странно ошибка R при использовании data.table

Question

Я делаю некоторые небольшие расчеты и я решил заполнить данные внутри data.table, так как это намного быстрее, чем data.frame и rbind

поэтому в основном мой код что-то вроде этого:

df - data.frame, используемый при расчете, но важно, что он содержит.

l=12000 
dti = 1 
dt = data.table(ni = 0, nj = 0, regerr = 0) 
for (i in seq(1,12000,200)) { 
    for (j in seq(1, 12000, 200)) { 
     for (ind in 1:nrow(df)) { 
      if(i+j >= l/2){ 
       df[ind,]$X = df[ind,]$pos * 2 
      } else { 
       df[ind,]$X = df[ind,]$pos/l 
      } 
     } 
     for (i in 1:100) { # 100 sample 
      sample(df$X,nrow(df), replace=FALSE) 
      fit=lm(X ~ gx, df) #linear regression calculation 
      regerror=sum(residuals(fit)^2) 

      print(paste(i,j,regerror)) 
      set(dt,dti,1L,as.double(i))    
      set(dt,dti,2L,as.double(j))    
      set(dt,dti,3L,regerror)    
      dti=dti+1 

     } 
    } 
} 

код печатает первые несколько раундов print(paste(i,j,regerror)) и затем завершает работу с этой ошибкой:

*** caught segfault *** 
address 0x3ff00008, cause 'memory not mapped' 
Segmentation fault (core dumped) 

EDIT

structure(list(ax = c(-0.0242214, 0.19770304, 0.01587302, -0.0374415, 
0.05079826, 0.12209738), gx = c(-0.3913043, -0.0242214, -0.4259067, 
-0.725, -0.0374415, 0.01587302), pos = c(11222, 13564, 16532, 
12543, 12534, 14354)), .Names = c("ax", "gx", "pos"), row.names = c(NA, 
-6L), class = "data.frame") 

Любые идеи приветствуются.

Answer 1

Без смысла звучать грубо, я думаю, вам может пригодиться чтение нескольких учебников R перед тем, как идти вперед. Этот вопрос также, скорее всего, будет закрыт как слишком локализованный. Кроме того, seg faults почти всегда есть ошибка, но вы можете избежать кучи этой головной боли, понимая, что делает каждая часть вашего кода. С его пятницу, позволяет ходить через некоторые из них:

if(i+j >= l/2){ 
    data[ind,]$X = df[ind,]$pos * 2 
} 
else{ 
    data[ind,]$X = df[ind,]$pos/l 
} 

Я предполагаю, data предназначается, чтобы быть df и идти оттуда. Мы находимся внутри двух петель i и j, которые оба идут от 1 до 20000. Они никогда не будут суммироваться до менее 1/2, поэтому вы всегда будете выполнять первое утверждение. Кроме того, если вы когда-либо ожидали FALSE случая произойдут, вам нужен будет else на ту же строку в качестве закрывающей скобки:

if (i + j >= 1/2) { 
    df$X <- df$pos * 2 
} else { 
    df$X <- df$pos 
} 

R является векторизованным так делает выше, является таким же, как цикл по каждому значению и умножению 2. Я также удалил заявление / 1, так как он ничего не делает. Весь этот раздел можно перемещать за пределы цикла. Поскольку это постоянная операция добавления столбца X, который является двойным столбцом pos.

Далее, ваш цикл, где вы припадок:

for (i in 1:100) { # 100 sample 
    sample(df$X,nrow(df), replace=FALSE) 
    fit=lm(X ~ gx, df) #linear regression calculation 
    regerror=sum(residuals(fit)^2) 

    print(paste(i,j,regerror)) 
    set(dt,dti,1L,as.double(i))    
    set(dt,dti,2L,as.double(j))    
    set(dt,dti,3L,regerror)    
    dti=dti+1 
} 

Взятие, sample(df$X, nrow(df), replace=FALSE) только покажет вам новый заказ. Он фактически не назначает их. Вместо этого df$X <- sample(df$X, nrow(df), replace=FALSE).

Теперь Похоже, вы собираетесь назначить в dt (который является функцией так же, как df и следует избегать в качестве имени переменной) в строке dti результат этой подгонки ошибки, а также ваши indicies? Насколько я могу судить, ничего не зависит от i или j. Вместо этого вы будете выполнять произвольно упорядоченную посадку 60 * 60 * 100 раз ... Если это то, что вы хотите сделать, обязательно пойдете на это!Но вместо того, чтобы сделать его эффективным способом:

df$X <- df$pos * 2 
fit.fun <- function(n, dat) { 
    jumble <- sample(nrow(dat)) 
    dat$X <- dat$X[jumble] 
    sum(residuals(lm(X ~ gx, dat))^2) 
} 

sapply(1:10, fit.fun, dat=df)