小编Mik*_*gan的帖子

我正在尝试Rcpp在我的 M1 Mac 上使用 R 中需要的软件包，但在购买这台计算机后我一直无法启动并运行它。我将其更新到蒙特利，希望这能解决一些安装问题，但事实并非如此。我尝试从此页面Rcpp运行检查，但出现以下错误：

> Rcpp::sourceCpp("~/github/helloworld.cpp")\n

ld: warning: directory not found for option \'-L/opt/R/arm64/gfortran/lib/gcc/aarch64-apple-darwin20.2.0/11.0.0\'\nld: warning: directory not found for option \'-L/opt/R/arm64/gfortran/lib\'\nld: library not found for -lgfortran\nclang: error: linker command failed with exit code 1 (use -v to see invocation)\nmake: *** [sourceCpp_4.so] Error 1\nclang++ -arch arm64 -std=gnu++14 -I"/Library/Frameworks/R.framework/Resources/include" -DNDEBUG -I../inst/include   -I"/Library/Frameworks/R.framework/Versions/4.1-arm64/Resources/library/Rcpp/include" -I"/Library/Frameworks/R.framework/Versions/4.1-arm64/Resources/library/RcppArmadillo/include" -I"/Users/afredston/github" -I/opt/R/arm64/include   -fPIC  -falign-functions=64 -Wall -g -O2  -c helloworld.cpp -o helloworld.o\nclang++ -arch arm64 -std=gnu++14 -dynamiclib -Wl,-headerpad_max_install_names -undefined dynamic_lookup -single_module -multiply_defined …

我所在的组织拥有许多内部 R 包，这些包都是多年前编写的。这些文件存储为.zip在 R 3.x 下的 Windows 上构建的存档。它们无法在不重新构建的情况下加载到 Linux 或 macOS 或 R 4.y 下。不幸的是，我无权访问包源。他们输给了时间……

我想获取这些二进制文件，提取源代码，并根据当前的最佳实践（版本控制、roxygen2、testthat等）重新打包它。最好的方法是什么？

我已经通过以下方式解决了其中一个二进制文件：

1. 手动将加载的命名空间中的对象（导出和内部函数、数据集等）的源代码复制到新.R文件。
2. 手动将 Roxygen 块添加到.R文件中，以便重现浏览器中显示的帮助页面。

我部分陷入（1），因为某些功能是 S4 通用的。dput(<name>)给出new("standardGeneric", ...)而不是简单的function定义。否则，这个过程相当简单，但非常耗时。

有没有办法以编程方式从 R 包二进制文件“反向工程”源文件，同时正确处理 S4 通用函数、类和方法？

在这个问题得到解决之前，组织中的每个人都将停留在 R 3.6 上。

我目前没有可用的移动设备，但需要切换到 GitHub 的 2FA。

我目前知道的唯一方法是购买 Skype 电话号码并将其用于 SMS 身份验证。但这需要花钱，而且存在我不小心让订阅失效的风险。

是否有不需要移动设备或有效电话号码的免费身份验证方法？

我根本不是 R 专家，并且收到此错误：

初始化时出错（...）：尝试使用零长度变量名调用：%>% ... filter.data.frame -> filter_rows -> -> 初始化 -> .Call

通过日志，我将其范围缩小到这行代码：

qb_stats_all <- subset(qb_stats_all, select = -c(num)) %>% filter(player != 'Player')

这是之前的完整代码：

library(dplyr)
library(htmltab)
    
# Set earliest quarterback draft year
beginning_qb_year <- 1985

# Set most recent quarterback draft year
ending_qb_year <- 2020

# Scrape NFL quarterback career data
url_start <- paste0('https://www.pro-football-reference.com/play-index/psl_finder.cgi?request=1&match=combined&year_min=', beginning_qb_year, '&year_max=2020&season_start=1&season_end=-1&pos%5B%5D=qb&draft_year_min=1936&draft_year_max=2020&draft_slot_min=1&draft_slot_max=500&draft_pick_in_round=pick_overall&conference=any&draft_pos%5B%5D=qb&draft_pos%5B%5D=rb&draft_pos%5B%5D=wr&draft_pos%5B%5D=te&draft_pos%5B%5D=e&draft_pos%5B%5D=t&draft_pos%5B%5D=g&draft_pos%5B%5D=c&draft_pos%5B%5D=ol&draft_pos%5B%5D=dt&draft_pos%5B%5D=de&draft_pos%5B%5D=dl&draft_pos%5B%5D=ilb&draft_pos%5B%5D=olb&draft_pos%5B%5D=lb&draft_pos%5B%5D=cb&draft_pos%5B%5D=s&draft_pos%5B%5D=db&draft_pos%5B%5D=k&draft_pos%5B%5D=p&c5val=1.0&order_by=pass_att&offset=')

offset_seq <- seq(0, 500, 100)
qb_stats_all <- data.frame()

for (url_end in offset_seq) {
  
  print(paste0('Scraping from QB #', url_end, '!'))
  url <- paste0(url_start, url_end) …

我有一个有点复杂的数据结构（嵌套列表）y，定义为：

x <- list(
  list(1, "a", 2, "b", 0.1),
  list(3, "c", 4, "d", 0.2),
  list(5, "e", 6, "f", 0.3)
)
y <- rep(list(x), 10)

我还有一个数据框df，定义为：

df <- data.frame(
  x1 = c( 0.33, 1.67, -0.62, -0.56,  0.17, 0.73,  0.59,  0.56, -0.22, 1.49),
  x2 = c(-0.82, 1.22,  0.65,  0.54, -2.26, 1.21, -0.44, -0.92, -0.56, 0.50),
  x3 = c(-0.16, 0.49, -0.82, -0.71,  0.13, 1.22,  1.23, -0.01, -1.11, 0.97)
)

