我已经找到了类似的问题,如果有相关的问题我已经错过了,那就道歉了.
我正在研究在不同条件下花费在喂食器(因变量)上的时间量,每个受试者访问喂食器30次.
受试者暴露于一种类型的喂食器,其将具有香味/无味的不同组合,具有视觉图案/空白,并且具有以两种空间布置之一呈现的这些视觉或香味图案.
到目前为止,我的模型是:
mod<-lmer(timeonfeeder ~ scent_yes_no + visual_yes_no +
pattern_one_or_two + (1|subject), data=data)
Run Code Online (Sandbox Code Playgroud)
如何将访问号码合并到模型中,以查看这些因素是否会影响馈线在一段时间内所花费的时间?
library(lme4)
dummy <- as.data.frame(cbind(speed = rpois(100, 10), pop = rep(1:4, each = 25), season = rep(1:2, each = 50), id = seq(1, 100, by = 1)))
dummy2 <- as.data.frame(cbind(speed = c(rnbinom(50, 10, 0.6), rnbinom(50, 10, 0.1)), pop = rep(1:4, each = 25), season = rep(1:2, each = 50), id = seq(1, 100, by = 1)))
poisson <- glmer(speed~pop*season + (1|id),
data=dummy, family="poisson")
neg.bin <- glmer.nb(speed ~ pop*season + (1|id),
data=dummy2, control=glmerControl(optimizer="bobyqa"))
Run Code Online (Sandbox Code Playgroud)
当我使用 lme4 包在负二项式模型之前运行创建泊松模型的脚本时,运行 neg.bin 模型时出现以下错误:
Error in family$family : …Run Code Online (Sandbox Code Playgroud) 假设我有一个包含一堆列的数据框,我想在其中进行相同的NA替换:
dd <- data.frame(x = c(NA, LETTERS[1:4]), a = rep(NA_real_, 5), b = c(1:4, NA))
Run Code Online (Sandbox Code Playgroud)
例如,在上面的数据框中,我想做一些类似 replace_na(dd, where(is.numeric), 0)替换NAcolumnsa和中的值的操作b。
我可以
num_cols <- purrr::map_lgl(dd, is.numeric)
r <- as.list(setNames(rep(0, sum(num_cols)), names(dd)[num_cols]))
replace_na(dd, r)
Run Code Online (Sandbox Code Playgroud)
但我正在寻找更整洁/更惯用/更好的东西......
我在R中有一个像这样的数据框.我想提取每个主题的最后一次访问.
主题访问
40161 3
40161 4
40161 5
40161 6
40161 9
40201 3
40202 6
40202 8
40241 3
40241 4
Run Code Online (Sandbox Code Playgroud)
所需的输出如下
主题访问
40161 9
40201 3
40202 8
Run Code Online (Sandbox Code Playgroud)
我应该怎么做R?非常感谢您的帮助.
我有一个相当复杂的情况,我可能最终传递一个函数不存在的变量.我有一个很好的想法,当这种情况发生时,修复它将是困难的; 我很满意能够可靠地检测到条件并在这种情况下执行变通方法.我可以简单地使用
inherits(try(eval(possibly_missing_variable),silent=TRUE),"try-error")
Run Code Online (Sandbox Code Playgroud)
但如果可能的话,我想测试导致错误的具体情况object 'possibly_missing_variable' not found.(我可以尝试在错误消息中找到"未找到",但是我在过去的r-devel列表中已经被告诫,如果R以不同的语言运行,那么这将失败,以便翻译版本的出现错误消息.)
