我一直在编写一些代码,迭代地执行二项式绘制(使用rbinom),对于一些被调用者参数,我最终可能会大小很大,这导致R(3.1.1,官方或自制程序构建测试 - 所以不太可能是编译器相关)返回意外NA.例如:
rbinom(1,2^32,0.95)
Run Code Online (Sandbox Code Playgroud)
是我期望的工作,但NA回馈.但是,运行size=2^31或prob?0.5工作.
精细的手册提到在size < .Machine$integer.max错误时使用倒置,这可能是问题吗?
我正在构建一个有偏差的相关随机游走,我已经设法构建RW,并将其偏向西方运动.
问题:我需要将步行绑定在一个(或所有)侧面.
目前的代码是:
walk<-function(n.times){
plot(524058:542800,2799758:2818500,type="n",
xlab="Easting",ylab="Northing")#aren??a
y<-2815550 ##startY
x<-542800 #startX
N<-4000
E<-4000
points(x,y,pch=16,col="red",cex=1)
for (i in 1:n.times) {
yi <- sample(c(N,N/2,N/4,N/8,N/12,N/16,
0,-N,-N/2,-N/4,-N/8,-N/12,-N/16),1)
xi<-sample(c(E,E/12,E/16, 0,-E,-E/2,-E/4,-E/8,-E/12,-E/16),1)
lines(c(x,x+xi),c(y,y+yi),col="blue")
x<-x+xi
y<-y+yi
}
}
iterations<-125
walk(iterations)
Run Code Online (Sandbox Code Playgroud)
到目前为止,我最接近的是使用
if(y>2818500 | y<2799758 | x>542800 | x<524058) break
Run Code Online (Sandbox Code Playgroud)
如果它离开竞技场,它就会停止行走.
我有一长串的名字,我想把它们切成最多40个字符.
样本数据:
x <- c("This is the longest sentence in world, so now just make it longer",
"No in fact, this is the longest sentence in entire world, world, world, world, the whole world")
Run Code Online (Sandbox Code Playgroud)
我想将sentece长度缩短到大约40( - /+ 3 nchar),这样我就不会缩短单词中间的句子.(所以长度是在单词之间的空白区域上决定的).
此外,我想在缩短后的情况下添加3个点.
期望的输出将是这样的:
c("This is the longest sentence...","No in fact, this is the longest...")
Run Code Online (Sandbox Code Playgroud)
这个函数只会盲目缩短为40个字符.:
strtrim(x, 40)
Run Code Online (Sandbox Code Playgroud) 我试图使用形状的位置21的填充形状绘制点.
d <- data.frame(expand.grid(a=letters[1:4],
b=factor(1:2)), y=rnorm(8),x=rnorm(8))
Run Code Online (Sandbox Code Playgroud)
这非常有效:
ggplot(d, aes(x=x, y=y,fill=a,color=a)) +
geom_point(aes(shape=b,fill=a),size=4) +
scale_shape_manual(values=c(21,22))
Run Code Online (Sandbox Code Playgroud)
我希望将形状的轮廓颜色设置为黑色,所以我认为在设置之外设置颜色="黑色" aes()可以解决问题:
ggplot(d, aes(x=x, y=y,fill=a,color=a)) +
geom_point(aes(shape=b,fill=a),color="black",size=4) +
scale_shape_manual(values=c(21,22))
Run Code Online (Sandbox Code Playgroud)
这在情节内部起作用.但是,图例中的颜色都设置为黑色.

如何获得上面的传奇?
我有一个准二项式glm,其中包含两个连续的解释变量(假设为“ LogPesticide”和“ LogFood”),并且存在交互作用。我想在不同食物量(例如最小和最大食物值)下以置信区间计算农药的LC50。如何做到这一点?
示例:首先,我生成一个数据集。
mydata <- data.frame(
LogPesticide = rep(log(c(0, 0.1, 0.2, 0.4, 0.8, 1.6) + 0.05), 4),
LogFood = rep(log(c(1, 2, 4, 8)), each = 6)
)
set.seed(seed=16)
growth <- function(x, a = 1, K = 1, r = 1) { # Logistic growth function. a = position of turning point
Fx <- (K * exp(r * (x - a))) / (1 + exp(r * (x - a))) # K = carrying capacity
return(Fx) # r = growth rate …Run Code Online (Sandbox Code Playgroud) 我正在尝试重现此答案中的代码,但是这样做时遇到问题。VGAM我正在使用 package和中的gumbel 发行版fitdistrplus。执行以下操作时出现问题:
fit = fitdist(data1, 'gumbel', start = list(location = 0, scale = 1))
Error in mledist(data, distname, start, fix.arg, ...) :
'start' must specify names which are arguments to 'distr'.
Run Code Online (Sandbox Code Playgroud)
就好像location和scale不是 *gumbel 的参数一样。
dgumbel、pgumbel、rgumbel和qgumbel均由 正确提供VGAM。然而,该包还提供了一个名为 的函数gumbel,具有不同的语法。这可能会引起问题吗?
