- 综合排序
- 最热优先
- 最新优先
- 来自专栏技术派
VUEX报错 Do not mutate vuex store state outside mutation handlers
使用vuex的伙伴们可能经常在改变state中的数组或者对象的时候，报这样一个错误,它的意思是不要在mutation函数外修改VUEX存储状态，也就是只能通过mapMutations修改，不能直接修改数组或对象
1.7K20发布于 2021-06-23 - 来自专栏生信小驿站
R语言第二章数据处理⑤数据框列的转化和计算目录正文
同时还有mutate（）和transmutate（）的三个变体来一次修改多个列： Mutate_all（）/ transmutate_all（）：将函数应用于数据框中的每个列。 Mutate_at（）/ transmutate_at（）：将函数应用于使用字符向量选择的特定列 Mutate_if（）/ transmutate_if（）：将函数应用于使用返回TRUE的谓词函数选择的列 （）/ transmutate_all（），mutate_at（）/ transmutate_at（）和mutate_if（）/ transmutate_if（）可用于一次修改多个列。 简化格式如下： # Mutate variants mutate_all(.tbl, .funs, ...) mutate_if(.tbl, .predicate, .funs, ...) mutate_at mutate_if（）对于将变量从一种类型转换为另一种类型特别有用。
5.3K20发布于 2018-12-25 - 来自专栏程序员奇点
logstash.filter.kv Exception while parsing kv 解决办法
"custmsg","\r", "" ] } 下面介绍 logstash mutate 插件 mutate插件可以对事件中的数据进行修改 filter { mutate { rename => ["syslog_host", "host"] } } 2、update 更新字段内容，如果字段不存在，不会新建 filter { mutate { replace => { "message" => "%{source_host}: My new message" } } } 3、replace 与 update 功能相同，区别在于如果字段不存在则会新建字段 filter { mutate { replace => { "message" => 如我们可以将 split 分割的结果再重新聚合起来： filter { mutate { split => ["message", "|"] } mutate
1.1K10发布于 2020-02-17 - 来自专栏用户7627119的专栏
R代码|dplyr包的使用示例
df %>% mutate(area = height * width) cm_per_inch <- 2.54 df %>% mutate( height_cm = cm_per_inch (my_abs(x)) ## ------------------------------------------------------------------------ df %>% mutate ( x_category = classify(x), y_category = classify(y) ) %>% mutate(mean_x = mean(x), mean_y ( x_category = classify(x), y_category = classify(y) ) %>% mutate(mean_y = mean(y)) %>% group_by(x_category) %>% mutate(mean_x = mean(x)) %>% distinct(mean_x, mean_y) ## -------------
2.3K30发布于 2020-08-05 - 来自专栏WindCoder
logstash6配置语法中的条件判断
()(对复合表达式结果取反) 如若action是login则mutate filter删除secret字段： filter { if [action] == "login" { mutate { add_tag => "field in field" } } if [foo] in "foo" { mutate { add_tag => "field in string" ", "world", "foo"] { mutate { add_tag => "field in list" } } if [missing] in [alsomissing] { mutate { add_tag => "shouldnotexist" } } if ! } mutate { add_field => { "[@metadata][test]" => "Hello" } } mutate { add_field => { "[@metadata
10.6K10发布于 2018-09-19 - 来自专栏数据分析1480
R&Python Data Science 系列：数据处理（2）
1 衍生字段函数 主要有两个函数，mutate()和transmute(）,两个函数在Python和R上使用方法相同，这两个函数本身有点区别：mutate()函数保留原来所有列，然后新增一列；transmute (）只保留新增的一列： python实现 from dfply import * import numpy as np import pandas as pd ##新增列x+y、x*y*z,mutate （）函数 diamonds >> mutate(x_plus_y = X.x + X.y, xyz = X.x*X.y*X.z) >> head(5) ##新增列x+y、x*y*z,transmute R语言实现 library(dplyr) library(ggplot2) library(tidyr) ##新增列x+y、x*y*z,mutate（）函数 diamonds %>% mutate(x_plus_y 2.1 if_else函数 非A即B函数： Python实现 ##如果钻石价格大于2000，则钻石等级为A,其他为A- diamonds >> mutate(price_class = if_else
1.1K10发布于 2019-10-28 - 来自专栏小明的数据分析笔记本
跟着Nature microbiology学作图:R语言ggplot2堆积柱形图柱子单独配色/多个图例排序
MOESM5_ESM.xlsx", sheet = "Fig2b") head(df) 每一列单独统计频率 df %>% select(Phylum) %>% mutate Phylum,"p__","")) %>% group_by(Phylum) %>% summarise(phylum_counts=n()) %>% ungroup() %>% mutate Others" )) %>% group_by(group01) %>% summarise(value=sum(phylum_counts)) %>% ungroup() %>% mutate > df01 df01 image.png 以上代码需要单独运行四次 这里统计的和论文中的内容有些出入，暂时搞不清楚问题出在哪里 df %>% select(Class) %>% mutate (Class,"c__","")) %>% group_by(Class) %>% summarise(class_counts=n()) %>% ungroup() %>% mutate
