小编Far*_*rel的帖子

.SD看起来很有用,但我真的不知道我在做什么.它代表什么？为什么会有前一段时间(句号).我用它时发生了什么？

我读到: .SD是一个data.table包含x每个组的数据子集,不包括组列.它可以在分组i时,分组by,键控by和_ad hoc_时使用by

这是否意味着女儿data.table被留在内存中进行下一次操作？

我有一个大型数据框(14552行乘15列),包含2001年至2007年的计费数据.我使用sqlFetch获取2008年的数据.为了将2008年数据附加到前7年的数据,可以如下进行

alltime <- rbind(alltime,all2008)

不幸的是,生成

警告消息:In alltime <- rbind(alltime,all2008)(alltime <- rbind(alltime,all2008),ri,value = c(NA,NA,NA,NA,NA,NA,NA,:无效因子级别,生成的NAs)

我的猜测是,有一些新病人的名字不在之前的数据框中,因此不知道给它的级别.类似于推荐医生专栏中新的看不见的名字.

R导入数据并自动计算出数字和非数据的方式(从而使其成为一个因素)很棒 - 直到你必须进一步操纵它然后它变得很痛苦.我如何优雅地克服我的问题？

我正准备出版的情节.我创建了一个堆积的盒子图,显示每组患者的频率,这些患者是血清反应阴性的一些复杂积累.图例使用了数据框中的标签,这些标签适合我们正在处理项目但不适合发布的标签.我想将名称更改为读者更快速理解的内容.

例如,运行以下脚本

grp <- gl(n=4,k=20,labels=c("group a","group b","group c", "group d"))
value <- runif(n=80, min=10, max=150)
outcome <- cut(value,2)
data <- data.frame(grp,value,outcome)
ggplot(data, aes(grp, fill=outcome)) + geom_bar() +xlab("group") 
             +ylab("number of subjects") + labs(fill="Serologic response")

该代码创建了不适合发布的关键标签"(10.4,80)"和"(80,150)".相反,我希望"双重否定"和"对a和/或b为正".

我想我可以回到数据框并转换为获得具有正确标签的新变量.或者我可以重新考虑我的因素？但是,我更愿意在绘图时这样做.

我使用lubridate并认为这将是如此简单

ymd("2010-01-31")+months(0:23)

但看看会得到什么.这一切都搞砸了!

 [1] "2010-01-31 UTC" "2010-03-03 UTC" "2010-03-31 UTC" "2010-05-01 UTC" "2010-05-31 UTC" "2010-07-01 UTC" "2010-07-31 UTC" "2010-08-31 UTC" "2010-10-01 UTC"
[10] "2010-10-31 UTC" "2010-12-01 UTC" "2010-12-31 UTC" "2011-01-31 UTC" "2011-03-03 UTC" "2011-03-31 UTC" "2011-05-01 UTC" "2011-05-31 UTC" "2011-07-01 UTC"
[19] "2011-07-31 UTC" "2011-08-31 UTC" "2011-10-01 UTC" "2011-10-31 UTC" "2011-12-01 UTC" "2011-12-31 UTC"

然后我读到了lubridate如何迎合间隔,持续时间和周期等现象.那么,好吧我知道一个月实际上是由(365*4 + 1)/ 48 = 30.438天定义的天数.所以我试图变得聪明并将其重写为

ymd("2010-01-31")+ as.period(months(0:23))

但那只是一个错误.

Error in as.period.default(months(0:23)) : 
  (list) object cannot be coerced to type 'double'

Run Code Online (Sandbox Code Playgroud)

我有一个名为enc.per.day的data.table,用于每天的遭遇.它有2403行,其中指定了服务日期和当天看到的患者数量.我希望看到在任何类型的工作日看到的患者中位数.

enc.per.day[,list(patient.encounters=median(n)),by=list(weekdays(DOS))]

该行给出了错误

误差在[.data.table(enc.per.day,列表(patient.encounters =中间值(N)),:j的列不计算一致类型的每个组:导致对其组4具有第1分型"整数",但期待输入'double'

以下一切都很好

tapply(enc.per.day$n,weekdays(enc.per.day$DOS),median)
enc.per.day[,list(patient.encounters=round(median(n))),by=list(weekdays(DOS))]
enc.per.day[,list(patient.encounters=median(n)+0),by=list(weekdays(DOS))]

到底是怎么回事？我花了很长时间才弄清楚为什么我的代码不起作用.

顺便说一句,底层向量enc.per.day $ n是一个整数

storage.mode(enc.per.day$n)

返回"整数".此外,data.table中没有任何NA.

