小编Joh*_*ohn的帖子

我有以下代码.有没有办法在lapply这样的循环或矢量化语句中编写它？在我的真实代码中,我有更多的画笔,所以这将非常有用.谢谢.

忽略这一行.只需要添加更多文本.

observeEvent(input$brush_1,{
  Res=brushedPoints(D(),input$brush_1,allRows = TRUE)
  vals$keeprows = Res$selected_
  })

observeEvent(input$brush_2,{
  Res=brushedPoints(D(),input$brush_2,allRows = TRUE)
  vals$keeprows = Res$selected_

})

observeEvent(input$brush_3,{
  Res=brushedPoints(D(),input$brush_3,allRows = TRUE)
  vals$keeprows = Res$selected_

})

observeEvent(input$brush_4,{
  Res=brushedPoints(D(),input$brush_4,allRows = TRUE)
  vals$keeprows = Res$selected_

})

observeEvent(input$brush_5,{
  Res=brushedPoints(D(),input$brush_5,allRows = TRUE)
  vals$keeprows = Res$selected_

})

observeEvent(input$brush_6,{
  Res=brushedPoints(D(),input$brush_6,allRows = TRUE)
  vals$keeprows = Res$selected_

})

observeEvent(input$brush_7,{
  Res=brushedPoints(D(),input$brush_7,allRows = TRUE)
  vals$keeprows = Res$selected_

})

observeEvent(input$brush_8,{
  Res=brushedPoints(D(),input$brush_8,allRows = TRUE)
  vals$keeprows = Res$selected_

})

observeEvent(input$brush_9,{
  Res=brushedPoints(D(),input$brush_9,allRows = TRUE)
  vals$keeprows = Res$selected_

})

observeEvent(input$brush_10,{
  Res=brushedPoints(D(),input$brush_10,allRows = TRUE)
  vals$keeprows = …

当我在R Shiny中组合splitLayout和selectInput时,有一些错误.

下拉列表中的选项无法正确显示.

我们如何解决这个问题.

请检查可重现的代码.

library(shiny)

server <- function(input, session, output) {

  output$select_1 = renderUI({
    selectInput("select_input","select", choices = LETTERS)
  })



}

ui <- fluidPage(
  splitLayout(
    uiOutput("select_1")
  )
)

shinyApp(ui = ui, server = server)

我有8个selectInputs,我想在一行中并排放置.

使用fluidrow不正常,因为列宽只能是整数.

我想知道是否有其他方法可以做到这一点.

我想裁剪出图像中充满小曲线的区域。

原始图像如下所示：

使用开放变形，我可以消除大多数噪音。结果是这样的：

我尝试使用膨胀将这些像素连接到所需区域，但结果并不令人满意。

opencv中是否有任何功能可以找到该区域？

有没有办法用geom_line绘制geom_bar,如下图所示.

我想出了两个独立的图表.如何将它们分别与左右两侧的两个不同轴组合.

library(ggplot2)
temp = data.frame(Product=as.factor(c("A","B","C")),
                  N = c(17100,17533,6756),
                  n = c(5,13,11),
                  rate = c(0.0003,0.0007,0.0016),
                  labels = c(".03%",".07%",".16%"))

p1 = ggplot(data = temp, aes(x=Product,y=N))+
  geom_bar(stat="identity",fill="#F8766D")+geom_text(aes(label=n,col="red",vjust=-0.5))+
  theme(legend.position="none",axis.title.y=element_blank(),axis.text.x = element_text(angle = 90, hjust = 1))
  p1
p2 = ggplot(data = temp,aes(x=Product,y=rate))+
  geom_line(aes(group=1))+geom_text(aes(label=labels,col="red",vjust=0))+
  theme(legend.position="none",axis.title.y=element_blank(),
        axis.text.x = element_text(angle = 90, hjust = 0))+
  xlab("Product")
p2

非常感谢.

当我使用伟大的包ggdendro绘制我的树时,我遇到了一个问题:有一天,它突然产生的树的所有标签都消失了.

当我在本地计算机和服务器中运行以下代码时,会得到不同的结果.服务器版本中不存在本地计算机和标签中的标签.

fit = ClustOfVar::hclustvar(X.quanti = mtcars)

ggdendro::ggdendrogram(as.dendrogram(fit),rotate = TRUE)

服务器版本(确定):

本地Windows 7版本(无标签):

我打印了会话信息以供参考.

输入比较(相同) :

当我单击图表中的一个点时,该点将突出显示为红色.

但很快它又回到了黑色.

有没有办法保持选择？

library(shiny)
library(ggplot2)


server <- function(input, session, output) {
  mtcars$cyl = as.character(mtcars$cyl)


  D = reactive({
    nearPoints(mtcars, input$click_1,allRows = TRUE)
  })

  output$plot_1 = renderPlot({
    set.seed(123)
    ggplot(D(),aes(x=cyl,y=mpg)) + 
      geom_boxplot(outlier.shape = NA) + 
      geom_jitter(aes(color=selected_),width=0.02,size=4)+
      scale_color_manual(values = c("black","red"),guide=FALSE)

  })

  output$info = renderPrint({
    D()
  })
}

ui <- fluidPage(

  plotOutput("plot_1",click = clickOpts("click_1")),
  verbatimTextOutput("info")

)

shinyApp(ui = ui, server = server)

当我用read.csv选项读取包含汉字的文件时encoding = "UTF-8"时，我得到这些神秘的代码。

通过一点比较，我意识到它们可以一对一匹配汉字，但是如何在 R 中将它们转换回汉字。

例如，<U+9600>和<U+524D>分别是"\xe9\x98\x80"和"\xe5\x89\x8d"。

我正在阅读 TensorFlow 网站上的材料：

https://www.tensorflow.org/tutorials/layers

假设我们有 10 张灰度单色 28x28 像素图像，

1. 如果我们在第一个卷积层中应用 32 个 5x5 卷积滤波器（填充为 0），我们将得到 10*32*28*28 数据。
2. 如果我们在第一个池中应用步幅为 2 的 2x2 最大池，我们会得到 10*32*14*14 数据。
3. 至此，一张图像就变成了14*14大小、32通道的图像。

那么，如果我们应用第二个卷积层（比方说链接中的 64 个 5x5 滤波器），我们是否将这些滤波器应用到每个图像的每个通道并获得 10*32*64*14*14 数据？

在我的图像数据库中，需要 1)检测图像中是否存在薄片（非常黑的轮廓），以及 2) 找到最小闭合圆来测量薄片的半径。

然而，这些图像的照明略有不同。

这里有些例子：

这个很容易检测和测量：

但这些更难：

我最初的想法是使用与图像像素平均值相关的阈值。

有没有其他方法可以在 OpenCV 中计算这样的动态阈值？

如果您在 R 工作室中运行此代码，您会发现 NULL 数据的绘图仍然是一大块白色。

数据为NULL时怎么不显示呢？

在其他图表中，大白板看起来不太好。

library(shiny)

server <- function(input, output) {
  output$x = renderPlot(NULL)
}

ui <- fluidPage(
  br(),
  plotOutput("x"),
  tags$head(tags$style(HTML("
                            body {
                            margin: 0;
                            font-family: helvetica, sans-serif;
                            background: #F2F0F0;
                            }

                            .shiny-plot-output{
                            max-width: 100%;
                            box-shadow: 0px 0px 6px #888;
                            margin-left: auto;
                            margin-right: auto;
                            }
                            ")))  
  )

shinyApp(ui = ui, server = server)