小编col*_*lin的帖子

关于矢量之间的计算成对差异有几个帖子,但我找不到如何计算矢量中的所有差异.

说我有一个矢量,v.

v<-c(1:4)

我想生成第二个向量,它是向量中所有成对差异的绝对值.相近:

abs(1-2) = 1
abs(1-3) = 2
abs(1-4) = 3
abs(2-3) = 1
abs(2-4) = 2
abs(3-4) = 1

输出将是6个值的向量,这是我的6次比较的结果:

output<- c(1,2,3,1,2,1)

R中有一个可以做到这一点的功能吗？

我正在尝试使用绘制空间栅格ggplot2.

require(raster)
require(ggplot2)

下载数据,使用raster包加载为栅格.有关此数据产品的更多详细信息,请访问此处.然后将光栅转换为点,以便它可以很好地运行ggplot.

system('wget https://www.dropbox.com/s/7jsdqgc9wjcdznv/NADP_wet_deposition_nh4_0.5x0.5_grid_annual_R1.txt') 
layer<- raster("path/to/raster/NADP_wet_deposition_nh4_0.5x0.5_grid_annual_R1.txt") #you need to specify your own path here, wherever the downloaded file is saved. 
raster.points <- rasterToPoints(layer)
raster.points <- data.frame(raster.points)
colnames(raster.points) <-c('x','y','layer')

现在ggplot2用来制作地图,然后躺在栅格上.

mp <- NULL
#grab US map and choose colors
map.US <- borders("usa", colour='white',fill='black', lwd=0.4)
mp <- ggplot(data=raster.points, aes(y=y, x=x)) 
mp <- mp + map.US
mp <- mp + geom_raster(aes(fill=layer)) 
mp <- mp + theme(axis.text.y=element_blank(),
                axis.text.x=element_blank(),
                axis.title.y=element_blank(),
                axis.title.x=element_blank(),
                axis.ticks=element_blank(), 
                panel.background …

我在R中有一个简单的通量模型.它归结为两个微分方程,模拟模型中的两个状态变量,我们称之为A和B.它们被计算为四分量通量flux1-flux4,5个参数p1-p5和第六个参数的简单差分方程of_interest,其可以取0-1之间的值.

parameters<- c(p1=0.028, p2=0.3, p3=0.5, p4=0.0002, p5=0.001, of_interest=0.1) 
state     <- c(A=28, B=1.4)

model<-function(t,state,parameters){
  with(as.list(c(state,parameters)),{
  #fluxes
  flux1  = (1-of_interest) * p1*(B / (p2 + B))*p3
  flux2  = p4* A          #microbial death
  flux3  = of_interest * p1*(B / (p2 + B))*p3 
  flux4  = p5* B      

  #differential equations of component fluxes
  dAdt<- flux1 - flux2
  dBdt<- flux3 - flux4
  list(c(dAdt,dBdt))
  })

我想编写一个函数来取的导数dAdt相对于of_interest,派生方程设置为0,然后重新排列并求解的值of_interest.这将是of_interest最大化函数的参数的值dAdt.

到目前为止,我已经能够在稳定状态下解决模型,跨越可能的值 …

我使用 Jupyter Notebook 运行生物信息学分析，我喜欢它。但是，只有在我的个人计算机上运行它时，它才能真正发挥作用。但是，我经常使用具有多核的远程计算机进行分析以减少处理时间。我希望能够在我的个人计算机上使用 Jupyter Notebook 界面，而实际上一切都在远程计算机上运行。我通常通过 ssh 访问 shell 中的远程计算机并在命令行执行所有命令来执行此操作。我希望在我的个人计算机上的 Jupyter 笔记本上执行此操作，而不是从我个人计算机上的 shell 中执行此操作。相关的是我在远程计算机上没有 sudo 访问权限。

到目前为止，我已经安装miniconda并jupyter notebook在远程计算机上是这样的：

wget https://repo.continuum.io/miniconda/Miniconda-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

