Nano Hash - криптовалюты, майнинг, программирование

Как я могу создать условный макет flexdashboard

Цель состоит в том, чтобы создать макет flexdashboard в файле уценки. Файл имеет ориентацию строк, а затем макет содержит несколько строк друг под другом. Цель состоит в том, чтобы один из разделов макета и сопровождающий фрагмент не выполнялся/не отображался на основе предопределенного логического условия. Я смог включить логическое значение, чтобы не включать код фрагмента в вывод, но не могу найти никаких результатов в условном макете. Следует отметить, что окончательный результат представляет собой отдельный файл, поэтому блестящие решения невозможны. AFAIK Текущий результат и необходимый результат

То, что я придумал до сих пор, просто сохраняет макет с заголовком, а не удаляет все. переменная series35 — это то, что используется как логическое значение, чтобы фрагмент не давал результатов. Как может

   `row`
   `--------------------------------------`

строки также должны быть условными (если это слово), то есть не создавать новый раздел макета, когда серия 35 имеет значение ЛОЖЬ

    row
    -------------------------------------

    ###`r Title 1`

    ```{r, echo=FALSE, results='asis'}
       chunk code
    ```

    row
    -------------------------------------

    ###`r Title 2`

    ```{r, echo=FALSE, results='asis', eval = series35}
        chunk code (suppressed when series35 is FALSE)
    ```

    row
    -------------------------------------

    ###`r Title 3`

    ```{r, echo=FALSE, results='asis'}
        chunk code
    ```

    row
    -------------------------------------

    ###`r Title 4`

    ```{r, echo=FALSE, results='asis'}
        chunk code        
    ```

    row {data-height=50}
    -------------------------------------

Ответы:


1

Я закончил тем, что после долгих поисков нашел вопрос о трикотаже, который дал мне решение

```{r, eval = series35}
asis_output("row")
asis_output("-------------------------------------")
asis_output("###`Title 2`")
```
```{r, echo=FALSE, results='asis', eval = series35}
    chunk code (suppressed when series35 is FALSE)
```

Он хорошо работал как быстрое дополнение. Я еще не пробовал метод joshpk, но он кажется потенциально чистым вариантом.

10.12.2019

2

Вы можете обернуть этот раздел комментариями, которые контролируются вашим series35. Что-то вроде этого (если вы можете предоставить воспроизводимый пример, будет проще предоставить что-то, что соответствует вашим требованиям, но, надеюсь, это поможет).

`r if(series35 == FALSE) {"\\begin{comment}"} else {NULL}`

###`r Title 2`
```{r, echo=FALSE, results='asis', eval = series35}
        chunk code (suppressed when series35 is FALSE)
```

`r if(series35 == FALSE) {"\\end{comment}"} else {NULL}`
09.12.2019
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..