search for: arreglas

Hola comunidad eRrera, Acudo a ustedes después de pelearme un rato y salir perdedor con la lectura de un archivo json. Por el momento he conseguido leerlo y transformar la parte que me interesa a data frame, sin embargo no consigo poder manipular los datos para calcular por ejemplo la media de una de las variables. El código que estoy ejecutando es: library(jsonlite) json_data <-

Estimados Tengo un problema. Con igraph creo una red a partir de un data.frame, las dos primeras columnas son V y las restantes E. Hay un trabajo anterior, yo me pregunté ¿Qué pasaría si las cosas hablaran entre ellas?, entonces hay un cruce de información de todos contra todos y elimino los nulos y duplicados. Al ver los listados E, V tienen la información. Hasta ahí estaría todo bien (me

AF_E PS_E 90.838 2.206 83.139 1.751 134.272 3.710 84.043 2.076 105.184 2.788 157.249 3.783 50.280 1.027 96.973 2.355 123.582 3.398 60.417 1.236 123.501 3.315 90.128 1.566 193.783 5.167 116.036 2.994 100.289 2.216 56.943 1.106 102.272 2.692 145.579 3.810 53.105 1.202 127.212 3.061 102.838 2.383 126.352 2.723 13.661 0.190 164.352 4.870 159.945 4.160 54.382 0.884 128.253 3.598 181.208 4.767 145.118

Estimado Javier, Me alegra que hayas avanzado con tu error. Te respondo a esto último. La función induced.subgraph() espera como segundo parámetro una lista de los IDs de los vértices, mientras que tú le estás pasando una lista de 'edges'. Prueba lo siguiente: c <- induced.subgraph(datos.network, which(V(datos.network)$name == 'Casa')) Si entendí bien todo, debería

¿Alguien sabe cómo dibujar un diagrama de barras agrupado (o apilado) con diferente número de elementos en cada grupo y que la leyenda quede "correcta"? Si utilizamos barplot (o barplot2 de gplots) podemos definir una matriz con columnas las diferentes alturas para cada grupo y si un grupo tiene menos categorias simplemente asignamos NA a los elementos sobrantes de esa columna. Pero no

Hola! Quiero encontrar los outliers de una columna de datos que son diferencias de tiempo, aunque esta en formato numero no en horas. El paquete que encontre que me podria servir es el outliers e hice este script: library(outliers) filename<-"timediff.csv" time<-read.csv(filename, sep=";",header=TRUE,dec=",") chisq.out.test(time$TimeDiff) Pero me da error

Hola, Como te comentan, shiny es la mejor opción que tienes, solo añadir que no necesitas Rstudio connect. Se puede hacer el volcado de datos con conexiones ODBC perfectamente, hay varios paquetes de R que te sirven para ello. Lo que si es cierto es que necesitarás dedicarle un tiempo a cómo utilizarlos de manera razonable, probableente tendrás que pelear un poco para configurarlos correctamente.

Hola a todos. Juan, por si te sirve de referencia, ésta es una página hecha con docker, docker-compose y shinyproxy: http://ifnapp.creaf.cat/ docker-compose me levanta varios containers: 1. servidor web (nginx + hugo) para la página de entrada 2. servidor postgresql, ya que la aplicación shiny necesita acceso a una base de datos 3. shinyproxy, para levantar una instancia de la shiny app

Gracias a todos por las recomendaciones. Ya me he puesto en contacto con el autor y le explicado donde esta el error. Es tan fácil como que han cambiado la estructura de los objetos tipos lmer desde la versión 2.15.3 con lo que su paquete dejo de funcionar. Por suerte la nueva estructura conserva por lo menos la parte necesaria para hacer sus funciones. Se localizar el fallo y como arreglarlo, lo

Javier, Creo que aquí aplica la ley de Linus que dice: "Dado un número suficientemente elevado de ojos, todos los errores se convierten en obvios". La persona que revisa y encuentra un error no necesariamente tiene que ser la misma que la que lo escribe. Una motivación muy importante al compartir un código es la de recibir los beneficios del control de calidad por parte de tus pares.

Hace unos meses os escribir para comunicaros que había un fallo en esta función. Como os prometí os comento la respuesta por si alguno está interesado en utilizar el paquete LMERconvenientsfucntions Dear Javier, The package has been updated and should work for you fine now. Note that function mcp.fnc does not return the fourth plot (dffits) anymore. We still have to figure out a way to compute