小编Ari*_*man的帖子

首先我要说的是,我孜孜不倦地避免使用手工清理数据来支持正则表达式等.但是,偶尔也是不可避免的.

我通常使用类似Load-Clean-Func-Do工作流程的东西,所以这显然适合清洁阶段.但是,如果需要更新,任何手动编辑都会破坏在手动清洁之前运行这些东西的能力.

我能想到至少有三种方法可以解决这个问题:

1. 尽可能在工作流程中尽早进行手动更改,以便之后的所有内容仍然可以运行.
2. 为每一个更改写出正则表达式或赋值操作.
3. 在关闭进行更改的电子表格后,使用为您生成(2)的工具.

2的问题在于它可能非常不合适.3的问题是我不知道任何这样的工具存在于R. Stata有一个非常好的实现.

所以问题是:

• 哪个代码编写得最难以复制？
• 是否存在(3)中的工具？

现在是lambda演算的一个众所周知的定理,任何带有两个或多个参数的函数都可以通过currying作为一个带有一个参数的函数链来编写:

# Pseudo-code for currying
f(x,y) -> f_curried(x)(y)

事实证明,这不仅在研究函数的行为方面,而且在实际应用中都非常强大(Haskell等).

但是,似乎没有讨论返回值的函数.程序员通常通过返回一些元对象(R中的列表,C++中的结构等)来处理它们无法从函数返回多个值.它总是让我觉得有点像一个kludge,但它是一个有用的.

例如:

# R code for "faking" multiple return values
uselessFunc <- function(dat) {
   model1 <- lm( y ~ x , data=dat )
   return( list( coef=coef(model1), form=formula(model1) ) )
}

问题

1. lambda演算有多少关于多重返回值的说法吗？如果是这样,会得出任何令人惊讶的结论吗？
2. 同样,任何语言都允许真正的多重返回值吗？

如何编写一个足够灵活的主函数来将额外的参数传递给多个函数？简单的尝试失败了:

> mainF <- function(f1,f2,...) {
+     f2( X=f1(...), ... )
+ }
> mainF(function(x) x, function(X, y) X*y, x=5, y=3)
Error in f2(X = f1(...), ...) : unused argument (x = 5)

通过检查形式并将省略号中的调用参数与每个函数的形式匹配,我可以看到这是如何可行的.但是有更好的方法吗？

我最近被指向Roxygen解决我的文档困境/懒惰.但是在这个闪亮的Roxygen2中,根据我的理解,它有点像它自己的东西.Hadley的包装工具需要使用Roxygen2,但在任何地方都没有通过走路的方式.

鉴于我在学习过程中从头开始:

1. 是否有一个用户,对于新用户,有利于Roxygen而不是Roxygen2,或者Roxygen2在所有方面都更好？

2. 如果有的话,有哪些资源用于学习(最好是那些不依赖于Roxygen先前知识的资源)？

3. Roxygen2是否与Roxygen向后兼容(这样投入学习和写作Roxygen的时间会延续下去)？

我在学习R时写了一个包,它的依赖列表很长.我试图削减它,因为两种情况:

1. 我切换到其他方法,Suggests根本没有使用所列的软件包.
2. 我的整个包中只有一个函数依赖于给定的依赖项,我想切换到只在需要时加载它的方法.

是否有自动跟踪这两种情况的方法？我可以想到两个粗略的方法(下载所有依赖包中的函数列表,并通过我的包的代码自动进行文本搜索,或者加载包函数而不加载所需的包并执行直到出现错误),但是都没有看起来特别优雅或万无一失......

这个问题可能会或可能不会受到我失去整个3小时地理编码运行的启发,因为其中一个值返回了错误.提示怜悯(下)投票.

基本上在被调用的函数内返回了一个错误sapply.我曾经options(error=recover),但尽管浏览了我可以使用的每个级别,我找不到任何将(数千次成功)调用FUN的结果存储在内存中的地方.

我在浏览周围时发现的一些对象在我尝试检查它们时会出错,声称引用不再有效.不幸的是我丢失了特定的错误消息.

这是一个快速的例子,虽然它没有复制引用错误(我怀疑它与消失的环境有关并且可能并不重要),但它确实证明我看不到保存已处理数据的方法.

有这样的技术吗？

请注意,我已经意识到我的错误并插入了比之前存在的更强大的错误处理try,但我正在寻找一种方法来事后恢复内容而不是事前.

测试功能

sapply( seq(10), function(x) {
  if(x==5) stop("Error!")
  return( "important data" )
} )

互动探索

> sapply( seq(10), function(x) {
+   if(x==5) stop("Error!")
+   return( "important data" )
+ } )
Error in FUN(1:10[[5L]], ...) : Error!

