問題タブ [facet]

ファセットで使用される要素の未使用レベルのパネルを含める方法はありますか？

これを実行したい理由は、異なるメジャーを示す行にいくつかの個別のプロットを配置し、各行の列に同じ数のfacet_gridパネルがあるためです。各プロットは列ごとに並べる必要があります。

ただし、行の1つのデータに特定のファセットレベルのデータがない場合、パネルの数が異なり、列が整列しません。たとえば、最後の行に「数学II」パネルがないことに注意してください。

プロットの例http://dl.dropbox.com/u/14792859/ggplot2%20facet%20levels.png

私が考えることができる唯一の回避策は、欠落しているファセットレベルのダミーデータポイントを含めることですが、より簡単でクリーンな方法があることを聞きたいと思います。

私は数時間苦労してきましたが、それはとても簡単だと確信しています。

ここの一番下の寄せ集めからコピーして貼り付けることで再現できるデータセットがあります。

こんな感じで始まります

POSCATは、私が役職に応じて割り当てたカテゴリです。1-40 = 開始、41-120 = 中、121+ = 終了。

を使用して、データフレーム全体の素敵なヒストグラムを作成しました

しかし、POSCATを使用してSTART、MIDDLE、ENDのヒストグラムをファセットしたいので、これを試しました

そして、それは私にこのエラーを与えます

エラー: 印刷にレイヤーがありません

私は何を間違っていますか？

助けてくれてありがとう！

mydata <- 構造体(リスト(位置 = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20 , 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45 , 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70 , 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95 , 96, 97, 98, 99, 100, 101, 102, 103, 104, 105, 106, 107, 108, 109, 110, 111, 112, 113, 114, 115, 116, 117, 118, 119, 120 、121、122、123、124、125、126、127、128、129、130、131、132、133、134、135、136、137、138、139、140、141、142、143、144、145 、146、147、148、149、150、151、152、153、154、155、156、157、158、159、160、161、162、163)、W_MEAN = c(108.36、107.31、108.82、3、109.82) 109.69、110.23、109.64、109.69、110.81、109.89、110.41、110.34、110.68、110.39、111.18、110.59、110.69、110.5、111.5、111.33、111.05、111.78、111.59、111.94、111.4、11.4、112.09、112.09、112.09、112.09、112.09、112.09、112.09、112.09、112.09、112.0911.09 112.36、112.25、112.65、112.57、112.86、112.33、112.74、113.29、112.47、112.78、112.18、112.24、112.8、112.92、112.36、112.86、112.86、11.86、11.86、112.86 113.19、112.71、112.89、112.83、113.15、112.51、112.81、112.72、112.2、113.04、111.49、113.06、112.48、112.82、112、112.62、112.8、112.8、112.8、112.81、112.81、112.81、112.81.8 111.08、112.58、112.67、112.15、113.01、111.97、112.32、112.06、112.52、112.11、112.38、111.57、112.33、112.03、111.97、111.94、11.5、11.5、11.5、11.94、11.94、11.94、11.94、11.94、11.94、11.94 111.07、111.35、111.29、111.35、110.93、110.87、110.64、110.74、110.52、110.39、110.14、109.91、110.95、110.85、111.08、110.49、110.81、109.8、110.34、110.14、109.95、110.14、109.95、110.5。 110.46、110.57、110.22、110.42、110.2、110.16、110.04、110.52、110.79、109.43、110.55、110.35、110.66、110.05、110.73、110.48、110.73、110.30.30.30.30.30.30.48、110.70.48、110.30.30.30.30.30.48.48、110.30.30.30.30.30.30.30.30.30.30.30.30.30.30.30.30.30.30.30.30.30.30.30.30.30.30.30.30.30。 