1K50编辑于 2023-08-23 - 来自专栏优雅R
「R」dplyr 行式计算
例如，比较下面 mutate() 的结果： df %>% mutate(m = mean(c(x, y, z))) #> # A tibble: 2 x 4 #> x y z () 添加一个新的列，或者使用 summarise() 仅返回一个汇总列： rf %>% mutate(total = sum(c(w, x, y, z))) #> # A tibble: 6 x 6 (total = sum(c_across(w:z))) %>% ungroup() %>% mutate(across(w:z, ~ . / total)) #> # A tibble: () 将列切分然后传入 length(y) 的时候，分组 mutate 使用 [ 操作，而行式 mutate 使用 [[。 这意味着rowwise()和mutate()提供了一种优雅的方式，可以使用不同的参数多次调用函数，并将输出与输入一起存储。
7.2K20编辑于 2022-01-21 - 来自专栏优雅R
每天 5 分钟，轻轻松松上手 R 语言（七）
今天的我们继续来看 dplyr 的 arrange 和 mutate。 批量处理，当两者都有的时候，就不太好用了 这时就该用 mutate_if 了。 直接上 mutate_all 的话就报错了，因为我们有多种类型； msleep %>% + mutate_all(round) %>% glimpse() Error in .Primitive(" round")(name) : non-numeric argument to mathematical function 我们可以用 mutate_if 加一个判断条件，若是数值型就把它四舍五入； 是非常强大的，mutate_* 系列函数还有很多高级用法，后面我们用到的时候还会接着讨论，现在拿起 mutate 把你的数据重新打造一遍吧！
78910发布于 2020-07-02 - 来自专栏生信小驿站
数据处理第2节：将列转换为正确的形状
转换列：基础部分 您可以使用mutate（）函数创建新列。 mutate中的选项几乎是无穷无尽的：你可以对普通向量做任何事情，可以在mutate（）函数内完成。 mutate中的任何内容都可以是新列（通过赋予mutate新的列名），或者可以替换当前列（通过保持相同的列名）。 最简单的选项之一是基于其他列中的值的计算。 就像第1部分中的select（）函数一样，mutate（）有变种： *mutate_all（）将根据您的进一步说明改变所有列 *mutate_if（）首先需要一个返回布尔值的函数来选择列。 如果确实如此，那么将对这些变量进行mutate指令。 *mutate_at（）要求你在vars（）参数中指定要进行变异的列。 Mutate全部列 mutate_all（）版本是最容易理解的，在清理数据时非常漂亮。 您只需传递要在所有列中应用的操作（以函数的形式）。
9.7K30发布于 2018-09-29 - 来自专栏数据分析1480
巧用R语言中常见的各类偏移窗口函数
然后添加一个新的字段：两个时间相减 data1 %>% group_by(user_no) %>% mutate(lead_date = lead(buy_date, 1, order_by = buy_date)) %>% arrange(user_no, buy_date) %>% mutate(diff_time = difftime(lead_date, buy_date, units 例如计算每个客户消费金额的环比变化： data1 %>% group_by(user_no) %>% mutate(lead_amt = lead(amt, 1, order_by = buy_date)) %>% arrange(user_no, buy_date) %>% mutate(huanbi = (lead_amt - amt)/amt) ? 例如：获取每位客户当前购买时间的上一次时间： data1 %>% group_by(user_no) %>% mutate(lag_date = lag(buy_date, 1, order_by
7K10发布于 2019-05-21 - 来自专栏R语言数据分析指南
ggplot2绘制阴影条带哑铃图
加载R包 library(scales) library(tidyverse) 导入数据 df <- read_csv("values.csv") 数据清洗 df <- df %>% mutate (across(2:4, ~ .x / 100)) %>% arrange(Overall) %>% mutate(order = row_number()) %>% mutate(Institution = fct_reorder(Institution, order)) %>% rename(cont = 1, overall = 2, x1 = 3, x2 = 4) %>% mutate( diff = abs(x2 - x1)) %>% mutate(x1pr = scales::percent(x1, accuracy = 1), x2pr = scales::percent scales::percent(diff, accuracy = 1), ovpr = scales::percent(overall, accuracy = 1)) %>% mutate
34110编辑于 2024-01-17 - 来自专栏数据分析1480
巧用R语言中各类聚合窗口函数
下面举例说明一下，计算每位客户消费总额以及按照购买时间的顺序累计消费总额： 消费总额： data1 %>% group_by(user_no) %>% mutate(sum_amt = 按照购买时间计算每位客户的累计最小消费金额： data1 %>% group_by(user_no) %>% mutate(cuminamt = order_by(buy_date, cummin( 按照购买时间计算每位客户的累计最大消费金额： data1 %>% group_by(user_no) %>% mutate(cumaxamt = order_by(buy_date, cummax( 按照购买时间计算每位客户的累计平均值 data1 %>% group_by(user_no) %>% mutate(cumeanamt = order_by(buy_date, cummean(amt 5 n函数 R语言中的n函数与sql中的count函数相同，计算每组内记录总数： 历史上每位客户的消费次数 data1 %>% group_by(user_no) %>% mutate(cnt
2.6K20发布于 2019-05-22 - 来自专栏生信小驿站
Python从零开始第三章数据处理与分析python中的dplyr（5）目录
