当我写这样的代码时:
TextView tv = new TextView(context);
tv. // Here auto-complete window appears, and laaaaag,
// and lag and lag,
//and eclipse status of background working is "Calculating Additional Info"
在我在ResourceMonitor上的Windows7上,我可以看到eclipse.exe正在等待TCP in-out.
有人可以帮帮我吗？提前做好!!
这主要是为了提高认识并推动Eclipse团队的某些错误.
ENV:
它似乎在相当大的Java源文件(1-2klines)上,在任何地方键入任何代码都会导致
我试图禁用自动完成,行打印和其他功能,减少或增加eclipse.ini上的内存设置,但没有解决它.
其他人有同样的问题吗？
Eclipse Bugzilla搜索查询.
这是一个非常简单的问题,但我无法找到明确的答案,所以我想我会问它.我使用该plm包来处理面板数据.我试图使用该lag函数及时滞后变量FORWARD(默认是从前一个句点检索值,我想要NEXT中的值).我发现了一些旧的文章/问题(大约2009年),这表明这可以k=-1作为一个论点使用.但是,当我尝试这个时,我收到一个错误.
示例代码:
library(plm)
df<-as.data.frame(matrix(c(1,1,1,2,2,3,20101231,20111231,20121231,20111231,20121231,20121231,50,60,70,120,130,210),nrow=6,ncol=3))
names(df)<-c("individual","date","data")
df$date<-as.Date(as.character(df$date),format="%Y%m%d")
df.plm<-pdata.frame(df,index=c("individual","date"))
滞后:
lag(df.plm$data,0)
##returns
1-2010-12-31 1-2011-12-31 1-2012-12-31 2-2011-12-31 2-2012-12-31 3-2012-12-31
50 60 70 120 130 210
lag(df.plm$data,1)
##returns
1-2010-12-31 1-2011-12-31 1-2012-12-31 2-2011-12-31 2-2012-12-31 3-2012-12-31
NA 50 60 NA 120 NA
lag(df.plm$data,-1)
##returns
Error in rep(1, ak) : invalid 'times' argument
我还读到了plm.data已经取代pdata.frame某些应用程序的内容plm.但是,plm.data似乎根本没有使用该lag功能:
df.plm<-plm.data(df,indexes=c("individual","date"))
lag(df.plm$data,1)
##returns
[1] 50 60 70 120 130 210
attr(,"tsp")
[1] 0 5 1
我将不胜感激任何帮助.如果有人有另外一个包裹用于滞后的建议,我会全力以赴.然而,我确实喜欢plm …
很抱歉这篇文章很长,但我提供了复制和粘贴示例数据以及下面的可能解决方案.的的相关部分的问题是在后(水平线以上)的上部.
我有下表
Dt customer_id buy_time money_spent
-------------------------------------------------
2000-01-04 100 11:00:00.00 2
2000-01-05 100 16:00:00.00 1
2000-01-10 100 13:00:00.00 4
2000-01-10 100 14:00:00.00 3
2000-01-04 200 09:00:00.00 10
2000-01-06 200 10:00:00.00 11
2000-01-06 200 11:00:00.00 5
2000-01-10 200 08:00:00.00 20
并希望查询获取此结果集
Dt Dt_next customer_id buy_time money_spent
-------------------------------------------------------------
2000-01-04 2000-01-05 100 11:00:00.00 2
2000-01-05 2000-01-10 100 16:00:00.00 1
2000-01-10 NULL 100 13:00:00.00 4
2000-01-10 NULL 100 14:00:00.00 3
2000-01-04 2000-01-06 200 09:00:00.00 10
2000-01-06 2000-01-10 200 10:00:00.00 11
2000-01-06 2000-01-10 …我有一个非常大的数据集,看起来简化如下:
row. member_id entry_id comment_count timestamp
1 1 a 4 2008-06-09 12:41:00
2 1 b 1 2008-07-14 18:41:00
3 1 c 3 2008-07-17 15:40:00
4 2 d 12 2008-06-09 12:41:00
5 2 e 50 2008-09-18 10:22:00
6 3 f 0 2008-10-03 13:36:00
我可以使用以下代码聚合计数:
transform(df, aggregated_count = ave(comment_count, member_id, FUN = cumsum))
但我想在累积数据中滞后1,或者我想cumsum忽略当前行.结果应该是:
row. member_id entry_id comment_count timestamp previous_comments
1 1 a 4 2008-06-09 12:41:00 0
2 1 b 1 2008-07-14 18:41:00 4
3 1 c 3 2008-07-17 15:40:00 …我在处理R中的时间序列时遇到问题
#--------------read data
wb = loadWorkbook("Countries_Europe_Prices.xlsx")
df = readWorksheet(wb, sheet="Sheet2")
x <- df$Year
y <- df$Index1
y <- lag(y, 1, na.pad = TRUE)
cbind(x, y)
它给了我以下输出:
x y
[1,] 1974 NA
[2,] 1975 50.8
[3,] 1976 51.9
[4,] 1977 54.8
[5,] 1978 58.8
[6,] 1979 64.0
[7,] 1980 68.8
[8,] 1981 73.6
[9,] 1982 74.3
[10,] 1983 74.5
[11,] 1984 72.9
[12,] 1985 72.1
[13,] 1986 72.3
[14,] 1987 71.7
[15,] 1988 72.9
[16,] 1989 75.3
[17,] 1990 81.2
[18,] …我试图在R编程中使用动态线性回归使用dynlm命令,因为我需要分析我的面板数据,但我不想使用面板回归.
