小编lok*_*art的帖子

我有一个25 col和〜1M行的数据帧组合,分成12个文件,现在我需要导入它们然后使用一些reshape包进行一些数据管理.每个文件都太大了,我不得不寻找一些用于导入和数据处理的"非RAM"解决方案,目前我不需要做任何回归,我将只有一些关于数据帧的描述性统计数据.

我搜索了一下,找到了两个包:ff并且filehash,我先阅读filehash手册,发现它看起来很简单,只是在将数据帧导入文件时添加了一些代码,其余的似乎与通常的R操作类似.

我还没有尝试过ff,因为它有很多不同的课程,我想知道ff在我的实际工作开始之前是否值得投入时间来理解自己.但是filehash包装在某些时候似乎是静态的,并且关于这个包装的讨论很少,我想知道它filehash是否变得不那么流行,甚至变得过时了.

谁能帮我选择使用哪个包？或者任何人都可以告诉我他们之间的区别/利弊是什么？谢谢.

更新01

我目前正在使用filehash导入数据帧,并意识到它导入的数据帧filehash应被视为只读,因为该数据帧中的所有进一步修改都不会存储回文件,除非你再次保存,这不是很方便在我看来,因为我需要提醒自己要做到拯救.对此有何评论？

我有一个包含customerid和列表的数据框.我想合并那些与同一客户有关的清单.

library(plyr)
subsets <- list(c("a", "d", "e"), c("a", "b", "c", "e"))
customerids <- c(1,1)
transactions <- data.frame(customerid = customerids,subset =I(subsets))
> transactions
  customerid     subset
1          1    a, d, e
2          1 a, b, c, e

如果我想将子集与ddply合并,我会得到一个扩展的结果

> ddply(transactions, .(customerid), summarise, subset=Reduce(union,subset))
  customerid subset
1          1   a
2          1   d
3          1   e
4          1   b
5          1   c

虽然我希望所有的结果都在一排.

我创建了一个表，如下所示：

CREATE TABLE case_status(data_entry_timestamp DATETIME DEFAULT (datetime('now','localtime')) NOT NULL,
                         case_number TEXT PRIMARY KEY NOT NULL, 
                         case_name TEXT DEFAULT MISSING, 
                         death_reportdate DATE CONSTRAINT death_reportdate_chk CHECK (death_reportdate==strftime('%Y-%m-%d',death_reportdate)),
                         );

该列death_reportdate需要具有预定义格式的日期（例如 2000-12-31）。我创建了表，插入了一些数据行，然后尝试修改 中的数据death_reportdate，当我向其中输入一些随机字符串时，检查规则似乎被绕过。

我做错了什么？

我在 Rmarkdown 中使用 kable 创建了一个乳胶表，如下所示：

---
output: pdf_document
header-includes:
  - \usepackage{xcolor}
---

```{r, message=FALSE, warning=FALSE, echo=FALSE}
library(kableExtra)
library(tidyr)
library(dplyr)

data(iris)
iris %>% 
  as_tibble %>%
  gather(.,key = variable,value = value,-Species) %>%
  group_by(Species,variable) %>%
  summarise(value=mean(value)) %>%
  ungroup %>%
  spread(.,key = variable,value = value) %>%
  mutate(`Percentage Change`=`Petal.Length`/`Petal.Width`*100) %>%
        kable(.,format='latex',
        align='c',linesep='',
        booktabs=TRUE,escape=FALSE) %>%
  add_header_above(.,c(' '=1,'Parts'=4,' '=1),
                   escape = FALSE) %>%
  kable_styling(latex_options = c('striped','HOLD_position','scale_down'))
```

我希望将列标题“物种”和“百分比变化”分别与它们上面的空白区域合并，这样就Species可以放在两个标题行的中间，同时Percentage Change (Petal Length/ Petal Width)可以占据两行，而不是有一个空的上面的行，并防止其他列下面有空行。

不知道是否可以kable更好地修改它，也欢迎乳胶“黑客”建议。

谢谢！

我正在开发一个python应用程序,使用python和sqlite和GUI重新创建一个Access 2007报告生成应用程序.由于应用程序是可移植的,我正在寻找python的GUI解决方案,用户在使用应用程序之前不需要安装额外的东西.

有没有适合我需要的GUI解决方案？谢谢!

