(Ecco il mio consiglio da Come scrivere un esempio riproducibile . Ho provato a renderlo breve ma dolce)

Come scrivere un esempio riproducibile.

È più probabile che tu abbia un buon aiuto con il tuo problema R se fornisci un esempio riproducibile. Un esempio riproducibile consente a qualcun altro di ricreare il tuo problema semplicemente copiando e incollando il codice R.

Ci sono quattro cose che devi includere per rendere riproducibile il tuo esempio: pacchetti richiesti, dati, codice e una descrizione del tuo ambiente R.

• Pacchettidovrebbe essere caricato nella parte superiore dello script, quindi è facile vedere quali hanno bisogno l'esempio.

• Il modo più semplice per includere dati in una e-mail o la domanda Stack Overflow deve essere utilizzata dput() generare il codice R per ricrearlo. Ad esempio, per ricreare il mtcars set di dati in R, Vorrei eseguire i seguenti passaggi:

  1. Correre dput(mtcars) in R
  2. Copia l'output
  3. Nel mio script riproducibile, digita mtcars <- quindi incollare.

• Passa un po 'di tempo a garantire che il tuo codice è facile per gli altri leggere:

  • assicurati di aver usato spazi e i nomi delle variabili siano concisi, ma Informativo

  • usa i commenti per indicare dove si trova il tuo problema

  • fai del tuo meglio per rimuovere tutto ciò che non è correlato al problema.
    Più corto è il tuo codice, più facile è capire.

• Includere l'output di sessionInfo() in un commento nel tuo codice. Questo riassume il tuo R ambiente e rende facile verificare se stai usando un dato obsoleto pacchetto.

Puoi verificare se hai effettivamente fatto un esempio riproducibile avviando una nuova sessione R e incollando il tuo script in.

Prima di inserire tutto il tuo codice in un'email, prova a metterlo su Gist Github . Darà al tuo codice una bella evidenziazione della sintassi, e non dovrai preoccuparti di qualcosa che viene manomesso dal sistema di posta elettronica.

Personalmente, preferisco le fodere "una". Qualcosa in questo modo:

my.df <- data.frame(col1 = sample(c(1,2), 10, replace = TRUE),
        col2 = as.factor(sample(10)), col3 = letters[1:10],
        col4 = sample(c(TRUE, FALSE), 10, replace = TRUE))
my.list <- list(list1 = my.df, list2 = my.df[3], list3 = letters)

La struttura dei dati dovrebbe imitare l'idea del problema dello scrittore e non l'esatta struttura verbale. Lo apprezzo molto quando le variabili non sovrascrivono le mie variabili o Dio non voglia, funzioni (come df).

In alternativa, è possibile tagliare alcuni angoli e puntare a un set di dati preesistente, ad esempio:

library(vegan)
data(varespec)
ord <- metaMDS(varespec)

Non dimenticare di menzionare eventuali pacchetti speciali che potresti utilizzare.

Se stai cercando di dimostrare qualcosa su oggetti più grandi, puoi provare

my.df2 <- data.frame(a = sample(10e6), b = sample(letters, 10e6, replace = TRUE))

Se stai lavorando con dati spaziali tramite il raster pacchetto, è possibile generare alcuni dati casuali. Un sacco di esempi possono essere trovati nella vignetta del pacchetto, ma ecco un piccolo nugget.

library(raster)
r1 <- r2 <- r3 <- raster(nrow=10, ncol=10)
values(r1) <- runif(ncell(r1))
values(r2) <- runif(ncell(r2))
values(r3) <- runif(ncell(r3))
s <- stack(r1, r2, r3)

Se hai bisogno di qualche oggetto territoriale come implementato in sp, è possibile ottenere alcuni set di dati tramite file esterni (come lo shapefile ESRI) in pacchetti "spaziali" (vedere Vista spaziale in Viste attività).

library(rgdal)
ogrDrivers()
dsn <- system.file("vectors", package = "rgdal")[1]
ogrListLayers(dsn)
ogrInfo(dsn=dsn, layer="cities")
cities <- readOGR(dsn=dsn, layer="cities")

Ispirato da questo stesso post, ora uso una comoda funzione
reproduce(<mydata>) quando ho bisogno di pubblicare su StackOverflow.

