Ben's questions

Quando ploto meus dados sem definir explicitamente o intervalo de coordenadas x (o quarto e mais baixo gráfico na captura de tela, "Sonntag"), o programa par("usr")me informa qual intervalo o R usa por padrão:

> par("usr")
[1]  -68.912 1797.112    0.000   87.400

Mas quando defino o intervalo de coordenadas x para esses valores usando xlim = c(-68.912, 1797.112), o gráfico fica mais estreito (o terceiro gráfico na captura de tela, "Samstag"). E quando defino um intervalo mais estreito que o padrão, o eixo x se estende além da janela do gráfico (o primeiro e o segundo gráficos na captura de tela).

Os dados no eixo x são um fator:

steps$time <- factor(format(steps$start_time, "%H:%M"),
                     levels = format(seq(as.POSIXct("2020-02-20 00:00:00"),
                                         as.POSIXct("2020-02-20 23:59:00"),
                                         by = "1 min"),
                                     "%H:%M"
                                     )
                     )

Quero limitar o gráfico ao "tempo" entre 6h e 23h, que deve corresponder aos níveis de fator 360 e 1380 (usados ​​nos dois gráficos superiores). Como posso fazer isso?

Aqui está o código completo do enredo:

par(mfrow = c(4, 1), mar = c(5.1, 2.1, 4.1, 2.1))
barplot(count ~ time, dat[dat$group == "A",], xlim = c(360, 1380), ylim = c(0, max(dat$count)), col = "violet", border = NA, xlab = "", ylab = "", yaxt = "n", main = "Montag bis Donnerstag")
barplot(count ~ time, dat[dat$group == "B",], xlim = c(360, 1380), ylim = c(0, max(dat$count)), col = "violet", border = NA, xlab = "", ylab = "", yaxt = "n", main = "Freitag")
barplot(count ~ time, dat[dat$group == "C",], xlim = c(-68.912, 1797.112), ylim = c(0, max(dat$count)), col = "violet", border = NA, xlab = "", ylab = "", yaxt = "n", main = "Samstag")
barplot(count ~ time, dat[dat$group == "D",], ylim = c(0, max(dat$count)), col = "violet", border = NA, xlab = "", ylab = "", yaxt = "n", main = "Sonntag")

Os dados estão aqui: https://pastebin.com/tnNwFywX

Após ler meus dados usando read_csv()from readr , o comando spec()retorna "especificação de coluna completa" para o tibble resultante:

> spec(steps)
cols(
  duration = col_double(),
  version_code = col_double(),
  run_step = col_double(),
  walk_step = col_double(),
  start_time = col_datetime(format = ""),
  sample_position_type = col_logical(),
  custom = col_logical(),
  update_time = col_datetime(format = ""),
  create_time = col_datetime(format = ""),
  count = col_double(),
  speed = col_double(),
  distance = col_double(),
  calorie = col_double(),
  time_offset = col_character(),
  deviceuuid = col_character(),
  pkg_name = col_character(),
  end_time = col_datetime(format = ""),
  datauuid = col_character(),
  x = col_logical()
)

Mas se eu subdividir o tibble essa informação será perdida:

> spec(subset(steps, select = c(1, 5, 10, 11, 12, 17)))
NULL

Por quê? E como faço para mantê-lo?

Quero remover todas as duplicatas em vários vetores, sem deixar nenhuma. Por exemplo, para estes vetores:

a <- c("dog", "fish", "cow")
b <- c("dog", "horse", "mouse")
c <- c("cat", "sheep", "mouse")

o resultado esperado seria:

a <- c("fish", "cow")
b <- c("horse")
c <- c("cat", "sheep")

Existe uma maneira de fazer isso sem concatenar os vetores e dividi-los novamente?

Tenho uma sequência de texto e uma série de palavras:

String: Auch ein blindes Huhn findet einmal ein Korn.
Words: auch, ein, sehendes

Quero verificar qual das palavras está contida na string. Estou usando preg_match_allpara isso:

$pattern = "/\bauch\b|\bein\b|\bsehendes\b/i";
$subject = "Auch ein blindes Huhn findet einmal ein Korn.";

preg_match_all($pattern, $subject, $matches);
print_r($matches);

Array
(
    [0] => Array
        (
            [0] => Auch
            [1] => ein
            [2] => ein
        )

)

Isso funciona como esperado, mas como tenho que editar o padrão frequentemente, e acho confuso encontrar e substituir palavras quando todas elas estão cercadas por âncoras de limite de palavra ( \b), gostaria de definir a lista de palavras sem as âncoras de limite de palavra e adicioná-las em uma segunda etapa. Algo como:

$pattern = "auch|ein|sehendes";
$pattern = "/\b" . $pattern . "\b/i";

Isso, é claro, não funciona como esperado.

