我有一个包含数百万行的大型数据框.这是时间序列数据.例如:
dates <- c(1,2,3)
purchase_price <- c(5,2,1)
income <- c(2,2,2)
df <- data.frame(dates=dates,price=purchase_price,income=income)
Run Code Online (Sandbox Code Playgroud)
我想创建一个新专栏,告诉我我每天花了多少钱,有一些规则,比如"如果我有足够的钱,那就购买它.否则,省钱."
我目前正在循环遍历数据帧的每一行,并跟踪正在运行的总金额.但是,这需要大量数据集.据我所知,我不能进行矢量操作,因为我必须跟踪这个运行变量.
在for循环中我正在做:
balance = balance + row$income
buy_amt = min(balance,row$price)
balance = balance - buy_amt
Run Code Online (Sandbox Code Playgroud)
有没有更快的解决方案?
谢谢!
在R,如果我们有一个向量和一个索引列表,我们可以使用负索引表达我们想要"除了这些索引之外的所有元素"的想法.特别要考虑以下R代码:
data = rnorm(100)
indices = sample(1:length(data), length(data)/2)
training_data = data[indices]
test_data = data[-indices]
Run Code Online (Sandbox Code Playgroud)
在此代码之后,sampled_data包含data其索引未包含在其中的所有元素indices.在matlab中是否有相同的功能?
我尝试直接使用相同的语法(当然,()而不是[],但它只是给出了错误
Subscript indices must either be real positive integers or logicals.
Run Code Online (Sandbox Code Playgroud) 我想使用e1071包中的skewness()和 kurtosis()函数.我试过下载包e1071
install.packages("e1071", dep = TRUE)
Run Code Online (Sandbox Code Playgroud)
但它似乎仍然没有奏效.所以我想知道它是否是我安装的错误版本.我试过搜索CRAN网站,但我似乎找不到R 2.15.0的版本.
所以我想知道我是做错了还是有人请给我链接到e10712.15.0版本的软件包.
我试图预测在我的二项式数据上运行的glmer模型随时间推移的值(x轴中的天数).Total Alive和Total Dead是计数数据.这是我的模型,以及下面的相应步骤.
full.model.dredge<-glmer(cbind(Total.Alive,Total.Dead)~(CO2.Treatment+Lime.Treatment+Day)^3+(Day|Container)+(1|index),
data=Survival.data,family="binomial")
Run Code Online (Sandbox Code Playgroud)
正如您在代码中看到的那样,我们已经考虑了过度离散(1:索引).
然后我们使用dredge命令确定具有主效应的最佳拟合模型(CO2.Treatment,Lime.Treatment,Day)及其相应的相互作用.
dredge.models<-dredge(full.model.dredge,trace=FALSE,rank="AICc")
Run Code Online (Sandbox Code Playgroud)
然后为它们创建了一个工作区变量
my.dredge.models<-get.models(dredge.models)
Run Code Online (Sandbox Code Playgroud)
然后,我们进行了模型平均,以对最佳拟合模型的系数求平均值
silly<-model.avg(my.dredge.models,subset=delta<10)
Run Code Online (Sandbox Code Playgroud)
但是现在我想要创建一个图形,Y轴上的Total Alive和X轴上的Days,以及取决于模型输出的拟合线.我知道这很棘手,因为模型连接了Total.Alive和Total.Dead(参见cbind(Total.Alive,Total.Dead)模型).
当我尝试运行预测命令时,我收到错误
# 9: In UseMethod("predict") :
# no applicable method for 'predict' applied to an object of class "mer"
Run Code Online (Sandbox Code Playgroud) 我已经安装使用的模型nlme()从package nlme.
现在我希望模拟一些预测间隔,同时考虑参数不确定性.
为此,我需要提取固定效果的方差矩阵.
据我所知,有两种方法可以做到这一点:
vcov(fit)
Run Code Online (Sandbox Code Playgroud)
和
summary(fit)$varFix
Run Code Online (Sandbox Code Playgroud)
这两个给出相同的矩阵.
但是,如果我检查
diag(vcov(fit))^.5
Run Code Online (Sandbox Code Playgroud)
它与报告的Std Error不同 summary(fit)
我错误地认为这两者是一样的吗?
编辑:这是一个代码示例
require(nlme)
f=expression(exp(-a*t))
a=c(.5,1.5)
pts=seq(0,4,by=.1)
sim1=function(t) eval(f,list(a=a[1],t))+rnorm(1)*.1
y1=sapply(pts,sim1)
sim2=function(t) eval(f,list(a=a[2],t))+rnorm(1)*.1
y2=sapply(pts,sim2)
y=c(y1,y2)
t=c(pts,pts)
batch=factor(rep(1:2,82))
d=data.frame(t,y,batch)
nlmeFit=nlme(y~exp(-a*t),
fixed=a~1,
random=a~1|batch,
start=c(a=1),
data=d
)
vcov(nlmeFit)
summary(nlmeFit)$varFix
vcov(nlmeFit)^.5
summary(nlmeFit)
Run Code Online (Sandbox Code Playgroud) 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?
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) 我看到以下警告.有没有人知道为什么有这样的警告,尽管适合似乎工作正常?有没有办法让优化工作更好,以免产生这些警告?
R> library(MASS)
R> set.seed(0)
R> x=rbeta(1000, shape1=1, shape2=1)
R> fitdistr(x, dbeta, list(shape1=1,shape2=1))
shape1 shape2
1.00959537 0.99603351
(0.04183720) (0.04116276)
Warning messages:
1: In densfun(x, parm[1], parm[2], ...) : NaNs produced
2: In densfun(x, parm[1], parm[2], ...) : NaNs produced
R> x=rbeta(1000, shape1=10, shape2=10)
R> fitdistr(x, dbeta, list(shape1=1,shape2=1))
shape1 shape2
8.5038157 8.5794416
(0.3749814) (0.3784147)
Run Code Online (Sandbox Code Playgroud) 我想将矩阵转换为数据框。当我使用
df <- mat %>% data.frame()
Run Code Online (Sandbox Code Playgroud)
我丢失了行名。我如何保留它们?