robertspierre's questions

采取以下 MWE：

df <- data.frame(a=c(TRUE, TRUE, FALSE), b=c(FALSE, TRUE, FALSE))
myvars <- c("a","b")

目的是构建一个当和为 TRUE 之一或两者为 TRUE 时c按行排序为 TRUE 的列。ab

要求使用的变量列表由向量字符保存myvars。

和

df %>% mutate(c=if_any(myvars))

我得到：

! Using an external vector in selections was deprecated in tidyselect 1.1.0.
ℹ Please use `all_of()` or `any_of()` instead.
  # Was:
  data %>% select(myvars)

  # Now:
  data %>% select(all_of(myvars))

See <https://tidyselect.r-lib.org/reference/faq-external-vector.html>.

鉴于此，我必须这样做：

df %>% mutate(c=if_any(any_of(myvars)))
df %>% mutate(c=if_any(all_of(myvars)))

但我不明白这两者之间的区别。

if_any应该意味着any_of。

两者有何区别？

考虑以下数据库：

from sqlalchemy import String, select, create_engine
from sqlalchemy.orm import DeclarativeBase, Mapped, mapped_column, Session

class Base(DeclarativeBase):
    pass

class User(Base):
    __tablename__ = "user_account"
    name: Mapped[str] = mapped_column(String(30))
    surname: Mapped[str] = mapped_column(String(30))
    def __repr__(self):
        return f"User(name={self.name!r}, surname={self.surname!r})"

engine = create_engine("sqlite+pysqlite:///test3.sqlite3", echo=True)

Base.metadata.create_all(engine)

with Session(engine) as session:
    user1 = User(
        name="Mario",
        surname="Rossi"
    )
    user2 = User(
        name="Mario",
        surname="Bianchi",
    )
    user3 = User(
        name="Giovanni",
        surname="Bianchi",
    )
    session.add_all([user1, user2, user3])
    session.commit()

现在假设我有一个想要查找的用户列表：

users = [("Mario", "Rossi"), ("Giovanni", "Bianchi")]

然后我会运行：

names = [name for name, _ in users]
surnames = [surname for _, surname in users]
with Session(engine) as session:
    stmt = select(User).where(User.name.in_(names)).where(User.surname.in_(surnames))
    print(session.execute(stmt).scalars().all())

返回：

[User(name='Mario', surname='Rossi'), User(name='Mario', surname='Bianchi'), User(name='Giovanni', surname='Bianchi')]

但“Mario Bianchi”不在我的输入用户列表中。

我如何连接 IN 语句以便仅选择成对对应关系？

也就是说，如果我有varA in (el1, el2) AND varB IN (el3, el4)，我不想选择带有varA==el1 AND varB==el4

考虑以下 MWE：

url <- 'https://vincentarelbundock.github.io/Rdatasets/csv/palmerpenguins/penguins.csv'
dat <- read.csv(url)

# rescale mm -> cm
dat$bill_length_cm <- dat$bill_length_mm / 10
dat$flipper_length_cm <- dat$flipper_length_mm / 10

mod <- lm(bill_length_cm ~ flipper_length_cm + species, data = dat)

modelplot(mod)

导致

我不知道如何获得股票行情线...我尝试了stroke、size e 等各种组合，但没有成功。

编辑：

在 ggplot 中执行此操作的方法是使用linewidth参数：

modelplot(mod, draw=FALSE) %>% 
  ggplot(dt, aes(x=term, ymin=estimate-std.error, ymax=estimate+std.error, y=estimate)) +
  geom_pointrange(linewidth=10)

modelplot 应该将关键字参数传递给 geom_pointrange。如示例中所写：

通过...省略号将参数传递给“geom_pointrange”。

但是，下面的操作不起作用：

modelplot(mod, linewidth=100)

我不明白为什么datasummary_correlation要删除前导零。

以下是一个例子：

library(correlation)
library(modelsummary)
library(tidyverse)

fun <- function(x) {
  out <- x |>
    correlation() |>
    summary(redundant = TRUE) |>
    format(digits=2)  |>
    as.matrix()
  row.names(out) <- out[, 1]
  out <- out[, 2:ncol(out)]
  lt <- upper.tri(out)
  out[lt] <- ""
  diag(out) <- rep("1.00", nrow(out))
  return(out)
}

datasummary_correlation(
  mtcars %>% select(mpg, cyl, disp),
  method = fun)

这导致：

例如，对于 mpg 和 cyl 之间的相关性，我想要显示-0.85***，而不是-.85***。

fun似乎返回了格式正确的表格，因此其中的某些内容datasummary_correlation一定是删除了前导零。

在以下模型中，我似乎无法用不同的颜色为不同模型的线条着色：

library(modelsummary)

url <- 'https://vincentarelbundock.github.io/Rdatasets/csv/palmerpenguins/penguins.csv'
dat <- read.csv(url)

# rescale mm -> cm
dat$bill_length_cm <- dat$bill_length_mm / 10
dat$flipper_length_cm <- dat$flipper_length_mm / 10
models <- list(
  "Small model" = lm(bill_length_cm ~ flipper_length_cm, data = dat),
  "Medium model" = lm(bill_length_cm ~ flipper_length_cm + body_mass_g, data = dat),
  "Large model" = lm(bill_length_cm ~ flipper_length_cm + body_mass_g + species, data = dat))

modelplot(models, facet = TRUE)