我尝试了各种组合deparse(substitute(...)),但它们似乎没有在调用堆栈上运行得足够多.这是我在一个可重复的例子中的最佳镜头:
f <- function(d) {
## test here
cat("'d' exists:",exists("d"),"\n") ## TRUE
cat("deparse(substitute(d)):",dd <- deparse(substitute(d)),"\n") ## OK
cat("exists('",dd,"'): ",exists(dd),"\n",sep="")
eval(d)
}
f2 <- function(ddd) {
f(ddd)
}
ddd <- 5
f2(junk)
Run Code Online (Sandbox Code Playgroud)
结果是:
'd' exists: TRUE
deparse(substitute(d)): ddd
exists('ddd'): TRUE
Error in eval(d) : object 'junk' not found
Run Code Online (Sandbox Code Playgroud)
我想要一个测试,它将正确地通知我(在遇到错误之前)评估将失败,因为在环境/封闭环境等堆栈中的任何地方都找不到相关对象.任何想法......?
更一般地说,有没有办法找出参数的最远上游名称("junk"在这种情况下)?如果我能做到,那就exists(farthest_upstream_name)解决了我的问题.
有没有人放在一起/找到一个很好的方法来列出给定对象可用的所有S3方法?内置函数将为指定的类或指定的泛型函数提供所有可用的方法,但不为对象提供.methods()
我想到的一个例子是一个glm对象,它是(minor?)类,"glm"但也继承自"lm"
g <- glm(y~x,data=data.frame(x=1:10,y=1:10))
class(g)
## [1] "glm" "lm"
Run Code Online (Sandbox Code Playgroud)
类"lm"有35种方法,"glm"有22种方法.我对结合了结果的答案感兴趣
lapply(class(g),function(x) methods(class=x))
Run Code Online (Sandbox Code Playgroud)
以一种明智的方式,以便我可以立即看到(例如)有一个glm特定的方法add1,但是方法alias是从lm类继承的.
有人有一个光滑的方式来做到这一点,还是已经存在?
PS史蒂夫沃克的S3-S4参考类词汇表显示,它可以自动用于参考类,我们必须使用一个对象来获取方法(x$getRefClass()$methods()).
我不知道为什么,但我很确定以下确实会产生一段时间的情节.你能告诉我这里有什么问题吗?
library(ggplot2)
qplot(c(0, 2), stat="function", fun=exp, geom="line")
Run Code Online (Sandbox Code Playgroud)
这将返回"c(0,2)中的错误:未使用的参数(2)." 为什么?
编辑:这是一个普遍的问题:
a <- c(0, 2)
Run Code Online (Sandbox Code Playgroud)
给出了同样的错误.这里发生了什么?
使用scale_colour_manual(),可以从RColorBrewer中选择特定颜色作为颜色值吗?
例如,在:
scale_colour_manual(breaks=c("A","B","C","D","E"),
values=c("green","orange","blue","pink","yellow"))
Run Code Online (Sandbox Code Playgroud)
我想使用调色板中的第一种颜色scale_colour_brewer(type = "qual", palette = 7)而不是"绿色",然后使用调色板的第四种颜色scale_colour_brewer(type = "qual", palette = 2)而不是"橙色",依此类推.
这是我的荣誉论文!我的顾问不知道如何使用R,我不知道如何使用其他任何东西,所以我在这里.
我有一个数据集,开头像这样:
> d.weight
R N P C D.weight
1 1 0 0 GO 45.3
2 2 0 0 GO 34.0
3 3 0 0 GO 19.1
4 4 0 0 GO 26.6
5 5 0 0 GO 23.5
6 1 45 0 GO 22.1
7 2 45 0 GO 15.5
8 3 45 0 GO 23.4
9 4 45 0 GO 15.8
10 5 45 0 GO 42.9
...
Run Code Online (Sandbox Code Playgroud)
等等.
但是,当我进行方差分析时,我得到了错误的自由度.我通常在那组完整数据的子集上运行我的ANOVA,但是我只是做一个我实际上不会做的分析,只是这样你就可以看到几乎所有的Df都是错误的.
> example.aov=aov(D.weight ~ …Run Code Online (Sandbox Code Playgroud) r ×10
lme4 ×2
mixed-models ×2
anova ×1
eval ×1
ggplot2 ×1
r-s3 ×1
recursion ×1
tidyr ×1
tidyselect ×1
time-series ×1