但是,我的模型规范根本不包含任何滞后变量.在这种情况下,我还可以使用动态线性模型(dynlm)吗？它给出的输出仍然非常好,有用.
例如,我得到以下内容.
Call:
dynlm(formula = y ~ a + b + c + d*g + e*g +
f*g + h + i + j)
Estimate Std. Error t value Pr(>|t|)
(Intercept) 2.12175142 1.87591046 1.131 0.258860
a 0.00019267 0.02859444 0.007 0.994628
b -0.01091167 0.02133546 -0.511 0.609392
c 0.17635258 0.05616125 3.140 0.001842 **
d -0.12717373 0.04706829 -2.702 0.007253 **
g -0.39693637 0.09144441 -4.341 1.894e-05 ***
e -0.15394576 0.05059879 -3.042 0.002536 **
f -0.22525696 0.07412517 -3.039 0.002565 **
h -0.10063528 0.01242704 -8.098 …我有这样的产品数据
Product Date Sales Availbility
xyz 2017-12-31 724.5 6.0
xyz 2018-01-07 362.25 7.0
xyz 2018-01-14 281.75 7.0
xyz 2018-01-21 442.75 7.0
xyz 2018-01-28 442.75 6.0
xyz 2018-02-04 402.5 7.0
xyz 2018-02-11 201.25 3.0
xyz 2018-02-18 120.75 0.0
xyz 2018-02-25 40.25 0.0
xyz 2018-03-11 201.25 0.0
xyz 2018-03-18 483.0 5.0
xyz 2018-03-25 322.0 7.0
xyz 2018-04-01 241.5 7.0
xyz 2018-04-08 281.75 7.0
xyz 2018-04-15 523.25 7.0
xyz 2018-04-22 241.5 7.0
xyz 2018-04-29 362.25 7.0
数据没有订购(一个小问题),我想要做的是,在可用性栏(第4栏)中我们有0,我想采取前3周(有完全可用性,即7)平均
如下所示:
xyz 2017-12-31 724.5 6.0 Null …我正在为我的名为 Swordy Quest 的 iOS 游戏构建完全可访问性：https : //apps.apple.com/us/app/swordy-quest-an-rpg-adventure/id1446641513
正如您从上面链接的屏幕截图中看到的，我创建了一张地图，其中包含 50x50 个单独的 UIView，每个 UIView 上都有一个 UIButton，所有这些都位于 UIScrollView 上。关闭 VoiceOver 后，整个应用程序（包括地图部分）都可以正常工作 - 尽管地图加载有时会有点慢。当我打开 VoiceOver 时，整个应用程序响应良好，除了地图部分，它变得非常滞后 - 在我的 iPhone 7 上几乎无法播放（比如用旧手机测试最糟糕的用户体验）。
如果打开 VoiceOver，我曾尝试删除图像细节，但这根本没有区别。这让我认为滞后是由于 50 x 50 UIViews 所有这些都添加了可访问性标签。如果单个 UIViewController 上有太多可访问的标签，VoiceOver 是否会开始严重滞后？
有谁知道一种巧妙的方法来解决这个问题？我想知道是否有一种聪明的方法可以关闭 AccessibilityLabels，除非 UIView/UIButton 位于 UIScrollView 的可见部分？
所以,我正在使用一个数据框,每天有444天的数据.我有几个变量,我想滞后用于回归模型(lm).我想每次滞后7次.我目前正在产生这样的滞后......
email_data$email_reach1 <- lag(ts(email_data$email_reach, start = 1, end = 444), 1)
email_data$email_reach2 <- lag(ts(email_data$email_reach, start = 1, end = 444), 2)
email_data$email_reach3 <- lag(ts(email_data$email_reach, start = 1, end = 444), 3)
email_data$email_reach4 <- lag(ts(email_data$email_reach, start = 1, end = 444), 4)
email_data$email_reach5 <- lag(ts(email_data$email_reach, start = 1, end = 444), 5)
email_data$email_reach6 <- lag(ts(email_data$email_reach, start = 1, end = 444), 6)
email_data$email_reach7 <- lag(ts(email_data$email_reach, start = 1, end = 444), 7)
然后,我为每个我想要滞后的变量重复这个.
这似乎是实现这一目标的可怕方式.还有更好的东西吗？
我已经考虑过滞后整个数据帧,但是我不知道如何为结果分配变量名并将其合并回原始数据帧.
lag ×10
r ×5
eclipse ×2
lead ×2
android ×1
cumsum ×1
editor ×1
hive ×1
macos ×1
panel-data ×1
plm ×1
plugins ×1
regression ×1
series ×1
sql-server ×1
sum ×1
swift ×1
time-series ×1
voiceover ×1
xcode ×1