标签: multi-level

我有这个结构:

static Dictionary<int, Dictionary<int, string>> tasks = 
    new Dictionary<int, Dictionary<int, string>>();

它看起来像那样

[1]([8] => "str1")
[3]([8] => "str2")
[2]([6] => "str3")
[5]([6] => "str4")

我想从这个列表中获取所有[8]字符串,意思是str1+ str2
该方法应如下所示:

static List<string> getTasksByNum(int num){

}

我该如何访问它？

我曾经使用下面的代码来计算lmer模型的标准化系数。但是，随着 lme 的新版本，返回对象的结构发生了变化。

如何调整功能stdCoef.lmer使其与新lme4版本兼容？

# Install old version of lme 4
install.packages("lme4.0", type="both",
                 repos=c("http://lme4.r-forge.r-project.org/repos",
                         getOption("repos")[["CRAN"]]))

# Load package
detach("package:lme4", unload=TRUE)
library(lme4.0)

# Define function to get standardized coefficients from an lmer
# See: https://github.com/jebyrnes/ext-meta/blob/master/r/lmerMetaPrep.R
stdCoef.lmer <- function(object) {
  sdy <- sd(attr(object, "y"))
  sdx <- apply(attr(object, "X"), 2, sd)
  sc <- fixef(object)*sdx/sdy
  #mimic se.ranef from pacakge "arm"
  se.fixef <- function(obj) attr(summary(obj), "coefs")[,2]
  se <- se.fixef(object)*sdx/sdy
  return(list(stdcoef=sc, stdse=se))
}

# Run model
fm0 <- lmer(Reaction ~ …

因此，我正在使用该mice软件包估算缺少的数据。我是归因于算术的新手，所以我已经讲了一点，但是却遇到了陡峭的学习曲线。举一个玩具的例子：

library(mice)
# Using nhanes dataset as example
df1 <- mice(nhanes, m=10)

因此，如您所见，我使用默认设置大多数情况下估算了df1 10次-我很乐意将此结果用于回归模型，合并结果等。但是在我的实际数据中，我有来自不同国家/地区的调查数据。因此，失踪的程度因国家/地区而异，具体变量的值（即年龄，受教育程度等）的值也不同。因此，我想归纳失踪者，以便按国家进行聚类。因此，我将创建一个没有缺失的分组变量（当然，在此玩具示例中，与其他变量的相关性缺失，但是在我的真实数据中它们存在）

# Create a grouping variable
nhanes$country <- sample(c("A", "B"), size=nrow(nhanes), replace=TRUE)

因此，如何分辨mice()此变量与其他变量不同-即它是多级数据集中的一个级？

我想在html中自动创建项目列表的编号,如下所示:

1. Heading 1
   Text
1.1 Heading 1.1
   Text
2. Heading 2
  Text
2.1 Heading 2.1
   Text
2.2 Heading 2.2
   Text

它与使用Word,Latex或任何其他允许您设置样式的相同.

任何JavaScript,CSS等？

有人可以帮助我完成这项任务吗？我通过 unstack() 操作在多级数据帧中有数据：

Original df:
Density  Length  Range  Count
  15k    0.60  small    555
  15k    0.60    big     17
  15k    1.80  small    141
  15k    1.80    big     21
  15k    3.60  small    150
  15k    3.60    big     26
  20k    0.60  small   5543
  20k    0.60    big     22
  20k    1.80  small    553
  20k    1.80    big     25
  20k    3.60  small    422
  20k    3.60    big     35

df  = df.set_index(['Density','Length','Range']).unstack('Range')

# After unstack:
                  Count       
Range             big  small
Density Length              
15k     0.60       17    555
        1.80       21    141
        3.60       26    150
20k …

我有一个大约300名患者的多级重复测量数据集,每个患者有多达10个预测肌钙蛋白升高的重复测量.数据集中还有其他变量,但我没有在此处包含它们.我试图用来nlme创建随机斜率,随机截距模型,其中患者之间的效果不同,并且不同患者的时间效果不同.当我尝试引入一阶协方差结构以允许由于时间的测量相关时,我得到以下错误消息.

Error in `coef<-.corARMA`(`*tmp*`, value = value[parMap[, i]]) : Coefficient matrix not invertible

我已经包含了我的代码和数据集的样本,我将非常感谢任何智慧的话语.

#baseline model includes only the intercept. Random slopes - intercept varies across patients
randomintercept <- lme(troponin ~ 1,
                       data = df, random = ~1|record_id, method = "ML", 
                       na.action = na.exclude, 
                       control = list(opt="optim"))

#random intercept and time as fixed effect
timeri <- update(randomintercept,.~. + day)
#random slopes and intercept: effect of time is different in different people
timers <- update(timeri, random = ~ day|record_id) …

我使用drupal 7,我想知道我是否可以使用函数theme_item_list()来实现多级列表项.如下:

如果可能,任何人都可以帮我一个例子.

我正在实施类别结构,一些产品将有一个级别类别,但其他产品可能有两个或更多级别:

/posts/cat2/post-sulg

/posts/cat-1/sub-1/post-slug

/posts/cat-3/sub../../../post-slug

因为我不知道它会有多深,并且使用类别slug仅适用于seo(我只发现它的slug)创建处理这种结构的路径的最佳方法是什么？

假设我有 10 个国家（第 2 级）的 300 家公司（第 1 级）的数据。1 级变量是 PQ 和大小。水平 2 变量是人均 GDP。

library(lme4)

set.seed(1)
PQ <- runif(300,7,21)
id <- (1:300)
country <- sample(1:10,300,replace=T)
size <- sample(1:25000,300,replace=T)
GDP <- sample(800:40000,10,replace=T)
Country1 <- 1:10
L1data <- as.data.frame(cbind(id,country,PQ,size))
L2data <- as.data.frame(cbind(Country1,GDP))
MLdata <- merge(L1data,L2data, by.x = "country", by.y = "Country1")
dummymodel <- lmer(PQ ~ size + GDP + (size|country), data = MLdata, REML = F)

当我运行它时，我收到警告消息

警告消息： 1：一些预测变量的尺度非常不同：考虑重新调整 2：在 checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, 中：模型未能与 max|grad| 收敛= 1.77081 (tol …

我正在尝试对多级索引中的数据进行排序以进行可视化。此时纯粹是根据值对数据进行排序

我尝试过使用 sort_index 和 sort_values，但是两者都不起作用。我假设有一种方法可以将我不清楚的两者结合起来。

示例代码

import pandas as pd

data = {'lev1':[1,1,2,2], 
        'lev2':['item1', 'item2', 'item3', 'item2'], 
        'col1':[.55, .44, .22, .34],
        'col2':[.54, .86, .55, .44]}

df = pd.DataFrame(data=data)
df.set_index(['lev1', 'lev2'], inplace=True)

这应该导致：

                col1    col2
    lev1 lev2       
    1   item1   0.55    0.54
        item2   0.44    0.86
    2   item3   0.22    0.55
        item2   0.34    0.44

我想看到的是根据 col2 中的值排序的输出。但是，保持多级索引完好无损。

意思是，结果应该显示：

                col1    col2
    lev1 lev2       
    1   item2   0.44    0.86
        item1   0.55    0.54
    2   item3   0.22    0.55
        item2   0.34    0.44

欢迎任何想法或建议。

谢谢你！