Bonjour,
il faut utiliser la fonction boxplot() pour cela.
Avec les données de la première feuille on a :
dat = read.table("dat.txt",sep="\t",header=T)
boxplot(dat[,8] ~ dat[,5],...
Bonjour,
il faut utiliser la fonction boxplot() pour cela.
Avec les données de la première feuille on a :
dat = read.table("dat.txt",sep="\t",header=T)
boxplot(dat[,8] ~ dat[,5],...
Bonjour,
il faut utiliser la fonction order() pour cela, par exemple :
tab_prod = c(30,26,15,1,20,1,2,1)
barplot(tab_prod[order(tab_prod,decreasing=F)],horiz=T)
Je sais bien, j'ai testé tous les cas possibles et j’obtiens les résultats voulus.
Merci de m'avoir indiqué ou chercher, j'ai compris d'ou venait le problème et j'ai pu le résoudre.
SELECT gene.symbol,variant.avis,COALESCE(cna.alteration_type,'Not Done') as alteration_type...
Voici la problématique générale, un échantillon (décrit par la table sample) peut contenir 0 à n enregistrements dans la table cna et variant.
la requête ci-dessous me permet ainsi d'obtenir tous...
Une transformation en log10 permet d'avoir une distribution des Sales plus lisible.
Exemple avec vos données :
dat = read.table("echantillon.csv",sep="\t",header=T,dec=",")...
Serait-il possible d'avoir un échantillon de votre jeu de données (1000 observations, par exemple) afin de tester la solution la plus adaptée ?
Bonjour,
Tout d'abord, pas sûr que ggplot soit le meilleur outil pour ce genre de graphique (ce n'est que mon avis).
Avez-vous essayé de transformer vos données en log10 ? Cela pourrait...
Merci beaucoup pour votre aide, j'ai suivi vos suggestions et cela a grandement amélioré la rapidité d’exécution de la requête, ~ 25 secondes au lieu de 15 minutes.
Je pense avoir compris la logique...
Désolé, je voulais écrire
oncodb_copynumberalteration (~ 12 116 669 rows)
avec comme index :
id
gene_id_id
sample_id_id
Bonjour à tous,
J'ai crée une base de données de ~ 2GiB sous Mariadb (InnoDB). Cette dernière contient les tables suivantes :
oncodb_gene (~56 425 rows)
avec comme index :
id
...
pas tout a fait mais c'est ma faute, je me suis mal exprimé.
J'ai tout de même réussi à obtenir ce que je souhaitais.
re.findall("{{\s*[(\w=.*(-;:>,\s*\|)*]*\s*}}",snp_page)
résultat :
Bonjour,
j'essaye désespérément de parser le texte suivant. Mon but est de faire en sorte que chaque élément entre {{ }} soit un élément d'une liste.
J'utilise pour cela la fonction findall...
Je te déconseille la technique du copié/collé, ca aboutit souvent à des packages non fonctionnels.
Il y a deux solutions :
Si ton package provient des dépôts R :
Dans une cession R tu utilises...
Par exemple
x = rchisq(1000)
hist(x,breaks=100,prob=T)
lines(density(x),col="blue",lwd=2,lty=3)
plot(function(x){ dchisq(x,3) },0,15,add=T,lwd=2,lty=3,col="red")
Pour la régression linéaire, tu peux obtenir l'équation de la droite comme cela:
fit = lm(Dataset$LWAGE~Dataset$EXPER)
summary(fit) #pour avoir un résumé
fit$coefficients #pour avoir les...
Bonjour,
voici un petit exemple, afin de de mieux comprendre comment utiliser hclust() et dist().
La fonction dist() permet de générer une matrice de distance.
La fonction hclust() permet de...
Pour faire un boxplot en fonction d'une donnée qualitative rien de plus simple avec la commande boxplot()
exemple :
data(iris)
boxplot(Sepal.Length ~...
Je ne connais pas la fonction pour faire cela, je ne sais même pas s'il en existe une, mais une manière simple de contourner le problème et de ranger les valeurs du plus grand au plus petit avec...
A ma connaissance, tu ne peux rien faire. Tu veux faire quoi ? Recoder un kmeans ? Ce n'est pas un problème de code, mais de méthodologie. Change d'algorithme de classification. Clustering...
La première étape du Kmeans consiste à choisir aléatoirement k points (ici k=7) dans votre jeu de données afin de les utiliser comme "means" (moyenne ou centroid) ensuite les points sont assignés au...
Vous devriez supprimer ce fil similaire à l'autre
ifelse c'est bien quand il y a 2 conditions, après on peut les combiner mais c'est pas simple à lire et à comprendre.
Le mieux est de faire comme cela:
x=rnorm(1000,0,5)
col =...
Le problème ne vient pas du code mais du Kmeans en lui même.
La première étape du kmeans consiste à générer k points aléatoirement. Il n'est donc pas étonnant d'obtenir des résultats légèrement...
Le plus simple est d'utiliser la fonction ifelse de cette manière.
x = 1:100
y = rnorm(100)
plot(x,col=ifelse(y>0,"red","green"))
Cela signifie :
Si y >0 alors col = "red"