Nano Hash - криптовалюты, майнинг, программирование

Получить имена и цвета легенд от ggplot2?

Я хотел бы получить данные легенды из файла ggplot2. Я пробовал функцию layer_data(), но она может работать медленно, так как я пытаюсь извлечь данные из некоторых больших карт, сделанных в ggplot2. Есть ли функция, чтобы вытащить только уникальные характеристики легенды?

Я собираюсь создать несколько новых легенд в Inkscape, используя шестнадцатеричные цвета и метки с карт.

Мой входной объект — это объект ggplot2, а желаемый результат — кадр данных или два вектора, которые содержат перечисленные элементы в легенде и соответствующие им шестнадцатеричные цвета.

Спасибо

30.09.2018

  • Ваш вопрос неясен, прочитайте и отредактируйте свой вопрос в соответствии с: Как сделать отличный воспроизводимый пример R? 30.09.2018
  • Можете ли вы быть немного более конкретным в том, что неясно? У меня возникли трудности с созданием воспроизводимого примера, поскольку у меня нет ошибки, которую я пытаюсь преодолеть. 30.09.2018
  • Каков ваш вклад и желаемый результат? 30.09.2018
  • Спасибо, смотрите правки. У меня есть ряд объектов ggplot2, и я хотел бы получить фрейм данных или список, в котором указаны цвета и метки. 30.09.2018

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..