问题标签 [facet]

有没有办法为分面中使用的因子的未使用级别包含一个面板？

我想这样做的原因是因为我在显示不同度量的行中排列了几个单独的图，每行在列中具有相同数量的facet_grid面板。每个图应按列排列。

但是，当其中一行的数据缺少特定方面级别的数据时，面板的数量会有所不同，并且列不会对齐。例如，请注意最后一行缺少“数学 II”面板：

示例图 http://dl.dropbox.com/u/14792859/ggplot2%20facet%20levels.png

我能想到的唯一解决方法是为任何缺失的方面级别包含一个虚拟数据点，但我很想听到有一种更简单/更清洁的方法。

我已经挣扎了几个小时，但我敢肯定这很简单。

我有一个数据集，您可以通过从此处底部的混乱中复制和粘贴来复制它。

它开始看起来像这样

POSCAT 是我根据职位分配的类别。1-40 = 开始，41-120 = 中间，121+ = 结束。

我为整个数据框制作了一个很好的直方图，使用

但我想使用 POSCAT 在 START、MIDDLE 和 END 上刻面直方图，所以我试过这个

它给了我这个错误

错误：绘图中没有图层

我究竟做错了什么？

谢谢您的帮助！

mydata <-结构（列表（位置= c（1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20 , 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45 , 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70 , 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95 , 96, 97, 98, 99, 100, 101, 102, 103, 104, 105, 106, 107, 108, 109, 110, 111, 112, 113, 114, 115, 116, 117, 118, 119, 120 , 121, 122, 123, 124, 125, 126, 127, 128, 129, 130, 131, 132, 133, 134, 135, 136, 137, 138, 139, 140, 141, 142, 143, 144, 145 , 146, 147, 148, 149, 150, 151, 152, 153, 154, 155, 156, 157, 158, 159, 160, 161, 162, 163), W_MEAN = c(108.36, 107.31, 73,82, 10) 109.69、110.23、109.64、109.69、110.81,109.89,110.41,110.34,111.18,110.39,111.18,110.59,110.69,110.5,111.5,111.33,111.05,111.78,111.59,111.94,111.4,112.09,111.74,112.09,111.74,112.23,112.08,112.68,112.08,112.68,112.73,112.72,112.73,112.72,112.11,112.72,112.11， 112.36,112.25,112.65,112.57,112.86,112.3,112.74,1132.8,112.47,112.78,112.92，112.24,112.8,112.92,112.36,112.88,112.86,112.78,1133.14,112.78,1133.14,112.97,112.84,112.41,112.94,112.41,112.94,112.52,112.94,112.52,112.94,112.52,112.94,112.52,112.94,112.52,112.94,112.52,112.94,112.52,112.94,112.52,112.94,112.52,112.94,112.52,112.63， 113.19,112.71,1132.89,112.83,113.15,112.51,112.81,112.72,112.2,113.04,111.49,113.06,112.48,112.82,112,112.62,112.24,112.8,112.41,112.67,112.75,11121,112.52,111.88,112.52,111.88,112.58， 111.08,112.58,113.01,112.15,112.32,112.06,112.32,112.06,112.38,1112.11,112.33,211.57,112.33,112.03,111.97,111.99,111.94,112.29,111.43,111.72,111.73,112.08,111.45,112.08,111.45,111.56,111.79,111.56,111.79， 111.07、111.35、111.29、111。35,110.93,110.87,110.64,110.74,110.52,110.39,110.14,109.91,110.95,110.85,111.08,110.49,110.81,109.8,110.8,110.14,109.95,110.46,110.5,110.46,110.5,110.53,110.74,110.39,109.5,110.39,109.5,110.39,109.5,110.28， 110.46,110.57,110.22,110.42,110.2,110.16,110.04,110.52,110.79,109.43,110.55,110.35,110.66,110.05,110.73,110.48,110.73,109.8,110.95,110.33,110.8,110.7,110.3,110.26,110.7,110.5,110.28,110.39， 110.73,109.96），T_MEAN = C（109.37,109.32,111.16,111.69,111.6,111.59,112.07,111.78,112.01,112.16,112.43,112.23,112.43,112.23,112.17,112.6,112.48,112.45,113.4,113.02,113.08 ，113.2,113.41,113.38,113.41,113.64,113.5,114.1,113.97,114.2，114.42,114.37,114.06,114.07,114.06,114.25,114.06,114.25,114.1,114.57,114.4,114.25,114.97,114.4,114.64,114.4,114.64,114.29,114.3,114.29,114.3,114.29,114.3,114.5 , 114.5, 114.45,114.48,114.89,114.46,114.77,114.76,114.3,114.47,114.4,114.61,114.25,114.5,114.73,114.73,114.42,114.34,114.52,114.39,114.43,114.02,114.23,113.8,114.4,114,113.8,114.4,114.17,114.35,114.03， 114.29,114.44,114.19,114.27,114.22,114.25,113.9,113.84,113.99,113.82,113.32,113.93,114.26,114.04,114.4,114.06,113.96,113.97,114.05,113.72,113.94,113.51,113.97,113.51,113.97,113.64,113.54， 113.57,113.78,113.59,113.01,113.5,113.43,113.44,113.02,113.4,1133.6,112.97,112.65,112.95,112.99,112.51,112.45,112.26,112.51,112.09,111.86,111.8,111.68,112.46,112.33,112.46,112.33,112.67， 112.02,112.36,111.46,111.88,111.76,111.28,111.97,112.05,112.1,112.25,111.69,11128,111.87,111.85,111.98,111.77,111.8,111.77,111.8,111.78,111.72,111.78,111.72,111.47,111.72,111.47,1112.01,111.47,112.01,112.22,112.01,112.22,112.01,112.22,112.95，112.06,111.87,1112.02,111.63,111.95,112.08,112,111.48,112.11,111.5,111.85,112.03,111.87,111.53,111.8,111.73,111.44），W_stdev = C（5.02,4.5,4.62,3.9,4.31,4.71 ，3.89,4.59,4.24,4.08,4.19,3.66,3.66,3.93,3.79,3.62,3.67,3.74,3.4,3.74,3.3,3.34,2.98,3.69,3.55,3118,31.12,3.28,3.58,3.57,3.81 , 3.14, 3.45, 3.59, 3.81, 3.82, 3.22, 3.37, 3, 3.09, 3.07, 2.96, 2.86, 2.83, 2.72, 2.91, 2.77, 3.17, 3.57, 3.11, 3, 3, 3.6, 3.14, 3..9 ，3.21,2.99,3.39,2.99,3.39,3.41,3.12,3.39,3.09,3.16,3.22,2.79,3.02,3.27,4.09,3.02,3.15,2.98,3.13,3.3,3.07,3.07,3.26,3.15,3.35 , 3.23, 3.47, 3.65, 2.79, 2.78, 3.3, 3.08, 2.91, 2.76, 2.91, 3.05, 3.24, 3.28, 2.84, 2.76, 2.72, 2.97, 3.44, 2.75, 2.96, 3.11, 3.18, 2.96, 3.18, .74, 2.89, 3.51, 3.54, 3.75, 3.36, 3.73, 3.34, 3.64, 3.81, 3.27, 3.87, 3.62, 3.8, 3.36, 3.25, 3.41, 3.33, 3.52, 3.57, 3.76, 3.57, 3.76, 3.57, 3.76, 3.57 3.14,3.53,3.26,3.38,4.39,3.13,3.18,3.13,3.61,3.72,3.47,3.52,3.77,3.26,3.55,3.98,3.63,3.54,3.47,3.42,3.33,3.73,3.04,3.51,3.04， 3.63, 2.98, 3.22, 3.47, 3.62, 3.74, 2.9, 4.18), T_STDEV = c(4.61, 3.67, 4.7, 3.29, 4.41, 3.68, 3.19, 3.56, 3.19, 3.43, 2.14, 2.3, 3.5, 3.14, 2.3, 3, 3 , 2.78, 2.65, 2.56, 2.75, 2.84, 2.52, 2.66, 2.56, 2.56, 2.47, 2.39, 2.61, 2.44, 2.62, 2.4, 2.46, 2.28, 2.39, 2.5, 2.3, 2.4, 2.4, 2.4, 2.4,. ，2.38,2.28,2.32,2.36,2.39,2.13,2.18,2.56,2.44,2.23,2.8,2.41,2.19,2.59,2.44,2.58,2.49,2.28,2.37,2.35,2.28,2.47,2.25,2.3,2.47,2.25,2.71,2.33 , 2.42, 2.58, 2.14, 2.4, 2。48, 3.08, 2.33, 2.33, 2.36, 2.33, 2.53, 2.51, 2.62, 2.6, 2.45, 2.51, 2.55, 2.67, 2.81, 2.32, 2.2, 2.59, 2.53, 2.28, 2.27,,, 2.49, 2.49, 2.49 2.49,2.35,2.37,2.57,2.85,2.4,2.77,2.98,2.45,2.67,2.56,3.15,2.74,2.87,2.96,3.41,3.04,3.25,3.02,3.49,3.42,2.97,3.66,3.46,3.62， 3.22、3.16、3.41、3.26、3.35、3.34、3.79、3.65、3.53、3.09、2.95、3.1、3.2、3.04、3.33、4.14、3.01、2.92、3.07、3.31、6、3.77、8、3... 