denis's questions

Pesquisei bastante, mas não consegui encontrar uma solução que atenda a todos esses objetivos de uma só vez:

• Tenho centenas de arquivos RData localizados em diferentes subpastas.
• Em cada um desses arquivos RData, tenho um único objeto data.frame e outros objetos de caracteres. O objeto data.frame sempre tem 48 colunas, mas o número de linhas pode variar (várias centenas de milhares).

Gostaria de poder importar apenas os data.frames para uma lista (ou seja, sem os outros objetos de caracteres nem os outros formatos), selecionando apenas as colunas 3, 4, 5 e 6, e então vinculá-los a um novo objeto único no ambiente (ou seja, não mais em uma lista).
Pergunta opcional: dado o grande número e tamanho dos data.frames, não seria melhor convertê-los em data.tables primeiro?

Obrigado pela ajuda.

Desculpe, mas dada a complexidade do caso, não vejo como fornecer um exemplo concreto para testar.

Como inserir uma nova linha toda vez que houver uma quebra na rownumeração das colunas, enquanto preenche as outras colunas com NA?

Dados iniciais:

x <- c("a","a","a","a","a","a","a","a","a","b","b","b","b","b","b","b")
y <- c(1,1,2,4,4,4,7,7,11,1,3,3,3,6,6,8)
dat0 <- data.frame(x,y)  

>dat0
   x  y
1  a  1
2  a  1
3  a  2
4  a  4
5  a  4
6  a  4
7  a  7
8  a  7
9  a 11
10 b  1
11 b  3
12 b  3
13 b  3
14 b  6
15 b  6
16 b  8  

Saída desejada:

> dat1
      x  y
1     a  1
2     a  1
3     a  2
4  <NA>  3
5     a  4
6     a  4
7     a  4
8  <NA>  5
9  <NA>  6
10    a  7
11    a  7
12 <NA>  8
13 <NA>  9
14 <NA> 10
15    a 11
16    b  1
17 <NA>  2
18    b  3
19    b  3
20    b  3
21 <NA>  4
22 <NA>  5
23    b  6
24    b  6
25 <NA>  7
26    b  8  

Obrigado pela ajuda

Provavelmente já respondido, mas estou com dificuldade para encontrar a resposta para esta pergunta: Em uma nova coluna 'new_text', como preencher um texto fornecido com outro texto fornecido, e assim por diante...

No exemplo abaixo, como preencher 'Potter' com 'Wisley' e depois 'Wisley' com 'Granger', etc...?

A ideia é aplicar a solução proposta a dataframes de milhares de linhas (obtidos com pdftools::pdf_data) selecionando uma sequência de palavras específicas para preencher dessa maneira.

Obrigado pela ajuda.

> dat0
      text new_text
1   Potter   Potter
2     hj7d   Potter
3    kl8ep   Potter
4      f3d   Potter
5   rtyzs2   Potter
6   Wisley   Wisley
7     lq6s   Wisley
8      2fg   Wisley
9  Granger  Granger
10    r8ka  Granger
11      h9  Granger
12   qm9ne  Granger  

Dados:

dat0 <-
structure(list(text = c("Potter", "hj7d", "kl8ep", "f3d", "rtyzs2", 
"Wisley", "lq6s", "2fg", "Granger", "r8ka", "h9", "qm9ne"), new_text = c("Potter", 
"Potter", "Potter", "Potter", "Potter", "Wisley", "Wisley", "Wisley", 
"Granger", "Granger", "Granger", "Granger")), class = "data.frame", row.names = c(NA, 
-12L))

Gostaria de exibir a equação de uma regressão polinomial de 4ª ordem em um ggplot2gráfico.
A lm_equfunção proposta aqui está próxima do meu objetivo, exceto que todos os coeficientes são arredondados com o mesmo número de dígitos, enquanto eu gostaria de poder arredondar cada coeficiente especificamente.
É possível integrar uma lista dos diferentes dígitos de arredondamento na lm_equfunção ou é necessário criar cada coeficiente com seu arredondamento específico?
Obrigado pela ajuda.

