以下代码使用Hmisc,ddply和ggplot生成带有标准误差条的条形图:
means_se <- ddply(mtcars,.(cyl),
function(df) smean.sdl(df$qsec,mult=sqrt(length(df$qsec))^-1))
colnames(means_se) <- c("cyl","mean","lower","upper")
ggplot(means_se,aes(cyl,mean,ymax=upper,ymin=lower,group=1)) +
geom_bar(stat="identity") +
geom_errorbar()
但是,使用诸如mean_sdl之类的辅助函数实现上述功能似乎要好得多.例如,以下代码生成具有95%CI错误条的图:
ggplot(mtcars, aes(cyl, qsec)) +
stat_summary(fun.y = mean, geom = "bar") +
stat_summary(fun.data = mean_sdl, geom = "errorbar")
我的问题是如何使用stat_summary实现标准误差条.问题是要计算SE,你需要每个条件的观测数量,这必须在mean_sdl的乘数中访问.
如何在ggplot中访问此信息？对此有一个简洁的非hacky解决方案吗？
在我看过的许多使用中,使用了诸如mean之类的聚合函数.
如果你只想重塑而不丢失信息怎么样？例如,如果我想采用这种长格式:
ID condition Value
John a 2
John a 3
John b 4
John b 5
John a 6
John a 2
John b 1
John b 4
对于这种宽格式而没有任何聚合:
ID a b
John 2 4
John 3 5
Alex 6 1
Alex 2 4
我认为这是假设观察结果是对的,你错过了价值会搞砸了,但任何见解都会受到赞赏
为了方便起见,当我使用cross_val_score的嵌套交叉验证时,我想知道GridSearch的结果.
使用cross_val_score时,您会得到一系列分数.接收拟合的估计器或该估计器的所选参数的摘要将是有用的.
我知道你可以自己做,但只是手动实现交叉验证,但如果它可以与cross_val_score一起完成则更方便.
有什么方法可以做或者这是一个建议的功能？
如何根据实际索引值屏蔽数组？
也就是说,如果我有一个10 x 10 x 30的矩阵,我想在第一个和第二个索引相等时屏蔽数组.
例如,[1, 1 , :] 应该屏蔽,因为1和1相等,但[1, 2, :]不应该,因为它们不相同.
我只是问第三个维度,因为它类似于我当前的问题,可能会使事情复杂化.但我的主要问题是,如何根据索引的值掩盖数组？