R：使用网格的馈送功能

2023-12-11

我正在使用 R 编程语言。

我编写了这个循环，它在随机选择的输入“random_1、random_2、random_3、random_4、split_1、split_2、split_3”中评估以下“函数”（实际上是一个“循环”）100次：

#load library
library(dplyr)

library(data.table)

set.seed(123)

# create some data for this example
a1 = rnorm(1000,100,10)
b1 = rnorm(1000,100,5)
c1 = sample.int(1000, 1000, replace = TRUE)
train_data = data.frame(a1,b1,c1)


####
results_table <- data.frame()

for (i in 1:100 ) {
    
    #generate random numbers
    random_1 =  runif(1, 80, 120)
    random_2 =  runif(1, random_1, 120)
    random_3 =  runif(1, 85, 120)
    random_4 =  runif(1, random_3, 120)
    
    #bin data according to random criteria
    train_data <- train_data %>% mutate(cat = ifelse(a1 <= random_1 & b1 <= random_3, "a", ifelse(a1 <= random_2 & b1 <= random_4, "b", "c")))
    
    train_data$cat = as.factor(train_data$cat)
    
    #new splits
    a_table = train_data %>%
        filter(cat == "a") %>%
        select(a1, b1, c1, cat)
    
    b_table = train_data %>%
        filter(cat == "b") %>%
        select(a1, b1, c1, cat)
    
    c_table = train_data %>%
        filter(cat == "c") %>%
        select(a1, b1, c1, cat)
    
    split_1 =  runif(1,0, 1)
    split_2 =  runif(1, 0, 1)
    split_3 =  runif(1, 0, 1)
    
    #calculate 60th quantile ("quant") for each bin
    
    table_a = data.frame(a_table%>% group_by(cat) %>%
                             mutate(quant = quantile(c1, prob = split_1)))
    
    table_b = data.frame(b_table%>% group_by(cat) %>%
                             mutate(quant = quantile(c1, prob = split_2)))
    
    table_c = data.frame(c_table%>% group_by(cat) %>%
                             mutate(quant = quantile(c1, prob = split_3)))
    
    
    
    
    #create a new variable ("diff") that measures if the quantile is bigger tha the value of "c1"
    table_a$diff = ifelse(table_a$quant > table_a$c1,1,0)
    table_b$diff = ifelse(table_b$quant > table_b$c1,1,0)
    table_c$diff = ifelse(table_c$quant > table_c$c1,1,0)
    
    #group all tables
    
    final_table = rbind(table_a, table_b, table_c)
    
    #create a table: for each bin, calculate the average of "diff"
    final_table_2 = data.frame(final_table %>%
                                   group_by(cat) %>%
                                   summarize(
                                       mean = mean(diff)
                                   ))
    
    #add "total mean" to this table
    final_table_2 = data.frame(final_table_2 %>% add_row(cat = "total", mean = mean(final_table$diff)))
    
    #format this table: add the random criteria to this table for reference
    final_table_2$random_1 = random_1
    
    final_table_2$random_2 = random_2
    
    final_table_2$random_3 = random_3
    
    final_table_2$random_4 = random_4
    
    final_table_2$split_1 = split_1
    
    final_table_2$split_2 = split_2
    
    final_table_2$split_3 = split_3
    
    final_table_2$iteration_number = i
    
    
    results_table <- rbind(results_table, final_table_2)
    
    final_results = dcast(setDT(results_table), iteration_number + random_1 + random_2 + random_3 + random_4 + split_1 + split_2 + split_3 ~ cat, value.var = 'mean')
    
}

上面代码的结果如下所示：

head(final_results)
   iteration_number random_1 random_2  random_3 random_4    split_1   split_2   split_3          a         b         c total
1:                1 95.67371 111.8133  94.00313 102.0569 0.84045638 0.6882731 0.7749321 0.82051282 0.6870229 0.7734554 0.730
2:                2 92.31360 110.0762 106.46871 109.5343 0.24615922 0.8777580 0.7847697 0.24731183 0.8777429 0.7840909 0.744
3:                3 81.02645 110.4645 116.42006 119.6172 0.11943576 0.9762721 0.9100522 0.14285714 0.9758162 0.9103448 0.943
4:                4 90.35986 116.7089 114.15588 116.7231 0.07675141 0.8661540 0.3236617 0.08139535 0.8658065 0.3207547 0.702
5:                5 89.28374 114.7103 119.70448 119.7725 0.08881443 0.6351936 0.8565509 0.09027778 0.6349614 0.8461538 0.573
6:                6 87.35767 103.8575  97.44462 116.0414 0.48372890 0.2319129 0.2701634 0.47368421 0.2326333 0.2711370 0.255