我知道如何使用R创建表table,如下所示:

x <- rep(1:3,4)
y <- rep(1:4,3)
z<- cbind(x,y)
table(z[,1],z[,2])

    1 2 3 4
  1 1 1 1 1
  2 1 1 1 1
  3 1 1 1 1

如何将表格的边距总和添加到使其看起来像:

    1 2 3 4
  1 1 1 1 1 4
  2 1 1 1 1 4
  3 1 1 1 1 4
    3 3 3 3

我有一个列表对象如下：

structure(list(bga_u = structure(list(buy_target_price = numeric(0), 
    sell_target_price = numeric(0), units_holding = 0, tx_record = structure(list(
        `2010-12-01` = structure(list(buy_date = structure(14944, class = "Date"), 
            offer_price = 40.58, buy_unit = 3.15931809278285, 
            status = "hold"), .Names = c("buy_date", "offer_price", 
        "buy_unit", "status")), `2011-01-03` = structure(list(
            buy_date = structure(14977, class = "Date"), offer_price = 42.2, 
            buy_unit = 3.03803621339166, status = "hold"), .Names = c("buy_date", 
        "offer_price", "buy_unit", "status")), `2011-02-01` = structure(list(
            buy_date = structure(15006, class = "Date"), offer_price = 42.59, 
            buy_unit = 3.01021667539629, status = "hold"), …

我创建了一个处理我的一些数据的函数,如下所示:

a <- "old" 
test <- function (x) {
   assign(x, "new", envir = .GlobalEnv)
} 
test(a)

但我看不出从"旧"到"新"的变化,我猜这是一些"全局变量",有什么建议吗？

谢谢!

我在下面创建了一个脚本,用于将unicode转换为中文字符,最后一个字符串temp.df[,"name_unicode"]是"§®£"(没有引号),所以不懂中文的人也可以提供帮助.

library(RODBC)
library(Unicode)

temp.df <- data.frame(name_unicode=c("&#38515;&#22823;&#25991;",
                                     "&#38515;&#23567;&#25935;",
                                     "&#38515;&#19968;&#23665;",
                                     "&#167;&#174;&#163;"),
                      stringsAsFactors=FALSE)

temp.df[,"name_unicode_mod"] <- sapply(temp.df[,"name_unicode"],
                                        function(x) {
                                          temp <- unlist(strsplit(x,";"))
                                          temp <- sprintf("%x",as.integer(gsub("[^0-9]","",temp)))
                                          temp <- intToUtf8(as.u_char_range(temp))
                                          return(temp)
                                          })


write.csv(temp.df,file("test.csv",encoding="UTF-8"),row.names=FALSE)

temp.df[,"name_unicode_mod"]R控制台的输出正常.但我需要将它们输出csv或xls格式化.我试过write.csv,write.table,odbcConnectExcel在RODBC但都让我有点像<U+00A7><U+00AE><U+00A3>.

有人可以帮忙吗？谢谢.

PS我使用的是R 3.0.0和Win7

我正在对存储在 sqlserver 中的一些大表进行一些数据处理，这些表创建索引有时会减少运行某些 R 脚本所需的时间。我尝试使用 的mutate功能dplyr创建一个idx具有连续编号的新列 ( )，然后将该idx列用作索引。但是 mutate 功能似乎不起作用并且不断给我这个错误：

> tbl(channel,'tbl_iris') %>% mutate(idx=1:n())
Error in from:to : NA/NaN argument
In addition: Warning message:
In 1:n() : NAs introduced by coercion\

现在我正在做一些对我来说似乎很愚蠢的事情，以“绕过”上述错误消息：

iris <- tbl(channel,'tbl_iris') %>% 
  collect %>%
  mutate(idx=1:n())

try(db_drop_table(channel,'##iris'))
copy_to(channel,iris,'##iris',temporary=FALSE)
db_create_index(channel,'##iris',columns='idx')

有没有更好的方法来做到这一点？谢谢！

更新 01

我mutate(idx = row_number())按照@Phil 的建议进行了尝试，但它不起作用并显示以下错误消息：

> tbl(channel,'##iris') %>%
+   mutate(idx=row_number())
Error: <SQL> 'SELECT  TOP 10 "Sepal.Length", "Sepal.Width", "Petal.Length", "Petal.Width", "Species", row_number() OVER () AS "idx"
FROM …