正确安装 conda 后，我使用以下行通过 miniconda 安装 jupyter notebook：

conda install jupyter

这样就安装成功了。然后，我可以使用以下行在远程计算机上启动 jupyter notebook 会话：

jupyter notebook --no-browser

到现在为止还挺好。我的下一个问题：如何将本地 jupyter notebook 连接到远程机器，以便我可以使用本地 jupyter notebook 在远程机器上执行命令？有一些文件在这里，但我一直在尝试不同的事物了几个小时，但都未能成功。

鉴于我已经走了这么远，任何人都可以提供一种直接的方法来连接到我的远程服务器吗？我觉得这应该只是在我的本地 Jupyter 笔记本中输入 url 地址和密码的问题（所有这些都可以通过 shell 中的 ssh 轻松完成）。

我有一个名称向量,其中一些名称有前导和尾随.字符,有些则没有.这是一个例子:

test <- c('.name.1.','name.2','.name.3.')

我想有条件地删除.这些名称中的前导和尾随字符,以便返回

c('name.1','name.2','name.3')

在考虑随机效应后,两个/更多的预测变量会变得更多/更少共线吗？

在我的情况下,我在建模之前测试了共线性,例如使用VIF,一切都检查出来.然而,不同模型的排名(使用IC)使我不确定它是否真的能够在预测变量之间分离.

有任何想法吗？

PS!那些代表比我更高的人可以添加一个更相关的标签,如共线性吗？

runjagsR的软件包非常棒。并行能力和使用extend.jags功能的能力让我的生活变得更好。然而，有时，在我运行模型后，我意识到老化阶段应该更长。如何从我的run.jags输出中修剪额外的样本，以便我可以重新估计我的参数分布并检查收敛？

jags.object <- run.jags(model, n.chains=3, data=data, monitor =c('a','b'), sample=10000)

我想创建一个学习地点的地图。所有地点都在北部温带地区。为此，我首先加载世界地图，然后将y轴设置为仅包括北温带纬度（经度在23.5和66.5之间）。

#build map
world <- map_data("world") # we already did this, but we can do it again
map <- ggplot() + geom_polygon(data = world, aes(x=long, y = lat, group = group))
map <- map + coord_map(ylim = c(23.5, 66.5))
map

但是，这会在地图顶部混合一些内容，并在北纬50度以北放置一条勒死的黑色线条。我怎样才能解决这个问题？

我的计算集群最近更新为R版本R 3.6.0，并删除了旧版本的R。我一直在R 3.4.0中运行我的项目。我认为这很好，运行了一些代码，并在我的R 3.6.0会话中将输出保存为：

saveRDS(output, output.path)

然后将此文件传输到另一台计算机上，在该计算机上进行交互式R使用。这台计算机正在运行R/3.4.0，并且不能选择更新R的版本。当我打开上面的文件时，出现以下错误：

readRDS(output.path)
Error in readRDS(output.path) : cannot read workspace version 3 written by R 3.6.0; need R 3.5.0 or newer

真是可惜 我不是这两台计算机上的系统管理员，因此我不能仅同步版本。这是我的问题：

有没有一种方法可以saveRDS()在R 3.6.0中使用写入文件，从而使其在R 3.4.0环境中向后兼容？

假设我有一个看起来像这样的数据框

ca01<- c(1:10)
ca02<- c(2:11)
ca03<- c(3:12)
stuff.1<- rep('test',10)
other<- rep(9,10)

data<- data.frame(ca01,ca02,ca03,stuff.1,other)

然后我创建一个包含列名的向量

samps<- colnames(data)

然后我想过滤这个向量以只包含以前缀“ca”开头的项目。我不想通过编写专门删除这些的单独代码行来排除 stuff.1 和其他，所以像

samps<-samps[samps!='stuff.1']
samps<-samps[samps!='other']

不会合适。