110.73, 109.96), T_MEAN = c(109.37, 109.32, 109.72, 111.17, 111.16, 111.69, 111.6, 111.59, 112.07, 111.78, 112.01, 112.16, 112.43, 112.23, 112.17, 112.6, 112.48, 112.45, 113.4, 113.02, 113.08 , 113.2, 113.41, 113.38, 113.41, 113.64, 113.5, 114.1, 113.97, 114.22, 114.42, 114.37, 114.06, 114.07, 114.06, 114.25, 114.18, 114.57, 114.4, 114.25, 114.97, 114.4, 114.64, 114.29, 114.3, 114.5 、114.5、114.45、114.48, 114.89, 114.46, 114.77, 114.76, 114.3, 114.47, 114.4, 114.61, 114.25, 114.5, 114.73, 114.73, 114.42, 114.34, 114.52, 114.39, 114.43, 114.02, 114.23, 113.8, 114.4, 114.17, 114.35, 114.03, 114.29、114.44、114.19、114.27、114.22、114.25、113.4、113.84、113.99、113.82、113.32、113.93、114.26、114.04、114.4、114.06、113.94、113.5、113.5、113.5、113.5、113.5、113.5、113.5、113.5、1133.5、113.5、1133.5、1133.5、113.5、1133.5、113.5、1133.5、113.94 113.57、113.78、113.59、113.01、113.5、113.43、113.44、113.02、113.4、113.36、112.97、112.65、112.95、112.99、112.51、112.45、112.26、112.51、112.09、111.86、111.86、111.09、11.09、11.09、11.09、11.09、11.09 112.02、112.36、111.46、111.88、111.76、111.28、111.97、112.05、112.1、112.25、111.69、111.28、111.87、111.85、111.98、111.77、111.81、11.01.78、11.81、11.81、11.81、11.81、11.81、11.81、11.81、11.81112.06, 111.87, 112.02, 111.63, 111.95, 112.08, 112, 111.48, 112.11, 111.5, 111.85, 112.03, 111.87, 111.53, 111.8, 111.73, 111.44), W_STDEV = c(5.02, 4.5, 4.62, 3.9, 4.31, 4.71 、3.89、4.59、4.24、4.08、4.19、3.66、3.66、3.93、3.79、3.62、3.67、3.74、3.4、3.74、3.33、3.34、2.98、3.69、3.55、3.18、3.12、3.28、3.58、3.57、3.81 , 3.14, 3.45, 3.59, 3.81, 3.82, 3.22, 3.37, 3, 3.09, 3.07, 2.96, 2.86, 2.83, 2.72, 2.91, 2.77, 3.17, 3.57, 3.11, 3.2, 3.14, 1.3, 3.9. 、3.21、2.99、3.39、2.99、3.39、3.41、3.12、3.39、3.09、3.16、3.22、2.79、3.13、3.27、4.09、3.02、3.15、2.98、3.13、3.3、3.07、3.07、3.26、3.15、3.35、3.26、3.15、3.35 , 3.23, 3.47, 3.65, 2.79, 2.78, 3.3, 3.08, 2.91, 2.76, 2.91, 3.05, 3.24, 3.28, 2.84, 2.76, 2.72, 2.97, 3.44, 2.75, 3.16, 2.9, 2.9, 3.9, 3.958 .74, 2.89, 3.51, 3.54, 3.75, 3.36, 3.73, 3.34, 3.64, 3.81, 3.27, 3.87, 3.62, 3.8, 3.36, 3.25, 3.41, 3.33, 3.52, 3.57, 3.7, 8, 3.7, 3.2.3.7 3.14、3.53、3.26、3.38、4.39、3.13、3.18、3.13、3.61、3.72、3.47、3.52、3.77、3.26、3.55、3.98、3.63、3.54、3.47、3.42、3.33、3.73、3.04、3.51、3.04、3.51、3.04、 3.63、2.98、3.22、3.47、3.62、3.74、2.9、4.18)、T_STDEV = c(4.61、3.67、4.7、3.29、4.41、3.68、3.19、3.56、3.19、3.43、3.14、2.5、3.5、3.9 、2.78、2.65、2.56、2.75、2.84、2.52、2.66、2.56、2.56、2.47、2.39、2.61、2.44、2.62、2.4、2.46、2.28、2.39、2.5、2.66、4、2.4、2.4、2.4、2.4。 、2.38、2.28、2.32、2.36、2.39、2.13、2.18、2.56、2.44、2.23、2.48、2.41、2.19、2.59、2.44、2.58、2.49、2.28、2.37、2.35、2.3、2.47、2.25、2.71、2.33、2.71、2.33 、2.42、2.58、2.14、2.4、2.48, 3.08, 2.33, 2.33, 2.36, 2.33, 2.53, 2.51, 2.62, 2.6, 2.45, 2.51, 2.55, 2.67, 2.81, 2.32, 2.2, 2.59, 2.53, 2.28, 2.27, 2.4, 2.415 2.49、2.35、2.37、2.57、2.85、2.4、2.77、2.98、2.45、2.67、2.56、3.15、2.74、2.87、2.96、3.41、3.04、3.25、3.02、3.49、3.42、2.97、3.66、3.46、3.62、3.46、3.62、 3.22, 3.16, 3.41, 3.26, 3.35, 3.34, 3.79, 3.65, 3.53, 3.09, 2.95, 3.1, 3.2, 3.04, 3.33, 4.14, 3.01, 2.92, 3.07, 3.35, 3.2, 1, 3.6 3. 