5
kullanıyorum içinde oluşturulmuyor Bazı araziler: Ubuntu 12.04 64 bit, R 3.0.2, RStudio 0.98.312, knitr 1.5 , markdown 0.6.3, mgcv1.7 -27Rstudio, knitr, Rmarkdown
Birden çok kod parçası içeren bir Rmarkdown belgesine sahibim. Bir yığının ortasında, bir GAM'a uyduğum, uygunluğu özetleyen ve uygunluğu çizen bazı kodlar vardır. Sorun, ilk çizimin çıktı dosyasına işlenmesidir, ancak ikinci çizimde bulunmaz. İşte yığın bir ayıklanmış kod parçası geçerli: çıktı araçlarının üzerine aşağıdaki hesaplama yankılanan ikinci arsa açıklamasını yineleyen düz gider hariç beklendiği gibi
fit <- gam(y ~ s(x), data=j0, subset= !is.na(x))
summary(fit) # look at non-missing only
plot(fit)
fit <- gam(y ~ s(sqrt(x)), data=j0, subset= !is.na(x))
summary(fit)
plot(fit)
mean(y[is.na(x)]) - mean(y[!is.na(x)])
Herşey kılmaktadır. Araç hesaplamanın sonucu doğru şekilde oluşturulur. Ben öbekte 7 satır sonra başka arsa çağrısı açýklama ise
ardından eksik arsa doğru işlenir.
kimse burada neler olduğu gibi herhangi bir öneriniz var mı?
UPDATE Özeti
ALTINDA - Plot 2 çağrısının ardından Çeşitli türden Plot 3. Eğer bir arama olduğuna dair sonra bir yürütme hatası (değişken bulunmayan) ve birkaç çizgileri üreten bir R kodu vardır Kod hatası düzeltildi, sonra Çizelge 2 işlendi. Kod hatası çözülmezse ve Çizim 3 çağrısı yorumlanırsa, Çizelge 2 işlenir. Sorun, farklı uyumların sonuçlarını saklamak için kullanılan 'değişken' değişkenine bağlıdır. Her bir fitini farklı bir değişkene atarsam Çizelge 2, tamam.başarıyla yürütülen kod birden fazla satır sonra yapılan değişiklikler (görünüşte geriye dönük) render gelen Plot 2 önleyebilir anlamıyorum.
tekrarlanabilir örnek:
Some text.
```{r setup}
require(mgcv)
mkdata <- function(n=100) {
x <- rnorm(n) + 5
y <- x + 0.3 * rnorm(n)
x[sample(ceiling(n/2), ceiling(n/10))] <- NA
x <- x^2
data.frame(x, y)
}
```
Example 1
=========
Plot 2 fails to render. (Using the same fit object for each fit.)
```{r example_1}
j0 <- mkdata()
attach(j0)
mx <- min(x, na.rm=TRUE)
fit <- gam(y ~ s(x), data=j0, subset= !is.na(x))
summary(fit)
plot(fit) # plot 1
fit <- gam(y ~ s(sqrt(x)), data=j0, subset= !is.na(x))
summary(fit)
plot(fit) #plot 2
mean(y[is.na(x)]) - mean(y[!is.na(x)]) # means calculation
# recode the missing values
j0$x.na <- is.na(x)
j0$x.c <- ifelse(x.na, mx, x) # ERROR in recode
detach()
attach(j0)
fit <- gam(y ~ s(sqrt(x.c)) + x.na, data=j0) # doesn't run because of error in recode
summary(fit) # this is actually fit 2
plot(fit) # plot 3 (this is actually fit 2)
detach()
```
Example 2
=========
Use separate fit objects for each fit. Plot 2 renders OK.
```{r example_2}
j0 <- mkdata()
attach(j0)
mx <- min(x, na.rm=TRUE)
fit1 <- gam(y ~ s(x), data=j0, subset= !is.na(x))
summary(fit1)
plot(fit1) # plot 1
fit2 <- gam(y ~ s(sqrt(x)), data=j0, subset= !is.na(x))
summary(fit2)
plot(fit2) #plot 2
mean(y[is.na(x)]) - mean(y[!is.na(x)]) # means calculation
# recode the missing values
j0$x.na <- is.na(x)
j0$x.c <- ifelse(x.na, mx, x) # ERROR in recode
detach()
attach(j0)
fit3 <- gam(y ~ s(sqrt(x.c)) + x.na, data=j0) # doesn't run because of error in recode
summary(fit3)
plot(fit3) # plot 3
detach()
```
Example 3
=========
Revert to using the same fit object for each fit. Plot 2 renders because plot 3 is commented out.
```{r example_3}
j0 <- mkdata()
attach(j0)
mx <- min(x, na.rm=TRUE)
fit <- gam(y ~ s(x), data=j0, subset= !is.na(x))
summary(fit)
plot(fit) # plot 1
fit <- gam(y ~ s(sqrt(x)), data=j0, subset= !is.na(x))
summary(fit)
plot(fit) #plot 2
mean(y[is.na(x)]) - mean(y[!is.na(x)]) # means calculation
# recode the missing values
j0$x.na <- is.na(x)
j0$x.c <- ifelse(x.na, mx, x) # ERROR in recode
detach()
attach(j0)
fit <- gam(y ~ s(sqrt(x.c)) + x.na, data=j0)
summary(fit) # this is actually fit 2
# plot(fit) # plot 3 (this is actually fit 2)
detach()
```
Example 4
=========
Plot 2 renders because later recode error is fixed.
```{r example_4}
j0 <- mkdata()
attach(j0)
mx <- min(x, na.rm=TRUE)
fit <- gam(y ~ s(x), data=j0, subset= !is.na(x))
summary(fit)
plot(fit) # plot 1
fit <- gam(y ~ s(sqrt(x)), data=j0, subset= !is.na(x))
summary(fit)
plot(fit) #plot 2
mean(y[is.na(x)]) - mean(y[!is.na(x)]) # means calculation
# recode the missing values
j0$x.na <- is.na(x)
j0$x.c <- ifelse(j0$x.na, mx, x) # error in recode fixed
detach()
attach(j0)
fit <- gam(y ~ s(sqrt(x.c)) + x.na, data=j0)
summary(fit)
plot(fit) # plot 3
detach()
```
günlük dosyası:
> require(knitr); knit('reproduce.Rmd', encoding='UTF-8');
Loading required package: knitr
processing file: reproduce.Rmd
|...... | 9%
ordinary text without R code
|............ | 18%
label: setup
|.................. | 27%
ordinary text without R code
|........................ | 36%
label: example_1
|.............................. | 45%
ordinary text without R code
|................................... | 55%
label: example_2
|......................................... | 64%
ordinary text without R code
|............................................... | 73%
label: example_3
|..................................................... | 82%
ordinary text without R code
|........................................................... | 91%
label: example_4
|.................................................................| 100%
ordinary text without R code
output file: reproduce.md
[1] "reproduce.md"
bir tekrarlanabilir örnek gönderin. Senin sorunun öbek seçeneği 'fig.keep' kümesine sahip ne muhtemelen, ama bu bilgilerden herhangi olmadan bu tamamen varsayımları olduğunu. – mnel
Günlük ne diyor? –