我想将地理坐标从度数转换为小数,我的数据如下:
lat long
105252 30°25.264 9°01.331
105253 30°39.237 8°10.811
105255 31°37.760 8°06.040
105258 31°41.190 8°06.557
105259 31°41.229 8°06.622
105260 31°38.891 8°06.281
Run Code Online (Sandbox Code Playgroud)
我有这个代码,但我不明白为什么它不起作用:
convert<-function(coord){
tmp1=strsplit(coord,"°")
tmp2=strsplit(tmp1[[1]][2],"\\.")
dec=c(as.numeric(tmp1[[1]][1]),as.numeric(tmp2[[1]]))
return(dec[1]+dec[2]/60+dec[3]/3600)
}
don_convert=don1
for(i in 1:nrow(don1)){don_convert[i,2]=convert(as.character(don1[i,2])); don_convert[i,3]=convert(as.character(don1[i,3]))}
Run Code Online (Sandbox Code Playgroud)
转换函数有效,但我要求循环为我做的工作的代码不起作用.
任何建议都是适当的.
我有以下data.table(DT):
DT <- data.table(V1 = 1:3, V2 = 4:6, V3 = 7:9)
Run Code Online (Sandbox Code Playgroud)
我想通过使用存储相关变量名称的对象以编程方式(动态)选择变量的子集.例如,我想选择存储在变量"keep"中的两列"V1"和"V3"
keep <- c("V1", "V3")
Run Code Online (Sandbox Code Playgroud)
如果我们从data.frame中选择"保留"列,则以下内容将起作用:
DT[keep]
Run Code Online (Sandbox Code Playgroud)
不幸的是,当这是data.table时,这不起作用.我认为data.frame和data.table与这种行为相同,但显然它们不是.有人能提供正确的语法建议吗?
我有一长串的城市名称和国家/地区,我想在地图上绘制它们.为了做到这一点,我需要每个城市的经度和纬度信息.
我的表被调用test并具有以下结构:
Cityname CountryCode
New York US
Hamburg DE
Amsterdam NL
Run Code Online (Sandbox Code Playgroud) 在动物园包中有一个名为rollmean的函数,它可以让你移动平均值.所述rollmean(x,3)将采取先前,当前和下一值(即4,6和2)在下面的表中.这显示在第二列中.
x rollmean ma3
4
6 4.0
2 4.3
5 3.0 4.0
2 6.3 4.3
12 6.0 3.0
4 6.0 6.3
2 6.0
Run Code Online (Sandbox Code Playgroud)
我想完成相同的工作,但是通过平均排除第四行中的前三个值.这显示在第三列中.谁能告诉我有助于实现这一目标的功能名称?
我一直在尝试执行一个简单的测试.R
setwd("C:\Users\jdd\Documents")
test <- 2*6598
filename = "test.csv"
write.csv(test,file=filename)
Run Code Online (Sandbox Code Playgroud)
通过Windows中的以下命令行命令:
"C:\Program Files\R\R-2.15.2\bin\R.exe" CMD BATCH --vanilla --slave "C:\Users\jdd\Documents\test.R"
Run Code Online (Sandbox Code Playgroud)
当我执行此操作时,我收到以下错误:
The system cannot find the path specified.
Run Code Online (Sandbox Code Playgroud)
我一直在尝试根据提供的错误消息找出解决方案,但到目前为止失败了.想知道是否有人可以帮助我,所以我可以直接从命令行执行脚本.谢谢
我有以下R代码
library(forecast)
value <- c(1.2, 1.7, 1.6, 1.2, 1.6, 1.3, 1.5, 1.9, 5.4, 4.2, 5.5, 6, 5.6,
6.2, 6.8, 7.1, 7.1, 5.8, 0, 5.2, 4.6, 3.6, 3, 3.8, 3.1, 3.4,
2, 3.1, 3.2, 1.6, 0.6, 3.3, 4.9, 6.5, 5.3, 3.5, 5.3, 7.2, 7.4,
7.3, 7.2, 4, 6.1, 4.3, 4, 2.4, 0.4, 2.4)
sensor<-ts(value,frequency=24)
fit <- auto.arima(sensor)
LH.pred<-predict(fit,n.ahead=24)
plot(sensor,ylim=c(0,10),xlim=c(0,5),type="o", lwd="1")
lines(LH.pred$pred,col="red",type="o",lwd="1")
grid()
Run Code Online (Sandbox Code Playgroud)
结果图是

但我对预测并不满意.有没有办法让预测看起来与之前的价值趋势相似(见图表)?
