我已经看到了同样错误的其他问题,但没有一个答案似乎有效.
<!DOCTYPE html>
<html>
<body>
<form action="http://127.0.0.1:8080/del" method="post">
First name: <input type="text" name="fname"><br>
Last name: <input type="text" name="lname"><br>
<input type="submit" value="Submit">
</form>
<p>Click on the submit button, and the input will be sent to a page on the server called "http://127.0.0.1:8080/del".</p>
</body>
</html>
Run Code Online (Sandbox Code Playgroud)
server.js
var express=require('express');
var body_parser=require('body-parser');
var request = require('request').defaults({json:true});
var app=express();
var del=require('./del');
app.post('./del',del.test);
var server = app.listen(8080,function(){
var host="127.0.0.1";
var port="8080";
console.log("App is listening at http://%s:%s\n",host,port);
});
Run Code Online (Sandbox Code Playgroud)
del.js
module.exports={
test: function(){
console.log("Hello world.");
}
};
Run Code Online (Sandbox Code Playgroud)
每当我提交表格时,它都显示出来 …
我试图使 x 轴成为实际年份,而不是ggplot2将它们分成两半。我如何将特定的 x 轴设置为年份?
输入:
df <- structure(list(year = c(1930, 1931, 1932, 1933, 1934, 1935, 1936,
1937, 1938, 1939, 1940), ppt = c(59.0033808749924, 64.5812917950552,
66.5926177672304, 59.4756152030825, 54.7584384173037, 73.2530022881949,
52.152143860761, 62.667460409034, 68.3809388906197, 57.8704092161023,
62.8957857266413), anom = c(0.820287105396386, 0.897833312663238,
0.925795519832683, 0.826852283938926, 0.761272325064239, 1.01839068062701,
0.725038641741477, 0.871226511754963, 0.950657430049865, 0.804536108948638,
0.874400775857991)), row.names = c(NA, -11L), class = c("tbl_df",
"tbl", "data.frame"), .Names = c("year", "ppt", "anom"))
Run Code Online (Sandbox Code Playgroud)
代码:
qplot(year, anom, data = df, geom="smooth", main = "Precipitaion ", ylab = "Anomaly", xlab = "", …Run Code Online (Sandbox Code Playgroud) 我正在尝试为geom_smooth()一些boxplot图添加趋势,但我没有正确获得图层.
我如何将这两者合并在一起?
geom_boxplot:
ggplot(test) + geom_boxplot(aes(x=factor(year), y = dm))
Run Code Online (Sandbox Code Playgroud)
geom_smooth
ggplot(test, aes(year, dm)) + geom_smooth()
Run Code Online (Sandbox Code Playgroud)
geom_boxplot和geom_smooth
ggplot(test) + geom_boxplot(aes(x=factor(year), y = dm)) + geom_smooth(aes(x = year, y = dm))
Run Code Online (Sandbox Code Playgroud)
如果我想n用当前年份的滞后来计算以前的平均年份,我将如何做到这一点?它像“正确”滚动平均窗口一样简单吗?或者它是一个“左”滚动平均窗口?我不确定在这里使用哪个窗口。
样本数据
set.seed(1234)
dat <- data.frame(year = c(1990:2010),
x = rnorm(21))
dat$x_lag1 <- lag(dat$x, 1)
Run Code Online (Sandbox Code Playgroud) 我需要对某些模型进行 K 折 CV,但我需要确保验证(测试)数据集按组和年t数聚集在一起。GroupKFold很接近,但它仍然拆分验证集(参见第二个折叠)。
例如,如果我有一组 2000-2008 年的数据,我想将 K 折叠成 3 组。合适的集合是:验证:2000-2002,训练:2003-2008;V:2003-2005, T:2000-2002 & 2006-2008; 和 V:2006-2008,T:2000-2005)。
有没有办法使用 K-Fold CV 对数据进行分组和聚类,其中验证集按t年聚类?
from sklearn.model_selection import GroupKFold
X = [0.1, 0.2, 2.2, 2.4, 2.3, 4.55, 5.8, 8.8, 9, 10, 0.1, 0.2, 2.2]
y = ["a", "b", "b", "b", "c", "c", "c", "d", "d", "d", "a", "b", "b"]
groups = [1, 1, 1, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4]
gkf = GroupKFold(n_splits=2)
for train_index, …Run Code Online (Sandbox Code Playgroud) 我试图在地图上获得土地和水的两个单独的梯度。我能够获得水梯度(第一张图),但不能获得土地。
如何在此代码中设置土地的灰色渐变(类似于下面的图 2)?
