tidyverse

    0熱度

    1回答

    過濾 我已經設置了以下閃亮代碼: global.R: library(shiny) library(gapminder) library(tidyverse) library(scales) ui.R: fluidPage( titlePanel("Gapminder Hierarchical Clustering of Countries"), sidebarLayout(

    1熱度

    2回答

    我試圖通過數據框的每一行,隨機選擇一半變量,並將該特定行的變量設置爲NA。 例如,下面的mydf數據集,我想爲我的第一行隨機選擇3個變量(比如QB,QE,QF)和第二行重新設定自己的分數來NA,然後(比方說QA ,QD,QE)等: library(tibble) mydf <- tibble(QA = rnorm(100), QB = rnorm(100), QC = rnorm(100),

    1熱度

    2回答

    當你group_by多個變量時,dplyr有用地找到這些組的交集。 例如, mtcars %>% group_by(cyl, am) %>% summarise(mean(disp)) 產生 Source: local data frame [6 x 3] Groups: cyl [?] cyl am `mean(disp)` <dbl> <dbl>

    1熱度

    2回答

    我有三個值在下面。我想要做的是創造一個矢量的長度相同lookup,其中NA元件被給予的replace值,並且這些元件的其餘部分中給出data在相應的位置值。例如。然後 lookup = c(NA, NA, 1, 2, NA, 3, NA) data = c("user_3", "user_4", "user_6") replace = "no_user_data" 所需的輸出將是:c("n

    1熱度

    1回答

    在modelr包中,函數gather_predictions可用於將多個模型的預測添加到數據框,但我不確定如何在函數調用中指定這些模型。幫助文檔提供以下示例: df <- tibble::data_frame( x = sort(runif(100)), y = 5 * x + 0.5 * x^2 + 3 + rnorm(length(x)) ) m1 <- lm(y ~

    1熱度

    2回答

    如何按組填寫缺失值? 我有一個df與recomendations和排名,我需要插入默認recomendations時,我沒有至少4。 輸入例: library(tidyverse) fixed_recomendations <- data.frame(recomendation_id = 50:54, name = paste("recomendation", 50:54, sep = "_"

    2熱度

    2回答

    當我使用readr::read_csv讀取包含尾隨分隔符的CSV文件時,我收到一條警告,指出缺少一個列名稱。下面是一個簡短示例CSV文件的內容以重現此操作警告(存儲下面的片段在名爲example.csv文件): A,B,C, 2,1,1, 14,22,5, 9,-4,8, 17,9,-3, 注意後面的逗號在每一行的末尾。現在,如果我打開這個文件, read_csv("example.c

    2熱度

    2回答

    試圖回答GGPLOT2郵件列表上某人的問題,我無法弄清楚: https://groups.google.com/forum/#!topic/ggplot2/YgCqQX8JbPM OP要申請不同的開始參數到他的數據的nls模型的子集。我的想法是,他應該讀dplyr和purrr,但經過幾個小時的自我嘗試後,我撞上了一堵牆。不確定這是一個錯誤還是我缺乏使用purrr的經驗。 library(tidyv

    1熱度

    1回答

    Consdering輸入dsam作爲組合: structure(list(a = structure(c(3L, 2L, 1L, 3L, 1L, 3L, 1L, 1L, 1L, 1L), .Label = c("A", "B", "C"), class = "factor"), b = c(1, 1, 1, 1, 1, 3, 2, 3, 3, 1), c = structure(c(2L, 1

    -1熱度

    1回答

    library(tidyverse) data<-diamonds%>%group_by(cut,color,clarity)%>% summarize(aver=round(mean(price),0),count=n())%>% filter(count>10)%>% mutate(rank1=min_rank(desc(aver)),rank2=cume_d