这是我的问题：我不想在“随机选择的点”评估上述函数，而是想在网格内定义的点评估该函数。

首先，我定义了网格：

#grid_2
random_1 <- seq(80,100,5)
random_2 <- seq(85,120,5)
random_3 <- seq(85,120,5)
random_4 <- seq(90,120,5)
split_1 =  seq(0.4,1,0.2)
split_2 =  seq(0.4,1,0.2)
split_3 =  seq(0.4,1,0.2)
DF_1 <- expand.grid(random_1 , random_2, random_3, random_4, split_1, split_2, split_3)

> head(DF_1)
  Var1 Var2 Var3 Var4 Var5 Var6 Var7
1   80   85   85   90  0.4  0.4  0.4
2   85   85   85   90  0.4  0.4  0.4
3   90   85   85   90  0.4  0.4  0.4
4   95   85   85   90  0.4  0.4  0.4
5  100   85   85   90  0.4  0.4  0.4
6   80   90   85   90  0.4  0.4  0.4

接下来，我将“循环”转换为“函数”

results_table <- data.frame()

grid_function <- function(random_1, random_2, random_3, random_4, split_1, split_2, split_3) {
    

    
    #bin data according to random criteria
    train_data <- train_data %>% mutate(cat = ifelse(a1 <= random_1 & b1 <= random_3, "a", ifelse(a1 <= random_2 & b1 <= random_4, "b", "c")))
    
    train_data$cat = as.factor(train_data$cat)
    
    #new splits
    a_table = train_data %>%
        filter(cat == "a") %>%
        select(a1, b1, c1, cat)
    
    b_table = train_data %>%
        filter(cat == "b") %>%
        select(a1, b1, c1, cat)
    
    c_table = train_data %>%
        filter(cat == "c") %>%
        select(a1, b1, c1, cat)
    

    #calculate random quantile ("quant") for each bin
    
    table_a = data.frame(a_table%>% group_by(cat) %>%
                             mutate(quant = quantile(c1, prob = split_1)))
    
    table_b = data.frame(b_table%>% group_by(cat) %>%
                             mutate(quant = quantile(c1, prob = split_2)))
    
    table_c = data.frame(c_table%>% group_by(cat) %>%
                             mutate(quant = quantile(c1, prob = split_3)))
    
    
    
    
    #create a new variable ("diff") that measures if the quantile is bigger tha the value of "c1"
    table_a$diff = ifelse(table_a$quant > table_a$c1,1,0)
    table_b$diff = ifelse(table_b$quant > table_b$c1,1,0)
    table_c$diff = ifelse(table_c$quant > table_c$c1,1,0)
    
    #group all tables
    
    final_table = rbind(table_a, table_b, table_c)
    
    #create a table: for each bin, calculate the average of "diff"
    final_table_2 = data.frame(final_table %>%
                                   group_by(cat) %>%
                                   summarize(
                                       mean = mean(diff)
                                   ))
    
    #add "total mean" to this table
    final_table_2 = data.frame(final_table_2 %>% add_row(cat = "total", mean = mean(final_table$diff)))
    
    #format this table: add the random criteria to this table for reference
    final_table_2$random_1 = random_1
    
    final_table_2$random_2 = random_2
    
    final_table_2$random_3 = random_3
    
    final_table_2$random_4 = random_4
    
    final_table_2$split_1 = split_1
    
    final_table_2$split_2 = split_2
    
    final_table_2$split_3 = split_3
    
    final_table_2$iteration_number = i
    
    
    results_table <- rbind(results_table, final_table_2)
    
    final_results = dcast(setDT(results_table), iteration_number + random_1 + random_2 + random_3 + random_4 + split_1 + split_2 + split_3 ~ cat, value.var = 'mean')
    
}

Problem:而不是在随机选择的点上评估函数，例如" 95.67371 111.8133 94.00313 102.0569 0.84045638 0.6882731 0.7749321 0.82051282 0.6870229 0.7734554 0.730"，我想在网格（DF_1）内定义的点处评估函数，例如" 80 85 85 90 0.4 0.4 0.4"

到目前为止我尝试过的：

#Reduce size of the gird for this example

DF_1 = DF_1[1:100,]

