小编Cet*_*ttt的帖子

我有一个双向重复测量设计(3 x 2),我想弄清楚如何计算效果大小(部分eta平方).

我有一个矩阵,其中包含数据(称为a),如此(重复测量)

         A.a          A.b           B.a        B.b          C.a           C.b
1        514.0479     483.4246      541.1342   516.4149     595.5404      588.8000
2        569.0741     550.0809      569.7574   599.1509     621.4725      656.8136
3        738.2037     660.3058      812.2970   735.8543     767.0683      738.7920
4        627.1101     638.1338      641.2478   682.7028     694.3569      761.6241
5        599.3417     637.2846      599.4951   632.5684     626.4102      677.2634
6        655.1394     600.9598      729.3096   669.4189     728.8995      716.4605

idata =

    Caps    Lower
       A       a
       A       b
       B       a
       B       b
       C       a
       C       b

我知道如何使用汽车包重复测量ANOVA(3型SS在我的领域是标准的,虽然我知道它会导致逻辑错误..如果有人想向我解释这就像我5我会喜欢了解它):

summary(Anova(lm(a ~ 1),
          idata=idata,type=3, 
          idesign=~Caps*Lower)),
    multivariate=FALSE)

我想我想要做的是将这部分摘要打印出来:

单变量III型重复测量ANOVA假设球形度

                     SS num Df …

我试图从数据集中收集一些摘要统计数据的自举估计值,但我想以不同的速率重新采样部分数据集,这使我依赖于嵌套的for循环.

具体来说,假设我的数据集中有两个组,每个组进一步分为测试和控制.第1组具有75%/ 25%的测试控制比,第2组具有50%/ 50%的测试控制比.

我想重新采样,使得数据集大小相同,但两组的测试控制比率均为90%/ 10%...换句话说,以不同的速率对不同的子组进行重新采样,这让我感觉不同于boot包通常会.

在我的数据集中,我创建了一个group表示组的groupT变量,以及一个表示与test/control连接的组的变量,例如:

    id     group     groupT
     1         1         1T
     2         1         1T
     3         2         2T
     4         1         1C
     5         2         2C

这是我现在正在运行的,nreps任意设置为我的引导复制数:

for (j in 1:nreps){

  bootdat <- datafile[-(1:nrow(datafile)),] ## initialize empty dataset

  for (i in unique(datafile$groups)){

    tstring<-paste0(i,"T") ## e.g. 1T
    cstring<-paste0(i,"C") ## e.g. 1C

    ## Size of test group resample should be ~90% of total group size

    tsize<-round(.90*length(which(datafile$groups==i)),0)

    ## Size of control group resample should be total …

我想将不同的功能应用于小标题中的同一列。这些功能存储在字符串中。我曾经用mutate_和这样的.dots参数来做到这一点：

library(dplyr)

myfuns <- c(f1 = "a^2", f2 = "exp(a)", f3 = "sqrt(a)")
tibble(a = 1:3) %>% 
  mutate_(.dots = myfuns)

这种方法仍然可以正常工作，但mutate_不建议使用。我尝试使用mutate和rlang软件包获得相同的结果，但是距离还很远。

在我的实际示例中，myfuns包含大约200个函数，因此不能一一键入。

提前致谢。

我无法理解dplyr::case_when其工作原理。这里有这个非常简单的行：

library(tidyverse)
case_when(TRUE ~ 50,
          FALSE ~ numeric(0))

显然numeric(0)，TRUE 是 TRUE，所以它应该发回 50。此外，FALSE 是 FALSE，所以它永远不应该发回 numeric(0)。如果我写的话我就没有问题：

case_when(TRUE ~ 50,
      FALSE ~ NaN)

我得到50，这是正确的。我想念什么？

我正在使用selenium包装器(通过VBA)在我的wordpress网站上运行自动化测试.

