Deutsches R-Forum

Hier nochmal als reproduzierbares Beispiel: # make a reproducible example library(raster) r <- raster(nrows = 10, ncol = 10) set.seed(123) r[] <- sample(c(25, 250, 23), size = 100, replace = TRUE) plot(r) # recode 25 => 1, 250 => 2, else 0 r[!r %in% c(25, 250)] <- 0 r[r == 25] <- 1 r[r == 250] <- 2 ...

Alles was dplyr kann, geht auch mit base-r (ist nur tlw. aufwändiger).

dplyr hat als abhängigkeit R (>= 3.1.2), was ist der genaue Fehler beim installieren?

Alle alten versionen gibts im CRAN archiv https://cran.r-project.org/src/contrib/Archive/dplyr/

Dann probier mal
Problem ist das sum() dir ein RasterLayer und kein skalar zurück gibt. Dafür gibt's cellStats.

Immer nach jedem Schritt prüfen, ob das Ergebnis deinem Erwartungen entspricht...

Mit sum(r == 2) dürftest du die Häufigkeit bekommen (nicht getestet, ich ich derzeit kein R Zugang habe). Dann einfach über die Raster damit drüberlaufen sapply(<listofrasters>, function(x) sum(x == 2)) Das gibt dir die Häufigkeiten für jeden Raster in der Liste. Daraus bekommt man dann einfach mit ...

Da kein reproduzierbares Beispiel mitgelifert wurde, habe ich selbst ein gemacht. # make a reproducible example library(raster) r <- raster(nrows = 10, ncol = 10) set.seed(123) r[] <- sample(c(25, 250, 23), size = 100, replace = TRUE) plot(r) # recode 25 => 1, 250 => 2, else 0 r[!r %in% c(25, 250)] ...

Das ist mit hoher Wahrscheinlichkeit ein Einlese Fehler. Zweiter Tipp wäre, dass du ein barplot und kein histogramm willst. Ohne die Datei, den Code zum einlesen oder zumindest den output von str() könne wir hier leider nicht viel mehr helfen als rumwundern... Hier einpaar Gedanken: Ich nutze readxl...

Taugt dir das was? xml <- '<meinDokumentInXML> <Information> <ErsteInformation> hier </ErsteInformation> <ZweiteInformation> da </ZweiteInformation> </Information> <Messwerte> <ErsterMesswert>10</ErsterMesswert> <ZweiterMesswert>20</ZweiterMesswert> </Messwerte> </meinDokumentInXML>' library(xml2) d...

Hier noch eine dplyr Lösung, der vollständigkeit halber... library('dplyr') set.seed(42) df <- data.frame( Orte =rep(c("Berlin", "Hamburg", "München"), times = c(5,6,4)), Sorte =sample(c("Äpfel","Birnen","Pflaumen"), size = 15, replace = T)...

Rein theoretisch wäre das zwar möglich, aber ich habe reingeschaut und das ist definitiv falsch.

Woran erkennst du das? Wenn du keine reproduzierbares Beispiel zeigen möchtest, ist es sehr schwer für uns das nachzuvollziehen...

Besonders bei dem random-Attribut habe ich bei CrossValidated zum Teil faszinierende Dinge gesehen, wobei leider nicht erklärt wurde, warum es so gemacht wurde und was das bedeuten soll. # einer von vielen Google-Funden, wo im Random-Teil kuriose Dinge gemacht wurden... fit <- lme(sample_expression...