小编mjk*_*tfw的帖子

我有一个二进制文件，其中包含编码为不同长度（主要是 2-/4-字节）的有符号或无符号整数的数值。为了处理这些数据，我将文件的所需部分作为raw向量读取readBin()，然后尝试将其转换为十进制。问题是，R内置函数有限制，我不完全理解（例如没有 long unsigned ints） - 请参阅下面的示例。

如何int从原始数据中读取自定义长度的 unsigned s？有没有比下面指定的更合适、更优雅的方法？

require(dplyr)

###############################################################################
# create examplary raw vector of 24 bytes
set.seed(1)
raw <- sample(0:0xff, 24, T) %>% as.raw %>% print


###############################################################################
# approach with readBin() - not working
# read 2-byte unsigned integers left-to-right, not an issue
readBin(raw, size = 2, n = length(raw) / 2, integer(), endian = 'big', signed = FALSE)

# read 4-byte signed integers left-to-right, it's ok …

我不知道创建一个dplyr::mutate()带有单元素列表的新列表列实际上是深度复制元素以填充tibble长度(请参阅参考资料t3).这是为什么？

如果我t4在创建tibble(t5)时指定了explicit()的正确长度或传递它,则元素将通过引用传递.

考虑以下情况,其中列表包含具有大向量的tibble.

library(tidyverse)
library(pryr)

t1 <- tibble(a = 1:4)
t2 <- tibble(b = 1:1e6)
t3 <- mutate(t1, tl = list(t2))
t4 <- mutate(t1, tl = rep(list(t2), n()))
t5 <- tibble(a = 1:4, tl = list(t2))

object_size(t2)
#> 4 MB
object_size(t3)
#> 16 MB
object_size(t4)
#> 4 MB
object_size(t5)
#> 4 MB

^{由reprex包创建于2019-02-22 (v0.2.1)}

我想ggplot2通过创建新的stats函数和ggproto对象来实现Cox比例风险模型的诊断。这个想法是从分组（按color，facet_grid等）中受益，以便对所需统计信息（例如mar残差）进行条件计算。在下面的示例中，将对空模型进行重新拟合，并为每个辅助因子水平计算mar。问题是：

1. 飞度是基于完成data的内部设置的参数ggproto的compute_group方法，而不是实际的数据集。这意味着，数据帧被去除未明确定义的列，aes因此，用户应每次至少提供“事件发生时间”和“事件指示符”列。（除非它们在stat_...功能包装器中进行了硬编码）。可以compute_group以某种方式访问​​原始数据集中的对应行吗？
2. 对于Rownames compute_group的data是独一无二的每个PANEL，这意味着它们不能反映原始数据集的supplited实际rownames ggplot，我们再也不能排除如用完整的型号省略不完整的情况下，除非明确指定/硬编码一些id变量。问题与上面相同。
3. geom图层能否访问y由另一个自定义统计信息（也已绘制）计算的？考虑使用诸如的更平滑的残差散点图。ggplot(data, aes(x = covariate, time = time, event = event)) + stat_funcform() + geom_smooth(aes(y = ..martingales..))，..martingales..实际由来计算stat_funcform。

。

# Load & Set data ---------------------------------------------------------

require(data.table)
require(dplyr)
require(ggplot2)
require(survival)
set.seed(1)

dt <- data.table(factor = sample(c(0, 2), 1e3, …