我试图将矩阵转换为数据框,并在一行中分配名称.
正如我所使用的那样,?as.data.frame有一个参数col.names对我来说似乎不起作用,我做错了吗？
as.data.frame(matrix(c(1:4), nrow=2), col.names=c("a","b"))
输出:
V1 V2
1 1 3
2 2 4
预期产出:
a b
1 1 3
2 2 4
我知道我可以稍后用`colnames(matrix)= c("a,"b)分配它,但我只是想知道是否可以在一行中完成它.(
我正在尝试编写一个rowN/3返回矩阵的第n个元素(在本例中为行)的谓词.例:
?- rowN([[1,2],[3,4],[5,6]], 2, R).
R = [3,4];
No
我正在与柜台挣扎.我试图找到一些非常相似的例子,但没有成功.到目前为止,我已经设法写了这个:
码:
rowN(L,[],[]).
rowN([],X,[]).
rowN([],[],[].
rowN([H|T],X,R) :-
A==X,
A is A + 1,
rowI(T,A,H).
我知道有一个函数unique()可以从向量中提取唯一值。但我失去了它的名字。
前任。
vector = c("A" = 1, "B" = 2, "A" = 1, "C" = 3, "B" = 2, "D" = 3, "D" = 3)
如果我打印，我应该看到：
A B A C B D D
1 2 1 3 2 3 3
预期输出：
A B C D
1 2 3 3
尝试：
如果我使用：unique(vector)我只得到1 2 3
如果我使用：vector[!duplicated(vector)]我得到：
A B C
1 2 3
这很接近，但"D" = 3缺少。
我必须编写一个谓词，该谓词product/3接收两个矩阵并在可能的情况下返回它们的矩阵乘法，否则会失败。（这意味着如果矩阵满足要求[n x p] [p x y]，则返回与维度的乘法[n x y]）
例子：
product(M1, M2, R)
?- product([[1,2],[3,4],[5,6]], [[1,1,1],[1,1,1]], M).
M = [[3, 3, 3], [7, 7, 7], [11, 11, 11]];
No
为此，我有两个代码，它们索引矩阵上的第 n 行rowI，索引第 n 列columnI（我在下面的代码中解释了它们的工作原理）。
%Predicate: rowI(M, I, RI)
%Input rowI([[1,2],[3,4],[5,6]], 2, RI).
% RI = [3,4];
rowI([H|_],1,H):-!.
rowI([_|T],I,X) :-
I1 is I-1,
rowI(T,I1,X).
% columnJ(M, J, CJ)
%Input columnJ([[1,2],[3,4],[5,6]], 1, CJ).
% CJ = [1,3,5];
columnJ([],_,[]).
columnJ([H|T], I, [R|X]):-
rowI(H, I, …我需要有关如何以迭代方式管理列表的帮助.
我有以下列表list,它由几个具有相同列但行数不同的数据帧组成.例:
[[1]]
id InpatientDays ERVisits OfficeVisits Narcotics
1 a 0 0 18 1
2 b 1 1 6 1
3 c 0 0 5 3
4 d 0 1 19 0
5 e 8 2 19 3
6 f 2 0 9 2
[[2]]
id InpatientDays ERVisits OfficeVisits Narcotics
7 a 16 1 8 1
8 b 2 0 8 0
9 c 2 1 4 3
10 d 4 2 0 2
11 e 6 5 …我有一个如下所示的数据框：
df<- data.frame("iteration" = c(1,1,1,1,1,1),
"model" = c("RF","RF","RF","SVM", "SVM","SVM"),
"label" = c(0,0,1,0,0,1), "prediction" = c(0,1,1,0,1,1))
iteration model label prediction
1 1 RF 0 0
2 1 RF 0 1
3 1 RF 1 1
4 1 SVM 0 0
5 1 SVM 0 1
6 1 SVM 1 1
实际上，它有10 iterations更多的模型和每个模型的更多数据。
我想要做的基本上是获得每个模型的准确性。
所以基本上我想把它应用到每个模型组（RF，SVM）：
table(df$label,df$prediction)
0 1
0 2 2
1 0 2
他们对对角线求和并除以总数：
sum(diag(table(df$label,df$prediction)))/sum(table(df$label,df$prediction))
[1] 0.6666667
这是我可以使用的情况tapply还是dplyr派上用场？
我在这里很迷茫。
我有一个大的数据集df（354903行）与名为两列df$ColumnName和df$ColumnName.1
head(df)
CompleteName CompleteName.1
1 Lefebvre Arnaud Lefebvre Schuhl Anne
1.1 Lefebvre Arnaud Abe Lyu
1.2 Lefebvre Arnaud Abe Lyu
1.3 Lefebvre Arnaud Louvet Nicolas
1.4 Lefebvre Arnaud Muller Jean Michel
1.5 Lefebvre Arnaud De Dinechin Florent
我正在尝试创建标签以查看天气名称是否相同。当我尝试一个小的子集时，它可以工作[如果它们相同则为1，否则为0]：
> match(df$CompleteName[1], df$CompleteName.1[1], nomatch = 0)
[1] 0
> match(df$CompleteName[1:10], df$CompleteName.1[1:10], nomatch = 0)
[1] 0 0 0 0 0 0 0 0 0 0
但是，一旦我抛出完整的列，它就会为我提供完整的不同值，这对我来说似乎毫无意义：
> match(df$CompleteName, df$CompleteName.1, nomatch = 0)
[1] 101 101 101 101 …