小编hem*_*ema的帖子

在以下示例中,从原始数据计算Mean和se并在barplot中绘制.我想做同样的事情,但不是使用barplot我想使用连接点.所以,如果有人能告诉我如何,我将非常感激...谢谢

例:

     data(ToothGrowth)

     ToothGrowth$F3 <- letters[1:2]
     # coerce dose to a factor
     ToothGrowth$dose <- factor(ToothGrowth$dose, levels = c(0.5,1,2))
     # facetting on the third factor
     ggplot(ToothGrowth, aes(y = len, x = supp )) + 
     stat_summary(fun.y = 'mean', fun.ymin = function(x) 0, geom = 'bar', 
     aes(fill =dose), position = 'dodge') +
     stat_summary(fun.ymin = function(x) mean(x) - sd(x), 
           fun.ymax = function(x) mean(x) + sd(x), position ='dodge', 
           geom = 'errorbar', aes(group = dose))+
    facet_wrap(~F3)   

我试图了解如何使用R并行化我的一些代码.因此,在下面的示例中,我想使用k-means使用2,3,4,5,6中心对数据进行聚类,同时使用20次迭代.这是代码:

library(parallel)
library(BLR)

data(wheat)

parallel.function <- function(i) {
    kmeans( X[1:100,100], centers=?? , nstart=i )
}

out <- mclapply( c(5, 5, 5, 5), FUN=parallel.function )

我们如何同时并行迭代和中心？如何跟踪输出,假设我想保留所有,迭代和中心的k-means的所有输出,只是为了学习如何？

以下是我使用foreach包尝试做的事情.我有600行和58000列的数据集,有很多缺失值.

我们需要使用名为"missForest"的包来计算缺失值,其中它不是并行的,需要花费很多时间来立即运行这些数据.所以,我想把数据分成7个数据集(我有7个核心),行数(行数)和col(标记)数不同.然后使用%dopar%将数据集并行传递给missForest？

我不知道如何将数据划分为更小的数据集,并将这些数据集传递给missForest,然后重新组合输出!

如果你能告诉我怎么样,我会非常感激吗？

这是一个小例子,形式BLR包,演示了我的问题:

library(BLR)
library(missForest)
data(wheat)
X2<- prodNA(X, 0.1)
dim(X2)                 ## i need to divide X2 to several 7 data frames (ii)

X3<- missForest(X2)

X3$Ximp  ## combine ii data frames

在以下示例中,我想删除任何带有"."的行.在行名称中

data<-matrix(nrow=10,ncol=3,1)
 rownames(data)<-c("A.1","B.2",LETTERS[3:10])

我试过这样的grep:

data[( grepl(".", rownames(data))), ]

但是,我认为这里缺少一些东西.我将不胜感激任何帮助谢谢

在以下示例中，我尝试使用missForest 来估算缺失值。为了加快我使用 foreach 包的过程。其中我使用了 100 棵树，然后我将这些树传递给了 MissForest 函数。这是并行missForest的正确方法吗？

这是示例和我所做的：

   library(foreach)
   library(missForest)
   data(iris)
   iris.na <- iris
   set.seed(111)

   ## artificially drop some data values.

   for (i in 1:4) iris.na[sample(150, sample(20)), i] <- NA
    set.seed(222)

     system.time(rf <- foreach(ntree=100, .combine=combine, 
    .multicombine=TRUE,.packages='missForest') %dopar% 
    { missForest(iris.na)$ximp})