小编HCA*_*CAI的帖子

我有1000个5x5矩阵(Xm),如下所示:

每个$(x_ij)m $是从分布中得出的点估计.我想计算cov每个$ x {ij} $ 的协方差,其中i = 1..n,并且j = 1..n在红色箭头的方向上.

例如,$ X_m $的方差是`var(X,0,3),它给出了5x5的方差矩阵.我能以同样的方式计算协方差吗？

尝试回答

到目前为止我已经这样做了:

for m=1:1000
Xm_new(m,:)=reshape(Xm(:,:,m)',25,1);
end

cov(Xm_new)
spy(Xm_new) gives me this unusual looking sparse matrix:

我有5列数值数据(Equipment,Hyiene.items等)和1列分类数据(A或D).我想制作一个按类别分组的数字数据的分组箱图,但我找不到方法:

 head(sc)
  Equipment Hygiene.items Patient Near.bed Far.bed Care
1         0             0       1        5       1    D
2         1             4       1        2       0    D
3         3             1       1        2       0    D
4         0             2       2        3       1    A
5         1             2       1        5       2    A
6         1             2       1        1       1    A

boxplot(sc~sc$Care)看起来最合适的方式对吗？我喜欢ggplot2,但看起来我不能这样做:

ggplot(sc, aes(y=sc)) + 
  geom_boxplot(aes(fill=Care))

编辑:我喜欢的外观:

我认为我所追求的是像我在Matlab(很久以前)制作的那样:

或者这里的第四张图:Plotly

到目前为止我所拥有的:

library(ggplot2)
library(RColorBrewer)

ggplot(melt_A,aes(x=Care,y=value,fill=Care))+geom_boxplot(ylim=c(1,6,1))+facet_grid(~variable)+
labs(x = "Care", y = "Surface contacts",color="Care" )+
  scale_y_continuous(limits = c(-0, 6))+
  scale_fill_brewer(palette="Purples")+
  theme_bw()+
  theme(strip.background=element_rect(fill="black"))+
  theme(strip.text=element_text(color="white", …

我有 5 个变量A、V、h、l和b，它们都来自不同的分布。我想通过拉丁超立方体采样的方法从每个分布中制作 1,000 个均匀分布的样本。这是一个现实的要求，即它真的比简单的随机抽样更好吗？你有任何关于我如何在 matlab 中做到这一点的参考吗？此页面表明我需要以某种方式转换样本...

我想从 MU、MG、PU、PG 中进行 70 次无替换采样以创建矩阵（ncol=4，nrow=70），例如

sample(c("MU","MG","PU","PG"), 4,F)
sample(c("MU","MG","PU","PG"), 4,F)
sample(c("MU","MG","PU","PG"), 4,F)
sample(c("MU","MG","PU","PG"), 4,F)
sample(c("MU","MG","PU","PG"), 4,F)
#etc

到目前为止我有：matrix(sample(c("MU","MG","PU","PG"), 70*4,F), nrow = 70, byrow = TRUE) 这是不正确的，因为行可能不仅仅有 MU、MG、PU、PG 的每个实例。我可以用 for 循环或更简单的东西来做到这一点吗？

我对一些数据进行了黄土回归并绘制了它.问题是我想将黑线和浅红线(见图)导出到excel中.可能吗？

澄清:

我想从黄土回归而不是图表中导出基础数据.

用于计算的代码:

ggplot(data, aes(x=bigangle, y=meanz, colour=treatment)) + 
  geom_point(data=df, aes(y = X2/median(df$X2), x=X8),color="red",alpha=.6) +
  geom_smooth(data=df, aes(y = X2/median(df$X2),x=X8),fill="red", colour="black", size=1,alpha=0.4)+
  geom_point(position=position_dodge(0.1),aes(shape=treatment),   # Shape depends on cond
             size = 4,colour="black",fill="black") 

我有一个包含柱状数字和字符串（磁盘上 13GB）的 *.csv 文件，我将其导入到新的 duckdb（或 sqlite）数据库中并将其保存，以便稍后可以在 R 中访问它。但是重新连接会重复它并且非常慢，这是错误的吗？

在 R 内部，我正在执行以下操作：

library(duckdb)
library(dplyr)
library(DBI)

#Create the DB
con <- dbConnect(duckdb::duckdb(), "FINAL_data.duckdb")

#Read in the csv
duckdb_read_csv(con, "data", "FINAL_data_new.csv") 

然后我关闭 R 并重新启动它以查看它是否有效：

#这非常慢（大约10分钟），因为它看起来像是在某个地方再次写入数据库。但为什么？

con <- dbConnect(duckdb::duckdb(), "FINAL_data.duckdb")

注意。我添加了 sqlite 作为标签，因为我认为这不是 duckdb 所特有的

我想像这篇文章一样在彼此之上绘制两个图表在彼此之上绘制两个图表。

实验数据：我有一个连续变量，在名为 的列表中显示给定日期的风角expt$iso_xs[,8]，然后我在 中具有与该角度相对应的风速expt$iso_xs[,2]。

df<-data.frame(expt$iso.xs)\n\nhead(expt$iso.xs)\n         [,1]     [,2]     [,3]      [,4]      [,5] [,6] [,7]   [,8]\n 736105.4 16.62729 2.183740  7.234774 0.9791632 4.01 4.20 238.62\n 736105.4 18.96705 2.489668  7.036234 0.9640366 3.82 4.00 243.14\n 736105.5 20.52089 2.687636 10.355394 1.3698454 4.99 5.14 247.02\n 736105.5 19.94449 2.611556 10.306912 1.3655301 4.85 5.12 249.57\n 736105.5 19.43309 2.551787 11.098302 1.4646251 4.83 5.12 243.89\n 736105.5 20.48259 2.689075 11.928011 1.5710530 4.89 5.09 254.23\n

看起来像这样：\n

模拟数据：我有一个 data.frame z，其中包含上述角度的子集 (0-90\xc2\xba) 的预测。 …

我有一堆变量称为length_act_iwhere

i=1:6

我想按顺序调用每一个作为for循环的一部分,但这不起作用:

for i=1:6
    I={['length_act_',num2str(i)]};
    subplot(3,2,i)
    [f x]=hist(I,1:2:5);
    bar(x,f./trapz(x,f),'barwidth',0.5,'r');
end

最有效的方法是什么？

问候,