其中列名并不重要。

我想将所有和替换y[[i]][[j]][[5]]为。我的 Python/Julia 大脑在循环中工作得最好，因此我通过循环，然后循环 的元素（每个 的副本）来完成此操作，如下所示：df[[i, j]] …

假设我有一个代表函数名称的“symbol”类型的对象。例如：

nm <- quote(mean)

我想构造一个函数f，其主体使用由符号 命名的函数nm。例如：

f <- function(x, do = c("something", "nothing")) {
  switch(match.arg(do), something = mean(x), nothing = x)
}

我想以相同的方式构造这个函数，这意味着我不会满意以下方法：

factory <- function(name) {
  func <- match.fun(name)
  function(x, do = c("something", "nothing")) {
    switch(match.arg(do), something = func(x), nothing = x)
  }
}
g <- factory(nm)

因为身体g不是body(f)，环境g也不是environment(f)。

我考虑过的一种方法是bquote：

h <- eval(bquote({
  function(x, do = c("something", "nothing")) {
    switch(match.arg(do), …

我发现 R 代码中最昂贵的部分是以下sapply调用：

L <- 2000
score <- sample(1:3, L, replace = TRUE)
d <- c(0, -1, 0.5)
sapply(1:L, function(i) sum(d[1:score[i]]))

d该调用获取从索引 1 到索引 的向量的总和score[i]，循环遍历变量中的每个元素score。挑战在于该代码作为优化例程的一部分进行评估并运行很多很多次。

我正在尝试以矢量化方式执行相同的计算，但有点困难。我想我可以创建一个这样的矩阵：

d.mat <- matrix(rep(d, L), nrow = L, byrow = TRUE)

然后以某种方式计算rowSums(d.mat)从第 1 列到score[i]row 中的列i。有谁知道有一种方法可以在不循环的情况下做到这一点？sapply我想，如果可能的话，考虑到rowSums以下基准中的相对速度，这将比 快得多：

library(microbenchmark)
microbenchmark(sapply(1:L, function(i) sum(d[1:score[i]])), 
               rowSums(d.mat),
               times = 100)

或者也许有人看到了更好的第三种选择。

我正在制作一个数据操作包，它在幕后使用了一些其他库。假设我的数据总是有一个类"custom"，并且我有一个custom_select()选择某些列的函数。

我希望我的包具有很少的依赖项，但也具有与dplyr. 由于多个dplyr函数是泛型，因此我可以对不同的输入类型使用相同的函数名称。在我的情况下，我可以创建一个方法select.custom()，以便用户可以传递一个data.frame或一个custom对象select()，并且两者都可以工作。

现在根据我的理解，这需要放入，dplyr因为Imports我需要访问它的select()泛型。我想避免这样做，因为我想限制硬依赖项的数量。

我想到的场景是：

\n
• 无论如何，用户已经加载dplyr，然后他们可以使用select()类的数据custom，它应该可以工作
\n
• 用户没有dplyr安装/加载，我不想强​​迫他们拥有它，所以他们可以使用该功能custom_select()。
\n

理想情况下，我想把它放进dplyr去Suggests，这样它就不是绝对必要的，但如果用户有的话它会添加一些东西。

例子

custom.R：

#\' @export\n#\' @importFrom dplyr select\ncustom_select <- function(data, select) {\n  print("Hello, world!")\n}\n\n#\' @export\nselect.custom <- custom_select\n

NAMESPACE：

# Generated by …

dir()并list.files()列出 R 版本 4.2.3 中的所有文件名，但不列出 R 版本 4.3.2 中的所有文件名。

R版本4.2.3

R版本4.3.2

chebpol包已存档在 CRAN 上，因此我正在寻找 chebpol::ipol(..., method = "polyharmonic").

我正在尝试在四维、规则、均匀网格上插入（和推断）一个函数，但缺少一些点。上面提到的chebpol::ipol函数非常适合：

known <- data.table::data.table(
  a = c(1, 1, 1, 1, 2, 2, 2, 2),
  b = c(1, 1, 2, 2, 1, 1, 2, 2),
  c = c(1, 1, 2, 3, 2, 2, 3, 4),
  d = c(1, 2, 3, 4, 1, 2, 3, 4)
)
known[, score := a + b + c + d] # example values

f <- chebpol::ipol(
  val = known[, score], 
  knots = t(as.matrix(known[, …

我有一个非常复杂的文件夹组织，这是它的简化版本。

       |--Folder0 --- Folder0.1
       |
home---|--Folder1 --- Folder1.1 --- Folder1.2
       |
       |--Folder2 --- Folder2.1

我想列出第二级文件夹（Folder0.1、Folder1.1、Folder2.1）中的所有 .xlsx 文件。

非常感谢任何帮助。

请不要想当然地认为文件夹的名称。只是为了简单起见，我这样称呼它们。他们的名字是随机的。

我正在尝试使用参数为 1 的指数分布生成 1000 个数字。

将种子值设置为 1 后，我尝试了rexp(1000, 1)和replicate(1000, rexp(1, 1))，但是得到的两个向量的中位数不同。

我预计这两个表达式生成的向量是相同的，因为它们都是从相同种子值下的相同指数分布中采样的。

rexp(1000, 1)和 和有什么区别replicate(1000, rexp(1, 1))？在实践中我应该使用哪个？

这是我尝试过的代码：

> options(digits = 2)  
> set.seed(1)
> 
> a <- rexp(1000, 1)   
> b <- replicate(1000, rexp(1, 1))
> 
> median(a)   
[1] 0.73   
> median(b)   
[1] 0.68