我有一个数据框,详细说明N个节点之间的边权重.是否有用于处理此类数据的包？
例如,我想将以下信息绘制为网络:
p1 p2 counts
1 a b 100
2 a c 200
3 a d 100
4 b c 80
5 b d 90
6 b e 100
7 c d 100
8 c e 40
9 d e 60
假设我想重现StackOverflow上发布的示例.有些人建议用海报dput()来帮助简化这个过程或基础包中可用的一个数据集.
但是,在这种情况下,假设我只获得了数据帧的输出:
> site.data
site year peak
1 ALBEN 5 101529.6
2 ALBEN 10 117483.4
3 ALBEN 20 132960.9
8 ALDER 5 6561.3
9 ALDER 10 7897.1
10 ALDER 20 9208.1
15 AMERI 5 43656.5
16 AMERI 10 51475.3
17 AMERI 20 58854.4
除了将其保存为文本文件并使用之外,我还有其他选择read.table()吗？
从ggplot2的geom_tile()函数的文档中,我们有以下简单的图: alt text http://had.co.nz/ggplot2/graphics/1dd785939e74fc3e6090dce6bc7f01c6.png
# Generate data
pp <- function (n,r=4) {
x <- seq(-r*pi, r*pi, len=n)
df <- expand.grid(x=x, y=x)
df$r <- sqrt(df$x^2 + df$y^2)
df$z <- cos(df$r^2)*exp(-df$r/6)
df
}
p <- ggplot(pp(20), aes(x=x,y=y))
p + geom_tile()
如何删除瓷砖边框的边距？我已经通过这个脚本挖了一些关于抛光图的一些提示无济于事.我已经找到了如何使用opts(panel.background = theme_blank())删除背景面板,而不是如何更改边距大小.
当使用具有因子的公式时,拟合模型将系数命名为XY,其中X是因子的名称,Y是其特定级别.我希望能够从这些系数的名称创建一个公式.
原因是:如果我将套索适合稀疏设计矩阵(如下所示),我想创建一个新的公式对象,它只包含非零系数的项.
require("MatrixModels")
require("glmnet")
set.seed(1)
n <- 200
Z <- data.frame(letter=factor(sample(letters,n,replace=T),letters),
x=sample(1:20,200,replace=T))
f <- ~ letter + x:letter + I(x>5):letter
X <- sparse.model.matrix(f, Z)
beta <- matrix(rnorm(dim(X)[2],0,5),dim(X)[2],1)
y <- X %*% beta + rnorm(n)
myfit <- glmnet(X,as.vector(y),lambda=.05)
fnew <- rownames(myfit$beta)[which(myfit$beta != 0)]
[1] "letterb" "letterc" "lettere"
[4] "letterf" "letterg" "letterh"
[7] "letterj" "letterm" "lettern"
[10] "lettero" "letterp" "letterr"
[13] "letters" "lettert" "letteru"
[16] "letterw" "lettery" "letterz"
[19] "lettera:x" "letterb:x" "letterc:x"
[22] "letterd:x" "lettere:x" "letterf:x"
[25] "letterg:x" "letterh:x" "letteri:x"
[28] "letterj:x" …叫我跛脚,但我厌倦了我潜意识的C-x C-s紧张抽搐.我经常切换缓冲区,我想我一旦切换到另一个就想保存一个缓冲区.我还没来得及学习Emacs-Lisp的基础知识.
有关如何做到这一点或更好的解决方案的任何提示？
(在相关的说明中,我发现了一种自动保存解决方法,可以在空闲一段时间后立即保存当前缓冲区.)
假设我想使用以下内容执行模拟function:
fn1 <- function(N) {
res <- c()
for (i in 1:N) {
x <- rnorm(2)
res <- c(res, x[2]-x[1])
}
res
}
对于非常大的N计算似乎挂起.有更好的方法吗？
(灵感来自:https://stat.ethz.ch/pipermail/r-help/2008-February/155591.html)
我喜欢Emacs ESS组合.我喜欢将命令行中的行,函数,区域和缓冲区发送到命令行进行评估,而无需使用鼠标.
但是,我注意到Eval FunctionEmacs 中的命令比简单运行慢得多source("fns.R"),其中fns.R包含我想要评估的函数的文件在哪里.
为什么会这样？
我现在使用Graphlab工作.安装这个程序后,我可以运行Collaborative filtering算法.现在我尝试在Python中使用Graphlab.我已经找到了这个出色的工具包.我的问题是,有没有人知道python实现中的Collaborative Filtering？我找不到这个工具,似乎我没有为Python实现...
先感谢您.
我有以下设置:
emp <- structure(list(s = structure(c(1L, 2L, 2L, 2L, 7L, 7L, 3L, 4L, 4L, 4L, 4L, 8L, 8L, 8L, 9L, 9L, 9L, 9L, 10L, 5L, 5L, 6L), .Label = c("8", "24", "31", "78", "135", "142", "30", "98", "117", "123"), class = "factor", scores = structure(c(1, 2, 14, 3, 5, 17, 18, 20, 11, 13), .Dim = 10L, .Dimnames = list(c("8", "24", "30", "31", "78", "98", "117", "123", "135", "142")))), t = structure(c(6L, 1L, 2L, 4L, 7L, 9L, 3L, 1L, 2L, …