Eu poderia preencher um array com as palavras e fazer um loop sobre ele para construir o padrão, mas gostaria de evitar loops. Alguma ideia de como fazer isso rápido? A string real e o número real de palavras são bem grandes.

Eventualmente preciso do número de correspondências, pois ele é retornado por preg_match_all. Para o exemplo, a saída esperada é "3".

Aqui está uma pergunta semelhante onde isso é feito em Javascript: Aplique uma âncora de limite de palavra a todos os tokens em uma única expressão regular

Tenho uma sequência de texto e um vetor de palavras:

String: "Auch ein blindes Huhn findet einmal ein Korn."
Vector: "auch", "ein"

Quero verificar com que frequência cada palavra no vetor está contida na string e calcular a soma das frequências. Para o exemplo, o resultado correto seria 3 .

Cheguei ao ponto de poder verificar quais palavras ocorrem na string e calcular a soma:

library(stringr)
deu <- c("\\bauch\\b", "\\bein\\b")
str_detect(tolower("Auch ein blindes Huhn findet einmal ein Korn."), deu)

[1] TRUE TRUE

sum(str_detect(tolower("Auch ein blindes Huhn findet einmal ein Korn."), deu))

[1] 2

Infelizmente str_detectnão retorna o número de ocorrências ( 1, 2), mas apenas se uma palavra ocorre em uma string ( TRUE, TRUE), então a soma da saída de str_detectnão é igual ao número de palavras.

Existe alguma função em R semelhante à preg_match_alldo PHP?

preg_match_all("/\bauch\b|\bein\b/i", "Auch ein blindes Huhn findet einmal ein Korn.", $matches);
print_r($matches);

Array
(
    [0] => Array
        (
            [0] => Auch
            [1] => ein
            [2] => ein
        )

)

echo preg_match_all("/\bauch\b|\bein\b/i", "Auch ein blindes Huhn findet einmal ein Korn.", $matches);

3

Gostaria de evitar loops.

Eu olhei para muitas perguntas semelhantes, mas elas não contam o número de ocorrências ou não usam um vetor de padrões para pesquisar. Posso ter esquecido uma pergunta que responde à minha, mas antes de marcar isso como duplicado, certifique-se de que o "duplicado" realmente pergunte exatamente a mesma coisa. Obrigado.

Tenho uma tabela de dados com uma coluna que contém datas:

> dat
          Var1  Var2
        <Date> <num>
 1: 2023-11-01 18.05
 2: 2023-12-01  4.65
 3: 2024-01-01 20.34
 4: 2024-02-01 21.71
 5: 2024-03-01 51.60
 6: 2024-04-01 55.54
 7: 2024-05-01 50.34
 8: 2024-06-01 45.90
 9: 2024-07-01 21.26
10: 2024-08-01 19.52

> dput(dat)
structure(list(Var1 = structure(c(19662, 19692, 19723, 19754, 
19783, 19814, 19844, 19875, 19905, 19936), class = "Date"), Var2 = c(18.05, 
4.65, 20.34, 21.71, 51.6, 55.54, 50.34, 45.9, 21.26, 19.52)), row.names = c(NA, 
-10L), class = c("data.table", "data.frame"))

Quero um vetor dos números das linhas que contêm a data mais baixa para cada ano, neste caso:

> first.dates
[1] 1 3

Como posso encontrá-los?

Em um dataframe, quando substituo NA por 0 usando obt[is.na(obt)] <- 0, o tipo de coluna muda de inteiro para numérico.

str(obt)
 ...
 $ Units: int  NA NA 2 1 NA NA NA 1 NA NA ...

obt[is.na(obt)] <- 0

str(obt)
 ...
 $ Units: num  0 0 2 1 0 0 0 1 0 0 ...

Como posso evitar isso?

Dados de amostra:

obt <- structure(list(Date = structure(c(19677, 19678, 19679, 19680, 
19681, 19682, 19683, 19684, 19685, 19686), class = "Date"), Title = structure(c(NA, 
NA, 3L, 3L, NA, NA, NA, 3L, NA, NA), levels = c("A", "D", "L", 
"C"), class = "factor"), Units = c(NA, NA, 2L, 1L, NA, NA, NA, 
1L, NA, NA)), row.names = c(NA, 10L), class = "data.frame")