3.31, 4.18, 3.74, 3.6, 3.4, 3.34, 3.23, 3.58, 3.02, 3.27, 2.97, 3.68, 2.92, 3.31, 3.36, 3.52, 3.69, 3.51, 4.27)、カウント = c(117, 5, 1, 267) 、163、159、164、170、171、170、168、170、163、166、172、173、173、166、173、163、177、174、175、173、175、170、165、172、175 、176、174、175、174、168、174、171、174、175、176、170、171, 168, 171, 165, 171, 170, 170, 174, 173, 174, 158, 170, 168, 170, 168, 169, 174, 171, 166, 168, 169, 172, 158, 163, 173, 167, 172, 167, 169, 168, 166, 165, 171, 158, 158, 170, 174, 173, 169, 164, 168, 174, 168, 169, 170, 174, 174, 171, 159, 161, 169, 163, 169, 169, 164, 172, 171, 164, 170, 165, 161, 162, 165, 163, 166, 169, 173, 168, 169, 165, 169, 166, 163, 170, 171, 172, 169, 169, 166, 163, 168, 166, 168, 168, 172, 171, 172, 168, 172, 164, 169, 169, 170, 172, 171, 167, 161, 166, 170, 170, 172、169、173、160、168、161、171、173、171、166、158、170、167、166、169、169、159、160、157、150、159、146、88)、POSCAT = c ("START", "START", "START", "START", "START", "START", "START", "START","START"、"START"、"START"、"START"、"START"、"START"、"START"、"START"、"START"、"START"、"START"、"START"、"START" "、"START"、"START"、"START"、"START"、"START"、"START"、"START"、"START"、"START"、"START"、"START"、"START"、 "START"、"START"、"START"、"START"、"START"、"START"、"START"、"MIDDLE"、"MIDDLE"、"MIDDLE"、"MIDDLE"、"MIDDLE"、"MIDDLE "、"MIDDLE"、"MIDDLE"、"MIDDLE"、"MIDDLE"、「中」、「中」、「中」、「中」、「中」、「中」、「中」、「中」、「中」、「中」、「中」、「中」、「中」 "、"MIDDLE"、"MIDDLE"、"MIDDLE"、"MIDDLE"、"MIDDLE"、"MIDDLE"、"MIDDLE"、"MIDDLE"、"MIDDLE"、"MIDDLE"、"MIDDLE"、"MIDDLE"、 「中」、「中」、「中」、「中」、「中」、「中」、「中」、「中」、「中」、「中」、「中」、「中」、「中」 "、"中"、"中"、"中」、「中」、「中」、「中」、「中」、「中」、「中」、「中」、「中」、「中」、「中」、「中」、「中」 , "MIDDLE", "MIDDLE", "MIDDLE", "MIDDLE", "MIDDLE", "MIDDLE", "MIDDLE", "MIDDLE", "MIDDLE", "MIDDLE", "MIDDLE", "MIDDLE", " MIDDLE"、"MIDDLE"、"MIDDLE"、"MIDDLE"、"MIDDLE"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END" , "END", "END", "END", "END","END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END" , "END", "END", "END", "END", "END", "END", "END", "END", "END", "END", "END", "END"," END", "END", "END", "END", "END", "END")), .Names = c("POSITION", "W_MEAN", "T_MEAN", "W_STDEV", "T_STDEV", "COUNT", "POSCAT"), row.names = c(NA, 163L), class = "data.frame")END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END" 、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END")) , .Names = c("POSITION", "W_MEAN", "T_MEAN", "W_STDEV", "T_STDEV", "COUNT", "POSCAT"), row.names = c(NA, 163L), class = "データ。フレーム"）END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END" 、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END")) , .Names = c("POSITION", "W_MEAN", "T_MEAN", "W_STDEV", "T_STDEV", "COUNT", "POSCAT"), row.names = c(NA, 163L), class = "データ。フレーム"）END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END" , "END")), .Names = c("POSITION", "W_MEAN", "T_MEAN", "W_STDEV", "T_STDEV", "COUNT", "POSCAT"), row.names = c(NA, 163L )、クラス = "data.frame")END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END"、"END" , "END")), .Names = c("POSITION", "W_MEAN", "T_MEAN", "W_STDEV", "T_STDEV", "COUNT", "POSCAT"), row.names = c(NA, 163L )、クラス = "data.frame")名前 = c(NA, 163L)、クラス = "data.frame")名前 = c(NA, 163L)、クラス = "data.frame")

