小编Pat*_* W.的帖子

有没有人知道如何1)完成grid3d调用中缺少的网格线y,以及2)绘制水平网格线以关闭由grid3d调用构建的网格的顶部x和y？我已经玩了各种各样的pretty电话组合grid3d无济于事,我想知道这是一个rgl怪癖还是我的错误说明.另外,我想将垂直轴编号扩展到闭合网格最终的位置.

library(rgl)
cpts <- seq(0, 2, length = 40)
spts <- seq(0, 1, length = 20)
grid <- expand.grid(s=spts, c=cpts)
UFn  <- function(s,c){c^(0.5) - exp(s) + 1}
U    <- UFn(grid$s, grid$c)
open3d()
rgl.surface(x = spts, y = matrix(U,nrow = 40, ncol = 20), z = cpts, 
            coords = c(1,3,2), specular = "black")
axes3d("x", at = pretty(spts, n = 2), color = "black")
axes3d("y", at …

当垂直轴是频率或相对频率时,是否有一种方法可以叠加类似于密度曲线的东西？(不是实际的密度函数,因为该区域不需要整合到1).以下问题类似: ggplot2:具有正常曲线的直方图,以及用户自我回答..count..的内容geom_density().然而这似乎不寻常.

以下代码产生过度膨胀的"密度"线.

df1            <- data.frame(v = rnorm(164, mean = 9, sd = 1.5))
b1             <- seq(4.5, 12, by = 0.1)
hist.1a        <- ggplot(df1, aes(v)) + 
                    stat_bin(aes(y = ..count..), color = "black", fill = "blue",
                             breaks = b1) + 
                    geom_density(aes(y = ..count..))
hist.1a

有没有人知道dplyr计算变量变化后的天数的方法(按组)？例如,考虑自特定商店上次更改其价格以来的天数.

library(dplyr)
df <- data.frame(store = c(34, 34, 34, 34, 34, 28, 28, 28, 81, 81),
                 date  = c(20111231, 20111224, 20111217, 20111210, 20111203,
                           20111224, 20111217, 20111203, 20111231, 20111224),
                 price = c(3.45, 3.45, 3.45, 3.36, 3.45, 3.17, 3.25, 3.15,
                           3.49, 3.17))
df <- df %>% mutate(date = as.Date(as.character(date), format = "%Y%m%d")) %>%
        arrange(store, desc(date)) %>% group_by(store) %>% 
        mutate(pchange = price - lead(price))
df$days.since.change <- c(7, 14, 0, 21, 14, 7, 7, 0, 7, 0)

我正在尝试使用dplyr生成一个名为的变量days.since.change.例如,商店34在2012-12-31收取3.45美元,这个价格已经生效了21天(因为它在2012-12-10收取3.36美元).变量在上方手动显示.挑战在于商店可能会将其价格更改回较早的价格水平,从而使某些分组策略无效.

有没有人知道dplyr方法对数据进行成对匹配,缺少观察后跟随后的算术？下面的for循环重码是一个基础的MWE,但我无法绕过dplyr方法(尽管有出色的装饰和文档).

简而言之,代码计算dev,这只是该周q相邻adj商店出售的所有非缺失数量观察的平均值.

编辑:我对政策不同的国家感兴趣.让下面的垂直线代表州边界:县1,2和3处于州A(政策A),县4,5和6处于州B(政策B).县可能有多个商店.

----|----
  1 |  4
    |----
----|  5
  2 |
----|----
  3 |  6
----|----

contig.id确定与相对州的一个或多个县毗邻的县.例如,县1(contig.id == 1)与相反州(adj1 == 4和adj2 == 5)的县4和5相邻,我们忽略县2的地理邻接,因为1和2处于相同的状态.

通过相同的方法,县4(contig.id == 4)仅与县1相邻(adj1 == 1和adj2 == NA).结束编辑.

df <- data.frame(store     = c(1001,1001,145,331,228,228,500,500,61,1135),
                 end.week  = c(20061125,20061118,20061125,20061125,20061125,
                           20061118,20061125,20061118,20061118,20061125),
                 contig.id = c(1,1,2,3,4,4,4,4,5,NA),
                 adj1      = c(4,4,5,6,1,1,1,1,1,NA),
                 adj2      = c(5,5,NA,NA,NA,NA,NA,NA,2,NA),
                 q         = c(12.25,14.5,18.75,16,16.5,22,55.25,8.25,24,37.75))

dev  <- NULL
dev1 <- NULL
for …

任何人都可以建议dplyr回答以下问题吗？ 按国家/地区分割data.frame,并在每个子集上创建线性回归模型

为完整起见,链接中的问题和答案包含在下面.

题

作为参考,这是Josh的问题:

我有一个来自世界银行的数据框架,看起来像这样;

  country date BirthRate     US.   
4   Aruba 2011    10.584 25354.8
5   Aruba 2010    10.804 24289.1
6   Aruba 2009    11.060 24639.9
7   Aruba 2008    11.346 27549.3
8   Aruba 2007    11.653 25921.3
9   Aruba 2006    11.977 24015.4

总而言之,在这个数据框中有70个国家的子集,我想对其进行线性回归.如果我使用以下内容,我会为一个国家获得一个不错的lm;

andora = subset(high.sub, country == "Andorra")

andora.lm = lm(BirthRate~US., data = andora)

anova(andora.lm)
summary(andora.lm)

但是当我尝试在for循环中使用相同类型的代码时,我会收到一个错误,我将在代码下面打印出来;

high.sub = subset(highInc, date > 1999 & date < 2012)
high.sub <- na.omit(high.sub)
highnames <- unique(high.sub$country)

for (i in highnames) {
  linmod …