小编pau*_*n32的帖子

我有这个旧的“无代码源”问题的新变体。

Coverage.py 中的“无代码源”消息

这是我看到的错误：

$ coverage report
No source for code: '/home/pauljohn/GIT/projects/ml_grb/grb/packages/grb/tests/C:\Users\G33987\.conda\envs\grb\lib\site-packages\grb\review\review.py'.
Aborting report output, consider using -i.

我在 Linux 中，与 Windows 队友“G33987”一起在 Git 存储库中工作。如您所见，我当前的工作目录是/home/pauljohn/GIT/projects/ml_grb/grb/packages/grb/tests，我使用的虚拟环境位于 ~/venv-grb 中。请注意，超级奇怪的事情是，它正在我的测试文件夹中查找一个文件，其中附加了队友安装的“grb”包文件夹的完整路径，“C:\Users\G33987.conda...”

我可以添加“-i”标志来忽略问题，但我想理解并修复。

.coverage在有关coverage.py 的此问题的其他帖子中，该问题与测试文件夹中旧副本的存在或*.pyc文件的存在有关。我检查过，我们的 Git 存储库没有跟踪任何pyc文件。然而，它错误地跟踪了原始.coverage文件。但我们不再跟踪它，并且我在运行之间手动删除了它。

到目前为止，我有这个工作流程

1. coverage erase
2. find . -name "*.pyc" -exec rm {} \;
3. coverage run --source=grb -m pytest .
4. coverage report

我可以运行coverage report -i忽略问题，并且输出确实会给出有关我自己的虚拟环境中的文件的逐行报告。但我对忽略错误感到厌恶。对队友虚拟环境的引用从何而来？我没有使用 conda 虚拟环境，而是纯 Python 虚拟环境。

Python 3.8.5
coverage 5.5
pytest 6.2.2
py 1.10.0
pluggy 0.13.1

在R-devel列表中，Martin Maechler发布了有关因子重复水平的消息

“与非唯一（重复）水平的因素已经自2009年以来弃用-被更多现在已经过时......” 2016年6月4日，

它指出，在计划于2017年4月发布的R 3.4中，重复的级别将导致错误，而不仅仅是警告。

我不知道为什么水平功能不会引起类似的警告？在这里，我以两种方式将前三个级别组合为“ a”，一种已弃用。

例

> x <- c("a", "b", "c", "d")
> xf <- factor(x, levels = c("a", "b", "c", "d"), 
    labels = c("a", "a", "a", "d"))
Warning message:
In `levels<-`(`*tmp*`, value = if (nl == nL) 
    as.character(labels) else paste0(labels,  :
    duplicated levels in factors are deprecated
> xf <- factor(x)
> levels(xf) <- c("a", "a", "a", "d")
> xf
[1] a a a d
Levels: a d

我想理解为什么R与前者对待后者的区别。

这是记录的级别行为，我没有利用未声明的元素。在？levels中，有一个示例允许重复的级别。我将其粘贴以保存您的查找。

## combine some …

这个问题被搁置了,因为它太笼统了.我正在修改更具体.

我帮助的其中一个人决定将模拟练习扩大到很大的比例.通常我们做的事情将有100个条件,每个条件1000次运行,结果可以"轻松"适合单个文件或数据框.我们使用SAS,R或Mplus来做这种事情.这个是在R中.当我听说项目因缺乏记忆而失败时,我应该看到麻烦.我们看到,有时使用贝叶斯模型,将内存链中的所有结果保持得过于苛刻.这些情况下的修复方法是将批量迭代保存在单独的文件中.在没有注意细节的情况下,我建议他们在模拟过程中在磁盘上写下较小的文件.

后来,我意识到我的错误的严重性.他们生成了48,000个输出CSV文件,每个文件有1000行和大约80列实数.这些都是用CSV文件写出来的,因为研究人员对他们可以看到的数据感到满意.再次,当他们问我如何分析时,我没有注意.我在想小数据,并告诉他们使用shell脚本堆叠csv文件.结果是40 + GB csv文件.R不能希望在我们这里的电脑上打开它.

