broom

    1热度

    3回答

    我想修改IP在两个文件中更改IP:文件1的 内容有这一行:的 AS400=127.0.0.1 目录文件2有这line: AS400=127.0.0.1 下面的bash脚本会问我AS400的IP地址,此时只修改一个文件: #!/bin/bash # Modify props file - file1.props echo " Please answer the following

    0热度

    1回答

    我正在制作一个使用GPS的追踪器应用程序,在该应用程序中,它将收集用户的当前位置并将其发送到服务器。整个过程将以每隔15分钟的间隔在后台运行。我已经能够得到它的工作。现在,真正的问题是我想向GPS发出特定数量的尝试请求,例如5次尝试。如果在此期间它不提​​供用户的位置,那么我想切换到NETWORK PROVIDER用于用户的大致位置。我曾使用定时器来定位请求。但是,如果GPS信号在特定的尝试次数后

    0热度

    1回答

    我试图在嵌套数据框as described here内运行回归。为了达到我的目的,我使用lfe包中的felm,因为我有很多级别的固定效果。 如果我使用felm而不是lm重新进行上述链接中的示例,它在大多数情况下都可以使用,直到我尝试使用broom::augment。 library(tidyverse) library(broom) library(gapminder) library(lf

    11热度

    2回答

    在我的具体情况中,我有两种需要检索和分页的“消息”。 让我们忽略的细节,只是说,第一种是在一个名为MSG1模式,另一种是所谓消息2 这两款车型的领域是完全不同的,这是共同的唯一领域两个模型是“日期”和“标题”(当然,id)。 我可以得到Msg1.objects.all()和Msg2.objects.all(),但我可以将这两个查询组合成一个查询,按日期排序,并分页? 我需要保留查询的惰性。 琐碎的

    3热度

    2回答

    我有两个数据帧: src_tbl <- structure(list(Sample_name = c("S1", "S2", "S1", "S2", "S1", "S2"), crt = c(0.079, 0.082, 0.079, 0.082, 0.079, 0.082), sr = c(0.592, 0.549, 0.592, 0.549, 0.592, 0.549), condition

    0热度

    1回答

    我试图创建整洁的数据,我试图从外地名称 #Example: data(mtcars) library(broom) #Adding some new character variables mtcars1 <- mtcars mtcars1$has_leter_yn <- ifelse(grepl("[[:digit:]]" , rownames(mtcars

    0热度

    1回答

    我有以下的载体: foo <- c(1.376, 1.132, 0.828, 0.88, 1.124, 0.955, 1.292, 0.995, 1.207, 1.076, 1.085, 1.061, 0.918, 1.097, 1.505, 1.141, 1.001, 0.927, 1.339, 1.07, 1.332, 0.951, 0.969, 0.904, 0.89, 0.942, 1

    0热度

    2回答

    比方说,我们有一个数据框,其中包含一组3个因变量和6个由分组变量标记的独立变量。与下面的示例代码生成此格式的一个例子: library(tidyverse) library(broom) n <- 15 df <- data.frame(groupingvar= sample(letters[1:2], size = n, replace = TRUE), y1 = rno

    0热度

    2回答

    我想知道如何整理如下: 首先,我经过选择的列到tibble有三列:应变(=分组因子) PARAMS(参数名称)和值(实际值) sel <- t_tcellact %>% select(strain, contains("nbr_")) %>% gather(params, values, nbr_DP:nbr_CD3p) 然后我执行多个pairwise.t.test(): test2 <- s

    0热度

    1回答

    我目前有以下R代码,它使用broom包在不同的子集上运行具有不同预测变量的多个回归模型,并返回整理的输出。 library(dplyr) library(purrr) library(broom) cars <- mtcars preds<-c("disp", "drat", "wt") model_fits <- map_df(preds, function(pred) {