Dear Rui,
Many thanks. It is indeed close to what I am looking for apart from
the issues on the axes.
I am attaching the result plot. The minimum and maximum values of y1
are respectively -5.470919 and 1.298329 while they are 0.0002937659
and 4.808186 for y2.
New problems are: (1) I can't
Hello,
The following is not a complete solution, the axis ranges are wrong, but
it gets you closer, I think.
op <- par(mar = c(5, 5, 5, 5))
plot(c(x1, x2), c(y1, y2), type = "n",xaxt="n", yaxt="n",
ylim = range(c(y1, y2)))
par(new=TRUE)
plot(x1,y1,pch=0,type="b",col="red",yaxt="n",
Hi Val,
Here's an answer using a series of ifelse() statements. Because the d4
column is created initially using NA as a placeholder, you can check
your conditional logic at the end using table(!is.na(dat2$d4)):
> dat2 <-read.table(text="ID d1 d2 d3
+ A 0 25 35
+ B 12 22 0
+ C 0 0 31
+ E 10
Hi val,
You had a "conditional leak" in your ifelse statements:
dat2 <-read.table(text="ID d1 d2 d3
A 0 25 35
B 12 22 0
C 0 0 31
E 10 20 30
F 0 0 0",
header=TRUE,stringsAsFactors=FALSE)
dat2$d4<-
ifelse(dat2$d1,dat2$d1,ifelse(dat2$d2,dat2$d2,ifelse(dat2$d3,dat2$d3,0)))
Even though it works, it
I generally find nested ifelse's to be confusing and prone to error, so I
usually prefer to proceed sequentially using subsetting with logicals or
replicated, but not nested ifelse's. In your example, the translation to
logical indexing seems pretty straightforward.
Using your example:
> dat2
Dear Contributors,
I have two data. A is of the form:
05 01 01 -0.00376058013285748
05 01 02 -0.0765481943910918
05 01 03 -1.28158758599964
05 01 04 -1.51612545416506
05 01 05 -1.39481276373467
05 01 06 -1.17644992095997
05 01 07 -0.788249311582716
05 01 08 -0.925737027403825
05 01 09
HI All, I am having a little issue in my ifelse statement,
The data frame looks like as follow.
dat2 <-read.table(text="ID d1 d2 d3
A 0 25 35
B 12 22 0
C 0 0 31
E 10 20 30
F 0 0 0",header=TRUE,stringsAsFactors=F)
I want to create d4 and set the value based on the following conditions.
If
I was thinking of using length(search())+1 to be safe and simple.
Using grep gives higher priority than length while still solving your
issue.
On Mon, Nov 25, 2019 at 3:06 PM Gabor Grothendieck
wrote:
>
> Goold idea. This seems to work.
>
> library(dplyr, pos = grep("package:stats", search())
Estimado Jesús Para Fernández
Siguiendo el razonamiento de Javier, creo que la variable respuesta es
cantidad de ciclos hasta que se produce la rotura. Que es equivalente a
pensar en tiempo (horas, días, mes o años) hasta que se produce el evento y
por lo tanto un análisis de supervivencia podría
Estimado Jesús Para Fernández
Usted nombra supervivencia y que todas las piezas se rompen, en este caso
se podría responder a qué tiempo y con que factores. Yo pienso que su idea
no es mala.
Javier Rubén Marcuzzi
El mar., 26 nov. 2019 a las 16:29, Jesús Para Fernández (<
Buenas
Tengo que analizar unos datos, donde tengo unas piezas fabricadas y el n�mero
de ciclos qie aguantan hasta q se parten.
Algunas piezas son de un fabricante, otras de otro,.. En cada ciclo a algunas
piezas se le somete a algun tipo de tratamiento termico, a otras a otro,
algunas se
Estimados
Depende, el paso de un día a otro da problemas, el ejemplo más simple es
comparar los valores de la bolsa de valores, suponiendo una acción de Tokio
contra la misma en Alemania, por decir algo, la cotización a las 12:25 del
22 de marzo. Desde mi punto de vista, siempre es conveniente
Estimada Miriam
Comparto lo escrito por Carlos Gil Bellosta, pero hay una salvedad,
dependiendo de la base de datos que utiliza, pueden aparecer NA que en R
son interpretados como caracteres o el espacio colocando esto en lugar de
los nulos, como también de los ceros que suelen aparecer por ahí,
¿Tienes nulos en los datos originales? La función lm, por defecto, usa
na.action = na.omit...
Lo que quieras hacer con los nulos, de tenerlos, es otra historia...
Un saludo,
Carlos J. Gil Bellosta
http://www.datanalytics.com
El mar., 26 nov. 2019 a las 17:23, escribió:
> Buenas tardes,
>
>
Buenas tardes,
Tengo una pregunta sobre un error que me da R. Estoy usando un modelo
Poisson con función de control para corregir la endogeneidad (de
instrumentos) y tengo que calcular primero los residuos de una regresión
lineal para posteriormente introducirlos en la segunda etapa.
Cuando los
I am using xgboost hyperparameter tuning for the value of rmse. I used the
following method which returns two values ; mean which is like - 1200.12
and Best value like - 960. I guess the first value is average value and the
second is the best rmse value returned by the algorithm.
Now if we have
This may or may not fix your problem but I avoid installing R packages in
system libraries... using user libraries without running R as root or with sudo
makes life much simpler unless you are a professional sysadmin.
On November 26, 2019 7:06:48 AM PST, Manish Gupta
wrote:
>I am getting
I am getting following error while installing xml2 package in R.
install.packages("xml2")
Error : unable to load shared object
'/usr/local/lib/R/site-library/00LOCK-xml2/00new/xml2/libs/xml2.so':
libiconv.so.2: cannot open shared object file: No such file or directory
it seems it require
18 matches
Mail list logo