Gráfico inicial:

Gráfico desejado:

Dados:

df <-  
structure(list(x0 = c(70.6, 20.85, 136.5, 110.5, 52.65, 95.05, 
99.05, 26.55, 28.7, 37.9, 124.5, 52.35, 113.5, 129.5, 40.25, 
37.25, 125, 215.5, 70.1, 171.5, 56.35, 44.85, 106.5, 110, 102.5, 
64.5, 85.75, 137, 253, 109.5, 146.5, 159.5, 83.85, 160, 215, 
125.5, 94.95, 150.5, 200.5, 111.5, 207.5, 63.35, 63.1, 94.5, 
143.5, 135, 62.65, 55.95, 161.5, 126.5, 49.55, 43.9, 87, 48.8, 
98, 163, 76, 60.5, 97.35, 62, 84, 54.25, 52.65, 54.2, 175.5, 
75.85, 202.5, 97, 181, 98, 33.7, 72.4, 252.5, 156, 46.9, 243, 
136, 127, 175.5, 169.5, 113, 144.5, 94, 96, 40.35, 60.75, 95.5, 
89.75, 48.35, 18.5, 43.8, 113.5, 27.1, 54.85, 65.25, 57.1, 46.05, 
66.75, 23.55, 94.3, 46.85, 60.75, 40.35, 96, 71, 94, 71.8, 60.95, 
62.35, 85.85, 76.3, 146.5, 128.5, 70.65, 96, 60.5, 67.95, 59.6, 
70.15, 70.8, 59.3, 158.5, 114.5, 30.6, 131.5, 64.25, 86.9, 71.1, 
62.85, 102.5, 51.1, 169.5, 47.15, 73.4, 77.35, 73.35, 99.5, 290.5, 
85.25, 108.5, 236, 74.05, 33.25, 97.5, 114.5, 64.2, 38.1, 59.2, 
124, 92, 165, 112, 113, 154.5, 119, 27.7, 113, 68.45, 50, 130, 
72.75, 18.8, 105.5, 141, 124, 139, 351.5, 137, 114.5, 72.75), 
    y0 = c(-7.2, -9.7, -9, -47, -19.3, -0.0999999999999943, -0.0999999999999943, 
    -9.1, -7.4, -9.8, 5, -6.7, -11, -11, -16.5, -12.5, -36, 3, 
    -18.2, -5, -6.7, -21.7, -11, -6, -9, -13, -15.5, 18, 36, 
    -1, -15, 11, -21.7, 26, 14, -19, -7.90000000000001, -5, 19, 
    -5, 17, -16.7, -4.2, -27, -1, 8, 0.700000000000003, -25.9, 
    7, -11, -13.1, -11.8, -30, -19.6, -12, -10, -28, -9, 3.3, 
    -10, -26, -22.5, -11.3, -20.4, -7, 0.299999999999997, -43, 
    -16, 2, -6, -11.4, -16.8, 15, -2, -13.8, 10, -16, -4, 21, 
    -5, -10, -21, -10, -18, -16.7, -11.5, -15, -11.5, -6.7, -7, 
    -13.6, -13, -10.2, -27.7, -6.5, -16.2, -18.1, -27.5, -13.1, 
    -10.6, -17.7, -11.5, -16.7, -18, -16, -10, -5.59999999999999, 
    -17.9, -14.7, -15.7, -16.6, -17, -5, -17.3, -8, -1, 4.09999999999999, 
    -19.2, -6.3, -9.59999999999999, -8.6, -3, 1, -13.2, 3, -14.5, 
    -11.8, 9.8, -23.7, -13, 3.8, 7, -8.3, -16.8, -14.7, -12.7, 
    -7, 3, -16.5, -15, -30, -10.1, -8.5, -11, 3, -10.4, -34.2, 
    -24.4, 8, -16, 20, -6, -20, -1, -4, -13.4, 0, -14.9, -10, 
    -6, 0.5, -1.6, -1, 8, -4, -10, 11, 0, 3, 0.5)), class = "data.frame", row.names = c(NA, 
-170L))  

