MM
Вроде это сделал, посмотрю, может криво сделал
Size: a a a
2020 June 10
MM
Спасибо
MM
У меня какой-то была такая ошибка, помогло именно скачать новый установщик с сайта, видать при скачивании повредился
спасибо, сработало
2020 June 11
VV
Если запустить func_args<-as.list(args(assign)), то все аргументы функции assign выведутся в лист. При этом у дефолтных будут значения, а обязательные станут миссингами. Что это вообще за сущность? Как их поудалять из листа? Хочу для отладки сделать функцию, которая принимает на вход функцию и выводит в глобальное окружение все её дефолтные аргументы. Ибо забодало их тыкать по одному...
VV
Пока что юзаю is.symbol, но интересно...
PU
это pairlist, внутренний формат данных для аргументов функций
PU
насколько я помню, работать также как и со списками
VV
Я пытаюсь понять, как в них миссинги удалять. На него нет теста типа is.missing
PU
завтра потыкаю
VV
evf<-function(f,e=.GlobalEnv) {
args<-as.list(args(f))
for (i in names(args)) {
if (is.symbol(args[[i]])) next
assign(i, args[[i]], envir=e)
}
}
Пока что сделал вот такую штуку.
args<-as.list(args(f))
for (i in names(args)) {
if (is.symbol(args[[i]])) next
assign(i, args[[i]], envir=e)
}
}
Пока что сделал вот такую штуку.
PU
а задача-то какая?
там же ленивые вычисления при выполнении функции
там же ленивые вычисления при выполнении функции
VV
Выполнить все ленивые вычисления дефолтных аргументов. Вот смотри, у меня есть функция с десятком аргументов из которых у большинства есть дефолтные значения. Мне надо подебажить эту функцию, для этого мне было бы неплохо вывести в глобальное окружение все её аргументы, чтобы выполнять функцию построчно.
PU
а просто debug() не пойдет?
то же самое построчное выполнение ведь...
то же самое построчное выполнение ведь...
VV
В принципе-то да... Надо себя заставлять им пользоваться...
VV
Я особо не пользовался debug, а это так и должно быть, что если внутри дебага выскакивает ошибка, то дебаг прекращается и всё вылетает? Немного неожиданное поведение.
АК
E
Здравствуйте!
Возник следующий вопрос: есть dataframe с произвольным числом количественных переменных. Мы хотим построить линейную регрессию для предсказания значений зависимой переменной, однако, в качестве предикторов мы хотим использовать только те переменные, распределение которых значимо не отличается от нормального (p - value теста Шапиро - Уилка больше 0.05). нужно использовать shapiro.test, чтобы проверить на нормальность распределения. Используя
Возник следующий вопрос: есть dataframe с произвольным числом количественных переменных. Мы хотим построить линейную регрессию для предсказания значений зависимой переменной, однако, в качестве предикторов мы хотим использовать только те переменные, распределение которых значимо не отличается от нормального (p - value теста Шапиро - Уилка больше 0.05). нужно использовать shapiro.test, чтобы проверить на нормальность распределения. Используя
sapply(df, function(x) shapiro.test(x)$p.value) мы можем понять, какие переменные имеют нормальное распределение. Как сделать дата сет, в котором будет только колонки, которые прошли тест на нормальность?