样本数据
library(marmap)
library(ggplot2)
greys <- c(grey(0.6), grey(0.93), grey(0.99))
# Get map data
bat <- getNOAA.bathy(-68, -51, -48, -39, res = 1, keep = TRUE)
Run Code Online (Sandbox Code Playgroud)
生成水梯度图
autoplot(bat, geom = c("raster", "contour"), colour = "white", size = 0.1) +
scale_fill_gradientn(limits = c(-6600, 0), colors = c("steelblue4", "#C7E0FF")) +
NULL
Run Code Online (Sandbox Code Playgroud)
我尝试在 中设置不同的限制scale_fill_gradientn,但运气不佳:
autoplot(bat, geom = c("raster", "contour"), colour = "white", size = 0.1) +
scale_fill_gradientn(limits = c(min(bat), max(bat)),
colors = c("steelblue4", "#C7E0FF", greys)) +
NULL
Run Code Online (Sandbox Code Playgroud)
所需的输出(使用基本 R …
我正在尝试将一些长数据转换成广泛的数据,但无法弄清楚如何将某些变量附加到唯一的id.以下是我需要它做的事情,除了它删除附加到每个gridNumber的lat和long变量.我想在广泛的时候保留这些.
dput:
df <- structure(list(gridNumber = c("17578", "18982", "18983", "18984",
"18985", "18986", "18987", "18988", "18989", "18990"), value = c(22.7000007629395,
22.2900009155273, 22.25, 21.9799995422363, 21.1000003814697,
20.7700004577637, 20.6200008392334, 20.5699996948242, 20.5699996948242,
20.5799999237061), lat = c(-95.1249999994964, -95.1666666661633,
-95.1249999994964, -95.0833333328295, -95.0416666661626, -94.9999999994957,
-94.9583333328288, -94.9166666661619, -94.874999999495, -94.8333333328281
), long = c(49.4166666666667, 49.375, 49.375, 49.375, 49.375,
49.375, 49.375, 49.375, 49.375, 49.375), ID = c("PRISM_ppt_stable_4kmM2_190001_bil",
"PRISM_ppt_stable_4kmM2_190001_bil", "PRISM_ppt_stable_4kmM2_190001_bil",
"PRISM_ppt_stable_4kmM2_190001_bil", "PRISM_ppt_stable_4kmM2_190001_bil",
"PRISM_ppt_stable_4kmM2_190001_bil", "PRISM_ppt_stable_4kmM2_190001_bil",
"PRISM_ppt_stable_4kmM2_190001_bil", "PRISM_ppt_stable_4kmM2_190001_bil",
"PRISM_ppt_stable_4kmM2_190001_bil")), .Names = c("gridNumber",
"value", "lat", "long", "ID"), class = c("data.table", "data.frame"
), row.names = c(NA, …Run Code Online (Sandbox Code Playgroud) 我正在处理大约700个大型数据集(每个数据集有大约80个变量和最多20万行).大多数变量只允许在一定范围内或是某些值.每个数据集中都存在一些错误,其值不符合这些规则.
所以,不知怎的,我需要找到那些错误并使它们成为NA.目前我这样做的方式如下:
library(data.table)
dataset$variable[!dataset$variable %in% c(1,2,3)] <- NA
# or
dataset$variable[!(dataset$variable >= 0 &
dataset$variable <= 150)] <- NA
... # for 80 variables
Run Code Online (Sandbox Code Playgroud)
我的问题是应用这些规则需要一些时间(最多10秒),我想加快这个过程.您有任何想法如何提高效率吗?或者这是最简单的方法,我必须处理它?
非常感谢你提前!
编辑:我想知道例如:迭代行而不是列更快吗?
我正在使用geom_segment()并facet_wrap()显示不同类型和模型的一些估算值。上一篇文章帮助我整理了东西,但我正在努力弄清楚如何使标签过大,以免标签重叠。一旦添加更多模型以与更多数据点进行比较,事情就会变得混乱。我尝试过更改宽高比而不进行分辨率。
我如何覆盖或散布标签,以使其易于阅读,同时保留y轴的比例,以便在模型和类型之间进行比较?
样本数据
dat <- structure(list(temp = c(1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3,
4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4,
5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5,
1, 2, 3, 4, 5), rev = c(-5, -11, -20, -29, -40, …Run Code Online (Sandbox Code Playgroud) 假设我有一个方形矩阵(45 x 45),我想分成5个子矩阵,这些子矩阵9 x 9基于矩阵中的对角线块.我正在寻找一种通用的方法来实现这一点,而无需指定col和行.
例
mat <- matrix(rnorm(45), 45, 45)
mat1 <- mat[1:9, 1:9]
mat2 <- mat[10:18, 10:18]
mat3 <- mat[19:27, 19:27]
mat4 <- mat[28:36, 28:36]
mat5 <- mat[37:45, 37:45]
Run Code Online (Sandbox Code Playgroud) r ×8
ggplot2 ×4
backend ×1
data.table ×1
geospatial ×1
javascript ×1
maps ×1
matrix ×1
mean ×1
node.js ×1
performance ×1
post ×1
python ×1
scikit-learn ×1