小编126*_*7b9的帖子

我正在努力创建一系列高质量的 ggboxplots，如下所示：

1. 带有带有 F(df) 测试值、p 值和效应大小的方差分析标签
2. 通过多对比较，条形图和星形图具有显着差异。

对于上面的示例，事后比较的统计数据已通过您可以在此链接页面找到的方式获得，并且我运行了以下代码

#Compute the post-hocs
postHocs <- df %>%
  tidyr::pivot_longer(., -c(A, C, D),'s')%>%
  mutate(s = fct_relevel(s, 
                               c("E", "F", "G", 
                                 "H", "I", "J", 
                                 "K", "L", "M", 
                                 "N", "O", "P")) %>% 
  arrange(s) %>%
  group_by(s) %>% 
  pairwise_t_test(
    value ~ D, paired = TRUE,
    p.adjust.method = "bonferroni"
  ) %>% 
  #dplyr::select(., -'s')%>% 
  print()

同时得到方差分析统计：

    res.aov <- df %>% 
      tidyr::pivot_longer(., -c(A, C, D),'s')%>%
      mutate(s = fct_relevel(s,c("E", "F", "G", 
                                 "H", "I", "J", 
                                 "K", "L", "M", 
                                 "N", "O", "P") 
                                   )))%>% 
      arrange(s) …

使用 function 获得的 flextable 函数的输出as_grouped_data()。

df = structure(list(variable = c("something", NA, NA, NA), var = c(NA, "(Intercept)", "mutate1", "variable"), estimate = c(NA, 3.64770410229416, -0.230158472032055, -0.000692974348090823),  std.error = c(NA, 0.88, 0.0831, 0.9315), statistic = c(NA, 0.1933, -0.5458, -0.613), df = c(NA, 67.03, 53.27, 58.285), p.value = c(NA, "<0.001", "0.80", "0.87")), row.names = c(NA, 4L), class = c("grouped_data", "data.frame"))

这给出了类似的东西：

   variable         var      estimate std.error statistic     df p.value
1 something        <NA>            NA        NA        NA     NA    <NA>
2      <NA> (Intercept)  3.6477041023    0.8800 …

我试图弄清楚以下每个操作计算从 1 到 100 的累积和的速度有多快/慢。

install.package('microbenchmark')
library(microbenchmark)

#Method 1
cs_for = function(x) {
  for (i in x) {
    if (i == 1) {
      xc = x[i]
    } else {
      xc = c(xc, sum(x[1:i]))
    }
  }
  xc
}

cs_for(1:100)

# Method 2: with apply (3 lines)
cs_apply = function(x) {
  sapply(x, function(x) sum(1:x))
}

cs_apply(100)

# Method 3: 
cumsum (1:100)

microbenchmark(cs_for(1:100), cs_apply(100), cumsum(1:100))

我得到的输出如下：

Unit: nanoseconds
          expr   min     lq      mean   median     uq    max neval cld
 cs_for(1:100) 97702 100551 106129.05 102500.5 105151 …

我有这个字符串

 D = c("0" , "11", "12", "13", "14", "15", "16", "21", "22", "23", "24", "25", "26", "31", "32", "33", "34", "35", "36", "41", "42", "43", "44","45", "46","51","52", "53", "54", "55", "56", "61", "62", "63", "64", "65", "66") 

1. 如果我想删除那些低于 30 的字符而不将字符串转换为数字，我该怎么办？

2. 如果我想根据单元号重新排序字符串（这意味着所有最后一个为 1 的字符串都排在最后两个为最后一个的字符串之前，依此类推，例如 31、41、51、61、32、42 等，这应该是操作？

谢谢

我做了部分相关分析，与ggm包

list = list(mtcars, mtcars)
    list = lapply(list, function(x) x %>%
                    mutate(gear = as.factor(gear)))

library(ggm)
lapply(list, function(x) {
  sapply(split(x, x$gear), function(x) {
    pcor(u = c('mpg', 'disp', 'hp', 'vs'), S = var(x))
  })
})

pcor和包装一起

pcorr1 = list %>% 
  map(function(x) split(x[c('mpg', 'disp', 'hp', 'vs')], x$gear))
coeff = c("pearson", "spearman")
res = lapply(1:2, function(x) lapply(seq(coeff), function(x) {
  lapply(pcorr1[[x]], function(y) pcor(y, method = coeff[[x]]))}))

任何人都可以推荐一种如何使用 ggplot2 计算图中的这种相关性的方法吗？

谢谢

UPFATE 只是为了理解，我想知道是否可以使用相关系数作为 y 和 x 所有级别的分组变量（它应该是一种条形图）

我想生成两个不定式系列 0 和 1，具体按以下顺序：

0, 1, 0, -1, 0, 1, 0, -1, ...

我创建了以下代码，它不返回除以下内容之外的内容：

# for in loop
for i in itertools.cycle(range(0,2)):
    if i == 0:
        i += 1
        if i == 1:
            i -= 1
            if i == 0:
                i -= 1
                print(i, end = " ")

它只是返回一系列-1。无法弄清楚错误在哪里。任何人都可以提出任何建议