#rename variables within the grid:

colnames(DF_1) <- c("random_1" , "random_2", "random_3",
                    "random_4", "split_1", "split_2", "split_3")

#evauate function at points from grid:

resultdf1 <- apply(DF_1,1, # 1 means rows
                   FUN=function(x){
                     do.call(
                       # Call Function grid_function2 with the arguments in
                       # a list
                       grid_function,
                       # force list type for the arguments
                       as.list(
                         # make the row to a named vector
                         unlist(x)
                         )
                       )
                     }
                   )


#reformat results, it seems like every "block" in this output is identical

a = resultdf1$`1`
a = data.frame(a)

head(a)
  iteration_number random_1 random_2  random_3 random_4    split_1   split_2   split_3          a         b         c total
1                1 95.67371 111.8133  94.00313 102.0569 0.84045638 0.6882731 0.7749321 0.82051282 0.6870229 0.7734554 0.730
2                2 92.31360 110.0762 106.46871 109.5343 0.24615922 0.8777580 0.7847697 0.24731183 0.8777429 0.7840909 0.744
3                3 81.02645 110.4645 116.42006 119.6172 0.11943576 0.9762721 0.9100522 0.14285714 0.9758162 0.9103448 0.943
4                4 90.35986 116.7089 114.15588 116.7231 0.07675141 0.8661540 0.3236617 0.08139535 0.8658065 0.3207547 0.702
5                5 89.28374 114.7103 119.70448 119.7725 0.08881443 0.6351936 0.8565509 0.09027778 0.6349614 0.8461538 0.573
6                6 87.35767 103.8575  97.44462 116.0414 0.48372890 0.2319129 0.2701634 0.47368421 0.2326333 0.2711370 0.255

这似乎有效，但是：

根据结果resultdf1$，“random_1、random_2、random_3、random_4、split_1、split_2、split_3”的值与“DF_1”中的值不匹配。
上面的代码生成同一个表 100 次（例如 resultdf1$1, 结果df1$2, ... 结果df1$100）。有没有办法只生成这些“块”之一（例如 resultdf1$1），这样会使用更少的计算机内存？

有人可以告诉我如何解决这些问题吗？

Thanks.

As the grid_function正在更新全局环境中的原始对象“train_data”并且不作为参数传递给函数，该对象被修改。我们可能需要添加一个额外的参数

results_table <- data.frame()

grid_function <- function(train_data, random_1, random_2, random_3, random_4, split_1, split_2, split_3) {
    

    
    #bin data according to random criteria
    train_data <- train_data %>% mutate(cat = ifelse(a1 <= random_1 & b1 <= random_3, "a", ifelse(a1 <= random_2 & b1 <= random_4, "b", "c")))
    
    train_data$cat = as.factor(train_data$cat)
    
    #new splits
    a_table = train_data %>%
        filter(cat == "a") %>%
        select(a1, b1, c1, cat)
    
    b_table = train_data %>%
        filter(cat == "b") %>%
        select(a1, b1, c1, cat)
    
    c_table = train_data %>%
        filter(cat == "c") %>%
        select(a1, b1, c1, cat)
    

    #calculate random quantile ("quant") for each bin
    
    table_a = data.frame(a_table%>% group_by(cat) %>%
                             mutate(quant = quantile(c1, prob = split_1)))
    
    table_b = data.frame(b_table%>% group_by(cat) %>%
                             mutate(quant = quantile(c1, prob = split_2)))
    
    table_c = data.frame(c_table%>% group_by(cat) %>%
                             mutate(quant = quantile(c1, prob = split_3)))
    
    
    
    
    #create a new variable ("diff") that measures if the quantile is bigger tha the value of "c1"
    table_a$diff = ifelse(table_a$quant > table_a$c1,1,0)
    table_b$diff = ifelse(table_b$quant > table_b$c1,1,0)
    table_c$diff = ifelse(table_c$quant > table_c$c1,1,0)
    
    #group all tables
    
    final_table = rbind(table_a, table_b, table_c)
    
    #create a table: for each bin, calculate the average of "diff"
    final_table_2 = data.frame(final_table %>%
                                   group_by(cat) %>%
                                   summarize(
                                       mean = mean(diff)
                                   ))
    
    #add "total mean" to this table
    final_table_2 = data.frame(final_table_2 %>% add_row(cat = "total", mean = mean(final_table$diff)))
    
