之前出现子集化时丢弃未使用的因子级别的问题.常见的解决方案包括通过声明尽可能使用字符向量
options(stringsAsFactors = FALSE)
但有时候,有序因素对于绘图是必要的,在这种情况下我们可以使用便利函数droplevels来创建一个包装器subset:
subsetDrop <- function(...){droplevels(subset(...))}
我意识到这subsetDrop主要解决了这个问题,但是在某些情况下,子集化via [更方便(而且输入更少!).
我的问题是,为了方便起见,我们可以通过覆盖[数据帧以自动降低因子水平来推动它成为R的"默认"行为.例如,Hmisc包中包含dropUnusedLevels哪些覆盖[.factor用于对单个因子进行子集化(不再需要,因为默认值[.factor似乎具有drop用于删除未使用级别的参数).我正在寻找一种类似的解决方案,它允许我使用数据帧进行子集化,[但会自动丢弃未使用的因子级别(当然,在有序因子的情况下保留顺序).
我使用%in%进行子集化,我遇到了一个奇怪的结果.
> my.data[my.data$V3 %in% seq(200,210,.01),]
V1 V2 V3 V4 V5 V6 V7
56 470 48.7 209.73 yes 26.3 54 470
那是对的.但是当我扩大范围时......第56行就消失了
> my.data[my.data$V3 %in% seq(150,210,.01),]
V1 V2 V3 V4 V5 V6 V7
51 458 48.7 156.19 yes 28.2 58 458
67 511 30.5 150.54 yes 26.1 86 511
73 535 40.6 178.76 yes 29.5 73 535
你能告诉我什么是错的吗？有没有更好的方法来对数据帧进行子集化？
这是它的结构
> str(my.data)
'data.frame': 91 obs. of 7 variables:
$ V1: Factor w/ 91 levels "100","10004",..: 1 2 3 4 5 6 7 …我有一个非常大的列表,包含大约10,000个元素,每个元素是一个大到50亿的整数.我想从最大大小为10,000个元素的数组的每个可能的大小'k'(由用户给出)子集中找到最大元素的总和.我想到的唯一解决方案是生成每个子集(使用itertools)并找到其最大元素.但这需要花费大量时间!解决这个问题的pythonic方法是什么？
像这样的样本:
In [39]: ts = pd.Series(np.random.randn(20),index=pd.date_range('1/1/2000',periods=20))
In [40]: t = pd.DataFrame(ts,columns=['base'],index=ts.index)
In [42]: t['shift_one'] = t.base - t.base.shift(1)
In [43]: t['shift_two'] = t.shift_one.shift(1)
In [44]: t
Out[44]:
base shift_one shift_two
2000-01-01 -1.239924 NaN NaN
2000-01-02 1.116260 2.356184 NaN
2000-01-03 0.401853 -0.714407 2.356184
2000-01-04 -0.823275 -1.225128 -0.714407
2000-01-05 -0.562103 0.261171 -1.225128
2000-01-06 0.347143 0.909246 0.261171
.............
2000-01-20 -0.062557 -0.467466 0.512293
现在,如果我们使用t [t.shift_one> 0],它可以正常工作,但是当我们使用时:在[48]中:t [t.shift_one> 0和t.shift_two <0] -------- -------------------------------------------------- ----------------- ValueError Traceback(最近一次调用last)in()----> 1 t [t.shift_one> 0和t.shift_two <0]
ValueError: The truth value of …如果列中的值(在这种情况下是参与者标识号)落在某个范围内,例如61701到61721和61901到61929,我想删除数据帧中的数据行.
我知道如何根据阈值对数据进行子集化,例如:
datasetnew = dataset[dataset$X<=100, ]
但不确定如何使用一系列数字来分组和删除行.不确定子集是我需要的.
假设我在Haskell中有以下数据结构来表示Checkers/Drafts部分:
data Piece = Reg {pos :: Square, color :: Color}
| King {pos :: Square, color :: Color}
deriving (Show, Eq)
鉴于这些列表,Pieces我如何King从列表中隔离s？我一直在寻找的文档,Data.Set在http://www.haskell.org/ghc/docs/7.6.2/html/libraries/containers-0.5.0.0/Data-Set.html但无法找到的东西,对我来说似乎很明显
简而言之,我需要一个方法,给定一Data.Set组Piece,返回所有King类型片段的子集.我觉得这很简单,但我还没有遇到过因为我是Haskell中的Data.Set类的新手.
set.seed(8)
df <- data.frame(
A=sample(c(1:3), 10, replace=T),
B=sample(c(1:3), 10, replace=T),
C=sample(c(1:3), 10, replace=T),
D=sample(c(1:3), 10, replace=T),
E=sample(c(1:3), 10, replace=T),
F=sample(c(1:3), 10, replace=T))
想要将列的子集传递给dplyr mutate()并进行逐行计算,例如cor()在列AC和DF之间获得相关性,但无法弄清楚如何.在这里,这里和这里找到了SO的灵感,但却未能产生可接受的代码.例如,我试过这个:
require(plyr)
require(dplyr)
df %>%
rowwise() %>%
mutate(c=cor(.[[1:3]],.[[4:6]]))
我试图找出一种对矩阵进行子集化的方法,这种矩阵纯粹是数字的(即没有列/行名称).为了把它放在一个工作示例的形式中,我想删除不符合逻辑条件的行.
set.seed(42)
m <- matrix(sample.int(100, 10*10, TRUE), 10, 10)
假设我想制作一个子集,所以我保留最大行值为90或以上的行,但删除那些不符合此条件的行.
我能想到这样做的唯一方法是通过if/else循环(max(m[i,]) > 90)但我觉得必须有一种更优雅的方式来做到这一点.
有任何想法吗？
我想得到一个介于多个范围之间的值列表.
library(data.table)
values <- data.table(value = c(1:100))
range <- data.table(start = c(6, 29, 87), end = c(10, 35, 92))
我需要结果只包含介于这些范围之间的值:
results <- c(6, 7, 8, 9, 10, 29, 30, 31, 32, 33, 34, 35, 87, 88, 89, 90, 91, 92)
我目前正在使用for循环,
results <- data.table(NULL)
for (i in 1:NROW(range){
results <- rbind(results,
data.table(result = values[value >= range[i, start] &
value <= range[i, end], value]))}
但实际数据集非常大,我正在寻找一种更有效的方法.
任何建议表示赞赏!谢谢!
我试图想出一个关于followig问题的简单解决方案.这是最小的工作示例:
data <- data.frame(subject = c('Math', 'English', 'French', 'English'),
grade = c(1, 3, 5, 4))
我想要一个比较Enlish等级的函数,并返回一个逻辑向量,对于具有最高英语等级的行,其值为TRUE,对于所有其他行,则为FALSE.在这种情况下[1] FALSE FALSE FALSE TRUE.