说我有以下数据帧
x <- c("p1","p2","p3","p4","p5","p6","p7","p8","p9","p10")
y <- c(1,4,3,5,5,7,2,2,6,8)
df <- data.frame(x,y)
说x代表球员并y代表目标.比如说,我想要所有目标总和为10的玩家子集
{p1,p3,p9},{p3,p6},{p7,p8,p9}...
我有一个清单:
x <- list("a" = c(1:6,32,24) , "b" = c(1:4,8,10,12,13,17,24),
"F" = c(1:5,9:15,17,18,19,20,32))
x
$a
[1] 1 2 3 4 5 6 32 24
$b
[1] 1 2 3 4 8 10 12 13 17,24
$F
[1] 1 2 3 4 5 9 10 11 12 13 14 15 17 18 19 20 32
列表中的每个向量与其他向量共享许多元素.如何删除共享值以获得以下结果？
$a
[1] 1 2 3 4 5 6 32 24
$b
[1] 8 10 12 13 17
$F
[1] 9 11 14 15 18 19 …我现在非常困难,因为我试图弄清楚如何从glmR中的输出计算概率.我知道数据非常微不足道但我真的很想展示如何从输出中获得概率这个.我正在考虑尝试,inv.logit()但不知道括号内放置了哪些变量.
数据来自占用率研究.我正在评估一种头发陷阱方法与相机陷阱在检测3种(红松鼠,松貂和入侵灰松鼠)方面的成功.我想看看是什么影响了各种物种的检测(或非检测).一个假设是在现场检测到另一个焦点物种会影响红松鼠的可探测性.鉴于松貂是红松鼠的捕食者并且灰松鼠是竞争者,这两个物种在一个地点的存在可能会影响红松鼠的可探测性.
这会显示概率吗？ inv.logit(-1.14 - 0.1322 * nonRS events)
glm(formula = RS_sticky ~ NonRSevents_before1stRS, family = binomial(link = "logit"), data = data)
Deviance Residuals:
Min 1Q Median 3Q Max
-0.7432 -0.7432 -0.7222 -0.3739 2.0361
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.1455 0.4677 -2.449 0.0143 *
NonRSevents_before1stRS -0.1322 0.1658 -0.797 0.4255
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for binomial family taken to be 1) …a <- c(1,2,3)
b <- c(1,2)
corr <- cor(a,b)
我有两个时间序列变量，想要计算相关性，但它们有不同的样本量。为了简化我的问题，考虑是否有两个变量a，b并且我想计算 和 之间的相关性a，b但我只想计算前两个值。我如何在 R 中实现这一目标？
我正在使用一些代码并尝试将其从R转换为MATLAB.
我发现了一些使用的代码 rnorm(20)
我已经看到,在R和MATLAB的等同的功能是rnorm(1,mu,sigma)和normrnd(mu,sigma)分别.
我的问题是:rnorm(20)实际上在做什么以及如何在MATLAB中复制它？
我有一个数据集，其中包含参与者 IDS 和每个参与者的 17 种不同度量。
我需要删除离群值 - 与两侧均值相差 3 个标准差的数字。这需要对每一列单独进行。
到目前为止，通过使用下面的代码，我已经成功地将 NA 添加到每列的离群值列中，但这对我没有多大帮助，因为我需要能够将 NA 添加到带有其余数字的列中或者简单地删除异常值
理想情况下，我想要访问一个如下所示的文件：
ID measure1 measure2 ....measure17
1 10897 64436
2 184658 1739473
3 75758
4 746483 4327349 3612638
5 6444 36363 46447
到目前为止我使用过的代码：
phenotypes <- colnames(imaging_data_kept[,2:ncol(imaging_data_kept)])
for (i in phenotypes){
Min <- mean(imaging_data_kept[[i]]) - (3*sd(imaging_data_kept[[i]]))
Max <- mean(imaging_data_kept[[i]]) + (3*sd(imaging_data_kept[[i]]))
imaging_data_kept[[paste0(i,"_outliers")]] <- imaging_data_kept[[i]] <
Min | imaging_data_kept[[i]] > Max
}
样本数据：
SubjID M1 M2 M3 M4 M5
1000496 14898.1 9172 4902 5921.9 1428.2
1001121 5420.7 2855.5 …我只是注意到我现在必须明确说明FALSE何时使用read.csv或设置printFlag为FALSEin等功能mice。这是对 RStudio 的更新还是只是一个错误？
样本：
read.csv(text="1,S0006,C000124,12Jan2017,179,7296
2,S0002,C000124,26Feb2017,109,7941
3,S0008,C000124,22Feb2017,190,4511
4,S0006,C000124,03Jan2017,150,7296
5,S0005,C000124,08Feb2017,120,5812
6,S0003,C000124,26Apr2017,46,7512",header=F)
失败：
!header 中的错误：无效的参数类型，然后可以通过设置修复
header=FALSE
RStudio: $version
[1] ‘1.1.463’
R: 3.5.3RC
我有一个矩阵
X1 X2 X3 X4 X5 X6 G1 G2
X1 5 0 0 0 0 0 5 0
X2 0 5 0 0 0 0 5 0
X3 0 0 5 0 0 0 5 0
X4 0 0 0 5 0 0 0 5
X5 0 0 0 0 5 0 0 5
X6 0 0 0 0 0 5 0 5
G1 5 5 5 0 0 0 15 0
G2 0 0 0 5 5 5 0 …我想定义一个函数，当我输入一个字符串作为协变量时，该函数会将我的字符串放在特定位置并将其转换为公式。我知道我的代码不正确，但我不知道如何编写。
我想要的是，当我输入covars <- "+s(time,bs= 'cr',fx=TRUE,k=7)"该函数时，该函数将添加covars到这样的公式中gam.model <- gam(cvd ~ pm10 +s(time,bs= 'cr',fx=TRUE,k=7), data = chicagoNMMAPS , family =poisson, na.rm=T)
library(dlnm) # use chicagoNMMAPS data
library(mgcv)
# define myfun
myfun <- function(covars){
covars <- covars
gam.model <- gam(cvd ~ pm10 + covars, data = chicagoNMMAPS , family =poisson, na.rm=T)
summary(gam.model)
}
myfun("+s(time,bs= 'cr',fx=TRUE,k=7)")
myfun 应该这样做：
gam.model <- gam(cvd ~ pm10 + covars, data = chicagoNMMAPS , family =poisson, na.rm=T)