小编lmo*_*lmo的帖子

我想使用该quantreg包从分位数回归中提取系数以及上限和下限。这是帮助文件中的示例。

data(engel)
attach(engel)
taus <- c(.05,.1,.25,.75,.9,.95)
f <- rq((foodexp)~(income),tau=taus)
sf <- summary(f)
sf[1]
#[[1]]

#Call: rq(formula = (foodexp) ~ (income), tau = taus)

#tau: [1] 0.05

#Coefficients:
#            coefficients lower bd  upper bd 
#(Intercept) 124.88004     98.30212 130.51695
#income        0.34336      0.34333   0.38975

我知道我可以用来coefficients()获取系数。

cf <- t(data.frame(coefficients(f)))    # transpose for better arrangement
cf
#              (Intercept)    income
#tau..0.05   124.88004 0.3433611
#tau..0.10   110.14157 0.4017658
#tau..0.25    95.48354 0.4741032
#tau..0.75    62.39659 0.6440141
#tau..0.90    67.35087 0.6862995
#tau..0.95    64.10396 0.7090685

但我不知道如何获得出现在summary(). 我看了 …

我正在创建一个邻接矩阵来在 R 中进行空间分析。数据都是美国大陆的县。我从美国人口普查老虎文件中获取了各县的空间多边形。

我能够创建邻居列表，并且它是对称的。但是当我将其转换为邻接矩阵时，它不是对称的。这是一个问题，因为我的目标是使用 运行空间自逻辑模型ngspatial::autologistic，并且出现错误，指出我必须提供对称二元邻接矩阵。

这是我创建邻接矩阵的 R 代码：

us<-readShapeSpatial("County_2010Census_DP1.shp")
#Trim out counties outside of continental US
us2<-us[!substr(us$GEOID10,1,2)%in%c('02','60','66','78','15','72'),]
us2.nb = poly2nb(us2)
is.symmetric.nb(us2.nb) #Comes out true
us2.adj = nb2mat(us2.nb, style="B",zero.policy=F)
isSymmetric(us2.adj) #comes out false

顺便说一句，我可以splogit毫无问题地使用这个邻接矩阵。我不是空间分析方面的专家，所以我不能说我知道这些命令中发生了什么。

我想将中值样条和相应的置信区间带添加到ggplot2散点图中.我正在使用'quantreg'包,更具体地说是rqss函数(Additive Quantile Regression Smoothing).

在ggplot2我能够添加中值样条曲线,但不是置信区间带:

fig = ggplot(dd, aes(y = MeanEst, x = N, colour = factor(polarization)))
fig + stat_quantile(quantiles=0.5, formula = y ~ qss(x), method = "rqss") +
  geom_point()

该quantreg-package本身自带的绘图功能; plot.rqss.我可以在哪里添加置信区间(bands=TRUE):

plot(1, type="n", xlab="", ylab="", xlim=c(2, 12), ylim=c(-3, 0)) # empty plot
plotfigs = function(df) {
  rqss_model = rqss(df$MeanEst ~ qss(df$N))
  plot(rqss_model, bands=TRUE, add=TRUE, rug=FALSE, jit=FALSE)
  return(NULL)
}
figures = lapply(split(dd, as.factor(dd$polarization)), plotfigs)

然而,quantreg-package …

当我试图在我的工作笔记本电脑上安装软件包时,我收到了一个错误.我被告知我拥有笔记本电脑的完全权限,所以应该没有块.

我认为它可能与安装包所在的库的文件路径有关？我正在使用最新版本的R和R Studio,64位,并使用加拿大的U of T CRAN镜像站点.

以下是我尝试安装plyr时出现的内容

install.packages("plyr")

还安装了只有源代码形式的依赖'Rcpp'包,可能需要编译C/C++/Fortran:'Rcpp''plyr'

当我尝试安装时ggplot2,这是一个很长的错误消息:

错误:依赖'stringi'不适用于包'stringr'*删除'C:/RPackages/R-3.2.3/library/stringr'在install.packages中警告:运行命令'"C:/ RPACKA~1/R -32~1.3/bin/x64/R"CMD INSTALL -l"C:\ RPackages\R-3.2.3\library"C:\ Users\MICHAE~1.COL\AppData\Local\Temp\RtmpGs24zA/downloaded_pa​​ckages/stringr_1.0.0.tar.gz'在install.packages中有状态1警告:软件包'stringr'的安装具有非零退出状态错误:依赖'colorspace'不适用于软件包'munsell'*删除'C:/ RPackages /R-3.2.3/library/munsell'在install.packages中警告:运行命令'"C:/RPACKA〜1/R-32〜1.3/bin/x64/R"CMD INSTALL -l"C:\ RPackages\R-3.2.3\library"C:\ Users\MICHAE~1.COL\AppData\Local\Temp\RtmpGs24zA/downloaded_pa​​ckages/munsell_0.4.3.tar.gz"在install.packages中有状态1警告:安装包' munsell'具有非零退出状态错误:依赖'摘要','plyr','reshape2','scale'不适用于包'ggplot2'*删除'C:/ RPack age/R-3.2.3/library/ggplot2'inight.packages中的警告:运行命令'"C:/RPACKA〜1/R-32〜1.3/bin/x64/R"CMD INSTALL -l"C:\ RPackages\R-3.2.3\library"C:\ Users\MICHAE~1.COL\AppData\Local\Temp\RtmpGs24zA/downloaded_pa​​ckages/ggplot2_2.0.0.tar.gz"在install.packages中有状态1警告:安装包'ggplot2'具有非零退出状态下载的源包位于'C:\ Users\michael.colangelo\AppData\Local\Temp\RtmpGs24zA\downloaded_pa​​ckages'中

