问题标签 [factoring]

我目前正在尝试在大型数据集上运行线性模型，但遇到了一些特定变量的问题。

这是我的回归代码。SalePrice、MSSubClass、GarageArea 和 LotFrontage 都是数字字段，而 LotConfig 是因子变量。

这是我的 pv_model 的输出：

如您所见，第一个变量运行正常。因式分解和数值型字段都做出适当的响应。也就是说，直到它到达 LotFrontage。无论出于何种原因，该模型都会在每个 LotFrontage 级别上运行回归。

作为参考，LotFrontage 描述了对象前院的平方英尺。我已经正确清理了数据并替换了 NA 值。我真的不知道为什么这个特定的专栏表现得如此不寻常。

任何帮助是极大的赞赏。

perms 是一个数字（作为字符串）的 113600 个排列的列表。我在每个排列的开头添加了一堆，并尝试将每个排列分解为个位数因子（dfac）。如果 dfac 未能将数字分解为 [9, 8, 7, 6, 4, 3, 2] 的任意组合，则在列表 ['f'] 中返回失败字符串。我如何将其与多处理分开以使其更快？

如何返回列表中整数的因子？例如 list_factors(6); > [1,2,3,6]？这样的事情可能吗？我查看了文档，但没有发现与“因素”或“素数”相关的任何内容。

我正在尝试解决我的第一个项目 Euler 问题，只是为了玩 Rust 的乐趣，并且陷入了似乎需要很长的计算时间才能解决的问题

问题： https ://projecteuler.net/problem=757

我想出了这段代码来尝试解决它，我能够在约 245 毫秒内解决基本问题（最多 10^6）并获得预期的结果 2,851。

看起来我的代码在因式分解上花费的时间最多，并且在我寻找比我自己想出的更有效的因式分解算法时，我找不到任何已经生成的 rust 代码（我确实找到的代码实际上更慢。）但是我做了一个模拟来估计即使我有一个完美的因式分解算法也需要多长时间，并且使用非因式分解需要 13 天才能找到高达 10^14 的所有数字此代码的一部分。可能不是这个问题的创建者想要的。

鉴于我对编程比较陌生，是否有一些我不知道的概念或编程方法（比如使用哈希图进行快速查找）可以在这种情况下使用？或者解决方案是否涉及在数字中发现模式并进行优化，就像我迄今为止发现的那样？

primefac我正在尝试使用 Python 的模块来分解大整数。这是我的代码：

但是，我收到此错误：

请注意，该primefac函数只返回一个生成器，所以那里没有问题，但是当我将此生成器转换为列表（第 6 行）时，它会导致AttributeError. 我试过用谷歌搜索这个错误，但我找不到任何与primefac.

如果我删除methods=关键字参数，它可以工作，但速度太慢，这就是我需要这些分解方法的原因。有关如何primefac工作的更多信息，请参阅以下文档：https ://pypi.org/project/primefac/ 。

我在按每组中的相对计数对数据集中不同组的列重新排序时遇到问题。tibble 形式的数据集如下。它有 3 个组，每组具有不同的设备类型和频率计数：

当我在 ggplot 中绘制数据集时，我试图通过增加 N 来排列不同组中每种设备类型的顺序，并获得一个geom_textabove 。我只能让它为第一组（“所有设备”）工作。该图的代码如下：

这给出了情节：

如您所见，“First Gen”和“Subsequent Gen”的设备类型列的顺序不正确，而geom_text每列上方的 N 的位置正确但与关联的列不匹配。

我一直在尝试分解数据集以及不同的重新排序命令，但都无济于事。

无论我如何尝试在scale_fill_manual.

我确信存在一些我遗漏的因素问题，但任何帮助将不胜感激。