如何解决将模拟输出与R中的嵌套列表结合
我在R中使用purrr
来模拟数据(进行B
次迭代)并运行模型,以评估三种方法的性能。我想将结果收集到三个小块的列表中(每个小块带有B
行),在这些小块上进行方法分析。如何使用R(purrr
)中的函数式编程原理来实现这一点。这是一个示例:
使用此函数创建一个长度= r
的列表,每个r
元素由n
组成,这些元素均来自标准法线:
list_norms <- function(n,r,seed) {
set.seed(seed)
map(1:r,rnorm,n = n) %>%
set_names(c("A","B","C"))
}
然后我使用地图进行10次模拟:
map(1:10,list_norms,n = 5,r = 3)
这里的结果是一个长度为10的列表,其中每个元素是一个长度为3的列表(分别命名为A,B和C),其中每个元素是一个从正态分布中抽取5个向量的向量。我想以长度为3的列表结尾,长度分别为A,B和C,每个包含一个带有十行的小记号(每次模拟迭代一次)和5列(每一次从法线绘制一次) )。
是否有一种方法可以使用purrr
或tidyverse中的其他库,使用R中的函数式编程原理来实现?我正在查看map和reduce的某种组合。
解决方法
我们可以transpose
list
,然后根据每个data.frame
元素创建一个list
library(dplyr)
library(purrr)
map(1:10,list_norms,n = 5,r = 3) %>%
transpose %>%
map(~ as.data.frame.list(.x) %>%
t %>%
`row.names<-`(.,NULL))
#$A
# [,1] [,2] [,3] [,4] [,5]
# [1,] 0.37354619 1.1836433 0.1643714 2.5952808 1.32950777
# [2,] 0.10308545 1.1848492 2.5878453 -0.1303757 0.91974824
# [3,] 0.03806658 0.7074743 1.2587882 -0.1521319 1.19578283
# [4,] 1.21675486 0.4575074 1.8911446 1.5959806 2.63561800
# [5,] 0.15914452 2.3843593 -0.2554919 1.0701428 2.71144087
# [6,] 1.26960598 0.3700146 1.8686598 2.7271955 1.02418764
# [7,] 3.28724716 -0.1967717 0.3057075 0.5877070 0.02932666
# [8,] 0.91541393 1.8404001 0.5365172 0.4491650 1.73604043
# [9,] 0.23320396 0.1835417 0.8584648 0.7223950 1.43630690
#[10,] 1.01874617 0.8157475 -0.3713305 0.4008323 1.29454513
#$B
# [,1] [,2] [,4] [,] 1.1795316 2.4874291 2.7383247 2.5757814 1.6946116
# [2,] 2.1324203 2.7079547 1.7603020 3.9844739 1.8612130
# [3,] 2.0301239 2.0854177 3.1166102 0.7811426 3.2673687
# [4,] 2.6892754 0.7187534 1.7868555 3.8965399 3.7768632
# [5,] 1.3970920 1.5278336 1.3646287 1.7142264 2.1381082
# [6,] 2.3680252 0.6907957 2.7386219 2.0448730 0.9516028
# [7,] 1.0527201 2.7481393 1.8830448 2.1526576 4.1899781
# [8,] 1.8921186 1.8297109 0.9116683 -1.0110517 1.4068257
# [9,] 0.8131275 3.1919869 1.9818097 1.7519154 1.6370631
#[10,] 2.3897943 0.7919238 1.6363240 0.3733273 1.7435216
#...
如果我们也进行了一些更改,请在函数中稍作更改以返回tibble
,则也可以使用一个小标题来存储输出
list_norms <- function(n,r,seed) {
set.seed(seed)
map(1:r,rnorm,n = n) %>%
set_names(c("A","B","C")) %>%
as_tibble
}
map_dfr(1:10,r = 3,.id = 'grp')
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。