    #format this table: add the random criteria to this table for reference
    final_table_2$random_1 = random_1
    
    final_table_2$random_2 = random_2
    
    final_table_2$random_3 = random_3
    
    final_table_2$random_4 = random_4
    
    final_table_2$split_1 = split_1
    
    final_table_2$split_2 = split_2
    
    final_table_2$split_3 = split_3
    
    final_table_2$iteration_number = i
    
    
    results_table <- rbind(results_table, final_table_2)
    
    final_results = dcast(setDT(results_table), iteration_number + random_1 + random_2 + random_3 + random_4 + split_1 + split_2 + split_3 ~ cat, value.var = 'mean')
    
}

然后通过copy'train_data' 作为输入

train_data_new <- copy(train_data)
DF_1 <- DF_1[1:5,]

将该函数称为

resultdf1 <- apply(DF_1,1, # 1 means rows
                    FUN=function(x){
                      do.call(
                        # Call Function grid_function2 with the arguments in
                        # a list
                        grid_function,
                        # force list type for the arguments
                        c(list(train_data_new), as.list(
                          # make the row to a named vector
                          unlist(x)
                          )
                        ))
                      }
                    )

-ouptut

resultdf1
$`1`
   iteration_number random_1 random_2 random_3 random_4 split_1 split_2 split_3   b         c total
1:              100       80       85       85       90     0.4     0.4     0.4 0.5 0.3997996   0.4

$`2`
   iteration_number random_1 random_2 random_3 random_4 split_1 split_2 split_3   b         c total
1:              100       85       85       85       90     0.4     0.4     0.4 0.5 0.3997996   0.4

$`3`
   iteration_number random_1 random_2 random_3 random_4 split_1 split_2 split_3   b         c total
1:              100       90       85       85       90     0.4     0.4     0.4 0.5 0.3997996   0.4

$`4`
   iteration_number random_1 random_2 random_3 random_4 split_1 split_2 split_3 a   b         c total
1:              100       95       85       85       90     0.4     0.4     0.4 0 0.5 0.4002006   0.4

$`5`
   iteration_number random_1 random_2 random_3 random_4 split_1 split_2 split_3 a   b         c total
1:              100      100       85       85       90     0.4     0.4     0.4 0 0.5 0.4002006   0.4

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

r

Algorithm

function

loops

Iteration

R：使用网格的馈送功能的相关文章

n维匹配算法

在这里寻求一些建议有谁知道在 n 维空间中开始研究匹配算法的好地方例如任何约会网站都必须使用某种算法来匹配 2 个人我读到的是我们可以将一个人的特征映射到一个 n 维数组中每个特征都有一个点系统一旦我们拥有一个人的所有可用
是否可以使用像“tz=NULL”这样的东西？...“as.POSIXct”默认为依赖于语言环境的时区（与“as.Date”不同），这会导致问题

我知道这是一个长期存在根深蒂固的问题但这是我经常遇到的问题而且我看到初学者R经常与此斗争我希望有一个令人满意的解决方案到目前为止我的谷歌和 SO 搜索都是空的但如果在其他地方重复请指出正确的方向 TL DR 有没有办法使用类
有没有办法将字母扩展到超过 26 个字符，例如 AA、AB、AC...？

我大部分时间都使用字母来表示我的因素但今天我尝试超过 26 个字符 LETTERS 1 32 期待有自动递归因式分解 AA AB AC 但很失望这只是字母的限制还是有办法使用其他函数来获取我正在寻找的内容 702够吗 LETTERS70
抑制 r markdown 中的控制台输出，但保留绘图

嗨我有以下降价块 r echo FALSE warning FALSE message FALSE error FALSE lapply obj function x plot x main some plot box axis 1 at
将 diff 转换为带有删除线的 Markdown？

我想转换输出diff 在 Markdown 文件上降价与
成员函数的Decltype

class A int f int x int j return 2 decltype f p 给我错误 error decltype cannot resolve address of overloaded function 我不明白为什
为闪亮的应用程序创建桌面图标

当我在基本 R 提示中提供以下代码时我会在浏览器中打开一个闪亮的应用程序 shiny runApp C Myapp 我使用 Windows 7 我试图创建一个桌面图标以避免我的客户每次想要使用该应用程序时都键入上述代码我创建了一个桌面
使用 roxygen2 记录数据集

