pengchy

  •  
  • 2021年5月31日
  • 注册于 2007年1月2日
  • 于 源码安装R遇到不能识别bzip2版本问题
    已经解决了，参考这里：http://stackoverflow.com/questions/40639138/configure-error-installing-r-3-3-2-on-ubuntu-checking-whether-bzip2-support-suf
  • 于 源码安装R遇到不能识别bzip2版本问题
    在Linux下安装R-3.3.2源码，遇到bzip2不能识别问题： 
    [yangpc@login R_package_archive]$ uname -a
Linux login 2.6.32-279.el6.x86_64 #1 SMP Wed Jun 13 18:24:36 EDT 2012 x86_64 x86_64 x86_64 GNU/Linux
[yangpc@login R_package_archive]$./configure --prefix=/panfs/home/yangpc/soft/R/R_soft/ --enable-R-shlib  --with-libpth-prefix=/panfs/home/yangpc/soft/ CPPFLAGS="-I/panfs/home/yangpc/soft/lib/packages/bzip2-1.0.6/include/ -I/panfs/home/yangpc/soft/lib/packages/zlib-1.2.8/include/"
checking zlib.h presence... yes
checking for zlib.h... yes
checking if zlib version >= 1.2.5... yes
checking whether zlib support suffices... yes
checking mmap support for zlib... yes
checking for BZ2_bzlibVersion in -lbz2... yes
checking bzlib.h usability... yes
checking bzlib.h presence... yes
checking for bzlib.h... yes
checking if bzip2 version >= 1.0.6... no
checking whether bzip2 support suffices...


    这个问题在R邮件列表里都有问过，但是始终没有给出解决方案：
    http://comments.gmane.org/gmane.comp.lang.r.hpc/1719
    http://r.789695.n4.nabble.com/bzip2-td4726112.html
    http://stackoverflow.com/questions/40639138/configure-error-installing-r-3-3-2-on-ubuntu-checking-whether-bzip2-support-suf

    R安装说明里有指出需要bzip2 version 1.0.6：
    https://cran.r-project.org/doc/manuals/r-release/R-admin.html
  • 于 Warning: unable to move temporary installation ** to ** 的解决供参考
  • 于 帖子提醒功能

    当有人回复自己的帖子，或者自己参与讨论的帖子有新回复时，能有个提醒的消息就好了。

  • 于 R中有无与excel中vlookup相似命令，应该如何实现我这个问题？

    <br />
sapply(dm1new,function(x) which(dm2new %in% x))<br />
    </p>
  • 于 函数密度图

    看一下curve函数

    <br />
> curve(dnorm(x),xlim=c(-10,10))<br />
    </p>
  • 于 R logistic求助

    回复 第9楼 的 pengchy：

    找到方法了：

    <br />
> bud.sum <- summary(budworm.lg, cor = F)<br />
> bud.sum$coeff<br />
              Estimate Std. Error    z value     Pr(>|z|)<br />
(Intercept) -2.9935418  0.5526997 -5.4162175 6.087304e-08<br />
sexM         0.1749868  0.7783100  0.2248292 8.221122e-01<br />
ldose        0.9060364  0.1671016  5.4220678 5.891353e-08<br />
sexM:ldose   0.3529130  0.2699902  1.3071324 1.911678e-01<br />
><br />
    </p>
  • 于 R logistic求助

    如何把glm结果中的Coefficients中的Pr提取出来呢？

    budworm.lg$coefficient并没有这个信息。

    <br />
> summary(budworm.lg, cor = F)</p>
<p>Call:<br />
glm(formula = SF ~ sex * ldose, family = binomial)</p>
<p>Deviance Residuals:<br />
     Min        1Q    Median        3Q       Max<br />
-1.39849  -0.32094  -0.07592   0.38220   1.10375  </p>
<p>Coefficients:<br />
            Estimate Std. Error z value Pr(>|z|)<br />
(Intercept) -93.5972    17.2140  -5.437 5.41e-08 ***<br />
sexM        -35.1163    27.6925  -1.268    0.205<br />
ldose         0.9060     0.1671   5.422 5.89e-08 ***<br />
sexM:ldose    0.3529     0.2700   1.307    0.191<br />
    </p>
  • 于 R logistic求助

