Nano Hash - криптовалюты, майнинг, программирование

Сокращение пространства имен в R

Использование явных пространств имен иногда делает код R более читабельным. Например, я предпочитаю

lubridate::year(x)

to

library(lubridate)
# lots of code
year(x)

Однако, если я часто использую функцию year, первый вариант требует гораздо больше ввода, особенно если имя пакета довольно длинное. Можно ли сократить пространство имен lubridate, скажем, до lbd, чтобы я мог позвонить

lbd::year(x)

Это избавило бы меня от необходимости печатать при написании кода и в то же время дало бы мне лучшее представление о том, откуда берется year(), когда я вернусь к коду позже.

07.04.2016

  • Работает ли lbd ‹- среда (год), а затем lbd $ year (x)? 07.04.2016
  • Не идеально, но да, работает. Спасибо! 07.04.2016
  • См. также это сообщение. 07.04.2016
  • Спасибо @alexis_laz. Думаю, мой вопрос дублируется и может быть удален... 07.04.2016

Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..