问题标签 [multidplyr]

我正在尝试学习multidplyr::do()在集群上运行自定义功能。考虑这个简单的自包含示例。例如，我试图将我的自定义函数myWxTest应用于数据集中的每个common_dest（超过 50 个航班的目的地）flight：

到目前为止一切顺利（但我只是复制了小插图中的示例）。现在，我必须将自定义函数发送到每个节点：

但我得到：

最终，我想申请myWxTest每个子组：

我愿意使用multidplyr和predict进行平行预测。考虑以下数据

虽然我能够使用每组顺序预测

我无法并行化它。到目前为止，我已经尝试过这里partition建议的andcollect命令

这给了我一个错误

或者像下面这样

这给了我以下错误

因此，我不知道如何进行。任何建议都非常受欢迎。先感谢您。

Ps.：这是我的sessionInfo()

我有以下数据框，我的目的是找到所有具有不同用法但类型相同的 ID。

如果我跑

我得到了预期的结果。但是我的原始数据框有超过 200 万行。所以我想用我所有的核心来运行这个操作。

我用multidplyr尝试了这段代码：

但随后出现以下消息：

后

和

后

将整个操作实施到 multidplyr 的正确方法是什么？非常感谢。

C1CONC是T1 ( ) 处的浓度 ( ) TIME，以此类推。这就是我想要的输出：

dfin有更多的列，Cx其中Txx 是浓度读数的数量。

可重现的数据如下图所示：

数据说明：
第 1 列：标签（分组数据）。
第 2 列：温度数据数据。
第 3 列： 的移动平均线Column 2。

在这里，当我计算findpeakfor Column 2(Temp) 时没有错误。但是，当我在数据框中的任何列中传递Moving Average`` in thefindpeak 函数Missing value where TRUE/FALSE NA NA` 时，我对错误一无所知。请指导我！ I am getting error of **Missing Value TRUE/FALSE as shown below**.
[Error Message][1] From my understanding error says.But when i check the column fori did'nt find any

运行上述代码后，我得到以下错误。
if (npeaks > 0 && npeaks < nrow(X)) { 中的错误：需要 TRUE/FALSE 的缺失值

我有一个包含大约 15 列和超过 300 万行的大型数据集。

因为数据集太大了，我想用multidplyr它。

由于数据的原因，不可能将我的数据框分成 12 个部分。假设有列col1，col2每列都有几个不同的值，但它们重复（在每一列中分别）。

如何制作 12 个（或n）类似大小的组，每个组都包含在 和 中具有相同值的col1行col2？

示例：假设 incol1 foo和 in 中的一个可能值col2是bar。然后将它们分组，具有此值的所有行都将在一个组中。

所以这个问题是有道理的，总是有超过 12 种col1和的独特组合col2。

如果这是 python，我会尝试用 for 和 while 循环做一些事情，但既然是这样R，可能还有另一种方法。

（见下面的工作解决方案）

我想使用 multidplyr 来并行化一个函数：

然后我得到：

如何将源函数分配给每个内核？

===================

这是完美的脚本：

必须提取要更新的值，并将结果转换为数据框

必须设置集群并分配源函数

我正在使用包multidplyr，您可以在其中将数据拆分到 dplyr 管道内的多个核心上。您可以使用 为核心分配值和功能cluster_assign_value()，但问题是如何将包分配给集群？因为它应该能够在函数中使用包。

我期待类似的东西，cluster_assign_package()但我找不到这样的功能。

[这也在multidplyr github页面上报道]

我正在尝试将 multidplyr_0.0.0.9000 与 purrr_0.2.4.9000 中的 dplyr_0.7.4.9000 和 pmap_dfr 一起使用。以下代码（不使用 multidplyr）工作正常：

当我尝试使用 multidplyr 对网格进行分区时：

我Error: Element 5 is not a vector (environment)从 pmap_dfr()得到错误

我还从 partition() 收到以下警告，正如 github 上所报告的那样：group_indices_.grouped_df ignores extra arguments。不确定这是否相关。

我正试图用它multidplyr来加速residuals从regression健康中恢复过来。我创建了一个function适合regression模型以获得 的residuals，除了数据之外，它还获得了另外两个参数。

这是function：

这是我将尝试我的multidplyr方法的示例数据：

这是multidplyr方法：

但是，这会引发此错误：

所以我想我将参数传递给funcfrom的方式do是错误的。

知道什么是正确的方法吗？