3.31, 4.18, 3.74, 3.6, 3.4, 3.34, 3.23, 3.58, 3.02, 3.27, 2.97, 3.68, 2.92, 3.31, 3.36, 3.52, 3.69, 3.51, 4.27), COUNT = c(117, 457, 1) , 163, 159, 164, 170, 171, 170, 168, 170, 163, 166, 172, 173, 173, 166, 173, 163, 177, 174, 175, 173, 175, 170, 165, 172, 175 , 176, 174, 175, 174, 168, 174, 171, 174, 175, 176, 170,171, 168, 171, 165, 171, 170, 170, 174, 173, 174, 158, 170, 168, 170, 168, 169, 174, 171, 166, 168, 169, 172, 158, 163, 173, 167、172、167、169、168、166、165、171、158、158、170、174、173、169、164、168、174、168、169、170、174、174、171、159、161、 169, 163, 169, 169, 164, 172, 171, 164, 170, 165, 161, 162, 165, 163, 166, 169, 173, 168, 169, 165, 169, 166, 163, 170, 171, 172, 169, 169, 166, 163, 168, 166, 168, 168, 172, 171, 172, 168, 172, 164, 169, 169, 170, 172, 171, 167, 161, 166, 170, 170, 172, 169, 173, 160, 168, 161, 171, 173, 171, 166, 158, 170, 167, 166, 169, 169, 159, 160, 157, 150, 159, 146, 88), POSCAT = c （“开始”，“开始”，“开始”，“开始”，“开始”，“开始”，“开始”，“开始”，“开始”、“开始”、“开始”、“开始”、“开始”、“开始”、“开始”、“开始”、“开始”、“开始”、“开始”、“开始”、“开始” "、"开始"、"开始"、"开始"、"开始"、"开始"、"开始"、"开始"、"开始"、"开始"、"开始"、"开始"、"开始"、 “开始”、“开始”、“开始”、“开始”、“开始”、“开始”、“开始”、“中间”、“中间”、“中间”、“中间”、“中间”、“中间” ”、“中”、“中”、“中”、“中”、“中”、“中”、“中”、“中”、“中”、“中”、“中”、“中”、“中”、“中”、“中”、“中”、“中” “, “中”, “中”, “中”, “中”, “中”, “中”, “中”, “中”, “中”, “中”, “中”, “中”, “中”、“中”、“中”、“中”、“中”、“中”、“中”、“中”、“中”、“中”、“中”、“中”、“中” ", "中间", "中间", "中”、“中”、“中”、“中”、“中”、“中”、“中”、“中”、“中”、“中”、“中”、“中”、“中” , “中”, “中”, “中”, “中”, “中”, “中”, “中”, “中”, “中”, “中”, “中”, “中”, “中”、“中”、“中”、“中”、“中”、“尾”、“尾”、“尾”、“尾”、“尾”、“尾”、“尾”、“尾” 、“结束”、“结束”、“结束”、“结束”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END” 、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“ END", "END", "END", "END", "END", "END")), .Names = c("POSITION", "W_MEAN", "T_MEAN", "W_STDEV", "T_STDEV", "COUNT", "POSCAT"), row.names = c(NA, 163L), class = "data.frame")END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END” ，“END”，“END”，“END”，“END”，“END”，“END”，“END”，“END”，“END”，“END”，“END”，“END”）） , .Names = c("POSITION", "W_MEAN", "T_MEAN", "W_STDEV", "T_STDEV", "COUNT", "POSCAT"), row.names = c(NA, 163L), class = "data 。框架”）END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END” ，“END”，“END”，“END”，“END”，“END”，“END”，“END”，“END”，“END”，“END”，“END”，“END”）） , .Names = c("POSITION", "W_MEAN", "T_MEAN", "W_STDEV", "T_STDEV", "COUNT", "POSCAT"), row.names = c(NA, 163L), class = "data 。框架”）END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END” , "END")), .Names = c("POSITION", "W_MEAN", "T_MEAN", "W_STDEV", "T_STDEV", "COUNT", "POSCAT"), row.names = c(NA, 163L ), class = "data.frame")END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END”、“END” , "END")), .Names = c("POSITION", "W_MEAN", "T_MEAN", "W_STDEV", "T_STDEV", "COUNT", "POSCAT"), row.names = c(NA, 163L ), class = "data.frame")名称= c（NA，163L），类=“data.frame”）名称= c（NA，163L），类=“data.frame”）

