Resultados de la búsqueda a petición "levels"
Profundidad de conteo o el nivel más profundo que una lista anidada va a
A tiene un problema real (y un dolor de cabeza) con una tarea ... Estoy en una clase de programación introductoria, y tengo que escribir una función que, dada una lista, devolverá la profundidad "máxima" a la que va ... Por ejemplo: [1,2,3] ...
¿Por qué la terminología de etiquetas y niveles en factores es tan extraña?
Un ejemplo de una función no configurable seríalabels. Solo puede establecer etiquetas de factor cuando se crean con la función de factor. No haylabels<- Función. No es que las 'etiquetas' y los 'niveles' en los factores tengan sentido ... > ...
¿Cómo puedo mantener NA cuando cambio de nivel?
Construyo un vector de factores que contienen NA. my_vec <- factor(c(NA,"a","b"),exclude=NULL) levels(my_vec) # [1] "a" "b" NAYo cambio uno de esos niveles. levels(my_vec)[levels(my_vec) == "b"] <- "c"NA desaparece. levels(my_vec) # [1] "a" ...
Recode / relevel data.frame factores con diferentes niveles
Cada vez que tengo que recodificar algún conjunto de variables, tengo en mente la función de recodificación de SPSS. Debo admitir que es bastante sencillo. Hay un similarrecode funcionar encar paquete, y hace el truco, pero supongamos que quiero ...
¿Cómo puedo eliminar los niveles no utilizados de un marco de datos?
Teniendo en cuenta los siguientes datos simulados:
ggplot2 mantener los niveles no utilizados barplot
Quiero trazar los niveles no utilizados (es decir, los niveles donde el recuento es 0) en mi gráfico de barras, sin embargo, los niveles no utilizados se eli...
Reordenar los niveles de un factor sin cambiar el orden de los valores
Tengo un marco de datos con algunas variables numéricas y algunas categóricasfactor variables El orden de los niveles para esos factores no es como yo quiero que sean. numbers <- 1:4 letters <- factor(c("a", "b", "c", "d")) df ...
¿Cómo cambiar el nombre de los niveles de factores?
conjunto de entrenamiento trainSample <- cbind(data[1:980,1], data[1:980,2]) cl <- factor(c(data[1:980,3]))equipo de prueba testSample <- data(data[981:1485,1], data[981:1485,2]) cl.test <- clknn predicción k <- knn(trainSample, testSample, ...