问题标签 [gather]

我有一个大数据框，如下所示：

我想重组它，看起来像这样：

请不要注意这两个表的内部有效性。这只是为了可视化。

我尝试了 R 中的收集功能，但失败了，因为它似乎每年只需要一个变量而不是三个（在我的情况下：被判刑、女性、大学）。

有什么建议么？

谢谢

对于以下代码（这不是整个程序；它只是一个代码片段），我不知道我应该如何设置位移数组以使用 MPI_Gatherv。因为 getBrdy 的结果对于每个等级都是可变的；我必须使用MPI_Gatherv. 当我搜索时，我不确定当我将消息作为结构向量发送时，人们用于类似类型的相同方式是否仍然正确int。string

我的结构是这种形式：

我想通过参考这个 repo 为 Gether 腾出一个新空间。

https://github.com/gathertown/mapmaking

我导入了bgand fg，但我不知道如何带瓷砖 (.tmx)

任何帮助表示赞赏。谢谢！

我有这个数据集，我希望将其重塑为长格式：（更新链接）https://drive.google.com/file/d/1EqD58WVXm-v35Jr6GAwL6arxzO_tTyFa/view?usp=sharing

在重塑的手动方法中，我这样做：

但是我希望独立的变量被引用，所以很容易将它传递给自定义函数，所以我不得不尝试像这样定义它：

但这会产生：Error: Can't use !!! at top level.

难道这种做法都不可能吗？欢迎任何建议，谢谢

我有以下问题。我正在分析问卷中的数据，其中向受访者提供了 7 个可能的答案，并且必须选择其中的 3 个。所以我所拥有的是一组 7 个虚拟变量，如果受访者选择了答案，则编码为 1，否则编码为 0。

我想将这些假人转换回三个变量，每个变量都包括给出的答案。那是这样的：

我尝试在整组“a”变量上使用 tidyverse “gather”

但是，我没有得到我想要的，因为我只有 1 个变量，以及所有可能的“a”答案。

我还尝试对每个“a”变量使用“gather”，但我还是没有得到我想要的，因为我最终复制了原始数据集（使用字符串变量而不是 1 和 0）。

任何想法，我怎样才能获得我想要的数据？

非常感谢！

我试图通过 ONNX（opset 11）将模型从 Pytorch（1.6）转换为 TensorRT（7）的 torch.nn.functional.grid_sample。Opset 11 不支持 grid_sample 转换。我发现的自定义替代方案（https://github.com/pytorch/pytorch/issues/27212）在 Pytorch 中运行时非常慢，并且在将主循环转换为 TRT 时存在问题。

我自己的双线性采样实现（不仅仅是 grid_sample，而是整个原始采样，基于 grid_sample）在 Pytorch 中执行得更快，并成功转换为 TRT。但是我在 TRT 中的自定义双线性采样比 Pytorch 中的慢（5.6 ms vs 2.0 ms）。事实证明，Pytorch image[:, ind, y0, x0] 索引生成 Gather 层的运行时间约为 0.97 ms。在这种双线性采样的 TRT 版本中有 4 个这样的层。

所以问题是：

• 我应该如何优化我的 Pytorch 代码以获得有效的 TRT 模型？
• 我应该怎么做才能使 Gather 层执行得更快？
• 将此功能创建为自定义 TRT 插件是否有助于使其更快？

这是双线性采样函数的代码：

时间分析参数：

• 时间分析实验在笔记本电脑 Dell G3 15（Core i7 8750H 2.2 GHz x12、16 Gb RAM (2666MHz)、NVidia GeForce GTX 1050 Ti）上进行。
• 用于分析的 Pytorch 环境：Python 3.7 Anaconda 3 环境，Pytorch 1.6。Pytorch 时间分析是通过 time.time() 和 torch.synchronize() 在每个时间戳之前执行的。
• 用于分析的 TRT 环境：Docker 容器http://nvcr.io/nvidia/tensorrt:20.06-py3。使用 trtexec 以及自定义 C++ 和 Python 代码执行分析。所有三个结果都很接近。

使用 trtexec 进行 TRT 模型分析的一部分：

此外，我尝试将图像视为除 C 之外的所有维度上的线性数组，并创建线性索引以寻址图像 [:, p0] 形式的元素。在这种情况下，Gather 变得更慢（大约 1.07 毫秒）。然后我考虑了 C=1（因为它总是在原始模型中）并将张量元素处理为 image[p0]。这次 Gather 大约需要 0.92 毫秒（仍然太慢）。

任何将数据帧从这种格式转换为更长格式的建议都会很棒。原始数据有 50 个名称和数百个 YearMonths。所以它应该是一个从宽到长的支点（？）。

改造前：

转换后/所需输出（df_new）：

使用以下代码伪造所需的输出：

我尝试了很多方法都没有得到想要的输出。

希望有人可以帮助，提前谢谢！

我正在尝试使用包中的pivot_longer函数将dplyr我的数据转换为长格式。当前的广泛数据涉及对患者年龄、收缩压以及是否使用降压药物 (med_hypt) 以及时间不变的“性别”变量的 3 次重复测量。

示例数据和我尝试过的内容：

这会产生以下小标题：

我想要的是列名是 id、time、age、sex、systolicBP 和 med_hypt。每个患者 3 行对应于 3 次重复测量。

有什么帮助吗？

我想分批处理协程，例如：

有没有办法使用 Python 内置函数或库来做到这一点，这样我就不必单独创建批次？

很遗憾

没有按预期处理协程：协程是一次性创建的。只有执行是有限的。我不想一次创建所有任务。任务应分批创建。

gather(EDAWR::population,key="year",value="population",`1995`:`2013`)

我写信问为什么第一个代码不正确，而第二个代码是正确的？顺便说一句，符号EDAWR::population是否与 相同population？