我正在尝试使用 roxygen2 记录 R 包中的一些数据集仅考虑其中之一 I have mypkg data CpG human GRCh37 RDa 其中包含一个名为的对象CpG human GRCh37 和一个名为 mypkg R
哪种 LaTeX 包与 knit 一起使用以获得更多的表格控制？禁忌？

我正在用 knitr 写一张更长的桌子xtable和tabular environment longtable 在 longtable 包中时print将它们纳入我的 Rnw file 问题是我对longtable环境控制不够我有一些文本
带提示的二分查找

我有一个简单的std vector包含一些已排序的数字按升序我想查找一个元素到目前为止我使用 return std lower bound vec begin vec end needle Where needle是我寻找的元素然而
没有垂直线的直方图

当我创建直方图时它看起来很像这样 set seed 1 x lt 1 100 y lt x rnorm 50 y round y hist y Is there a way to make a histogram look a bit l
使用 dplyr 按组计算加权平均值（并复制其他方法）

我对语法感到困惑dplyr当尝试计算加权平均值时我听从大卫的建议here https stackoverflow com a 27609266 1457380 语法非常透明因此很有吸引力但它似乎没有按我的预期工作低于加权平均值是针对
如何随机打乱一个比 PRNG 周期更多排列的列表？

我有一个包含大约 3900 个元素的列表我需要对其进行随机排列以产生统计分布我环顾四周发现了这个使用 Python random shuffle 进行随机播放的列表的最大长度 https stackoverflow com quest
如何重试错误语句？

如果某个语句出错我如何简单地告诉 R 重试该语句几次例如我希望做类似的事情 tryCatch dbGetQuery Query database error function e if is locking error e If da
ts(x) 中的错误：“ts”对象必须有一个或多个观察结果

当我使用进行预测时forecast库我注意到以下代码没有按预期运行 library forecast library dplyr df1 lt data frame gp gl 20 5 dt seq 1 100 get lt funct
如何将变量传递给 ddply 中的自定义函数？

考虑以下数据 d data frame experiment as factor c foo foo foo bar bar si runif 5 ti runif 5 我想进行相关性测试si and ti 对于每个experiment因素
在 R 中使用 ggplot2 叠加两个图

有两个数据框 df1 df2我需要使用 ggplot2 创建线图并显示在同一个图表上 df1 x y 2 30 4 25 6 20 8 15 df2 x y 2 12 4 16 6 20 8 24 用于绘制第一个 df p1 lt ggpl
javascript 代码只能在函数之外工作 - 为什么？

为什么这段代码不能像下面写的那样工作但如果我注释掉function testBgChange 并将代码保留在该函数内它可以正常工作如果我将代码保留在函数中然后调用该函数会有什么区别
动态显示仪表板页面

我有一个实用的闪亮应用程序它使用shinydashboard包裹新功能需要特定于用户的行为例如针对不同的用户名使用不同的数据集因此我打算显示登录表单验证凭据并设置反应值LoggedIn to true如果成功的话显示实际情况
使用 ggplot2 在一张画布上绘制多个图形[重复]

这个问题在这里已经有答案了我正在尝试根据此表将两个 ggplot2 图合并为一个图 Type RatingA RatingB 1 One 3 36 2 Two 5 53 3 One 5 57 4 One 7 74 5 Three 4 38

随机推荐

如何创建网络服务

我使用 Ruby on Rails 框架构建了一个网站该站点将包含一个 Flash 应用程序该应用程序将使用 Web 服务与 Rails 应用程序进行交互我的合作伙伴构建了 Flash 应用程序他告诉我 Flash 应用程序通过 W
使用R中的mat2listw函数创建空间权重矩阵

我正在尝试使用 mat2listw 函数在 R 中创建一个权重对象我有一个非常大的空间权重矩阵大约 22 000x22 000 这是在 Excel 中创建并读入 R 的我现在正在尝试实现 library spdep SW mat2li
Java中将图像亮度转换为灰度错误

我使用以下代码在 Java 中将图像转换为灰度 BufferedImage originalImage ImageIO read new File home david input bmp BufferedImage grayImage n
如何使用 C++ 检测 Linux 中串行端口上运行的缓冲区溢出

我有一个大问题目前我正在通过以下钩子访问串行端口 fd open dev ttyS1 O RDWR O NOCTTY 然后我使用以下代码块从中读取 i select fd 1 rfds NULL NULL tv iLen read fd
json.parse 给出 Uncaught SyntaxError: Unexpected Token (Django json 序列化查询集)

