将 splitstackshape 合并到循环中

Question

我有以下代码选择（4 行虹膜 x 1000）*100 并计算每列的偏差。

library(SimDesign)
library(data.table)

do.call(rbind,lapply(1:100, function(x) {
  bias(
    setDT(copy(iris))[as.vector(sapply(1:1000, function(X) sample(1:nrow(iris),4)))][
      , lapply(.SD, mean), by=rep(c(1:1000),4), .SDcols=c(1:4)][,c(2:5)],
    parameter=c(5,3,2,1), #parameter is the true population value used to calculate bias
    type='relative' #denotes the type of bias being calculated 
  )
}))

这需要 4 行的 1000 个样本，通过样本 # 计算平均值，给我 1000 个平均值。 为每一列找到 1000 均值的偏差，然后再进行 99 次，为我提供每一列的偏差估计分布。 这是在模仿随机抽样设计。 但是，我也想为分层设计这样做。 所以我使用splitstackshape的stratified function。

do.call(rbind,lapply(1:100, function(x) {
  bias(
    setDT(copy(iris))[as.vector(sapply(1:1000, function(X) stratified(iris,group="Species", size=1)))][
      , lapply(.SD, mean), by=rep(c(1:1000),4), .SDcols=c(1:4)][,c(2:5)],
    parameter=c(5,3,2,1), 
    type='relative'
  )
}))

我原以为这只是换出函数的问题，但我不断收到错误(i is invalid type (matrix)) 。 也许将来一个 2 列矩阵可以返回 DT 的元素列表。 我认为这可能与 setDT 有关，但我不确定如何修复它。 有人知道我哪里出错了吗？

Answer 1

我为你分成了几个功能

加载 data.table、SimDesign 和 splitstackshape

library(SimDesign)
library(data.table)
library(splitstackshape)

Function 获取n大小为sampsize的分层样本并返回这些样本的列均值

get_samples <- function(n, sampsize=4) {
  rbindlist(lapply(1:n, function(x) {
    splitstackshape::stratified(iris, group="Species",sampsize)[, id:=x]
  }))[, lapply(.SD, mean), by=.(Species, id)]
}

现在，让我们得到这些样本的y个这样的迭代中的偏差分布

get_bias_distribution <- function(y=100, samples_per_iter=50, size_per_iter=4) {
  rbindlist(lapply(1:y, function(y) {
    samples = get_samples(samples_per_iter, sampsize=size_per_iter)[, id:=NULL]
    samples[, as.list(bias(
      estimate=.SD,parameter=c(5,3,2,1),type="relative")*100),
      by=.(Species)][, iter:=y]  
  }))
}

用法（使用默认值）

get_bias_distribution()    

Output：

        Species Sepal.Length Sepal.Width Petal.Length Petal.Width iter
  1:     setosa    -1.236667    22.61833    -26.70000   -39.69667    1
  2: versicolor    46.476667   -11.99500    115.12833    16.82167    1
  3:  virginica    80.596667    -0.20000    180.21833    53.89000    1
  4:     setosa    -1.513333    20.87000    -27.46167   -38.83667    2
  5: versicolor    45.333333   -11.34833    112.84833    17.84500    2
 ---                                                                  
296: versicolor    48.250000   -12.26833    113.37000    17.71167   99
297:  virginica    77.366667    -2.87000    175.60000    53.07167   99
298:     setosa    -1.005000    22.67500    -27.02833   -39.69500  100
299: versicolor    47.921667   -10.28333    110.97833    16.86833  100
300:  virginica    76.153333    -2.44000    174.46167    52.62167  100

关于上面出了什么问题的一些评论

1. 当您调用stratified(iris,group="Species", size=1)时，您将得到 3 行 data.table，因为您实际上是从三个物种中的每一个中随机选择一行

   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1:          4.9         3.6          1.4         0.1     setosa
2:          6.3         2.5          4.9         1.5 versicolor
3:          7.7         2.8          6.7         2.0  virginica

2. 当您将其包装在sapply(1:1000, function(x)...)中时，您会得到 5 x 1000 列矩阵，其中每列包含 5 个长度为 3 的列表。下面，我将向您展示它的外观就像你做了sapply(1:6, function(x)...)

             [,1]      [,2]      [,3]      [,4]      [,5]      [,6]     
Sepal.Length numeric,3 numeric,3 numeric,3 numeric,3 numeric,3 numeric,3
Sepal.Width  numeric,3 numeric,3 numeric,3 numeric,3 numeric,3 numeric,3
Petal.Length numeric,3 numeric,3 numeric,3 numeric,3 numeric,3 numeric,3
Petal.Width  numeric,3 numeric,3 numeric,3 numeric,3 numeric,3 numeric,3
Species      factor,3  factor,3  factor,3  factor,3  factor,3  factor,3

这并不是你真正想要的，因为你不能按照你当时lapply的方式应用这些。 您要做的是使用lapply(1:1000, function(x)...)创建此类 3 行数据表的列表，然后将它们绑定在一起（在为每个数据表添加一个id列之后）。