The truly important reason to try the #positron R/Python editor is that it can work in parallel with another R session open in #RStudio for a different project...
Also amazed by the #Pluto notebook for #Julia scientific work. One of its nice features is that the associated file is in text format and the code can be easily extracted. Not yet ready to switch from #ggplot to #VegaLite though.
https://positron.posit.co/start.html
https://plutojl.org/
#rstat
R-devel NEWS says:
> "The deprecated and seemingly never-used S-compatibility macros ‘F77_COM’ and ‘F77_COMDECL’ have been removed from header ‘R_ext/RS.h’."
does this mean...."because of compatibility with S" is no longer a valid argument?
These are static plots of TSLA coverage by Wall Street Analysts from 2013 through Today. 5 is Buy 1 is Sell Only 1 Analyst was a 5 from 2019 and intermittently through 2023. Most analysts have migrated to the middle of the distribution 3. #TeslaPropaganda won't work here. #TeslaIsBurning #RStat
#perplexityai, eben ausprobiert, gibt übrigens als einziges LLM sinnvolle Antworten. Es denkt sich nichts aus, basiert seine Aussagen nur auf tatsächlich existierende Quellen. Da es in den Quellen offenbar wirklich keine Infos zur Korrelation von gemessenen und disaggregierten Stundendaten des Niederschlages gibt, gibt perplexity basierend auf der Disaggegeriung anderer Größen eine realistische Schätzung ab. Sehr cool!
#meteo #rstat #hydro #niederschlag 8/X
Die Quellen bei Mistral existieren wirklich, schreiben aber nichts zur Disaggregierung. Und Gemini behauptet, ich müsste nur selbst in den einschlägigen Zeitschriften suchen, da würde ich schon was finden.
Falls also jemand mehr dazu weiß, ich bin für Hinweise dankbar!
#meteo #rstat #hydro #niederschlag 7/X
Was macht man, wenn man selbst nicht findet? Man fragt ein LLM. Also bei #ChatGPT, #Mistral und #Gemini nachgefragt, ob denn solche Modelle existieren oder möglich sind. Die Antworten waren vielversprechend: Ja, das ist möglich, Korrelationen bis zu 0,95 sind zu erwarten. Es waren sogar Quellen angegeben. Blöd war nur, dass ChatGPT sich die Quellen halluziniert hat.
Warum nicht? Entweder, ich habe es schlicht übersehen. Oder es gibt diese Artikel nicht, weil es nicht möglich ist, Stundenniederschlag aus Tagesniederschlag deterministisch (nicht stochastisch) zu bestimmen, so dass er tatsächlich mit Messwerten korreliert. Oder es hat hat noch niemand eine entsprechende Methode entwickelt.
Dazu habe ich den letzten Jahren dutzende Veröffentlichungen und einige Dissertationen gelesen. Meistens wird durch resamplen von gemessenen Stundenwerten oder verschiedenen Kaskadenmodellen Stundenniederschlag so generiert, dass die statistische Verteilung ungefähr stimmt. Dabei gibt es aber keine Korrelation mit dem tatsächlichen Werten. Tatsächlich habe ich keinen Autoren gefunden, der sein Modell anhand der Korrelation mit gemessenen Werten validiert.
Dabei gibt es zahlreiche Herausforderungen zu bewältigen, da der Niederschlag vor allem in stündlicher Auflösung räumlich und zeitlich sehr heterogen ist. Wenn man aber keine stündlichen Niederschlagsmessungen hat, wie sollen dann aus Tageswerten diese Informationen gewonnen werden?
Warum sollte man das tun?
Man braucht entweder den Niederschlag selber, um daraus Statistiken oder ähnliches abzuleiten, oder man braucht den Niederschlag als Eingangsgröße zur Modellierung (Schnee, Wasserhaushalt, Hochwasser, Bodenfeuchte etc.)
In den letzten Jahren habe ich mich immer wieder mit der Disaggregierung von Niederschlag beschäftigt. Was genau ist das? Man generiert aus Tagessummen Stundensummen des Niederschlages, weil diese für das Zielgebiet, bzw. die Zielzeit nicht vorliegen.
Software Libre zale eta unibertsitatean ikertzaile/irakasleontzat:
Militantziaz #GitLab erabiltzeko joera dauko, bñ ebaluazinoetarako eta puntuetarako bidia ziharo aldrabeseko egiten jat.
#Zenodo|k zuzenin lotzen dau GitHub,
Realese bakotxerako DOI bat lortuten da.
#rstat erabili ezkero, github-etik instalateko arazorik ez dau emoten #shiny|rako shinyapp zuzenean hartzen dau githubetik, gitlabetik ez.
GitHub-en aurrean etsi nahirik nabil 😞 .
Bekatu barkagarria? Ez jausteko bixigarririk?
10 years of writing #RStat code, and I still get bitten by using [ ] instead of [[ ]]
#rstat note to myself:
If you want to convert a factor variable that contains numbers between quotes (eg, "1", "3", etc) to a numeric variable while keeping the original numbers:
DO:
as.numeric(as.character(my_var))
NOT DO:
as.numeric(my_var)
The lattest returns the numbers of the variable levels, not the original values!
The new #rstat #dispRity pkg v1.9 is now out live!
Major internal overhaul: the functions are now more efficient (and faster), specially when dealing with distance matrices!
You can find the details on the CRAN https://cran.r-project.org/web/packages/dispRity
GitHub: https://github.com/TGuillerme/dispRity
or the old paper in @MethodsEcolEvol https://besjournals.onlinelibrary.wiley.com/doi/full/10.1111/2041-210X.13022
Apply functions with purrr :: Cheatsheet #rstat ditch your for loop with purrr https://rstudio.github.io/cheatsheets/purrr.pdf
I need to reverse the order of elements within blocks in a vector.
I will be using this for changing the endian-ness of raw bytes.
Besides a "for-loop" the screenshot shows the only method I could think of.
Anyone have any fresh ideas?
![# R code for reversing elements within blocks within a vector
#~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
#' Flip the endianness of elements in a vector
#'
#' This will create a new vector with the values reversed within the given
#' block size. This can be used for changing the endianness of a set of values
#'
#' @param x vector. Usually a raw vector, but can be any type
#' @param size block size. Usually a multiple of 2
#'
#' @return vector of the same type as the initial vector with the values
#' within each block reversed.
#' @examples
#' vec <- c(1, 2, 3, 4)
#' flip_endian(vec, 2) # should give: c(2, 1, 4, 3)
#' @export
#~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
flip_endian <- function(x, size) {
if (size <= 1) return(x)
if (length(x) %% size != 0) {
stop("Input vector length must be a multiple of the 'size'")
}
dim(x) <- c(size, length(x)/size)
x[] <- x[nrow(x):1,]
as.vector(x)
}
vec <- c(1, 2, 3, 4, 5, 6, 7, 8)
all.equal(flip_endian(vec, 1), vec)
all.equal(flip_endian(vec, 2), c(2, 1, 4, 3, 6, 5, 8, 7))
all.equal(flip_endian(vec, 4), c(4, 3, 2, 1, 8, 7, 6, 5))](https://files.mastodon.social/cache/media_attachments/files/113/263/238/686/139/783/original/0ca881f6b10ffc3a.png)
📰 Nous commençons la saison 2024-2025 en douceur en vous partageant une petite astuce en R pour convertir les identifiants en symboles de gènes 🧬
https://bioinfo-fr.net/r-convertir-des-ensembl-ids-en-symboles-de-genes
#bioinfofr #Rstat #bioconductor