Código (gráfico inicial):

library(ggplot2)  
library(dplyr)  

    # equation
lm_eqn <- function(df, degree, raw=TRUE){
  m <- lm(y0 ~ poly(x0, degree, raw=raw), df)  # get the fit
  cf <- round(coef(m), 5)  # round the coefficients
  r2 <- round(summary(m)$r.squared, 4)  # round the r.squared
  powers <- paste0("^", seq(length(cf)-1))  # create the powers for the equation
  powers[1] <- ""  # remove the first one as it's redundant (x^1 = x)
  # first check the sign of the coefficient and assign +/- and paste it with
  # the appropriate *italic(x)^power. collapse the list into a string
  pcf <- paste0(ifelse(sign(cf[-1])==1, " + ", " - "), abs(cf[-1]),
                paste0("*italic(x)", powers), collapse = "")
  # paste the rest of the equation together
  eq <- paste0("italic(y) == ", cf[1], pcf, "*','", "~italic(r)^2==", r2)
  eq
}

# plot
ggplot(df, aes(x0, y0)) +
  geom_point() +
  scale_y_continuous(limits = c(-50, 50), expand=c(0,0)) +
  stat_smooth(method = "lm", formula = y ~ poly(x, 4, raw = TRUE), linewidth = 1) +    
  annotate("text", x = 0, y = 45, label = lm_eqn(df, 4, raw = TRUE),
           hjust = 0, family = "Times", parse = TRUE, size = 4.5)

Em uma pasta ( path = "D:/DataLogs/), tenho várias subpastas. Dentro dessas subpastas, gostaria de recuperar todos os csv começando apenas com "QCLog" e mesclá-los ( rbind) em um único data.frame, enquanto crio uma primeira coluna nova incluindo o caminho/nome completo desses csv QCLog.

As duas dificuldades são:

1. Em algumas subpastas, pode haver arquivos csv (começando com QCLog ou não) diretamente acessíveis e outros localizados em vários arquivos zip (exemplos dentro dos retângulos verdes abaixo).
2. Todos os CSVs têm o mesmo número de colunas (n=66) e os mesmos cabeçalhos. No entanto, alguns cabeçalhos contêm acentos ou símbolos, quase todas as segundas colunas (uma em cada duas) têm exatamente o mesmo nome de cabeçalho e algumas colunas estão vazias (sem NAs).

Isso é viável?
Obrigado pela ajuda

Considere o histograma de densidade da depthvariável dos diamondsdados.

dat0 <- ggplot2::diamonds %>% select(depth)

gg0 <- ggplot(dat0, aes(x = depth)) +
  scale_x_continuous(limits = c(30, 90), expand = c(0,0), breaks = seq(30,90,10)) +
  scale_y_continuous(limits = c(0, 20000), expand = c(0,0), trans = modulus_trans(0.3)) +
  geom_histogram(bins = 100)  

gg0

Usando scales::modulus_trans(), é fácil transformar o eixo x para estreitar a escala para a esquerda (gg1) ou para a direita (gg2).

gg1 <- ggplot(dat0, aes(x = depth)) +
  scale_x_continuous(limits = c(30, 90), expand = c(0,0), breaks = seq(30,90,10),
                     trans = modulus_trans(2.8)) +
  scale_y_continuous(limits = c(0, 20000), expand = c(0,0), trans = modulus_trans(0.3)) +
  geom_histogram(bins = 100)

gg2 <- ggplot(dat0, aes(x = depth)) +
  scale_x_continuous(limits = c(30, 90), expand = c(0,0), breaks = seq(30,90,10),
                     trans = modulus_trans(-1)) +
  scale_y_continuous(limits = c(0, 20000), expand = c(0,0), trans = modulus_trans(0.3)) +
  geom_histogram(bins = 100) 

gg1

gg2

Mas como transformar a escala x para apertar em ambos os lados do pico de densidade (localizado em, digamos, depth= 62) enquanto mantém a possibilidade de ajustar p(o expoente de transformação λ da modulus_trans()função) idealmente de forma independente para cada lado? Talvez uma pergunta ingênua, mas seria possível modulus_trans()combinar dois em uma função?trans_new()

Caso contrário, que outro tipo de transformação poderia ser usado para ampliar o pico de densidade mantendo-o em sua posição inicial?

