R语言中编写最小工作示例(MWRE)

简介: R语言中编写最小工作示例(MWRE)

获得R问题的良好帮助的关键是提供最低限度工作的可重复示例(MWRE)。使用R制作MWRE非常简单,它将有助于确保那些帮助您识别错误来源的人,并理想地提交给您,以修复错误,而不是向您发送有用的代码。要拥有MWRE,您需要以下项目:

  • 产生错误的最小数据集
  • 生成数据所需的最小可运行代码,在提供的数据集上运行
  • 有关已使用的软件包,R版本和系统的必要信息
  • 一个seed值,如果随机特性是代码的一部分

让我们看看R中可用的工具,以帮助我们快速,轻松地创建这些组件。


生成最小数据集

这里有三个不同的选项:

  1. 使用内置R数据集
  2. 从头开始创建一个新的vector / data.frame
  3. 以可共享的方式输出您当前正在处理的数据

让我们依次看看每一个,看看R帮助我们做的工具。


内置数据集

R数据集中有一些规范的buit非常适合在帮助请求中使用。

  • mtcars
  • 鸢尾花

要查看R中的所有可用数据集,只需键入:data()。要加载任何这些数据集,只需使用以下内容:

data(mtcars)
head(mtcars)  # to look at the data
                   mpg cyl disp  hp drat    wt  qsec vs am gear carb
Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

此选项适用于您知道在R中遇到命令时遇到问题的问题。如果您无法理解为什么您熟悉的命令无法处理数据,则此选项不是一个很好的选择。

data(stulevel)names(stulevel) [1] "X"           "school"      "stuid"       "grade"       "schid"
 [6] "dist"        "white"       "black"       "hisp"        "indian"
[11] "asian"       "econ"        "female"      "ell"         "disab"
[16] "sch_fay"     "dist_fay"    "luck"        "ability"     "measerr"
[21] "teachq"      "year"        "attday"      "schoolscore" "district"
[26] "schoolhigh"  "schoolavg"   "schoollow"   "readSS"      "mathSS"
[31] "proflvl"     "race"  


创建自己的数据

让我们创建一个学生考试成绩和人口统计学的模拟数据框架。

head(Data)  id gender mathSS readSS race
1  1 female  396.6  349.2    H
2  2   male  369.5  330.7    W
3  3 female  423.3  354.3    B
4  4   male  348.7  333.1    W
5  5   male  299.7  353.4    H
6  6 female  338.0  422.1    I

我们模拟了学生数据。让我们使用快速绘图来查看变量之间的关系:


qplot(mathSS, readSS, data = Data, color = race) + theme_bw()

它看起来像比赛是相当均匀的分布和存在之间没有任何关系mathSSreadSS。对于某些应用程序,此数据已足够,但对于其他应用程序,我们可能希望获得更实际的数据。

table(Data$race)

