Questions tagged «r»

我有一个数据框架，如下所示： df <- data.frame("id" = c(111,111,111,222,222,222,222,333,333,333,333), "Location" = c("A","B","A","A","C","B","A","B","A","A","A"), "Encounter" = c(1,2,3,1,2,3,4,1,2,3,4)) id Location Encounter 1 111 A 1 2 111 B 2 3 111 A 3 4 222 A 1 5 222 C 2 6 222 B 3 7 222 A 4 8 333 B 1 9 333 A …

9 r  dataframe  dplyr  duplicates 

问题 动态创建ui元素（shiny.tag，，shiny.tag.list...）时，我经常发现很难将其与代码逻辑分开，并且通常最终会产生混乱的嵌套嵌套tags$div(...)，并与循环和条件语句混合在一起。尽管令人讨厌且难看，但它也容易出错，例如，在对html模板进行更改时。 可复制的例子 假设我具有以下数据结构： my_data <- list( container_a = list( color = "orange", height = 100, content = list( vec_a = c(type = "p", value = "impeach"), vec_b = c(type = "h1", value = "orange") ) ), container_b = list( color = "yellow", height = 50, content = list( vec_a …

9 r  shiny  templating  htmltools 

我正在尝试比较不同统计数据的不同NBA新秀，并且我认为如果可以像r / dataisbeautiful图中那样在图的末尾添加球员的面孔，该图将看起来很棒。我的代码当前是这样的： a3 %>% ggplot(aes(x = reorder(Player, PPM), y = PPM)) + geom_bar(stat = "identity", aes(fill = Player)) + geom_text(aes(label = PPM), size = 3, position = position_dodge(width = 1), hjust = -0.1) + coord_flip() + theme_minimal() + xlab("Player") + ylab("Points Per Minute") + theme(legend.position = "none") 这是我的图形当前的样子

9 r  image  ggplot2 

如何有效地对向量中每个字符串的字符进行排序？例如，给定一个字符串向量： set.seed(1) strings <- c(do.call(paste0, replicate(4, sample(LETTERS, 10000, TRUE), FALSE)), do.call(paste0, replicate(3, sample(LETTERS, 10000, TRUE), FALSE)), do.call(paste0, replicate(2, sample(LETTERS, 10000, TRUE), FALSE))) 我编写了一个函数，该函数将每个字符串拆分为一个向量，对向量进行排序，然后折叠输出： sort_cat <- function(strings){ tmp <- strsplit(strings, split="") tmp <- lapply(tmp, sort) tmp <- lapply(tmp, paste0, collapse = "") tmp <- unlist(tmp) return(tmp) } sorted_strings <- sort_cat(strings) 但是，我需要将其应用到的字符串向量很长，并且此功能太慢。有没有人对如何提高性能有任何建议？

9 r  string  performance  sorting 

我有一个较长的数据集，其中的列分别代表开始和结束时间，如果行与另一行重叠且具有较高的优先级（例如1为最高优先级），我想删除一行。我的示例数据是 library(tidyverse) library(lubridate) times_df <- tibble(start = as_datetime(c("2019-10-05 14:05:25", "2019-10-05 17:30:20", "2019-10-05 17:37:00", "2019-10-06 04:43:55", "2019-10-06 04:53:45")), stop = as_datetime(c("2019-10-05 14:19:20", "2019-10-05 17:45:15", "2019-10-05 17:50:45", "2019-10-06 04:59:00", "2019-10-06 05:07:10")), priority = c(5,3,4,3,4)) 我想出的方法是通过找到具有较高优先级值的重叠，然后使用anti_join从原始数据帧中将其删除来向后攻击该问题。如果三个时间段重叠相同的时间点，那么此代码将无法正常工作，而且我敢肯定，有一种更高效，更实用的方法可以执行此操作。 dropOverlaps <- function(df) { drops <- df %>% filter(stop > lead(start) | lag(stop) > start) %>% mutate(group …

9 r  dplyr