我试图将我的输出转换为熊猫数据框,我正在努力.我有这个清单
my_list = [1,2,3,4,5,6,7,8,9]
我想创建一个包含3列和3行的pandas数据框.我尝试使用
df = pd.DataFrame(my_list, columns = list("abc"))
但它似乎对我不起作用.任何帮助,将不胜感激.
我试图使用mutate为变量分配列名.
df <-data.frame(x = sample(1:100, 50), y = rnorm(50))
new <- function(name){
df%>%mutate(name = ifelse(x <50, "small", "big"))
}
我跑的时候
new(name = "newVar")
它不起作用.我知道 mutate_()可以帮助,但我正在努力与它一起使用它ifelse.
任何帮助,将不胜感激.
我正在编写我的函数,并希望使用dplyr的filter()函数来选择满足条件的数据帧行.这是我的代码:
library(tidyverse)
df <-data.frame(x = sample(1:100, 50), y = rnorm(50), z = sample(1:100,50), w = sample(1:100, 50),
p = sample(1:100,50))
new <- function(ang,brad,drau){
df%>%filter(!!drau %in% 1:50)%>%select(ang,brad) -> A
return(A)
}
brand <- c("z","w","p")
lapply(1:3, function(i) new(ang = "x", brad = "y", drau = brand[i]))%>%bind_rows()
无论何时我运行此函数,它看起来filter都不会选择满足条件的任何行.
我怎样才能做到这一点？
更新
出于某种原因,当我不使用`%in%时,这可行;
new <- function(ang,brad,drau){
df%>%filter(!!drau > 50)%>%select(ang,brad) -> A
return(A)
}
lapply(1:3, function(i) new(ang = "x", brad = "y", drau = brand[i]))%>%bind_rows()
但是,每个循环的结果都是相同的.为什么会这样？而且为什么我不能使用%in%.
我的存储库中有 2 个 Github Actions 工作流程，其中一个步骤需要获取 PR 中已修改的所有文件（删除的文件除外）。我在第一个中使用这个：
on:
pull_request:
branches: [ main ]
jobs:
get_files:
name: run_on_pr
runs-on: ubuntu-latest
steps:
- name: Checkout code
uses: actions/checkout@master
with:
fetch-depth: 0
- name: Modified files
run: |
git fetch origin main:main
git diff --name-only --diff-filter=d main~ main
这个工作正常，我可以获得所有已修改文件的列表。但是，在第二个工作流程中（应该在合并 PR 时运行），这不起作用。
on:
push:
branches: [ main ]
jobs:
get_files:
name: run_when_pr_is_merged
runs-on: ubuntu-latest
steps:
- name: Checkout code
uses: actions/checkout@master
with:
fetch-depth: 0
- name: Modified files
run: |
git fetch origin …我有一个这样的数据框
df <- data.frame(tiny = rep(letters[1:3], 20),
block = rnorm(60), tray = runif(60, min=0.4, max=2),
indent = sample(0.5:2.0, 60, replace = TRUE))
我嵌套了这个数据框
nm <- df%>%
group_by(tiny)%>%
nest()
然后写了这些功能
library(dplyr)
library(purrr)
library(tidyr)
model <- function(dfr, x, y){
lm(y~x, data = dfr)
}
model1 <- function(dfr){
lm(block~tray, data = dfr)
}
我想为所有微小的类运行该模型，所以我做了
nm%>%
mutate(
mod = data %>% map(model1)
)
上面的代码工作正常，但是如果我想像函数中一样提供变量作为参数，则会model1出错。这就是我所做的
nm%>%
mutate(mod = data %>% map(model(x=tray, y=block)))
我不断收到错误消息
Error in mode(x = tray, y = block) : unused …
我有一个使用 ContextAPI 来管理身份验证的 React 应用程序，我正在尝试在 Svelte 中实现类似的功能。[Web 开发简化][1]
在Authenticate.js我有这个：
import React, { useContext, useState, useEffect } from "react"
import { auth } from "../firebase"
const AuthCt = React.createContext()
export function Auth() {
return useContext(AuthCt)
}
export function AuthComp({ children }) {
const [currentUser, setCurrentUser] = useState()
const [loading, setLoading] = useState(true)
function login(email, password) {
return auth.signInWithEmailAndPassword(email, password)
}
function logout() {
return auth.signOut()
}
useEffect(() => {
const unmount = auth.onAuthStateChanged(user => {
setCurrentUser(user)
setLoading(false)
})
return …我正在尝试模拟来自 rho=0.7 的 AR(1) 模型的数据 (Y)。然后我将使用这些数据在截距上运行 Y 的回归（通过这样做，参数估计值将成为 Y 的平均值），然后测试系数小于或等于 0 的零假设（替代方案大于 0 ）使用稳健的标准误差。我想使用不同滞后值的 2000 次重复来运行该假设的蒙特卡罗模拟。目的是显示 Newey West 估计器随着滞后变化的有限样本性能。所以我就是这样开始的
A<-array(0, dim=c(2000,1))
for(i in 1:2000){
y_new<-arima.sim(model=list(ar=0.7), n=50, mean=0,sd=1)
reg<-lm(y_new~1)
ad<-coeftest(reg, alternative="greater", vcov=NeweyWest(reg, lag=1, prewhite=FALSE))
A[i]<-ad[,3]
}
我的问题：上面的代码是进行这种模拟的正确方法吗？如果是，我怎样才能获得代码来针对 HAC 测试中的不同滞后值重复此过程。我想每次将延迟增加 1 来运行测试，因此我将对延迟 1,2,3,4......,50 执行 50 次，每次将 2000 个模拟测试统计数据存储在具有不同名称的向量。计算每种情况的检验统计量的拒绝概率（sig. level = 0,05，使用临界值 1.645），并将它们（拒绝概率）针对各种滞后值绘制出来。请帮忙