我想要一个包含一个方面的复合组件，我在这个复合组件的“实现”中实现了它。我的问题是 id，因为当我只在我的复合组件中定义然后将我的实现放入其中时，它只呈现它但组件在另一个地方。这是一个示例代码：

myComposition.xhtml

myCompositionImpl.xhtml

我能做些什么呢？使用 composite:insertFacet 它不会渲染任何东西。我还需要在那里拥有该组件，因为我需要知道它的客户端 ID。

我想在 solr 响应的过滤查询 (fq) 中传递逗号分隔值，目前当我想传递多个类别时，我使用 OR 运算符。像这样 fq=categoryId:3 OR categoryId:55 OR categoryId:34

是否有任何解决方案可以传递诸如 fq=categoryId:3,55,34 之类的值

我编写了以下函数来使用boost.date_time获取日期/时间字符串。

delete我有一个关于对象的所有权/ 'ing 的快速问题facet。std::locale 的构造函数delete对facet. 尝试使用shared_ptr-wrapped 和堆栈分配的版本facet- 两者都导致 seg-faults。此外，通过 valgrind 运行上述函数并没有显示任何泄漏（这可能意味着语言环境或流正在处理delete'ing），但我只是想清楚我在这里做的是正确的事情。谢谢。

我想在我的应用程序中获得一个自动建议/自动完成字段，并且我可以在字符串字段上获得它，但是分面或查询在文本字段上不像在字符串字段上那样“工作”，特别是间隔词。

现在我的要求是q=cleared_keywords:piso\%20e*&facet=on&facet.field=cleared_keywords&facet.sort=result_count&facet.mincount=1&version=2.2&start=0&rows=0&indent=on&facet.limit=10

我的架构是：

如果我在文本（关键字）字段上尝试相同的查询，则由于文本而无法正常工作。我不明白 copyField 是如何工作的，我需要重新加载/重新创建索引吗？

我想跳过“重新创建索引”步骤，但如果我不能，我将加载所有 Solr 文档并使用带有关键字文本字段值的字符串字段重新创建新文档……我只是不喜欢这个想法.

问候，

亚历克西斯

我是svn的新手。我有一个在 Eclipse 中开发的动态 Web 项目。服务器是 apache tomcat 6。它工作正常。在我的本地机器上作为开发环境。今天，我将这个项目导入到 svn 存储库中。下面是我是如何做到的 1. 我将整个项目文件夹上传到 linux 服务器 2. 我删除了类文件 3. 我将重置导入到一个分支 4. 我创建一个新的 Eclipse 工作区 5 我从 svn 创建一个新项目存储库。6. 一切正常，但我只有一个错误，如下所示

谢谢恒

我正在使用 redis 存储每个散列约 100k 记录的散列。我想在给定的哈希中实现过滤（分面）记录。请注意，一个哈希条目可以属于 n 个过滤器。

在阅读了这个和这个之后，我看起来应该：

1. 为每个过滤器实现一个排序的 SET。SET 中的值对应于 HASH 中的键。
2. 从给定的过滤器 SET 中检索 HASH 键。
3. 一旦我从 SET 中获得了 HASH 键，就从 HASH 中获取相应的条目。这应该给我属于过滤器的所有条目。

首先，上述方法在高层次上是否正确？

假设方法没问题，我缺少的一点是检索 HASH 条目的最有效实现是什么？我的想法是否正确，一旦我有了 HASH 键，我应该使用 PIPELINE 将多个 HGETALL 命令排队通过每个 HASH 键？有更好的方法吗？

我对使用 PIPELINE 的担忧是我相信它会在为命令提供服务时阻止所有其他客户端。我将对过滤后的结果进行分页，每页有 500 个结果。由于多个基于浏览器的客户端执行过滤，更不用说填充 SET 和 HASH 的后端进程，如果 PIPELINE 确实阻塞，听起来可能会出现很多争用。有人可以对此发表看法吗？

如果有帮助，我将使用 2.2.4 redis，用于 Web 客户端的 predis 和用于后端的 servicestack。

谢谢，保罗

我正在尝试使用 solrj 获取构面查询的结果，但似乎我是否添加构面查询并不重要。无论如何，我得到了相同的文档列表。

所以这个查询返回相同的文档列表......

...使用此查询

唯一的区别是我可以获得与方面查询匹配的文档数量response.getFacetQuery();

我期待它像

有任何想法吗？

谢谢。

顺便说一句，我使用的是 Solr 版本 3.1.0 和 solr-core-3.1.0

我正在尝试在 solr.net 中进行查询，该查询会生成一个带有过滤查询的 solr 查询，其中包含多个术语，例如：fq=Size:(4 large)

但是，当我将?f_Size=(4 large)查询字符串传递给 SolrNet 示例应用程序（可在此处找到：http ://code.google.com/p/solrnet/downloads/list ）时，找不到任何结果。

查看日志，我可以看到生成的过滤器查询是fq=Size:"\(4+large\)"有意义的，没有找到任何结果。

SolrNet 中有没有一种方法可以生成包含多个术语的过滤器查询？