ISTRUZIONI RAPIDE

Se myData è il nome del tuo oggetto da riprodurre, esegui quanto segue in R:

install.packages("devtools")
library(devtools)
source_url("https://raw.github.com/rsaporta/pubR/gitbranch/reproduce.R")

reproduce(myData)

Dettagli:

Questa funzione è un wrapper intelligente per dput e fa quanto segue:

• campiona automaticamente un set di dati di grandi dimensioni (in base a dimensioni e classe. La dimensione del campione può essere regolata)
• crea a dput produzione
• ti permette di specificare quale colonne da esportare
• si aggiunge alla parte anteriore di esso objName <- ... in modo che possa essere facilmente copiato + incollato, ma ...
• Se lavori su un Mac, l'output viene copiato automaticamente negli Appunti, in modo che tu possa semplicemente eseguirlo e quindi incollarlo nella tua domanda.

La fonte è disponibile qui:

• Github - pubR / reproduce.R 

Esempio:

# sample data
DF <- data.frame(id=rep(LETTERS, each=4)[1:100], replicate(100, sample(1001, 100)), Class=sample(c("Yes", "No"), 100, TRUE))

DF è di circa 100 x 102. Voglio campionare 10 righe e alcune colonne specifiche

reproduce(DF, cols=c("id", "X1", "X73", "Class"))  # I could also specify the column number. 

Fornisce il seguente risultato:

This is what the sample looks like: 

    id  X1 X73 Class
1    A 266 960   Yes
2    A 373 315    No            Notice the selection split 
3    A 573 208    No           (which can be turned off)
4    A 907 850   Yes
5    B 202  46   Yes         
6    B 895 969   Yes   <~~~ 70 % of selection is from the top rows
7    B 940 928    No
98   Y 371 171   Yes          
99   Y 733 364   Yes   <~~~ 30 % of selection is from the bottom rows.  
100  Y 546 641    No        


    ==X==============================================================X==
         Copy+Paste this part. (If on a Mac, it is already copied!)
    ==X==============================================================X==

 DF <- structure(list(id = structure(c(1L, 1L, 1L, 1L, 2L, 2L, 2L, 25L, 25L, 25L), .Label = c("A", "B", "C", "D", "E", "F", "G", "H", "I", "J", "K", "L", "M", "N", "O", "P", "Q", "R", "S", "T", "U", "V", "W", "X", "Y"), class = "factor"), X1 = c(266L, 373L, 573L, 907L, 202L, 895L, 940L, 371L, 733L, 546L), X73 = c(960L, 315L, 208L, 850L, 46L, 969L, 928L, 171L, 364L, 641L), Class = structure(c(2L, 1L, 1L, 2L, 2L, 2L, 1L, 2L, 2L, 1L), .Label = c("No", "Yes"), class = "factor")), .Names = c("id", "X1", "X73", "Class"), class = "data.frame", row.names = c(1L, 2L, 3L, 4L, 5L, 6L, 7L, 98L, 99L, 100L)) 

    ==X==============================================================X==

Si noti inoltre che l'interezza dell'output è in una bella singola, lunga linea, non in un alto paragrafo di linee tritate. In questo modo è più facile leggere i post delle domande SO e anche più facile copiare e incollare.

Aggiornamento ottobre 2013:

Ora puoi specificare il numero di righe di testo in uscita (ovvero, cosa incollerai in StackOverflow). Usa il lines.out=n argomento per questo. Esempio:

reproduce(DF, cols=c(1:3, 17, 23), lines.out=7) rendimenti:

    ==X==============================================================X==
         Copy+Paste this part. (If on a Mac, it is already copied!)
    ==X==============================================================X==

 DF <- structure(list(id = structure(c(1L, 1L, 1L, 1L, 2L, 2L, 2L, 25L,25L, 25L), .Label
      = c("A", "B", "C", "D", "E", "F", "G", "H","I", "J", "K", "L", "M", "N", "O", "P", "Q", "R", "S", "T", "U","V", "W", "X", "Y"), class = "factor"),
      X1 = c(809L, 81L, 862L,747L, 224L, 721L, 310L, 53L, 853L, 642L),
      X2 = c(926L, 409L,825L, 702L, 803L, 63L, 319L, 941L, 598L, 830L),
      X16 = c(447L,164L, 8L, 775L, 471L, 196L, 30L, 420L, 47L, 327L),
      X22 = c(335L,164L, 503L, 407L, 662L, 139L, 111L, 721L, 340L, 178L)), .Names = c("id","X1",
      "X2", "X16", "X22"), class = "data.frame", row.names = c(1L,2L, 3L, 4L, 5L, 6L, 7L, 98L, 99L, 100L))