我遇到了错误Uncaught SyntaxError Unexpected Token当尝试解析 json 数据时这是我的ajax代码 json2 js ajax type POST url best choose invoice ite
将textarea中的html标签转换为富文本

我正在使用 PHP 来填充文本区域
使用 urllib2 登录网站 - Python 2.7

好的我将其用于 reddit 机器人但我希望能够弄清楚如何登录任何网站如果这有道理的话我意识到不同的网站使用不同的登录表单等那么我如何找出如何针对每个网站进行优化呢我假设我需要在 html 文件中查找某些内容但不知道是什么我
JTextArea 作为控制台

我在下面发布了两段代码两个代码单独工作都很好现在当我运行 Easy 文件并单击开始按钮时我希望实现 AddNumber 类我的意思是说除了在控制台上运行 AddNumber 之外有什么方法可以让 AddNumber 在单击
如何让 fwrite() 不加双引号？

我使用以下命令读取了一个在其字段中包含 html 代码的 csv 文件fread 对其进行一些维护并将生成的数据表写入文件中fwrite 问题是现在所有的 html 都充满了四重引号例如colspan 7 有的是qmethod参数但我不
Visual Studio Online Build 将 git 输出视为错误

我在 Visual Studio Online 中的构建尝试通过以下方式部署我的 Azure 网站Kudu 该脚本工作正常并且部署也已完成但由于某种原因 VSO 将 git 输出视为错误并声明整个构建失败看看下面的屏幕截图一些细节
ggplot箱线图的位置躲避警告？

我正在尝试使用以下代码使用 ggplot2 制作箱线图 p lt ggplot data aes d score reorder d names d scores median geom boxplot 我有称为名称的因素和称为分数的整数
是否可以在 Magento 中以编程方式发送电子邮件？

是否可以在 Magento 中以编程方式发送电子邮件也许从自定义模块中的控制器中您可以获取模板填充其变量并发送电子邮件吗 Thanks 绝对地以下是 Checkout 帮助程序的示例 mailTemplate Mage getMod
设置 TabPage 标题颜色

问候我有一个选项卡控件我希望其中 1 个选项卡的文本颜色在事件发生时更改我找到了类似的答案C TabPage 颜色事件 and C Winform 如何设置 TabControl 而不是选项卡页的基色但使用这些设置所有颜色而不是一种
PHP网站打开时总是显示空白页面，没有错误

一前提 PHP在Win2003 STD R2 SP2上加载在IIS6上 PHP 5213使用FastCGI MySQL 5145 客户向我发送了网站文件我将其解压缩到C InetPub wwwroot
为什么这个 Haskell 代码永远不会终止？

我最近写了一些 Haskell 代码但它永远不会终止当我仔细检查我的代码后问题归结为以下代码片段 main IO main print let a 10 in let a a in a Int 我想这一定与 Haskell 的懒惰有关
Always_comb 中的 SystemVerilog“if”语句“不是纯粹的组合逻辑”错误

我很困惑并且有点沮丧我花了很多时间在 Modelsim 中研究一些 SystemVerilog 我已经达到了可以在我的硬件上测试它的某个阶段但是在 Quartus 中编译不成功我确实知道这可能会发生但在这种情况下我的错误似乎没有意
如何强制 Laravel 项目对所有路由使用 HTTPS？

我正在开发一个需要安全连接的项目我可以通过以下方式设置路由 uri 资产以使用 https Route get order details id uses gt OrderController details as gt order de
防止EditText自动聚焦

我有一个 Android 活动有一个EditText在整个布局中由于某种原因每当活动开始时键盘就会出现我努力了all以下事项将这两个放入OnStart FindViewById
R 图：如何使用 mtext 获取 las=1 的顶部对齐垂直标签

我正在尝试使用在垂直轴上获得标签mtext水平阅读 las 1 并且位于轴的顶部我的尝试是使用las 1 adj 1 当我不指定时我可以获得所需的展示位置las 1 但是一旦我添加las 1论证adj 1放置消失这是带有代码的图片左图
R：使用网格的馈送功能

我正在使用 R 编程语言我编写了这个循环它在随机选择的输入 random 1 random 2 random 3 random 4 split 1 split 2 split 3 中评估以下函数实际上是一个循环 100次 load

R：使用网格的馈送功能

R：使用网格的馈送功能 的相关文章

随机推荐

热门标签

R：使用网格的馈送功能的相关文章