  A   B   H   I   W
192 195 202 203 208
cor(Data$mathSS, Data$readSS)
[1] -0.01236

输出您当前的数据

这里的最佳实践是创建您正在处理的数据的子集,然后使用该dput命令输出它。

dput(head(stulevel, 5))
structure(list(X = c(44L, 53L, 116L, 244L, 274L), school = c(1L,
1L, 1L, 1L, 1L), stuid = c(149995L, 13495L, 106495L, 45205L,
142705L), grade = c(3L, 3L, 3L, 3L, 3L), schid = c(495L, 495L,
495L, 205L, 205L), dist = c(105L, 45L, 45L, 15L, 75L), white = c(0L,
0L, 0L, 0L, 0L), black = c(1L, 1L, 1L, 1L, 1L), hisp = c(0L,
0L, 0L, 0L, 0L), indian = c(0L, 0L, 0L, 0L, 0L), asian = c(0L,
0L, 0L, 0L, 0L), econ = c(0L, 1L, 1L, 1L, 1L), female = c(0L,
0L, 0L, 0L, 0L), ell = c(0L, 0L, 0L, 0L, 0L), disab = c(0L, 0L,
0L, 0L, 0L), sch_fay = c(0L, 0L, 0L, 0L, 0L), dist_fay = c(0L,
0L, 0L, 0L, 0L), luck = c(0L, 1L, 0L, 1L, 0L), ability = c(87.8540493076978,
97.7875614875502, 104.493033823157, 111.671512686787, 81.9253913501755
), measerr = c(11.1332639734731, 6.8223938284885, -7.85615858883968,
-17.5741522573204, 52.9833376218976), teachq = c(39.0902471213577,
0.0984819168655733, 39.5388526976972, 24.1161227728637, 56.6806130368238
), year = c(2000L, 2000L, 2000L, 2000L, 2000L), attday = c(180L,
180L, 160L, 168L, 156L), schoolscore = c(29.2242722609726, 55.9632592971956,
55.9632592971956, 55.9632592971956, 55.9632592971956), district = c(3L,
3L, 3L, 3L, 3L), schoolhigh = c(0L, 0L, 0L, 0L, 0L), schoolavg = c(1L,
1L, 1L, 1L, 1L), schoollow = c(0L, 0L, 0L, 0L, 0L), readSS = c(357.286464546893,
263.904581222636, 369.672179143784, 346.595665384202, 373.125445669888
), mathSS = c(387.280282915207, 302.572371332695, 365.461432571883,
344.496386434725, 441.15810279391), proflvl = structure(c(2L,
3L, 2L, 2L, 2L), .Label = c("advanced", "basic", "below basic",
"proficient"), class = "factor"), race = structure(c(2L, 2L,
2L, 2L, 2L), .Label = c("A", "B", "H", "I", "W"), class = "factor")), .Names = c("X",
"school", "stuid", "grade", "schid", "dist", "white", "black",
"hisp", "indian", "asian", "econ", "female", "ell", "disab",
"sch_fay", "dist_fay", "luck", "ability", "measerr", "teachq",
"year", "attday", "schoolscore", "district", "schoolhigh", "schoolavg",
"schoollow", "readSS", "mathSS", "proflvl", "race"), row.names = c(NA,
5L), class = "data.frame")

生成的代码可以复制并粘贴到R ,它将自动按照描述自动构建数据集。

 

匿名化您的数据

也可能是您想要dput数据的情况,但您希望保持数据内容的匿名性。谷歌搜索提出了一个体面的功能,以实现这一目标:

anonym <- function(df) {
    if (length(df) > 26) {
             LETTERS <- c(LETTERS, paste(LETTERS, LETTERS, sep = ""))
        })
    }
 
    level.id.df <- function(df) {
        level.id <- function(i) {
            if (class(df[, i]) == "factor" | class(df[, i]) == "character") {
                   sep = ".")
            } else if (is.numeric(df[, i])) {
             } else {
                column <- df[, i]
            }
            return(column)
        }
        DF <- data.frame(sapply(seq_along(df), level.id))
         return(DF)
    }
    df <- level.id.df(df)
    return(df)
}

test <- anonym(stulevel)
head(test[, c(2:6, 28:32)])
                    B                 C                 D
1 0.00217632592657076  1.51160611230132 0.551020408163265
2 0.00217632592657076 0.135998696526593 0.551020408163265
3 0.00217632592657076  1.07322572705443 0.551020408163265
4 0.00217632592657076 0.455562880806568 0.551020408163265
5 0.00217632592657076  1.43813960635994 0.551020408163265
6 0.00217632592657076 0.151115261535106 0.551020408163265
 
 

创建示例

一旦我们得到了最小的数据集,我们就需要在该数据集上重现我们的错误

让我们看一个聚合数据的错误示例。

Data <- data.frame(id = seq(1, 1000), gender = sample(c("male", "female"), 1000,
    replace = TRUE), mathSS = rnorm(1000, mean = 400, sd = 60), readSS = rnorm(1000,
    mean = 370, sd = 58.3), race = sample(c("H", "B", "W", "I", "A"), 1000,
    replace = TRUE))

myAgg <- Data[, list(meanM = mean(mathSS)), by = race]
Error: unused argument(s) (by = race)
head(myAgg)
Error: object 'myAgg' not found

为什么我会收到错误?如果您将上述代码发送给某人,他们可以快速评估错误,如果他们知道您正在尝试使用data.table包,请查看错误。

library(data.table)
Data <- data.frame(id = seq(1, 1000), gender = sample(c("male", "female"), 1000,
    replace = TRUE), mathSS = rnorm(1000, mean = 400, sd = 60), readSS = rnorm(1000,
    mean = 370, sd = 58.3), race = sample(c("H", "B", "W", "I", "A"), 1000,
    replace = TRUE))

Data <- data.table(Data)
myAgg <- Data[, list(meanM = mean(mathSS)), by = race]
head(myAgg)
   race meanM
1:    H 398.6
2:    B 405.1
3:    A 397.8
4:    W 395.7
5:    I 399.1

