小编Stu*_*olf的帖子

我试图理解“glmnet”包。但我还有一些问题。1. 上面的数字（31, 31, 31.... 3, 2, 2, 2）是什么意思 2. 垂直的虚线是什么？为什么选择两条线？3. 为什么会呈现曲线图案？

library(glmnet)
data(MultinomialExample)
cvfit=cv.glmnet(x, y, family="multinomial", type.multinomial = "grouped")
plot(cvfit)

并且，下面是 cvfit(结果) 的绘图

谢谢

我想按数据框中定义的特定组对树状图的分​​支进行着色。

library(reshape2)
library(factoextra) # clustering visualization 
library(dendextend)
#iris dataset
#defining colors
colori = rep(NA, length=length(iris$Species))
colori[which(iris$Species=="setosa")] = "red"
colori[which(iris$Species=="versicolor")] = "blue"
colori[which(iris$Species=="virginica")] = "yellow"

iris_dist <- dist(iris[ ,1:4],)
hc1_iris <- hclust(iris_dist,method = "average")
col_dendro_iris <- color_branches(as.dendrogram(hc1_iris),groupLabels =T, clusters = iris$Species,col=colori)

col_dendro_iris_plot <- plot(col_dendro_iris,main = "Dendrogram of normalized BLS\ncolored by manmade groups",labels = NULL,xlab = NULL)

这只会把树枝染成红色。为什么？我该如何解决这个问题

编辑：当我这样做时它有效

pca_iris <- PCA(iris[ ,1:4])
colori = rep(NA, length=length(iris$Species))
colori[which(iris$Species=="versicolor")] = "red"
colori[which(iris$Species=="virginica")] = "yellow"
colori[which(iris$Species=="setosa")] = "blue"
# species <- iris$Species
iris_gr <- …

设置y=[0.7,0.2,0.1,0.05]和x=[1,2,3,4]，如何在 seaborn 中创建条形图/条形图，其中高度由 iey中给出的标签指定x，第一个条形的高度为 0.7，第二个条形的高度为 0.2 等，就像matplotlib

plt.bar(x=[1,2,3,4],height=y)

对于我的关于电晕跟踪应用程序的论文，我有以下查找 df （在其上使用了 pd.melt）：

    CTQ-tool    opinion
0   Information and awareness purposes  unacceptable
1   Information and awareness purposes  unacceptable
2   Information and awareness purposes  acceptable
3   Information and awareness purposes  acceptable
4   Information and awareness purposes  unacceptable
... ... ...
2827    Central/Local data storage  NaN
2828    Central/Local data storage  NaN
2829    Central/Local data storage  NaN
2830    Central/Local data storage  NaN
2831    Central/Local data storage  NaN
2832 rows × 2 columns

我正在使用 Seaborn 库制作以下猫图：

代码：

g = sns.catplot("opinion", col="CTQ-tool", col_wrap=4, data=df_original_small, kind="count", …

我正在 R Studio 中生成一系列图，只有数据源在它们之间发生变化。我不想手动编辑每个标题，而是自动将绘图标题指定为数据源的名称（矩阵）。不过，我正在努力将逻辑流程概念化。过于简化的代码示例：

a<-matrix(1:10, ncol = 10,nrow=10)
b<-matrix(10:20,ncol=10,nrow=10)
plot(a) 
   mtext(side=3, "a") #I'm using mtext instead of main because the plotting function I use doesn't support 'main'
plot(b)
   mtext(side=3, "b")

所以在这个例子中，我希望第一个情节的主标题是“a”，第二个是“b”；但是，现在的编写方式我需要手动调整mtext(side=3,"X". 我想让 mtext 语句读取矩阵名称并使用它。我承认，这有点超出我的能力范围。任何帮助表示赞赏！

由于缺少源数据，我的实际代码将无法重现，但根据评论中的要求，代码如下：

source<-n20DO1 #source data used to generate comm
comm<-bn20DO1  #actual data being used, this is the one with the title

Low<-count(source$DObin==1)[2,2]
Low<-if(is.na(Low)) {Low <- 0} else {count(source$DObin==1)[2,2]}
Mod<-count(source$DObin==2)[2,2]
Mod<-if(is.na(Mod)) {Mod <- 0} else {count(source$DObin==2)[2,2]}
High<-count(source$DObin==3)[2,2]
High<-if(is.na(High)) {High <- 0} else {count(source$DObin==3)[2,2]}
LMH <- matrix(c(Low, …

你好，我的问题如下，在新的Visual Studio代码更新中，对于Ubuntu Linux，工具栏（附图）我们可以看到它是白色的，想知道是否可以将其更改为黑色之前的更新，以及它是如何完成的？... 谢谢

我有一个包含 61 行（用户）和 26 列的数据集，我在其中应用 k 均值和其他算法进行聚类。在对数据集进行归一化后，首先将 KMeans 应用于数据集。作为之前的任务，我在对这些数据进行归一化并识别出 10 个簇后对其运行 k 均值。与此同时，我还尝试可视化这些集群，这就是我使用 PCA 来减少特征数量的原因。

我编写了以下代码：

UserID  Communication_dur   Lifestyle_dur   Music & Audio_dur   Others_dur  Personnalisation_dur    Phone_and_SMS_dur   Photography_dur Productivity_dur    Social_Media_dur    System_tools_dur    ... Music & Audio_Freq  Others_Freq Personnalisation_Freq   Phone_and_SMS_Freq  Photography_Freq    Productivity_Freq   Social_Media_Freq   System_tools_Freq   Video players & Editors_Freq    Weather_Freq
1   63  219 9   10  99  42  36  30  76  20  ... 2   1   11  5   3   3   9   1   4   8
2   9   0   0   6   78  0   32  4   15  3   ... 0 …

我是一名生物化学家，作为非专业人士使用 R，现在遇到了问题。我有一个数据框，我想比较我的不同治疗组和阳性对照与中等对照。我想要使​​用的统计检验是方差分析，然后是 Dunnetts 检验。我为此使用了multcomp- 和- 包，我用这段代码到达了那里DescTools

Particle <- factor(c("Medium", "PosCon", "Trt1", "Trt2", "Trt3", "Medium", "PosCon", "Trt1", "Trt2", "Trt3", "Medium", "PosCon", "Trt1", "Trt2", "Trt3"))\nValues <- c(1.0, 263.0, 3.1, 1.2, 0.9, 1.0, 244.0, 2.4, 1.6, 1.1, 1.0, 255.0, 3.8, 2.0, 0.8)\n\nmyDataframe <- data.frame(Particle, Values)\n\nstr(myDataframe)\n\na1 <- aov(Values ~ Particle, data= myDataframe) \nsummary(a1)\n\n#Output\n#            Df Sum Sq Mean Sq F value   Pr(>F)    \n#Particle     4 152832   38208    2084 1.48e-14 ***\n#Residuals   10    183      18                     \n#---\n#Signif. codes:  0 \xe2\x80\x98***\xe2\x80\x99 0.001 \xe2\x80\x98**\xe2\x80\x99 0.01 \xe2\x80\x98*\xe2\x80\x99 0.05 …

我对这个情节有两个问题。我想让条形更宽（组之间的间距更小）并且我希望每组条形都以每个 x 因子值为中心。

我在 y 轴上有一个连续变量，在 x 轴上有一个因子值。每个因素我有三组。

以下是我的 Iris 数据问题示例：

d <- iris

ggplot(d) +
geom_col(aes(x=as.factor(Sepal.Length), y=Petal.Width, fill=as.factor(Species)),position = position_dodge(preserve = "single"), width=1) + 
  theme(axis.text.x = element_text(angle = 90).