单击登录按钮时,出现此错误:

ERROR: Cookies are blocked or not supported by your browser

我已经在IE中更改了设置以接受所有cookie.Chrome默认接受Cookie但由于某种原因,这似乎不起作用.它可能是用户代理吗？

我的wordpress版本是4.5

'Login code 
Sub InitiateLogin()

    web_driver.get "wp-login", -1, False
    web_driver.findElementById(Base64DecodeString("STUFFHERE")).SendKeys Base64DecodeString("STUFFHERE")
    web_driver.findElementById(Base64DecodeString("STUFFHERE")).SendKeys Base64DecodeString("STUFFHERE")
    web_driver.findElementById("wp-submit").Click
    web_driver.setTimeout ("120000")
    web_driver.setImplicitWait (5000)
   End Sub

问题是我想获得 pandas 数据框中所有列的修剪平均值（即给定列中的值的平均值，不包括最大值和最小值）。某些列可能具有 nan 值。基本上，我想获得与 pandas.DataFrame.mean 函数完全相同的功能，只不过它是修剪后的平均值。

明显的解决方案是使用 scipy tmean 函数，并迭代 df 列。所以我做了：

import scipy as sp

trim_mean = []

for i in data_clean3.columns:
    trim_mean.append(sp.tmean(data_clean3[i]))

这很有效，直到我遇到 nan 值，这导致 tmean 窒息。更糟糕的是，当我删除数据框中的 nan 值时，有些数据集被完全清除，因为它们在每一列中都有一个 nan 值。这意味着当我将所有数据集合并到一个主集中时，主集中的修剪均值应该存在的位置将会出现漏洞。

有谁知道解决这个问题的方法吗？例如，有没有办法让 tmean 表现得像标准 scipy stats 函数并忽略 nan 值？

（请注意，我的代码正在使用有限的硬件计算大型数据集的大量描述性统计数据；高度复杂或低效的解决方法可能不是最佳的。但希望我只是错过了一些简单的东西。）

（编辑：有人在评论中建议（该评论已经消失了？）我应该使用trim_mean scipy函数，它允许您对数据的特定比例进行顶部和尾部。这只是说这个解决方案不起作用对我来说，由于我的数据集大小不等，因此我无法指定在每种情况下都可以删除的固定数据比例；它必须始终只是最大值和最小值。）

我想知道是否有办法从e1071包中获取 svmLinear 方法中的所有系数和 p 值。我尝试过summary(modelname)，但没有成功。下面是我的 svm 模型的 10 倍交叉验证代码：

library("e1071")
library("caret")
load(df) ## my dataset
ctrl <- trainControl(method = "repeatedcv", number = 10, savePredictions = TRUE) ## 10 fold cross validation
fitsvm <- train(Attrition ~., data=df, method = "svmLinear", trControl = ctrl) ##train model

summary (fitsvm)

Length  Class   Mode 
 1      ksvm     S4 

我可以用 glm - 逻辑回归得到它们：

fit <- train(Attrition ~., data= df, method="glm", family="binomial", trControl= tc)
summary(fit)

                          Estimate   Std. Error  z value  Pr(>|z|)    
(Intercept)               3.424e+00  1.254e+00 …

我试图抑制R markdown文件中的R消息，knitr::opts_chunk$set(message=FALSE) 但是它不起作用。

我已经更新了RStudio，R和knitr，没有任何区别。我在Mac和Window上都运行了相同的代码。

下面的代码将显示消息“消息设置为FALSE”

knitr::opts_chunk$set(message=FALSE)
strMessage <- if_else(knitr::opts_chunk$get("message"),"TRUE","FALSE")
message(c("message is set to ",strMessage))

如果我使用{r message=FALSE}该消息将不会显示。

请帮忙。

I am trying to create my own function in R based on black scholes variables and solve "backwards" i suppose for sigma.

I have created a function to find the call price; however, now I have to find the sigma (implied volatility) estimates in R and then test my function to see if it works... I have tried different functions but I can not seem to figure out what I am doing wrong, part of me thinks I need to …

我正在尝试使用包nthroot中的功能pracma。但是，每当我运行它时，我都会收到错误：

nthroot(x, 5) 中的错误：找不到函数“nthroot”

我尝试安装该pracma软件包，但这也没有帮助。谁能给我任何关于为什么这不起作用的想法？