對 for 循環運行分析 x 次

Question

我有以下代碼選擇 4 行虹膜 1000x，並取每 4 行樣本的平均值：

library(dplyr)

iris<- iris

storage<- list()


counter<- 0
for (i in 1:1000) {
  # sample 3 randomly selected transects 100 time
  tempsample<- iris[sample(1:nrow(iris), 4, replace=F),]

  storage[[i]]=tempsample

  
  counter<- counter+1
  print(counter)
}

# Unpack results into dataframe 
results<- do.call(rbind, storage)
View(results)

results_2<- as.data.frame(results)
results_2<- results_2 %>% mutate(Aggregate = rep(seq(1,ceiling(nrow(results_2)/4)),each = 4))
# View(results_2)


final_results<- aggregate(results_2[,1:4], list(results_2$Aggregate), mean)
# View(final_results)

我想計算每列與其真實總體參數相關的偏差。 例如使用SimDesign的bias() ：

library(SimDesign)
(bias(final_results[,2:5], parameter=c(5,3,2,1), type='relative'))*100

在這段代碼中，parameter 的值是假設的 true pop。 dataframe 中每一列的值。我想執行此過程 100 倍以獲得 dataframe 中每個變量的偏差估計分布。但是，我不確定如何將所有這些放入 for 循環（我認為將是要走的路）所以最后的 output 是一個 dataframe，每個 iris 變量有 100 行偏差測量。

對此的任何幫助將不勝感激。

#----------------------------

更新

嘗試對分層樣本而不是隨機樣本運行相同的代碼會給我以下錯誤： * [.data.table (setDT(copy(iris)), as.vector(sapply(1:1000, function(X ) stratified(iris, : i is invalid type (matrix). 也許將來一個 2 列矩陣可以返回 DT 的元素列表 * 我認為這可能與 setDT 有關？

這是以下代碼的結果：

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'
  )
}))

我研究了使用建議的以下代碼：

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)] }

我想我明白這個 function 在做什么（選擇 4 行虹膜分層，按物種取每列的平均值），但我不確定如何將它應用於最初的問題（4*1000）* 100 來測試偏差（我對此很陌生，如果我遺漏了一些明顯的東西，我深表歉意）。

Answer 1

這是一種方法。 我對您的代碼做了一些小改動，並將其包裝在 function 中。然后，在序列上使用lapply ，例如1:10或1:100 ，每次運行您的 function，並將結果提供給您的bias function SimDesign package。然后行綁定結果列表

library(dplyr)

get_samples <- function(df, size=4, n=1000) {

  storage<- list()
  counter<- 0
  
  for (i in 1:1000) {
    tempsample<- df[sample(1:nrow(df), size, replace=F),]
    storage[[i]]=tempsample
    counter<- counter+1
  }
  
  results<- do.call(rbind, storage)
  results_2<- as.data.frame(results)
  results_2<- results_2 %>% mutate(Aggregate = rep(seq(1,ceiling(nrow(results_2)/size)),each = size))
  final_results<- aggregate(results_2[,1:size], list(results_2$Aggregate), mean)
  return(final_results)
}


iris=iris

replicates = lapply(1:10, function(x) {
  result = get_samples(iris)
  (bias(result[,2:5], parameter=c(5,3,2,1), type='relative'))*100
})

replicates = do.call(rbind, replicates)

Output：

      Sepal.Length Sepal.Width Petal.Length Petal.Width
 [1,]     41.50617    3.292500     86.77408    8.859333
 [2,]     43.26058    2.763500     90.20758   10.825917
 [3,]     43.46642    3.551750     90.11767   10.576250
 [4,]     41.94683    2.970833     86.89625    8.817000
 [5,]     42.08733    3.380917     86.78642    8.996667
 [6,]     42.13050    2.942250     88.02983    9.707500
 [7,]     43.07383    2.775500     89.04583   10.102083
 [8,]     44.10192    2.895167     91.27208   11.188500
 [9,]     41.29408    2.314750     87.59208    9.244333
[10,]     42.77450    2.781583     90.37342   10.789500

快速解決問題

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), 
    type='relative'
  )
}))

Answer 2

由於您正在使用mutate ，因此您可以考慮繼續使用tidyverse 。

map_df(1:1000, ~ sample_n(iris, 4, replace = FALSE)) %>%
glimpse() %>%
mutate(Aggregate_col = rep(seq(1, ceiling(n() / 4)), each = 4)) %>%
glimpse() %>%
select(starts_with("Sepal"),
       starts_with("Petal"),
       matches("Aggregate")) %>%
group_by(Aggregate_col) %>%
summarise(across(.cols = everything(), ~ mean(.x, na.rm = TRUE)))

筆記：

• 在下面的示例中，您的第一個循環被替換為：

   map_df(1:1000, ~ sample_n(iris, 4, replace = FALSE))

• map_x可用於遍歷列表，或者在本例中為 integer 向量1:1000 ，如果唯一的目的是重復調用 function 並將結果綁定到所需格式，在本例中為data.frame 。

• 您可以在數據轉換管道中利用glimpse來避免重復調用View

• select提供了一種按名稱或部分匹配選擇列的可讀方式。 這通常比在添加/刪除變量時按索引選擇列更安全