"非零退出状态"是什么意思？是否正在尝试为安装找到一个库？>代码中提到的appData文件似乎不存在或者我无法访问它.如何将其更改为另一个本地文件夹？

在这个假设情景中,我对13种化学物质进行了5次不同的分析,得出每次分析中每种化学物质的分数.我创建了一个表如下:

---- Analysis1 Analysis2 Analysis3 Analysis4 Analysis5 Chem_1 3.524797844 4.477695034 4.524797844 4.524797844 4.096698498 Chem_2 2.827511555 3.827511555 3.248136118 3.827511555 3.234398548 Chem_3 2.682144761 3.474646298 3.017780505 3.682144761 3.236152242 Chem_4 2.134137304 2.596921333 2.95181339 2.649076603 2.472875191 Chem_5 2.367736454 3.027814219 2.743137896 3.271122346 2.796607809 Chem_6 2.293110565 2.917318708 2.724156207 3.293110565 2.530967343 Chem_7 2.475709113 3.105794018 2.708222528 3.475709113 3.088819908 Chem_8 2.013451822 2.259454085 2.683273938 2.723554966 2.400976121 Chem_9 2.345123123 3.050074893 2.682845391 3.291851228 2.700844104 Chem_10 2.327658894 2.848729452 2.580415233 3.327658894 2.881490893 Chem_11 2.411243882 2.98131398 2.554456095 3.411243882 3.109205453 Chem_12 2.340778276 2.576860244 2.549707035 3.340778276 3.236545826 Chem_13 …

我正在处理一个常规需要计算t分布密度的问题,而R中的尾部相当远.

例如,使用R的t分布函数,dt(1.424781, 1486, -5)返回[1] 2.75818e-10.我的一些最终输出(使用此密度作为输入)与我的同事在MATLAB中执行的类似计算的参考值不匹配,我认为这可能是由于R中t分布的尾部不精确.

如果我与MATLAB的t分布函数进行比较,则nctpdf(1.424781, 1486, -5)返回ans = 4.3932e-10,这与R的输出有很大不同.

编辑:R打印两条相同的警告消息

In dt(1.424781, 1486, -5) : full precision may not have been achieved
in 'pnt{final}'

这是在Mac,R版本3.3.1上

我想从日期中仅提取季度,例如,从"2003-02-08"日期获得整数1.我一直在尝试这条线

library(mondate)
as.yearqtr(dat$DATE)

"2003 Q1"

as.character(as.yearqtr(dat$DATE))[1]

"2003 Q1"

没有给出我想要的结果.当然我可以写如下条件

library(data.table)
data$DATE = as.Date(data$DATE, format='%d%b%Y')
data$month=month(data$DATE)
setDT(data)[month==1,  quarter:=1]  
    ...

这会起作用,但根本不优雅.这样做有更美妙的方式吗？

谢谢lmo和user2100721!我真的希望我能接受所有的答案!

我目前正在尝试按位置对具有三个级别的 MuliIndex DataFrame 进行切片。我正在使用熊猫 19.1

Level0  Level1  Level2      Value
03-00368    A   Item111     6.9
03-00368    A   Item333     19.2
03-00368    B   Item111     9.7
03-00368    B   Item222     17.4
04-00176    C   Item110     17.4
04-00176    C   Item111     9.7
04-00246    D   Item46      12.5
04-00246    D   Item66      5.6
04-00246    D   Item99      11.2
04-00247    E   Item23      12.5
04-00247    E   Item24      5.6
04-00247    E   Item111     11.2
04-00247    F   Item23      7.9
04-00247    F   Item24      9.7
04-00247    F   Item111     12.5
04-00247    G   Item46      11.2
04-00247    G   Item66      9.7
04-00247    G   Item999 …

在 R 中，有没有办法判断矩阵是否稀疏？稀疏矩阵类有很多，比如dgCMatrix，没有is.sparseMatrix方法。

我尝试使用功能kable（）的 “ markdown”格式创建表，但是列之间的间隔太宽，以至于该表在页面上延伸。无论如何，是否有必要调整单元格的大小，以使Markdown格式的表格不会在页面上延伸？它以乳胶格式保留在页面中，但是我既不需要这种格式，也不需要html。我希望输出文件为.pdf。我知道在这里也曾提出过类似的问题，但我的问题仅针对格式降价。如果您觉得这是重复的，请合并问题。

可重现的示例：

---
title: "Example"
author: "JAQuent"
date: "7 Juni 2017"
output: pdf_document
---

\tiny

```{r results='asis', echo = FALSE, warning = FALSE}
library(knitr)

table1 <- data.frame(Factor1 = c('level 1', 'level 1', 'level 2', 'level 2'),
                     Factor2 = c('level 1', 'level 2', 'level 1', 'level 2'),
                     Parameter1 = sample(1000000:9999999, 2),
                     Parameter2 = sample(1000000:9999999, 2),
                     Parameter3 = sample(1000000:9999999, 2),
                     Parameter4 = sample(1000000:9999999, 2),
                     Parameter5 = sample(1000000:9999999, 2),
                     Parameter6 = sample(1000000:9999999, …