この複合コンポーネントの「実装」で実装する、ファセットを含む複合コンポーネントが必要です。私の問題はIDです。複合コンポーネントでのみ定義してから実装を入れると、それはレンダリングされるだけですが、コンポーネントは別の場所にあるためです。サンプルコードは次のとおりです。

myComposition.xhtml

myCompositionImpl.xhtml

これについて何ができますか？composite:insertFacet を使用すると、何もレンダリングされません。コンポーネントのクライアント ID を知る必要があるため、そこにもコンポーネントが必要です。

Solr応答のフィルタークエリ（fq）でカンマ区切りの値を渡したいのですが、現在、複数のカテゴリを渡したい場合はOR演算子を使用しています。このように fq=categoryId:3 OR categoryId:55 OR categoryId:34

fq=categoryId:3,55,34 のような値を渡す解決策はありますか

boost.date_timeを使用して日付/時刻文字列を取得する次の関数を作成しました。

オブジェクトdeleteの所有権/所有権について簡単な質問がありました。std::locale のコンストラクターは、の所有権/ 'ing について明示的ではありません。-wrapped バージョンとスタック割り当てバージョンの両方を使用してみましたが、どちらもセグ フォールトを引き起こしました。また、valgrind を介して上記の関数を実行してもリークは見られませんでしたが (これはおそらく、ロケールまたはストリームが'ing を処理していることを意味します)、ここで正しいことを行っていることを明確にしたかっただけです。ありがとう。facetdeletefacetshared_ptrfacetdelete

アプリケーションでオートサジェスト / オートコンプリート フィールドを取得したいのですが、それを文字列フィールドで取得できますが、特に間隔のある言葉。

とりあえず私のリクエストはq=cleared_keywords:piso\%20e*&facet=on&facet.field=cleared_keywords&facet.sort=result_count&facet.mincount=1&version=2.2&start=0&rows=0&indent=on&facet.limit=10

私のスキーマは次のとおりです。

テキスト (キーワード) フィールドで同じクエリを実行しても、テキストが原因で機能しません。copyField の仕組みがわかりません。インデックスを再読み込み/再作成する必要がありますか?

