broom相关内容
我经常喜欢拟合并检查与R数据框中的两个变量相关的多个模型。 我可以使用以下语法来做到这一点: require(tidyverse) require(扫帚) 模型
..
我正在尝试以整洁的方式引导由多个变量分组的双变量相关性。到目前为止,我已经得到: paks
..
全部。我想使用 dplyr和/或扫帚包 并同时测试多个变量从相关矩阵中获取p值。我知道其他方法,但是dplyr对我来说似乎更容易,更直观。另外,dplyr将需要关联每个变量以获得特定的p值,这使得该过程更加轻松快捷。 我检查了其他链接,但没有检查解决此问题(示例1 ,示例2 ,示例3 ) 当我使用此代码时,将报告相关系数。但是,P值不是。 agreg_base_tipo_a%>
..
我正在使用栅格数据包中的getData函数来检索阿根廷地图。我想使用ggplot2绘制结果图,所以我要使用扫帚包中的整齐函数将其转换为数据框。效果很好,但是我不知道如何保留联邦区的名称,以便可以在地图上使用它们。 这是我的原始代码不保留地区名称的地方: #原始代码:############## ################### #从GADM.org获取地图数据,然后将其简化
..
我试图在黄土配合上使用增量,但收到以下错误: data.frame中的错误(...,check.names = FALSE): 参数表示行数不同:32,11 在错误消息中,11个恰好等于一个段中的观察数,而32是观察总数。代码如下。 require(扫帚) require(dplyr) #此示例使用lm方法,并且可以进行 回归%grou
..
这与 再次考虑这个简单示例 库(dplyr) 库(purrr) 库(扫帚) 库(zoo) 库(lubridate) mydata = data_frame ('group'= c('a','a','a','a','b','b','b','b'), 'y'= c( 1,2,3,4,2,3,4,5), 'x'= c(2,4,6,8,6,9,12,15), '日期'= c(ymd('2
..
我正在使用dplyr和扫帚组合(如下所示)并遵循拟合多个回归dplyr 的模型来按组提取回归的回归系数。但是-我也对每个回归的R2值感兴趣(不仅对于整个模型)。我尝试使用增强和扫视功能-但无法提取R2值。是否有捷径可寻? 非常感谢! 库(dplyr) 库(扫帚) df.h =数据。 frame( hour = factor(rep(1:24,each = 21)), pric
..
我正在寻找可以解决这个难题的Tidyverse /扫帚解决方案: 假设我有不同的DV 和特定”集,我想进行回归分析,考虑每个DV和该特定IV的集合。 我知道我可以在自己的家庭中使用类似的东西,也可以申请家庭,但我真的想使用 tidyverse 来运行它。 以下代码作为示例 ds
..
我目前有以下 R 代码,这些代码在不同的子集上运行具有不同预测变量的多个回归模型,并使用 broom 软件包。 库(dplyr) 图书馆(purrr) 图书馆(扫帚) 汽车< ;-mtcars preds
..
我有以下代码: x< ;-c( 0.367141764080875、0.250037975705769、0.167204185003365、0.299794433447383, 0.366885973041269、0.300453205296379、0.333686861081341、0.33301168850398, 0.400142004893329、0.3994336773
..
tidytext本书中的示例带有主题模型的修饰符: 库(tidyverse) 库(tidytext) 库(topicmodels) 库(扫帚) year_word_counts
..
请考虑以下数据/示例。每个数据集包含多个样本,这些样本具有一个观测值和一个估计值: 库(tidyverse) 库(扫帚) 数据= read.table(文本=' 数据集sample_id观测值估计值 A A1 4.8 4.7 A A2 4.3 4.5 A A3 3.1 2.9 A A4 2.1 2 AA5 1.1 1 B B1 4.5 4.3 B B2 3.9
..
对于数据... 库(产品线) 库(ggmosaic) 对于代码... 库(tidyverse) 库(扫帚) 我正在尝试创建整洁的chisq.test输出,以便我可以轻松过滤或可视化p值。 我使用的是“ happy”数据集(上面列出的两个软件包均随附) 在此示例中,如果我想将“ happy”变量作为所有其他变量的条件,则将隔离类别
..
好的,我挥舞着白旗。 我正在尝试在数据集中计算黄土回归。 我希望黄土计算出一组不同的点,将其绘制为每组的平滑线。 问题在于黄土计算正在转义 dplyr :: group_by 函数,因此黄土回归是在整个数据集上计算的。 Internet搜索使我相信,这是因为 dplyr :: group_by 并不是要这样工作。 我只是不知道如何按组进行这项工作。 以下是我尝试
..
关于R中的滚动回归有很多问题,但是我在这里专门寻找使用 dplyr ,扫帚和(如果需要) purrr 。 这就是使这个问题与众不同的原因。我想保持 tidyverse 的一致性。是否可以使用整洁的工具(例如 purrr:map 和 dplyr )进行适当的运行回归? 请考虑以下简单示例: library(dplyr) 库(purrr) 库(broom) 库(zoo) 库(lub
..
我正在尝试向具有包含lm模型的列表列的数据框添加一列预测。我采用了这篇文章中的一些代码。 I在这里做了一个玩具示例: 库(dplyr) 库(purrr) 库(tidyr ) 库(broom) set.seed(1234) exampleTable
..
我想在R中的plot_ly()周围写一个自定义函数。这样,我可以制作一系列具有相同格式和样式的散点图,但不会重复代码。 我用这页作为指南。代码重现错误: pre $ library $($) my_plot
..
我想使用R中的lme4包将数据集中的每个变量作为单变量模型运行。我想使用dplyr / tidyr包准备数据,并使用扫帚包来组织每个模型的结果(即do(glance ...),我会非常感谢在这个框架内的帮助,我在R中并不是很棒,但是能够生成一个抛出错误的数据集,并且具有与我使用的数据: 库(lme4) 库(dplyr) 库(tidyr) 库(扫帚) 鸟
..
我想在mtcars数据集中将gpm(加仑/英里= 1 / mpg)的模型拟合为wt。这很容易: 数据(mtcars) 库(dplyr) 库(tidyr) 库(扫帚) 库(ggplot2) 库(scale) mtcars2% mutate(gpm = 1 / mpg)%>% group_by(cyl,am) lm1 mtcars2%>% do
..
我有一个问题,了解如何正确使用 dplyr bootstrap 功能。 我想要的是从两个随机分配的组生成一个引导分发,并计算平均值的差异,例如: p> 库(dplyr) 库(扫帚) 数据(mtcars) mtcars%>% mutate(treat = sample(c(0,1),32,replace = T))%>% group_by(treat)%>% summary
..