我相信/希望分析永远不需要在一个回归模型中使用所有40GB的数据:)我希望他们更有可能想要总结较小的段.通常的练习有3到5列模拟参数,然后是10列分析结果.在这个项目中,结果更加庞大,因为它们有10列参数,所有混合和匹配组合使项目扩展.

我认为最好的计划是将数据存储在类似"数据库"的结构中.我希望你告诉我采取哪种方法.

1. MySQL的？不再开放了,我不太热心.

2. PostgreSQL的？似乎越来越流行,之前没有管理过服务器.

3. SQLITE3？这里的一些管理员为我们提供了以这种格式进行分析的数据,但我们从未收到任何大于1.5GB的数据.

4. HDF5(也许是netCDF？)过去(比如说2005年)这些专门的科学风格容器数据库类格式会运行良好.但是,自从我开始帮助社会科学学生以来,我没有听说过这些.当R开始时,我们正在使用HDF5,我的一个朋友写了原始的R代码来与HDF5进行交互.

我的首要任务是快速数据检索.我想如果其中一位技术人员可以学习检索矩形块,我们可以向研究人员展示如何做同样的事情.

在用户建议之后，我正在修改问题，以更狭窄地关注“为什么我不能从 shell 脚本运行 conda 命令”的问题。

我的默认 conda 环境名为“py37”。Shell 启动，我可以停用：

(py37) pauljohn@delllap-16:Desktop$ conda deactivate
pauljohn@delllap-16:Desktop$

我想创建一个具有短名称的 shell 脚本来完成相同的工作。我尝试了几种变体，例如一个名为“noconda.sh”的文件：

$ cat noconda.sh
#!/bin/bash

eval "conda deactivate"   

显然，这是一个失败：

 pauljohn@delllap-16:bin$ noconda.sh

CommandNotFoundError: Your shell has not been properly configured to use 'conda deactivate'.
To initialize your shell, run

    $ conda init <SHELL_NAME>

Currently supported shells are:
  - bash
  - fish
  - tcsh
  - xonsh
  - zsh
  - powershell

See 'conda init --help' for more information and options.

IMPORTANT: You may need to close and …

我有一个名为的新 R 包stationery，它包含有关如何使用 LaTeX 和 Markdown 文档以及自定义模板的信息。

当我在 Ubuntu Linux 中构建软件包时，后续检查基本上是成功的，但我对下面看到的小插图索引警告感到困惑。我实际上有一个小插图index.html文件：

$ R CMD check --as-cran stationery_0.92.tar.gz\n* using log directory \xe2\x80\x98/tmp/stationery.Rcheck\xe2\x80\x99\n* using R version 3.5.1 (2018-07-02)\n* using platform: x86_64-pc-linux-gnu (64-bit)\n* using session charset: UTF-8\n* using option \xe2\x80\x98--as-cran\xe2\x80\x99\n* checking for file \xe2\x80\x98stationery/DESCRIPTION\xe2\x80\x99 ... OK\n* checking extension type ... Package\n* this is package \xe2\x80\x98stationery\xe2\x80\x99 version \xe2\x80\x980.92\xe2\x80\x99\n* checking CRAN incoming feasibility ... NOTE\nMaintainer: \xe2\x80\x98Paul Johnson <pauljohn@ku.edu>\xe2\x80\x99\n\nNew submission\n\nPackage has a VignetteBuilder field but no prebuilt vignette index.\n* checking …

对于数据集中的每个学生,可能已经收集了一组特定的分数.我们想要计算每个学生的平均值,但只使用与该学生密切相关的列中的分数.

计算中所需的列对于每行是不同的.我已经想过如何使用常用工具在R中编写这个,但我试图用data.table重写,部分是为了好玩,但也部分是为了预期这个小项目的成功,这可能导致需要进行计算很多很多行.