(diamonds >> mutate(price_lead=lead(X.price, 2), price_lag=lag(X.price, 2)) >> select(X.price diamonds >> select(X.price) >> mutate(price_cumsum=cumsum(X.price)) >> head(6) price price_cumsum diamonds >> select(X.price) >> mutate(price_cummean=cummean(X.price)) >> head(6) price price_cummean diamonds >> select(X.price) >> mutate(price_cummax=cummax(X.price)) >> head(6) price price_cummax diamonds >> select(X.price) >> mutate(price_cummin=cummin(X.price)) >> head(6) price price_cummin
1.2K30发布于 2019-01-03 - 来自专栏磨磨谈
Cephfs 操作输出到日志查询系统
[dotime] { drop {} } if [do] == "mkdir" { mutate { replace => { "do" = } } if [do] == "rmdir" { mutate { replace => { "do" => "删除目录"} } } if [do] == "rename" { mutate { replace => { "do" => "重命名"} } } if "unlink"{ mutate { replace => { "do" => "删除链接"} } } mutate { [dotime] 这个是用来过滤消息的，如果没拿到这个值，也就是没匹配上的时候，就把消息丢弃 使用mutate replace模块来进行字段的替换，将固定操作转换为中文 使用mutate replace
1.9K30发布于 2018-08-06 脚本优化--visium的细胞niche与共定位(R版本)
(c("spot_id", k)) %>% group_by_at(k) %>% nest() %>% left_join(cluster_info_summary) %>% mutate (data = map(data, ~ .x[[1]])) %>% mutate(selected_cells = map2(data, ncells, function(dat,n) { (test_group = ifelse(ct_niche == g, "target", "rest")) %>% mutate = p.adjust(p.value))wilcoxon_res <- wilcoxon_res %>% mutate(significant = ifelse(p_corr <= 0.15, "* /results/niche_mapping/ct_niches/niche_prop_summary.csv")barplts <- cluster_counts %>% mutate(ct_niche
21720编辑于 2025-10-29- 来自专栏雨临Lewis的博客
ELK系列(5) - Logstash怎么分割字符串并添加新的字段到Elasticsearch
方案一：使用mutate插件 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 filter { mutate { split => ["message",";,;"] } if [message][0] { mutate { add_field => { "temp1 " => "%{[message][0]}" } } } if [message][1] { mutate { "temp2" => "%{[message][1]}" } } } if [temp1][1] { mutate
2.1K20编辑于 2022-01-11 - 来自专栏南非骆驼说大数据
腾讯云 Elasticsearch 进阶篇（二十八）Logstash讲解与实战
:mm:ss Z"]----》将timestamp字段经过右边的时间格式化后传给@timestamp字段 } } 提供时间格式内容表 重点关注ZZ格式的意义 image.png 三、数据修改(Mutate ) （1）正则表达式替换匹配字段 关于mutate插件中gsub插件的示例 filter { mutate { gsub => ["filed_name_1", "/" , "_"] } } 插件中split的示例（仅列出filter部分）： filter { mutate { split => ["filed_name_2", "|"] } } 这个示例表示将filed_name_2 可以实现删除某个字段的功能，下面是一个关于mutate插件中remove_field的示例（仅列出filter部分）： filter { mutate { remove_field => ["timestamp 四、总结 那么本节我们讲了Logstash filter插件的 Date Mutate插件，包括前面的grok插件，我们已经讲完了3个最实际常用的插件。
1.7K40发布于 2020-03-11 - 来自专栏医学和生信笔记
ggplot2绘制森林图(有亚组和没亚组)
先把误差线画出来，可以参考这篇推文：R语言画误差线的5种方法 tmp <- tmp |> mutate(id = row_number()) p1 <- tmp |> mutate(type = ifelse theme(axis.title.y = element_blank(), axis.text.y = element_blank() ) p1 p2 <- tmp |> mutate element_blank() )+ labs(x="Number")+ scale_x_discrete(position = "top") p4 <- tmp |> mutate element_blank() )+ labs(x="Pvalue")+ scale_x_discrete(position = "top") p5 <- tmp |> mutate (id = factor(letters[1:26])) p1 <- df |> mutate(type = ifelse(high<1 | low >1,"#4575b4","grey")) |>
3.1K40编辑于 2023-02-14 - 来自专栏优雅R
使用 R 语言从 PDF 文档中提取表格
>% html_attr("href") %>% as_tibble() %>% dplyr::filter(str_detect(value, "\\.pdf")) %>% mutate (value = paste0("https://www.who.int", value)) %>% mutate(dest = str_match(value, "situation-reports "Transmission_classification", "Days_since_last_reported_case")) %>% mutate "Transmission_classification", "Days_since_last_reported_case")) %>% mutate "Transmission_classification", "Days_since_last_reported_case")) %>% mutate
4.6K10发布于 2020-07-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号