    问题：

    用logist做广义回归，predictor之一是factor，不是连续的，用字母和数字表示结果不太一样：用数字表示，结果可以给出这个predictor的显著性。但是用字母之后，结果就变成了对predictor的每一个level都给了一个显著性值，对这个predictor却没有了显著性值。这是为什么呢？

    如果想得到predictor的显著性值，必须把factor改为数字的连续变量吗？

    </p>
<p>> options(contrasts = c("contr.treatment", "contr.poly"))<br />
> ldose <- rep(100:105, 2)<br />
> numdead <- c(1, 4, 9, 13, 18, 20, 0, 2, 6, 10, 12, 16)<br />
> sex <- factor(rep(c("M", "F"), c(6, 6)))<br />
> SF <- cbind(numdead, numalive = 20 - numdead)<br />
> budworm.lg <- glm(SF ~ sex*ldose, family = binomial)<br />
> summary(budworm.lg, cor = F)</p>
<p>Call:<br />
glm(formula = SF ~ sex * ldose, family = binomial)</p>
<p>Deviance Residuals:<br />
     Min        1Q    Median        3Q       Max<br />
-1.39849  -0.32094  -0.07592   0.38220   1.10375  </p>
<p>Coefficients:<br />
            Estimate Std. Error z value Pr(>|z|)<br />
(Intercept) -93.5972    17.2140  -5.437 5.41e-08 ***<br />
sexM        -35.1163    27.6925  -1.268    0.205<br />
ldose         0.9060     0.1671   5.422 5.89e-08 ***<br />
sexM:ldose    0.3529     0.2700   1.307    0.191<br />
---<br />
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 </p>
<p>(Dispersion parameter for binomial family taken to be 1)</p>
<p>    Null deviance: 124.8756  on 11  degrees of freedom<br />
Residual deviance:   4.9937  on  8  degrees of freedom<br />
AIC: 43.104</p>
<p>Number of Fisher Scoring iterations: 4</p>
<p>> ldose <- rep(letters[1:6],2)<br />
> budworm.lg <- glm(SF ~ sex*ldose, family = binomial)<br />
Warning message:<br />
In model.matrix.default(mt, mf, contrasts) :<br />
  variable 'ldose' converted to a factor<br />
> summary(budworm.lg, cor = F)</p>
<p>Call:<br />
glm(formula = SF ~ sex * ldose, family = binomial)</p>
<p>Deviance Residuals:<br />
 [1]  0  0  0  0  0  0  0  0  0  0  0  0</p>
<p>Coefficients:<br />
             Estimate Std. Error z value Pr(>|z|)<br />
(Intercept)   -25.752  52998.328   0.000        1<br />
sexM           22.807  52998.328   0.000        1<br />
ldoseb         23.555  52998.328   0.000        1<br />
ldosec         24.904  52998.328   0.000        1<br />
ldosed         25.752  52998.328   0.000        1<br />
ldosee         26.157  52998.328   0.000        1<br />
ldosef         27.138  52998.328   0.001        1<br />
sexM:ldoseb   -21.996  52998.328   0.000        1<br />
sexM:ldosec   -22.161  52998.328   0.000        1<br />
sexM:ldosed   -22.188  52998.328   0.000        1<br />
sexM:ldosee   -21.016  52998.328   0.000        1<br />
sexM:ldosef     1.558  74950.923   0.000        1</p>
<p>(Dispersion parameter for binomial family taken to be 1)</p>
<p>    Null deviance: 1.2488e+02  on 11  degrees of freedom<br />
Residual deviance: 5.2389e-10  on  0  degrees of freedom<br />
AIC: 54.11</p>
<p>Number of Fisher Scoring iterations: 22</p>
<p>><br />
    </p>
  • 于 迎接R版第3000帖及PDF中文字体解决方案探讨
  • 于 如何模拟heavy tailed泊松分布