Enter a frame number, or 0 to exit   

1: sapply(seq(10), function(x) {
    if (x == 5) 
        stop("Error!")
    return("important data")
})
2: lapply(X = X, FUN = FUN, ...)
3: FUN(1:10[[5]], …

构建包会导致以下警告:

* checking for unstated dependencies in tests ... WARNING
‘library’ or ‘require’ call not declared from: ‘testthat’
* checking tests ...
  Running ‘test-all.R’
 OK
* checking PDF version of manual ... OK
WARNING: There was 1 warning.

包目录有一个名为的文件夹tests,文件为test-all.R:

library(testthat)
library(bootLR)

test_package("bootLR")

然后是一个子文件夹,里面testthat有两个文件,用于存放各种测试.

错误消息可能告诉我,我没有在DESCRIPTION文件中声明testthat,但我不想要求最终用户安装它,我相信将该library(testthat)语句放在test-all.R文件中来自测试手册.

任何方式,或者我必须以正确的方式添加它(强制用于安装testthat)？

编辑:我想添加它Suggests:可能是最好的方法吗？

我Rcpp用来包装一个用C语言编写的算法(不是我)(没有STL,没有提升,没有任何东西,据我所知).你可以在这里看到实现的算法(我正在包装kmeans_w_03).因此,我numeric从R 传入一个向量,然后需要将其转换为double数组.

目前我正在逐个元素地循环并从"tother"中填充一个,如下所示:

SEXP testfn(SEXP weightvec, SEXP cluster_num_k){
    Rcpp::NumericVector weightR(weightvec) ;
    int point_num = weightR.size();
    double weight[point_num] ;
    for(int i = 0; i < point_num; ++i) {
      weight[i] = weightR[i];
    }
}

但是使用单元素数字向量,我可以利用Rcpp的漂亮的as转换功能:

int cluster_num = Rcpp::as<int>(cluster_num_k);

但是,为长度> 1的数字向量尝试类似的东西会导致崩溃或错误,具体取决于语法的确切变体:

double weight[point_num] = Rcpp::as<double>(weightvec);

我不一定介意循环,但我是一个完全新手,并怀疑有更好的方法.我已经阅读了Rcpp介绍,hadley的wiki教程和RcppExamples,但还没有找到解决这个问题的任何内容,但这并不意味着我不会错过它.我读到的Doxygen Rcpp文档是as可以转换为STL向量而不是数组(但我很难读取这些文档,所以我怀疑我错了).如果是这样,我想我可以投射到一个向量,然后到一个数组....

所以我的问题是:是否有更好的(更少的代码行,更具表现力的代码,甚至可以避免内存分配)的方式将a转换NumericVector为double[]？

我一直在努力,我想知道是否有一个简单的解决方法.对于某些情况,我发现考虑对矩阵进行子集化更合乎逻辑

N <- 12
N.NA <- 6
dat <- data.frame(V1=runif(N),V2=runif(N))
sel.mat <- matrix(c(sample(seq(N),N.NA),sample(ncol(dat),N.NA,replace=TRUE)),ncol=2)

这适用于选择,但不适用于替换:

> dat[sel.mat]
[1] 0.2582569 0.8455966 0.8828083 0.5384263 0.9574810 0.5623158
> dat[sel.mat] <- NA
Error in `[<-.data.frame`(`*tmp*`, sel.mat, value = NA) : 
  only logical matrix subscripts are allowed in replacement

我意识到错误消息是有原因的(如果你有多个替换指向同一个元素,它就不知道该怎么办),但这并不能阻止R允许对矢量进行整数替换(例如dat$V1[c(2,3)] <- NA).

有没有一种方便的方法允许用整数矩阵替换？

我正在尝试使用doParallel和foreach包,但是我使用此处CRANpage中的指南中的bootstrapping示例来降低性能.

library(doParallel)
library(foreach)
registerDoParallel(3)
x <- iris[which(iris[,5] != "setosa"), c(1,5)]
trials <- 10000
ptime <- system.time({
  r <- foreach(icount(trials), .combine=cbind) %dopar% {
    ind <- sample(100, 100, replace=TRUE)
    result1 <- glm(x[ind,2]~x[ind,1], family=binomial(logit))
    coefficients(result1)
    }
  })[3]
ptime

此示例返回56.87.

当我将doparto 更改为仅do按顺序而不是并行运行时,它将返回36.65.

如果我这样做registerDoParallel(6)会将并行时间缩短到42.11但仍然比顺序慢. registerDoParallel(8)变得40.31比连续更糟糕.

如果我增加到trials100,000,那么顺序运行需要417.16和3个工作程序的并行运行597.31.它需要6名工人425.85.

我的系统是

• 戴尔Optiplex 990

• Windows 7专业版64位

• 16GB RAM

• 英特尔i-7-2600 3.6GHz四核,具有超线程功能

我在这里做错了吗？如果我做了我能想到的最人为的事情(用计算代码替换Sys.sleep(1)),那么我得到的实际减少量与工人数量成正比.我想知道为什么指南中的例子会降低我的表现,而对他们来说它会加快速度？