robertspierre's questions

Considere o seguinte MWE:

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

O objetivo é construir uma coluna cque seja VERDADEIRA em cada linha se um ou ambos ae bforem VERDADEIROS.

É necessário que a lista de variáveis ​​a serem usadas seja mantida pelo caractere vetorial myvars.

Com

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

Eu entendo:

! 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>.

Diante disso, tenho que fazer:

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

Mas não entendo a diferença entre os dois.

if_anydeveria implicar any_of.

Qual é a diferença entre os dois?

Considere o seguinte BD:

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()

Agora suponha que eu tenha uma lista de usuários que desejo encontrar:

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

Então eu correria:

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())

que retorna:

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

mas "Mario Bianchi" não estava na lista de usuários de entrada que eu tinha.

Como posso concatenar instruções IN para selecionar apenas correspondência em pares?

Ou seja, se eu tiver varA in (el1, el2) AND varB IN (el3, el4), não quero selecionar entradas comvarA==el1 AND varB==el4

Considere o seguinte 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)

que resultam em

Não consigo descobrir como obter linhas de ticker... Tentei várias combinações de stroke, size etc., mas sem sucesso.

EDITAR:

A maneira de fazer isso no ggplot seria com linewidtho argumento:

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

modelplot deve passar argumentos de palavra-chave para geom_pointrange. Conforme escrito nos exemplos :

passe argumentos para 'geom_pointrange' através das reticências ...

Entretanto, o seguinte não funciona:

modelplot(mod, linewidth=100)

Não entendo por que datasummary_correlation está removendo zeros à esquerda.

Aqui está um exemplo:

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)

O que leva a:

Por exemplo, para a correlação entre mpg e cyl, quero exibir -0.85***, não -.85***.

funparece retornar a tabela formatada corretamente, então algo datasummary_correlationdeve estar removendo os zeros à esquerda.

Não consigo colorir as linhas de modelos diferentes com cores diferentes no seguinte modelo:

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)

o que resulta em

Eu tentei com

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

mas não parece funcionar

Considere o seguinte código:

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

Como posso converter esse tipo de aviso específico em um erro?

Gostaria de algo assim options(warn = 2), mas apenas para esse tipo específico de aviso (ou seja, referindo-se a uma coluna em um tibble que não existe)

Considere o seguinte exemplo:

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")

Quero o título da tabela em cima dela:

Estou tentando ler o seguinte arquivo CSV do partyfacts com readr.

A importação resulta em problemas, mas na realidade não há problemas.

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)

Aviso: Um ou mais problemas de análise, consulte problems()seu quadro de dados para obter detalhes,

por exemplo:

isso <- vroom(...)

problemas(dat)

Vamos ver o que temos:

nrow(problems(df))

86

problems(df)[1,]

# A tibble: 1 × 5 linha col esperado arquivo real
<int> <int> <chr> <chr> <chr>
35519 15 17 colunas 15 colunas /home/raffaele/Downloads/external-parties.csv

Mas na realidade não há problemas.

A linha 35519 é:

BIH,elecglob,292,SNSD,Aliança dos Social-democratas Independentes,Aliança dos Social-democratas Independentes,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

Que contém corretamente 17 colunas, não 15.

Os outros 84 problemas são da mesma natureza (ler menos colunas do que o esperado) e um raciocínio semelhante se aplica (o número de colunas no arquivo de origem está correto).

EDIT: O texto que relatei para a linha é obtido de um editor de texto. Aparentemente, os números de linha não são os mesmos que obtive do R.

Por que:

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

retorna

      a
1 FALSE
2 FALSE

e assim definir a coluna inteira para o valor em vez de apenas os elementos NA?

Neste caso mutatesupõe-se que deve ser chamada a versão "vetor" de replace_na, ou seja, deve ser equivalente a:

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

A documentação replace_na(data, replace)diz:

Se data for um vetor, replace assume um único valor. Esse único valor substitui todos os valores ausentes no vetor. replace será convertido para o tipo de data.

A propósito, e não relacionado a esta questão,

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

funciona como esperado.

Desde que aqui esteja escrito que eu posso passar {{colname}}para mutate, onde colnameestá uma variável que contém um nome de coluna, não consigo descobrir por que esse código não funciona:

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

Ele retorna o número de caracteres na carta a:

      a b
1 Hello 1
2    Hi 1
3  Howy 1

Como posso contar o número de caracteres em uma coluna e atribuir o valor a outra coluna, quando o nome da primeira coluna é salvo em uma variável?

Considere o seguinte exemplo:

library(gtsummary)

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

O que resulta em:

Posso mudar o caractere para o termo de interação para algo como •em vez de *? Se sim, como?

Não gosto do asterisco, gosto mais do ponto.

Partindo de um data.frame indfe colnamesendo uma de suas colunas, quero construir outro dataframe outdfcom 2 colunas: a primeira, chamada colname, contém os valores únicos de indf$colname, enquanto a segunda, chamada n, contém o número de duplicatas em indf$colname(o original incluído , então sum(duplicated())+1).

colnamedeve ser especificado dinamicamente.

Depois de alguma pesquisa e tentativa e erro, parece que a maneira de fazer isso é:

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)

Gostaria de saber por que group_byé necessário across(all_of(colname))processar o nome da coluna definida dinamicamente, enquanto selecttenho que tirar aspas usando !!.

Se eu usar across(all_of()), selectrecebo este erro:

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()`.

Enquanto se eu usar !!nele group_bycria uma nova coluna chamada "a"(aspas duplas incluídas).

EDITAR:

O !!não funciona por dentro arrangetambém.

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

Em vez disso, você precisa de across(all_of()):

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