    ==X==============================================================X==

Ecco una buona guida:

http://www.r-bloggers.com/three-tips-for-posting-good-questions-to-r-help-and-stack-overflow/

Ma la cosa più importante è: assicurati di creare una piccola porzione di codice che possiamo eseguire per vedere qual è il problema. Una funzione utile per questo è dput(), ma se hai dati molto grandi potresti voler creare un piccolo set di dati campione o usare solo le prime 10 linee o giù di lì.

MODIFICARE:

Assicurati anche di aver identificato dove si trova il problema. L'esempio non dovrebbe essere un intero script R con "Sulla riga 200 c'è un errore". Se usi gli strumenti di debug in R (Mi piace browser()) e Google dovrebbe essere in grado di identificare realmente dove si trova il problema e riprodurre un esempio banale in cui la stessa cosa va storta.

La mailing list di R-help ha un guida di pubblicazione che copre sia domande che risposte, incluso un esempio di generazione di dati:

Esempi: a volte aiuta   fornire un piccolo esempio a qualcuno   può effettivamente funzionare. Per esempio:

Se ho una matrice x come segue:

  > x <- matrix(1:8, nrow=4, ncol=2,
                dimnames=list(c("A","B","C","D"), c("x","y"))
  > x
    x y
  A 1 5
  B 2 6
  C 3 7
  D 4 8
  >

come posso trasformarlo in un dataframe   con 8 righe e tre colonne di nome   'riga', 'colonna' e 'valore', che hanno   i nomi delle dimensioni come valori di 'row' e 'col', come questo:

  > x.df
     row col value
  1    A   x      1

...
  (A cui la risposta potrebbe essere:

  > x.df <- reshape(data.frame(row=rownames(x), x), direction="long",
                    varying=list(colnames(x)), times=colnames(x),
                    v.names="value", timevar="col", idvar="row")

)

La parola piccolo è particolarmente importante. Dovresti mirare a minimo esempio riproducibile, il che significa che i dati e il codice dovrebbero essere il più semplici possibile per spiegare il problema.

EDIT: grazioso codice è più facile da leggere rispetto al codice brutto. Usare un guida di stile.

Dal momento che R.2.14 (immagino) è possibile alimentare la rappresentazione del testo dei dati direttamente in read.table:

df <- read.table(header=T, text="Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
2          4.9         3.0          1.4         0.2  setosa
3          4.7         3.2          1.3         0.2  setosa
4          4.6         3.1          1.5         0.2  setosa
5          5.0         3.6          1.4         0.2  setosa
6          5.4         3.9          1.7         0.4  setosa
") 

A volte il problema in realtà non è riproducibile con una porzione di dati più piccola, non importa quanto duramente ci provi, e non accade con dati sintetici (anche se è utile mostrare come hai prodotto set di dati sintetici che non riprodurre il problema, perché esclude alcune ipotesi).

• Potrebbe essere necessario pubblicare i dati sul Web da qualche parte e fornire un URL.
• Se i dati non possono essere divulgati al pubblico in generale ma possono essere condivisi, è possibile che tu possa offrire di inviarli tramite e-mail alle parti interessate (anche se questo ridurrà il numero di persone che si preoccuperanno di lavorare su di essa).
• In realtà non l'ho visto, perché le persone che non possono rilasciare i propri dati sono sensibili a rilasciare qualsiasi forma, ma sembrerebbe plausibile che in alcuni casi si possano ancora postare dati se fossero sufficientemente anonimizzati / codificati / corrotti leggermente in qualche modo.

Se non riesci a fare nessuno di questi, probabilmente dovrai assumere un consulente per risolvere il tuo problema ...

modificare: Due utili domande su SO per anonimato / rimescolamento:

• Come creare un set di dati di esempio da dati privati ​​(sostituendo nomi e livelli di variabili con proprietari di spazi non informativi)?
• Dato un insieme di numeri casuali tratti da una distribuzione continua univariata, trova la distribuzione