「インデックスの再作成」ステップをスキップしたかったのですが、それができない場合は、すべての Solr ドキュメントをロードし、キーワード テキスト フィールド値を持つ文字列フィールドを使用して新しいドキュメントを再作成します ... 私はその考えが好きではありません.

よろしく、

アレクシス

私はsvnが初めてです。私はEclipseで開発された動的Webプロジェクトを持っています。サーバーは apache tomcat 6 です。開発環境としてローカル マシンで問題なく動作しました。今日、このプロジェクトを svn リポジトリにインポートします。以下は私が行った方法です 1.プロジェクトフォルダー全体をLinuxサーバーにアップロードします 2.クラスファイルを削除しました 3.リセットをブランチにインポートします 4.新しいEclipseワークスペースを作成します 5svnから新しいプロジェクトを作成しますリポジトリ。6.すべて問題ありませんが、以下に示すエラーが1つしかありません

ありがとうヘン

私はredisを使用して、ハッシュごとに最大10万レコードのハッシュを保存しています。指定されたハッシュ内のレコードのフィルタリング（ファセット）を実装したいと思います。ハッシュエントリはn個のフィルターに属することができることに注意してください。

これとこれを読んだ後、私はすべきであるように見えます：

1. フィルタごとにソートされたSETを実装します。SET内の値は、HASH内のキーに対応します。
2. 指定されたフィルターSETからHASHキーを取得します。
3. SETからHASHキーを取得したら、HASHから対応するエントリをフェッチします。これにより、フィルターに属するすべてのエントリが得られます。

まず、上記のアプローチは大まかに正しいですか？

アプローチがOKであると仮定すると、私が見逃しているビットは、HASHエントリを取得するための最も効率的な実装は何ですか？HASHキーを取得したら、PIPELINEを使用して、各HASHキーを通過する複数のHGETALLコマンドをキューに入れる必要があると考えていますか？より良いアプローチはありますか？

PIPELINEの使用に関する私の懸念は、コマンドの処理中に他のすべてのクライアントをブロックすると信じていることです。フィルタリングされた結果を1ページあたり500件の結果でページングします。複数のブラウザベースのクライアントがフィルタリングを実行している場合、SETとHASHを設定するバックエンドプロセスは言うまでもなく、PIPELINEがブロックすると、多くの競合が発生する可能性があるように思われます。誰かがこれについての見解を提供できますか？

それが役立つ場合は、2.2.4 redis、Webクライアント用のpredis、バックエンド用のservicestackを使用しています。

ありがとう、ポール

solrjを使用してファセットクエリの結果を取得しようとしていますが、ファセットクエリを追加するかどうかは問題ではないようです。とにかく同じドキュメントリストを取得します。

したがって、このクエリは同じドキュメントリストを返します...

...このクエリで

唯一の違いは、ファセットクエリに一致するドキュメントの数を取得できることです。response.getFacetQuery();

私はそれが次のように機能することを期待していました

何か案は？

ありがとう。

ちなみに私はSolrバージョン3.1.0とsolr-core-3.1.0を使用しています

複数の用語を含むフィルタークエリを使用してsolrクエリを生成するクエリをsolr.netで作成しようとしています。fq=Size:(4 large)

ただし、?f_Size=(4 large)SolrNet サンプル アプリ (ここにあります: http://code.google.com/p/solrnet/downloads/list ) にクエリ文字列を渡すと、結果が見つかりません。

ログを見ると、生成されたフィルター クエリが適切であるfq=Size:"\(4+large\)"ため、結果が見つからないことがわかります。

SolrNet で複数の用語を含むフィルター クエリを生成する方法はありますか?