Obrigado pela ajuda e conselho

Certamente já perguntei, mas estou com dificuldade para encontrar uma solução clara que se encaixe no meu caso.

Como deslocar marcações entre boxplots agrupados (em vez de centralizá-los) para definir intervalos de horas?

Dados iniciais:

Saída desejada:

Dados:

dat0 <- 
structure(list(group = c("A", "B", "A", "B", "A", "B", "A", "B", 
"A", "B", "A", "B", "A", "B", "A", "B", "A", "B", "A", "B", "A", 
"B", "A", "B", "A", "B", "A", "B", "A", "B", "A", "B", "A", "B", 
"A", "B", "A", "B", "A", "B", "A", "B", "A", "B", "A", "B", "A", 
"B"), hour = structure(c(1L, 1L, 2L, 2L, 3L, 3L, 4L, 4L, 5L, 
5L, 6L, 6L, 7L, 7L, 8L, 8L, 9L, 9L, 10L, 10L, 11L, 11L, 12L, 
12L, 13L, 13L, 14L, 14L, 15L, 15L, 16L, 16L, 17L, 17L, 18L, 18L, 
19L, 19L, 20L, 20L, 21L, 21L, 22L, 22L, 23L, 23L, 24L, 24L), levels = c("1", 
"2", "3", "4", "5", "6", "7", "8", "9", "10", "11", "12", "13", 
"14", "15", "16", "17", "18", "19", "20", "21", "22", "23", "24"
), class = "factor"), q05 = c(38, 42, 38, 42, 34, 42, 35, 40, 
39, 40, 42, 49, 50, 56, 53, 61, 55, 59, 50, 58, 50, 58, 47, 55, 
46, 54, 48, 54, 48, 50, 46, 50, 46, 49, 44, 46, 44, 48, 41, 45, 
42, 44, 39, 45, 38, 42, 38, 41), q25 = c(48, 55, 47, 53, 44, 
53, 43, 51, 48, 53, 54, 64, 60, 74, 80, 96, 72, 81, 64, 77, 63, 
78, 61, 77, 60, 75, 62, 73, 60, 65, 58, 63, 59, 63, 55, 61, 53, 
61, 51, 55, 51, 59, 47, 58, 46, 54, 46, 53), q50 = c(56, 67, 
55, 66, 50, 65, 51, 63, 58, 65, 68, 84, 71, 94, 122, 135, 93, 
102, 81, 97, 80, 99, 80, 98, 75, 96, 82, 95, 74, 84, 72, 82, 
70, 79, 69, 74, 64, 76, 62, 70, 62, 76, 56, 71, 56, 69, 55, 66
), q75 = c(74, 88, 70, 88, 60, 83, 65, 84, 84, 88, 101, 129, 
93, 125, 167, 184, 131, 139, 117, 126, 111, 134, 112, 132, 124, 
139, 115, 128, 99, 112, 98, 113, 90, 105, 92, 100, 84, 102, 95, 
120, 86, 100, 73, 87, 76, 90, 70, 84), q95 = c(147, 135, 172, 
150, 124, 144, 136, 165, 320, 189, 265, 256, 239, 249, 268, 307, 
215, 262, 201, 215, 200, 216, 201, 233, 225, 237, 176, 233, 193, 
205, 165, 186, 170, 194, 160, 170, 222, 223, 203, 210, 166, 162, 
178, 152, 142, 167, 145, 129)), row.names = c(NA, -48L), class = "data.frame")    