这是一个"为每行问题选择特定列集"的小工作示例.

set.seed(123234)
## Suppose these are 10 students in various grades
dat <- data.frame(id = 1:10, grade = rep(3:7, by = 2),
              A = sample(c(1:5, 9), 10,  replace = TRUE),
              B = sample(c(1:5, 9), 10, replace = TRUE),
              C = sample(c(1:5, 9), 10, replace = TRUE),
              D = sample(c(1:5, 9), 10, replace = TRUE))
## 9 is a marker for missing value, there might also be
## NAs in real data, and those are supposed to be regarded …

我有一个输出正确渲染的html代码的函数，但是将其封装在带有'results =“ asis”`的markdown文档R代码块中会失败。我将问题追溯到HTML代码中的空格。我喜欢空格，因为它们使读取原始HTML文件更加容易。如果您可以考虑安装我的R软件包“ rockchalk”，则可以运行此程序并看到相同的内容。

我展示了问题是由以下MRE中HTML中的空格引起的（标记被视为代码的标记）。我得到的输出没有任何其他样式表魔术就可以使用：http : //pj.freefaculty.org/scraps/mre.html

向下滚动，您会看到表格已损坏，但是在筛选出多余的空格后，表格将按预期显示。

在您看来，这仅仅是我的用户错误，即依赖HTML代码中的空格，还是R markdown中“ asis”的错误。

---
title: "Guide Documents"
author:
 - name: Paul Johnson
   affiliation: Center for Research Methods and Data Analysis, University of Kansas

abstract:
    Author, please REMEMBER TO INCLUDE AN ABSTRACT BEFORE FINALIZING THIS DOCUMENT!
date: "`r format(Sys.time(), '%Y %B %d')`"
output:
  html_document:
    highlight: haddock
---

```{r setup, include = FALSE}
##This Invisible Chunk is required in all CRMDA documents
outdir <- paste0("tmpout")
if (!file.exists(outdir)) dir.create(outdir, recursive = TRUE)
knitr::opts_chunk$set(echo = …

我正在使用反向引用来摆脱变量名称向量中的意外重复.我遇到的第一种情况下的名字有这样的重复模式

x <- c("gender_gender-1", "county_county-2", "country_country-1997",
       "country_country-1993")

重复总是用下划线分开,只有一个重复消除.它们总是从文本的开头开始.检查正则表达式食谱,2ed后,我得到了一个有效的答案:

> gsub("^(.*?)_\\1", "\\1", x)
[1] "gender-1"     "county-2"     "country-1997" "country-1993"

我担心将来的情况可能会有破折号或空格作为分隔符,所以我想稍微概括一下匹配.我也得到了解决方案.

> x <- c("gender_gender-1", "county-county-2", "country country-1997",
+       "country,country-1993")
> gsub("^(.*?)[,_\ -]\\1", "\\1", x)
[1] "gender-1"     "county-2"     "country-1997" "country-1993"

到目前为止,总胜利.

现在,如果在某些情况下有三次重复,那么正确的修复是什么？在这一个中,我希望"国家 - 国家 - 国家"成为一个"国家".

> x <- c("gender_gender-1", "county-county-county-2")
> gsub("^(.*?)[,_\ -]\\1", "\\1", x)
[1] "gender-1"        "county-county-2"   

我愿意用"_"替换所有的分隔符,如果这样可以更容易地删除重复的单词.

我们在 gitlab 中有一个启用了 git-lfs 的存储库，它工作得很好。它很好地分离了 pdf、电影和其他我们不想进行版本管理的内容。

出现用户错误，有人在未启用 git-lfs 支持的系统上克隆存储库。那个人将一个 pdf 文件添加到 git 并推送回服务器。

然后另一个用户在有 git-lfs 的系统上获取该分支，并尝试检查它：

   $ git checkout pj-guide_47_mac_R_setup
   Switched to branch 'pj-guide_47_mac_R_setup'
   Your branch is behind 'origin/pj-guide_47_mac_R_setup' by 14 commits, and can be fast-forwarded.
    (use "git pull" to update your local branch)
    Encountered 1 file(s) that should have been pointers, but weren't:
        47.mac_R_setup/47.mac_R_setup-slides.pdf 

正确配置 git-lfs 来修复该 pdf 文件的系统上最直接的路线是什么？根据https://github.com/git-lfs/git-lfs/issues/1726，有 git lfs merge import 与 git-lfs 2.3.0 一起发布的用法，但我无法理解如何使用它。