Nano Hash - криптовалюты, майнинг, программирование

RMarkdown - все ячейки выполняются без ошибок, но при сшивании документа возникают ошибки

Этот странный. В документе R markdown каждая отдельная ячейка кода отображает свой вывод без ошибок, но когда я пытаюсь связать документ в html, я получаю сообщение об ошибке:

Error: stat_bin() must not be used with a y aesthetic. Execution halted

Самый близкий код, который я смог найти к номеру строки и последнему имени ячейки, который мигал до того, как произошла ошибка, был следующим:

g + geom_histogram()  # default: bins=30 (for diamonds: 5.01 - 0.2 / 30)

g <- ggplot(data = diamonds, aes(x = carat))
g + geom_histogram(binwidth = 1)  # not fine grained enough

g + geom_histogram(binwidth = 0.1)

g + geom_histogram(binwidth = 0.01)  # too fine grained
r r-markdown knitr
09.07.2017

Ответы:


1

Сбивающий с толку аспект среды RStudio заключается в том, что в память могут быть загружены элементы, которые больше не отражают текущее состояние кода.

В приведенном примере g было изменено в более ранней ячейке, но его чистый идеальный вывод продолжал отображаться в более поздней ячейке. После того, как все ошибки кода были отслежены. Документ после этого вязала правильно.

Среди вещей, которые необходимо было решить:

  • Все используемые пакеты нуждаются в явном объявлении, как в library(dplyr). Некоторые были в памяти, но не были включены ни в одну из ячеек уценки.

  • eval не может быть FALSE в любой ячейке, код которой влияет на более поздние ячейки уценки, но include может быть FALSE, если цель состоит в том, чтобы исключить эту ячейку из окончательного связанного документа.

  • Код загрузки данных из файлов, необходимых для проверки и включения путей, потому что рабочий каталог изменился по сравнению с тем, который был при загрузке файлов.

Это некоторые из вещей, которые могут испортить процесс вязания, но после их устранения документ должен хорошо вязаться. Знаете еще что проверить? Не стесняйтесь редактировать этот пост и добавлять их.

Думал об удалении этого поста после того, как обнаружил свои ошибки, но решил написать это на случай, если кому-то будет полезно. С наилучшими пожеланиями.

10.07.2017
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..