AA_percentage = getAApercentage(sequences = hit_sequences) Error in fix.by(by.y, y) : 'by'必需指定唯一有效的列 5. stop(ngettext(sum(bad), "'by' must specify a uniquely valid column", "'by' must specify uniquely valid columns"), domain = NA) 4. fix.by(by.y, y) 3. merge.data.frame(AA, AAperc, by.x = "AA", by.y = "Varl", all = T) 2. merge(AA, AAperc, by.x = "AA", by.y = "Varl", all = T) 1. getAApercentage(sequences = hit_sequences)
时间: 2024-03-17 17:40:35 浏览: 34
这个错误提示是因为在调用 `merge()` 函数时,参数 `by.y` 没有指定正确的列名。根据提示信息,看起来是 `Varl` 这个列名无法唯一确定,导致了错误。
你可以检查一下 `AAperc` 数据框中的列名,确认要使用哪个列来进行合并。如果这个列名不是 `Varl`,那么你需要将 `by.y` 参数修改为正确的列名。例如,如果 `AAperc` 中要合并的列名是 `AA_percentage`,那么修改代码如下:
```
AA_percentage = getAApercentage(sequences = hit_sequences)
AAperc = data.frame(AA = unique(AA_percentage$AA), AA_percentage = tapply(AA_percentage$Count, AA_percentage$AA, function(x) sum(x)/length(hit_sequences)*100))
AA = data.frame(AA = unique(hit_sequences$AA), Count = tapply(hit_sequences$Count, hit_sequences$AA, sum))
merged = merge(AA, AAperc, by.x = "AA", by.y = "AA_percentage", all = TRUE)
```
这样应该就可以正常合并数据框了。
相关问题
AA_percentage = getAApercentage(sequences = hit_sequences) Error during wrapup: 'by'必需指定唯一有效的列 Error: no more error handlers available (recursive errors?); invoking 'abort' restart Browse[1]>
这个错误提示看起来是在使用 R 语言时出现的。根据错误提示,似乎是在对数据进行操作时缺少了必要的参数。具体来说,"by" 参数需要指定一个有效的列名。
我建议你检查一下你的代码,看看在调用函数 getAApercentage() 时是否正确地指定了 "by" 参数。你可以查看函数的文档或者样例代码,来确定正确的参数格式和使用方法。如果你还是无法解决问题,可以提供更多的代码和上下文信息,我可以帮你更详细地分析问题。
AttributeError: module 'sklearn.metrics' has no attribute 'mean_absolute_percentage_error'
AttributeError: module 'sklearn.metrics' has no attribute 'mean_absolute_percentage_error' 是一个错误提示,意味着在sklearn.metrics模块中没有名为'mean_absolute_percentage_error'的属性。
在Scikit-learn中,没有内置的'mean_absolute_percentage_error'函数。然而,你可以使用其他方法来计算平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)。以下是一种常见的计算MAPE的方法:
```python
import numpy as np
def mean_absolute_percentage_error(y_true, y_pred):
y_true, y_pred = np.array(y_true), np.array(y_pred)
return np.mean(np.abs((y_true - y_pred) / y_true)) * 100
```
你可以将上述代码添加到你的项目中,并使用`mean_absolute_percentage_error`函数来计算MAPE。