    回复 第2楼 的 remember, discover, invent：

    是有这种感觉。但是实际上有这个需要，呵呵。

    有一组数据的分布是如图所示的。但是，我们想在随机的情况下，也有这种分布，对后面的分析结果有什么影响。所以需要这种模拟。

    我用了这种方法，通过不断调整prob参数，基本上能满足要求。

    aa <- sample(0:10000,1000,prob=c(seq(0.99,0.98,101),seq(0.1,0.05,900),seq(0.001,0.000001,9000))

  • 于 如何模拟heavy tailed泊松分布

    如何模拟如下图所示的分布呢？也就是有严重拖尾的泊松分布。

    想到一个方法是用sample，但是如何指定prob呢？

    [attachment=221341,1237]

  • 于 不明白统计中的标准误怎么算的

    标准误更小，是标准差除以样本量的平方根。

    可以参考这里：

    http://encyclopedia.thefreedictionary.com/Standard+error+(statistics)

  • 于 核密度估计的变窗宽问题？

    回复 第1楼 的 419syy：

    ?density

    看一下每个参数

  • 于 怎么样在R中进行数据替代？

    回复 第1楼 的 jueduijingying：

    应该是有的。可能我还不是太明白你说的问题，以及为什么要这样做？简单的理解：

    <br />
sps <- c("sp1","sp2","sp2","sp13","sp1")<br />
sp.val <- c("a 1","b 2","c 3")<br />
names(sp.val) <- c("sp1","sp2","sp13")<br />
sps.val <- sps.val[sps]<br />
    </p>

    不知道这样行不？

    回复 第3楼 的 bioshaw：

    碰到这种大规模数据量的时候，用其他语言预处理一下可能更好，比如perl/python等。

  • 于 如何自定义parallel图的y-axis

    下面这个把背景的竖线也加上了。

    <br />
parallel(~iris[1:4] | Species, iris,horizon=FALSE,<br />
         ylim = extendrange(range(iris[1:4])),<br />
         scales = list(y = list(at = NULL, labels = NULL),x=list(rot=45)),<br />
         lower = 0, upper = 1,<br />
         panel=function(x,y,z,...){<br />
           panel.abline(v=1:4,col="gray90")<br />
           panel.parallel(x,y,z,...)<br />
         })<br />
    </p>

    [attachment=216223,972]

  • 于 如何自定义parallel图的y-axis

    修改后的图片：

    [attachment=216220,971]

  • 于 如何自定义parallel图的y-axis

    回复 第3楼 的 wxw.name：

    多谢！根据这个，对ylim的极值按比例缩放也行。

    下面是Deepayan的回复，思路是一样的：

    <br />
parallel(~iris[1:4] | Species, iris,horizon=FALSE,<br />
         ylim = extendrange(range(iris[1:4])),<br />
         scales = list(y = list(at = NULL, labels = NULL)),<br />
         lower = 0, upper = 1)<br />
    </p>
  • 于 如何自定义parallel图的y-axis

    使用common.scale参数可以使y轴表示的是所有sample的总的min/max，但是这样之后，我想对y-axis标记刻度，通过下面这个方法，貌似不行。不知道怎么才能做到，搜索了一下，也没发现好的解决方法。

    <br />
parallel(~iris[1:4] | Species, iris,horiz=FALSE,common.scale=TRUE,<br />
scales=list(y=list(at=c(0,2,3))))<br />
    </p>

    [attachment=216205,969]

  • 于 怎么用循环实现调用数据表中符合某一条件的数据

    <br />
library(lattice)<br />
EE <- equal.count(ethanol$E, number=9, overlap=1/4)</p>
<p>## Constructing panel functions on the fly; prepanel<br />
xyplot(NOx ~ C | EE, data = ethanol,<br />
       prepanel = function(x, y) prepanel.loess(x, y, span = 1),<br />
       xlab = "Compression Ratio", ylab = "NOx (micrograms/J)",<br />
       panel = function(x, y) {<br />
           panel.grid(h = -1, v = 2)<br />
           panel.xyplot(x, y)<br />
           panel.loess(x, y, span=1)<br />
       },<br />
       aspect = "xy")<br />
    </p>