编辑:是的,它确实引起了问题:使用包FAdist代替工作得很好。
假设我想绘制一个包含点和线的图形,其中点出现在每组中相应线的前面。特别是,我希望第 1 组用红色填充点绘制,这些点通过一条线连接,但第 2 组用(仅)一条蓝线绘制,但我希望第 2 组绘制在第 1 组之上。例如,在基础图形中:
set.seed(101)
dd <- data.frame(x=rep(1:10,2),
y=rep(1:10,2),
f=factor(rep(1:2,each=10)))
dd$y[11:20] <- dd$y[11:20] + rnorm(10)
d1 <- subset(dd,f=="1")
d2 <- subset(dd,f=="2")
par(cex=1.5)
plot(y~x,data=d1,bg="red",pch=21,type="o")
lines(y~x,data=d2,col="blue",lwd=2)
legend("bottomright",c("group 1","group 2"),
col=c("black","blue"),
pch=c(21,NA),
pt.bg=c("red",NA),
lty=1,
lwd=c(1,2))
Run Code Online (Sandbox Code Playgroud)
(我的真实数据有点复杂。)我想在ggplot2.
如果我在线条之前绘制点,则组 1 的点会被同一组中的线条覆盖:
library(ggplot2); theme_set(theme_bw())
g0 <- ggplot(dd,aes(x,y,fill=f,colour=f,shape=f))+
scale_fill_manual(values=c("red",NA))+
scale_colour_manual(values=c("black","blue")) +
scale_shape_manual(values=c(21,NA))
g0 + geom_point()+ geom_line()
ggsave("order2.png",width=3,height=3)
Run Code Online (Sandbox Code Playgroud)
如果我在点之前画线,组 2 的线会被组 1 的点覆盖:
g0 + geom_line()+ geom_point()
ggsave("order3.png",width=3,height=3)
Run Code Online (Sandbox Code Playgroud)
所需的顺序为(组 1 线)、(组 1 点)、(组 2 线)。我可以通过再次手动覆盖几何图形来做到这一点,一次一组,但这太难 …
我正在寻找有关为相对大的数据集拟合广义线性混合效应模型的策略的建议。
想想我有 10 年内大约 300 支球队的 800 万次美国篮球传球的数据。数据看起来像这样:
data <- data.frame(count = c(1,1,2,1,1,5),
length_pass= c(1,2,5,7,1,3),
year= c(1,1,1,2,2,2),
mean_length_pass_team= c(15,15,9,14,14,8),
team= c('A', 'A', 'B', 'A', 'A', 'B'))
data
count length_pass year mean_length_pass_team team
1 1 1 1 15 A
2 1 2 1 15 A
3 2 5 1 9 B
4 1 7 2 14 A
5 1 1 2 14 A
6 5 3 2 8 B
Run Code Online (Sandbox Code Playgroud)
我想解释一下count球员在传球之前采取的步骤。我有理论动机假设count和之间存在团队级别的差异length_pass,因此多级(即混合效应)模型似乎是合适的。
我的个人级别控制变量是length_pass和 …
我有一个expr要评估的表达式;我需要评估它的符号/值对可能在三个环境中的一个(或多个!)中,我不确定是哪个。我想找到一种方便、有效的方式来“链接”环境。有没有办法在避免复制环境内容的同时安全地做到这一点?
这是设置:
env1 <- list2env(list(a=1))
env2 <- list2env(list(b=1))
env3 <- list2env(list(c=1))
expr <- quote(a+b)
Run Code Online (Sandbox Code Playgroud)
因此,我需要expr在环境和(但我不一定知道)的组合中进行评估。任何一个;; 并且会失败,因为这些环境中没有一个包含所有必需的符号。env1env2eval(expr, env1)eval(expr, env2)eval(expr,env3)
让我们假设我愿意承担这些符号无论是在env1+env2 或在env1+ env3。我可以:
问题:
parent.env()<-可能是一个坏主意 - 如中所述?parent.env:替换函数 parent.env<- 非常危险,因为它可用于以违反内部 C 代码所做假设的方式破坏性地改变环境。它可能会在不久的将来被删除。
(虽然,根据来源历史,关于“在不久的将来”移除的警告至少已经有 19 年的历史了......)
(事实上,我已经设法用这种方法引起了一些无限循环)
tryCatch(eval(call, envir=as.list(expr1), enclos=expr2),
error=function(e) {
tryCatch(eval(call, as.list(expr1), enclos=expr3))
Run Code Online (Sandbox Code Playgroud)
创造“环境中的环境”;一次尝试一对组合,看看哪一个有效。请注意,enclos= 只有在envir是 list 或 …
I updated to R 4.1.0 yesterday (19 May 2021) and initially everything was working fine, I just needed to reinstall all of my User Library packages. Now I am unable to make a simple ggplot.
library(ggplot2)
Cars <- mtcars
ggplot(Cars, aes(x = mpg, y = hp)) +
geom_point()
Run Code Online (Sandbox Code Playgroud)
The ggplot line causes a whole bunch of [21263:21263:20210520,162145.598752:ERROR elf_dynamic_array_reader.h:61] tag not found (see picture).
Looking around, this error is usually associated with nvidia graphics drivers. I have a GeForce2 with what …
r ×10
ggplot2 ×3
bigdata ×1
crash ×1
eval ×1
fitdistrplus ×1
glm ×1
lme4 ×1
mixed-models ×1
performance ×1
plot ×1
random ×1
random-walk ×1
rstudio ×1
string ×1
substring ×1
trim ×1