小编Rem*_*i.b的帖子

我怎样才能为用户提供5秒的时间来写一些东西,以便要求无限期的暂停.如果在这5秒内没有要求暂停,则该过程继续.如果需要暂停,则用户具有他需要的所有时间以及他可以点击"输入"以便随时恢复该过程.

这种功能的兴趣在于如果用户不在,则暂停仅持续5秒.并且如果用户在场,则他可以享受暂停以便观看例如已经产生的图表.

代码最终可能看起来像这样:

DoYouWantaPause = function(){
   myprompt = "You have 5 seconds to write the letter <p>. If you don't the process will go on."

   foo = readline(prompt = myprompt, killAfter = 5 Seconds)    # give 5 seconds to the user. If the user enter a letter, then this letter is stored in `foo`.

   if (foo == "p" | foo == "P") {    # if the user has typed "p" or "P"
        foo = readline(prompt = "Press enter when you …

我有一份房屋清单和一份动物物种清单.

houses = c(1,1,2,3,4,4,4,4,5,6,5)
animals = c('cat','dog','cat','dog','rat', 'cat', 'spider', 'snake', 'cat', 'cat', 'rat')

我正在尝试创建一个函数,该函数返回一个上三角表,指示每只宠物,它被观察到的生活在同一个房子中的次数比其他动物物种.是否有意义？

对于上面的例子,表应该是这样的(希望没有错!):

    dog   rat   spider   snake
cat  1     2      1        1      
dog        0      0        0
rat               1        1
spider                     1

注意:此函数应适用于任何两个相同长度的向量,无论它们是否包含数字或字符串

这是一些数据

dat = data.frame(y = c(9,7,7,7,5,6,4,6,3,5,1,5), x = c(1,1,2,2,3,3,4,4,5,5,6,6), color = rep(c('a','b'),6))

以及这些数据的图表,如果你愿意的话

require(ggplot)
ggplot(dat, aes(x=x,y=y, color=color)) + geom_point() + geom_smooth(method='lm')

使用该功能运行模型时MCMCglmm()...

require(MCMCglmm)
summary(MCMCglmm(fixed = y~x/color, data=dat))

我得到估计的下限和上限95%,允许我知道两个斜率(颜色= a和颜色= b)是否显着不同.

看这个输出时......

summary(glm(y~x/color, data=dat))

......我看不到置信区间!

我的问题是:

使用该功能时,如何估算这些较低和较高的95%间隔置信度glm()？

我列出了当前目录中的目录.以下是我要比较的两个命令:

ls -F | grep /

find . -type d -depth 1

该ls命令是准瞬时而find命令大约需要10秒.感觉find命令是通过每个子目录的内容,而命令似乎不需要它.

怎么find . -type d -depth 1这么慢？

考虑一个具有许多bool属性的类

class A
{
  bool a;
  bool b;
  bool c;
  bool d;
  bool e;
  bool f;
};

虽然每个bool对象可以用一个位表示,但这里每个属性都需要一个字节(如果我没有记错的话).该对象将占用6个字节而不是仅仅1个字节(其中将实际使用6个字节).原因是位不可寻址,只有字节.

为了使存储器稍微冷凝,可以使用a vector<bool>或a bitset然后通过它们的索引访问属性.例如,可以将get函数编写为

bool A::get_d() {data[3];}

理想情况下,我希望能够直接访问属性InstanceOfA.d.是否可以这样做,同时确保我的所有6个bool都在同一个字节内被压缩？

random.gauss(mu,sigma)

以上是允许从给定均值和方差的正态分布中随机抽取数字的函数.但是,我们如何从仅由两个第一时刻定义的正态分布中绘制值？

就像是:

random.gauss(mu,sigma,skew,kurtosis)

为什么以下不起作用？

f = function(...) for (i in ...) print(i)
f(1:3)
# Error in f(1:3) : '...' used in an incorrect context

虽然这工作正常

f = function(...) for (i in 1:length(...)) print(...[i])
f(1:3)
# [1] 1
# [1] 2
# [1] 3

是否存在允许寻找最佳(或最佳)变量转换的函数或包,以使模型的残差尽可能正常？

例如:

frml = formula(some_tranformation(A) ~ B+I(B^2)+B:C+C)
model = aov(formula, data=data)
shapiro.test(residuals(model))

是否有一个函数可以告诉什么是some_transformation()优化残差正态性的函数？

在R中,如果样本大小超过5000,则Shapiro.test()函数无法运行.

shapiro.test(rnorm(10^4))

为什么会这样？我可以超越这个限制吗？

谢谢你的帮助

这是一个data.table:

dat = data.table(var1=rnorm(120), var2=rep(c('a','b','c'),40), var3=rep(c(1,2,3,2,1,2,1,2,2,3,1,2),10))

dat2 = dat[,list(resp = mean(var1)),by=list(var2, var3)]

在dat2,仅存在dat$var2et的现有相互作用dat$var3.我怎么能强迫dat2包含所有9个可能的交互(而不是7行的结果dat2为)var2和var3？如果没有data.table的直接解决方案,解决此问题的最简单方法是什么？

table(dat$var2, dat$var3)

     1  2  3
  a 20 10 10
  b 20 20  0
  c  0 30 10

当然,对于不存在数据的交互dat,dat2应该在resp中包含NA.