结果是

我尝试过

scale_fill_brewer(palette = "Set1", name = "term")

但似乎不起作用

考虑以下代码：

> df <- tibble(gender=c(1,1,0))
> df$male
Warning: Unknown or uninitialised column: `male`.
NULL

如何将这种特定的警告类型转换为错误？

我想要类似的东西options(warn = 2)，但仅限于这种特定类型的警告（即引用不存在的 tibble 中的列）

请考虑以下示例：

id <- rep(seq(1,10), each=5)
year <- rep(seq(2021, 2025), times=10)
df <- data.frame(id=id, year=year)
df[["weight"]] <- rnorm(nrow(df), 100, 10)
df[["height"]] <- 2*df$weight+rnorm(nrow(df), 0, 5)
df[["count"]] <- rpois(nrow(df), df$height+rnorm(nrow(df), 0, 5))
mod <- fixest::fepois(count ~ height | id, df)
modelsummary::modelsummary(mod, title="This is my title")

我想要表格顶部的标题：

我正在尝试使用从partyfacts读取以下 CSV 文件readr。

导入出了问题，其实没有问题。

download.file("https://partyfacts.herokuapp.com/download/external-parties-csv/", "partyfacts-external-parties.csv")
df <- readr::read_csv("partyfacts-external-parties.csv", show_col_types = FALSE)

警告：一个或多个解析问题，请调用problems()您的数据框获取详细信息，

例如：

dat <- 轰隆隆（...）

问题（dat）

让我们看看我们有什么：

nrow(problems(df))

86

problems(df)[1,]

# A tibble：1 × 5 行 col 预期实际文件
<int> <int> <chr> <chr> <chr>
35519 15 17 列 15 列 /home/raffaele/Downloads/external-parties.csv

但实际上并没有任何问题。

第 35519 行是：

BIH,elecglob,292,SNSD,独立社会民主党联盟,独立社会民主党联盟,1998,2014,19.1,2006,,,2019-02-08 19:26:26.193233+00:00,2021-03-12 10:15:38.362019+00:00,30450,292,2019-02-08 19:26:26.296626+00:00

它正确包含 17 列，而不是 15 列。

其余 84 个问题属于相同性质（读取的列数少于预期）且适用类似的推理（源文件中的列数是正确的）。

编辑：我报告的行文本是从文本编辑器中获取的。显然行号与我从 R 中获取的不一样。

为什么：

data.frame(a=c(TRUE,NA)) %>% mutate(a=replace_na(FALSE))

返回

      a
1 FALSE
2 FALSE

那么将整列设置为值而不是仅仅 NA 元素？

在这种情况下，mutate应该调用的“向量”版本replace_na，也就是说，它应该等同于：

> df <- data.frame(a=c(TRUE,NA))
> df$a <- replace_na(df$a, FALSE)

文档中replace_na(data, replace)说：

如果数据是向量，则 replace 会采用单个值。该单个值将替换向量中所有缺失的值。replace 将转换为数据的类型。

顺便提一下，与这个问题无关，

data.frame(a=c(TRUE,NA)) %>% replace_na(list("a"=FALSE))

按预期工作。

假设这里写着我可以传递{{colname}}给mutate，其中colname是一个包含列名的变量，我无法弄清楚为什么这段代码不起作用：

testdf <- data.frame(a=c("Hello", "Hi", "Howy"))
varname <- "a"
testdf %>% mutate(b=nchar({{varname}}))

它返回字母中的字符数a：

      a b
1 Hello 1
2    Hi 1
3  Howy 1

当第一列的名称保存到变量中时，如何计算一列中的字符数并将值分配给另一列？

请考虑以下示例：

library(gtsummary)

tbl_regression(lm(mpg~cyl*disp,mtcars))

其结果是：

我可以将交互项的字符改为类似•而不是 吗*？如果可以，该怎么做？

我不喜欢星号，我更喜欢点。

从一个数据框开始indf，colname作为它的一列，我想构建另一个outdf有两列的数据框：第一列称为colname，包含 的唯一值indf$colname，而第二列称为n，包含 中的重复项数indf$colname（包括原始值，因此sum(duplicated())+1）。

colname应动态指定。

经过一些研究和反复试验后，看起来这样做的方法是：

indf <- data.frame(a=c("A","A","B"), b=c(1,2,3))
colname = "a"
outdf <- indf %>%
  group_by(across(all_of(colname))) %>%
  mutate(n = n()) %>%
  select(!!colname, n)

我想知道为什么group_by需要across(all_of(colname))处理动态定义的列名，而select我必须取消引用!!。

如果我使用across(all_of())我select会收到此错误：

Error in `select()`:
ℹ In argument: `across(all_of(colname))`.
Caused by error in `across()`:
! Must only be used inside data-masking verbs like `mutate()`,
  `filter()`, and `group_by()`.

如果我使用!!它group_by，则会创建一个名为"a"（包括双引号）的新列。

编辑：

!!里面arrange也不起作用。

# This doesn't work
outdf %>%
  arrange(desc(!!colname))

相反，你需要across(all_of())：

outdf %>%
  arrange(desc(across(all_of(colname))))