我有一个大的data.table(大约24000行和增长).我想根据几个标准对该数据表进行子集化,并从该子集(最终约为3000行)我想随机抽样4行.我不想创建一个名为3000左右的行data.table,计算其行数,然后根据行号进行采样.我怎么能在飞行中做到这一点？或者我应该通过创建表然后处理它,对其进行采样然后使用它rm()来摆脱它来吮吸它？

让我们模拟我的问题

require(data.table)
random.length  <-  sample(x = 15:30, size = 1)
data.table(city=sample(c("Cape Town", "New York", "Pittsburgh", "Tel Aviv", "Amsterdam"), size=random.length, replace = TRUE), score = sample(x=1:10, size = random.length, replace=TRUE)) 

这会产生一个随机长度表,它模拟了这样一个事实,即根据我的标准并依赖于我的起始表,我不知道子集化表的长度是多少

现在,如果我只想要前三行我可以这样做

data.table(city=sample(c("Cape Town", "New York", "Pittsburgh", "Tel Aviv", "Amsterdam"), size=random.length, replace = TRUE), score = sample(x=1:10, size = random.length, replace=TRUE))[1:3]

但是,让我们说我不想要前三行,而是一个随机的3行,然后我想做一些像这样的事情......

data.table(city=sample(c("Cape Town", "New York", "Pittsburgh", "Tel Aviv", "Amsterdam"), size=random.length, replace = TRUE), score = sample(x=1:10, size = random.length, replace=TRUE))[sample(x= 1:number of rows of that previous data.table,size …

假设我有一个data.table,我想选择变量x的值为b的所有行.这很容易

library(data.table)
DT <- data.table(x=rep(c("a","b","c"),each=3), y=c(1,3,6), v=1:9)
setkey(DT,x)               # set a 1-column key
DT["b"]

顺便说一句,似乎必须设置一个键,如果键没有设置为x,那么这不起作用.顺便说一句,如果我将两列设为键,会发生什么？

无论如何,继续前进,让我说我想选择变量x是a或b的所有行

DT["b"|"a"]

不起作用

但以下工作

DT[x=="a"|x=="b"]

但是,它使用矢量扫描数据帧.它不使用二进制搜索.我想对于较小的数据集来说无关紧要.

这是我应该做的还是我对data.table语法一无所知？

还有一件事.是否有任何更复杂的布尔多变量选择(或子集)过程的例子与data.table？

我知道我总是可以恢复使用subset()函数,因为如果必须,data.table将表现为data.frame.

我喜欢RGoogleDocs并且使用它很多.但是,我不喜欢一直输入密码.显然我可以在R脚本中输入密码,而不必再次输入密码.但这不可行,因为这意味着我的密码将在我的硬盘上保持未加密状态.此外,我与同事分享我的脚本.

为了解决这个问题,我提出了这个问题.

if(exists("ps")){
  print("got password, keep going")
} else {
  ps <-readline(prompt="get the password in ")
}

options(RCurlOptions = list(
  capath = system.file("CurlSSL", "cacert.pem", 
  package = "RCurl"), ssl.verifypeer = FALSE)
)

sheets.con = getGoogleDocsConnection(
  getGoogleAuth("notreal@gmail.com", ps, service ="wise")) 

#WARNING: this would prevent curl from detecting a 'man in the middle' attack
ts2=getWorksheets("hpv type",sheets.con)

我喜欢使用RStudio.当我看到办公室里的任何同事显示我的密码时,我感到很不舒服.我使用了假密码,但看看图像..此外,如果我保存了一个工作区,我的密码会随之保存,如果几个月之后,当我很久以前忘记了它的内容时,我担心我会把它交给别人,我发送了我的.RData向同事提交.

我在之前的文章中读到了关于R中密码的一般信息.在使用RGoogleDocs时,它没有给我足够的信息来隐藏我的密码.

如何选择数据表中主键中缺少值的所有行.

DT = data.table(x=rep(c("a","b",NA),each=3), y=c(1,3,6), v=1:9)
setkey(DT,x)   

选择特定值很容易

DT["a",]  

选择缺失值似乎需要矢量搜索.一个人不能使用二进制搜索.我对么？

DT[NA,]# does not work
DT[is.na(x),] #does work

如果我想选择data.table中使用二进制搜索在键变量中不包含特定值的所有行,会发生什么？顺便问一下,我想做什么的正确行话是什么？它是"nojoin"吗？这是"消极选择"吗？

DT = data.table(x=rep(c("a","b","c"),each=3), y=c(1,3,6), v=1:9)
setkey(DT,x)

让我们对x =="a"但使用二进制搜索的所有行进行正选择

DT["a"]

这很美,但我希望与此相反.我想要所有不是"a"的行,换句话说x!="a"

DT[x!="a"]

那是矢量扫描.以上线路工作但使用矢量扫描.我想用二进制文件.我期待以下工作,但唉......

DT[!"a"]
DT[-"a"]

以上两个不起作用,尝试与无匹配发挥让我无处可去.