome~", x1, file = "~/exer14_2.txt")

}

3.使用Scan( )讀取txt之10筆資料，計算總合、平均、最大及最小值

ch14_3 <- function()
{
    x1 <- scan("C:/Users/veryv/OneDrive/桌面/Exercise.txt", sep = ",")
    cat("Sum=", sum(x1), "\n")
    cat("Mean=", mean(x1), "\n")
    cat("Max=", max(x1), "\n")
    cat("Min=", min(x1))
}

4.參考前例，將執行結果輸入exer14_3.txt

ch14_4 <- function()
{
    x1 <- scan("C:/Users/veryv/OneDrive/桌面/Exercise.txt", sep = ",")
    cat("Sum=", sum(x1),"\n","Mean=", mean(x1),"\n",
        "Max=", max(x1),"\n","Min=", min(x1),file = "~/exer14_3.txt")
}

5.讀取茶銷售量excel表並計算:各茶種年度總銷售量、各茶種年度總銷售額、各業務員年度總銷售額

ch14_5 <- function( )
{
    excel <- file.path("C:/Users/veryv/OneDrive/桌面/Test.csv")
    xCSV <- read.csv(excel, sep = ",")
    tea.info <- matrix(c(tapply(xCSV$Quantity, xCSV$Product, sum),
                         tapply(xCSV$Revenue, xCSV$Product, sum)),
                       nrow = 2, byrow = T)
    colnames(tea.info) <- c("BlackTea ", "Green Tea")
    rownames(tea.info) <- c("year_quant", "year_rev")
    Sales <- tapply(xCSV$Revenue, xCSV$Name, sum)
    answer <- list(TeaInfo = tea.info, RevBySales = Sales)
    print(answer)
}