# plot
ggplot(dat0, aes(x = hour)) +
  theme(
    legend.position="top",
    legend.title = element_blank(),
    panel.grid.major = element_blank()
  ) +
  geom_boxplot(
    aes(y = q50,
        fill = factor(group, levels = c('A', 'B')),
        ymin = q05, lower = q25, middle = q50, upper = q75, ymax = q95),
    stat = "identity",
    width = 0.8,
    position = position_dodge2(width = 1)
  )

Obrigado pela ajuda

Tenho duplicatas nas primeiras 3 colunas que gostaria de manter após pivot_widera transposição, mas não em formato de lista.
Como fazer isso?

Dados iniciais com duplicatas:

dat0 <-
structure(list(id = c("P1", "P1", "P1", "P1", "P1", "P1", "P1", 
"P1", "P1", "P1", "P2", "P2", "P2", "P2", "P2", "P2"), analyte = c("A", 
"A", "B", "B", "B", "B", "C", "C", "D", "D", "B", "B", "B", "B", 
"D", "D"), analyzer = c("X", "Y", "X", "Y", "X", "Y", "X", "Y", 
"X", "Y", "X", "Y", "X", "Y", "X", "Y"), result = c(0.7, 0.9, 
1.26, 1.23, 1.24, 1.22, 5.7, 5.3, 4.1, 4.2, 1.22, 1.23, 1.21, 
1.22, 4.4, 4.5)), row.names = c(NA, -16L), class = c("tbl_df", 
"tbl", "data.frame")) 

O que pivot_wider produz após a execução, com a seguinte mensagem:

dat1 <- dat0 %>% 
  pivot_wider(names_from = analyzer, values_from = result)  

Values from `result` are not uniquely identified; output will contain list-cols.
• Use `values_fn = list` to suppress this warning.
• Use `values_fn = {summary_fun}` to summarise duplicates.
• Use the following dplyr code to identify duplicates.
  {data} |>
  dplyr::summarise(n = dplyr::n(), .by = c(id, analyte, analyzer)) |>
  dplyr::filter(n > 1L) 

Saída desejada com duplicatas:

Obrigado pela ajuda

A partir dos seguintes dados agrupados por ide visit, que incluem uma mistura de numérico e texto/caractere values, como criar essas 3 novas colunas:

• count_wotxt: contar por ide visitmas sem considerar valores de texto/caractere
• diff_value_first: calcule a diferença entre cada valor numérico versus o primeiro visitde cada id, ignorando texto/caracterevalues
• diff_value_previous: calcula a diferença entre cada valor numérico em relação ao anterior visitpara cada um id, ignorando texto/caracterevalues

Dados:

dat <-  
structure(list(id = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("1", "2"), class = "factor"), 
    visit = structure(c(1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 
    1L, 1L, 2L, 2L, 2L), .Label = c("1", "2"), class = "factor"), 
    value = c("5", "7", "10", "20", "15", "text0", "25", "text1", 
    "100", "text2", "text3", "120", "text4", "50", "45"), count = c(1L, 
    2L, 3L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 1L, 2L, 3L)), class = "data.frame", row.names = c(NA, 
-15L)) 

Saída desejada:

> dat2
   id visit value count count_wotxt diff_value_first diff_value_previous
1   1     1     5     1           1                0                   0
2   1     1     7     2           2                2                   2
3   1     1    10     3           3                5                   3
4   1     2    20     1           1                0                   0
5   1     2    15     2           2               -5                  -5
6   1     2 text0     3          NA               NA                  NA
7   1     2    25     4           3                5                  10
8   1     2 text1     5          NA               NA                  NA
9   2     1   100     1           1                0                   0
10  2     1 text2     2          NA               NA                  NA
11  2     1 text3     3          NA               NA                  NA
12  2     1   120     4           2               20                  20
13  2     2 text4     1          NA               NA                  NA
14  2     2    50     2           1               NA                   0
15  2     2    45     3           2               NA                  -5 

Obrigado pela ajuda