Nano Hash - криптовалюты, майнинг, программирование

обрезать пробел для команды печати в уценке r

R Markdown отображает нежелательное пространство между строками, когда я печатаю символьную переменную фрейма данных с помощью команды print(df[[i]])

введите здесь описание изображения

Мой желаемый результат сохранил бы разрывы строк, но без пробелов между строками, как показано ниже. Я могу получить его, просто используя команду print(df[[i]]) в R, но мне не удается получить его в R Markdown

[1] "No negative points"                                                                                                                                                                                                                              
[2] "The course was too short, not all interesting parts of the method could be covered."                                                                                                                                                             
[3] "the exercises to do at home were done together during course hours, which took too long in comparison to learning new stuff daily.  furthermore, I would have wished for even more theoretical input instead of the long R exercises (see above)"

ОБНОВЛЕНИЕ: проблема заключается в том, что в промежуточном латексном файле уценка иногда избегает вставки //. Ниже приведен пример латексного кода, полученного в результате уценки.

{[}1{]} ``good overview over underlying principles of web scraping''\\
{[}2{]} ``none''\\
{[}3{]} ``very well presented''\\
{[}4{]} ``- clear distinction between `big data' and `medium data' -
insight into what R can do in terms of webscraping'' {[}5{]} ``- a good
insight into what is possible with R w.r.t. webscraping'' 

Любая помощь приветствуется

30.04.2018

  • что ты уже испробовал? 01.05.2018
  • Я пытался сделать белую полосу как с помощью trimws(), так и с опцией уценки, но безуспешно. 01.05.2018

Ответы:


1

Учитывая это:

```{r}
df <- data.frame(c("No negative points", "The course was too short, not all interesting parts of the method could be covered.", "the exercises to do at home were done together during course hours, which took too long in comparison to learning new stuff daily.  furthermore, I would have wished for even more theoretical imput instead of the long R exercises (see above)"), stringsAsFactors = FALSE)
```

Попробуйте использовать аргумент results для фрагмента R в уценке:

```{r, results = "asis"}
print(df[[1]])
```

Для вывода, например:

введите здесь описание изображения

30.04.2018
  • Это работает, но иногда не удается напечатать его на новой строке. Пример 01.05.2018
  • @AlbertoStefanelli - это странно - я не могу воспроизвести эту ошибку. Можете ли вы показать код (включая аргументы фрагмента r), который производит этот вывод? 01.05.2018
  • Обновление в основном посте 14.05.2018
  • 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..