我使用 PostgreSQL 10.11 并且希望将以下结构输入 jsonb 字段:
{
lead: {
name: string,
prep: boolean
},
secondary: {
{
name: string,
prep: boolean
},
{
name: string,
prep: boolean
}
}
Run Code Online (Sandbox Code Playgroud)
因此,lead 是一个带有 name 和 prep 的对象, secondary 是一个包含 name 和 prep 的数组。我怎样才能做到这一点?下面的脚本是创建一个带有 jsonb 字段的表:
CREATE TABLE public.test01 (
name JSONB DEFAULT '{}'::jsonb NOT NULL
)
WITH (oids = false);
ALTER TABLE public.test01
ALTER COLUMN id SET STATISTICS 0;
COMMENT ON COLUMN public.test01.name
IS '''[]''';
ALTER TABLE public.test01
OWNER TO postgres;
Run Code Online (Sandbox Code Playgroud)
我正在尝试此插入但出现错误: …
我正在预测大量的时间序列(5,000+).如果我在更高级别进行预测,然后将预测分配到每个SKU,我想使用分层方法执行此操作.我认为有必要这样做,以便放大到较低的地理细节水平,同时在更高的层次(自上而下)进行预测.
例如,下面您将看到我正在考虑的结构示例.
Total
=> Europe
=> Netherlands
=> RegionA
=> Client_A_in_Netherlands
=> SKU1
=> SKU2
=> SKU3
=> Client_Q_in_Netherlands
=> SKU15
=> Germany1
=> (...)
=> ClientY_in_Germany
=> SKU89
=> Africa
=> South Africa
=> (...)
=> Client_Z_in_SouthAfrica
=> SKU792
Run Code Online (Sandbox Code Playgroud)
我想在大陆层面(即欧洲或非洲)层面做自上而下的预测.然后将适当的份额分配给国家/地区,然后分配给该国家/地区的客户,然后分配给SKU.
在'hts'包的文档中,有一个关于如何使用两级层次结构执行此操作的示例.我想知道是否有人可以建议如何使用多级层次结构来做到这一点?
我有一组事件,每个事件都有一个开始和结束日期,但它们发生在几个月的范围内.我想创建一个表格,显示每个月的活动天数.
我有以下示例.
event_start_date <- as.Date("23/10/2012", "%d/%m/%Y")
event_end_date <- as.Date("07/02/2013", "%d/%m/%Y")
Run Code Online (Sandbox Code Playgroud)
我希望得到一个表格如下:
Oct-12 8
Nov-12 30
Dec-12 31
Jan-13 31
Feb-13 7
Run Code Online (Sandbox Code Playgroud)
有没有人知道这样做的聪明而优雅的方法,还是创建一个循环系统唯一可行的方法?
Jochem
有人知道用QlikView加载RData文件吗?我想这样做的原因是我在R中有一个大型数据集,我想用QlikView交互式分析.此外,使用write.csvR中的函数存储数据需要很长时间.
r ×9
forecasting ×2
time-series ×2
command-line ×1
data.table ×1
dataframe ×1
date ×1
gis ×1
hierarchy ×1
intervals ×1
json ×1
jsonb ×1
maps ×1
postgresql ×1
qlikview ×1
regression ×1
rjsonio ×1
sql ×1
sql-insert ×1
zoo ×1