会话信息

但是,他们可能不知道这一点,所以我们需要提供最后一条信息。要诊断错误,必须知道您正在运行的系统,工作区中加载了哪些软件包,以及您使用的R版本和给定软件包。

只需添加sessionInfo()功能的输出 。这很容易复制和粘贴或包含在knitr文档中。

sessionInfo()
R version 2.15.2 (2012-10-26)
Platform: x86_64-w64-mingw32/x64 (64-bit)

locale:
[1] LC_COLLATE=English_United States.1252
[2] LC_CTYPE=English_United States.1252
[3] LC_MONETARY=English_United States.1252
[4] LC_NUMERIC=C
[5] LC_TIME=English_United States.1252

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base

other attached packages:
[1] data.table_1.8.8 eeptools_0.2     ggplot2_0.9.3.1  knitr_1.2

loaded via a namespace (and not attached):
 [1] colorspace_1.2-2   dichromat_2.0-0    digest_0.6.3
 [4] evaluate_0.4.3     formatR_0.7        grid_2.15.2
 [7] gtable_0.1.2       labeling_0.1       MASS_7.3-23
[10] munsell_0.4        plyr_1.8           proto_0.3-10
[13] RColorBrewer_1.0-5 reshape2_1.2.2     scales_0.2.3
[16] stringr_0.6.2      tools_2.15.2
相关文章
|
7月前
|
存储
【视频】R语言中的分布滞后非线性模型(DLNM)与发病率,死亡率和空气污染示例
【视频】R语言中的分布滞后非线性模型(DLNM)与发病率,死亡率和空气污染示例
|
7月前
|
编译器 Python Windows
R语言RStan贝叶斯示例:重复试验模型和种群竞争模型Lotka Volterra
R语言RStan贝叶斯示例:重复试验模型和种群竞争模型Lotka Volterra
|
7月前
R语言RStan贝叶斯示例:重复试验模型和种群竞争模型Lotka Volterra2
R语言RStan贝叶斯示例:重复试验模型和种群竞争模型Lotka Volterra
|
数据处理
R语言-数据处理:dplyr包内 mutate-across 联用示例
mutate和across函数是dplyr中非常常用的函数,它们可以帮助我们快速、高效地对数据进行处理和分析。本文分享了联用这两个函数处理数据的基本用法示例,熟练掌握这些函数的用法,可以大大提高我们的数据处理效率。
513 0
|
机器学习/深度学习 移动开发 数据挖掘
R语言- data.table包加速大型数据集的加载和运算效率用法示例
本文根据个人使用经验和博客参考,总结分享了在R语言中使用data.table包来提升大型数据集处理效率的用法示例,以供参考
283 0
|
数据挖掘 数据格式
R语言- ComplexHeatmap 绘制复杂热图示例
ComplexHeatmap是R语言中用于绘制复杂热图的一个重要包。它提供了一种灵活、高效、易于定制的方法来绘制热图,并支持多种数据类型和数据格式,支持包括多种热图类型,包括基本热图、聚类热图、分组热图、矩阵热图等。用户可以根据自己的需求选择不同的热图类型,并进行灵活的定制。在生物信息学、医学、生态学等领域得到广泛应用。 本文将通过一个复杂热图的创建示例分享 ComplexHeatmap的语法规则。
811 0
|
数据可视化 数据挖掘 Python
跟着Nature学作图:R语言ggplot2散点图和柱形图完整示例(Extended Fig3)
跟着Nature学作图:R语言ggplot2散点图和柱形图完整示例(Extended Fig3)
|
数据可视化 数据挖掘 Python
跟着Nature学作图:R语言ggplot2分组折线图完整示例(Extended Fig2)
跟着Nature学作图:R语言ggplot2分组折线图完整示例(Extended Fig2)
|
数据可视化 数据挖掘 Python
跟着Nature Metabolism学作图:R语言ggplot2柱形图和下三角热图完整示例
跟着Nature Metabolism学作图:R语言ggplot2柱形图和下三角热图完整示例
|
机器学习/深度学习 TensorFlow 算法框架/工具
Keras R语言接口正式发布,同时公开20个完整示例
在过去的几年间,人们对深度学习的兴趣增长迅速,同时期出现了几个深度学习的框架。在所有的框架中,Keras因为在生产力、灵活性以及对用户友好性方面的优势脱颖而出。同时期,tensorflow作为下一代机器学习平台,非常灵活,很适合产品部署。
1350 0