Question

我有以下代码来创建示例函数并生成模拟数据

mean_detects<- function(obs,cens) {
 detects <- obs[cens==0]
 nondetects <- obs[cens==1]
 res <- mean(detects)
 return(res) 
}

mu <-log(1); sigma<- log(3); n_samples=10, n_iterations = 5; p=0.10
dset2 <- function (mu, sigma, n_samples, n_iterations, p) {
  X_after <- matrix(NA_real_, nrow = n_iterations, ncol = n_samples)
  delta <- matrix(NA_real_, nrow = n_iterations, ncol = n_samples)
  lod <- quantile(rlnorm(100000, mu, sigma), p = p)
  pct_cens <- numeric(n_iterations)
  count <- 1
  while(count <= n_iterations) {     
  X_before <- rlnorm(n_samples, mu, sigma)
  X_after[count, ] <- pmax(X_before, lod)
  delta [count, ] <- X_before <= lod
  pct_cens[count] <- mean(delta[count,])
  if (pct_cens [count]  > 0 & pct_cens [count] < 1 ) count <- count + 1 }
  ave_detects <- mean_detects(X_after,delta)  ## how can I use apply or other functions here?
  return(ave_detects) 

}

如果我指定n_iterations，我将有一个1x10 X_after矩阵和1x10 delta矩阵。然后使用此命令可以正常运行mean_detects函数。

ave_detects <- mean_detects(X_after,delta)

然而，当我将n_iterations增加到5时，那么我将有2个5x10 X_after和delta，那么mean_detects函数不再起作用。它只给出了1次迭代而不是5次的输出。我的真实模拟有数千次迭代，因此也必须考虑速度和记忆。

编辑：我根据您的评论编辑了我的代码。我创建的mean_detects函数旨在显示同时使用X_after和delta矩阵的示例。真正的功能很长。这就是我没有在这里发布的原因。

Answer 1

你的实际问题并不是很清楚。所以，

“我的功能只占用1个数据帧”。
- 实际上你的函数有两个向量
编写可以同时使用X_after和delta的代码。这并不意味着什么 - 抱歉。

“必须考虑速度和记忆”。这很模糊。你的内存会耗尽吗？作为一个建议，你可以考虑一个滚动的意思。例如，

x = runif(5)
total = 0
for(i in seq_along(x)) {
   total = (i-1)*total/i + x[i]/i
  cat(i, ": mean ", total, "\n")
}
1 : mean  0.4409 
2 : mean  0.5139 
3 : mean  0.5596 
4 : mean  0.6212 
5 : mean  0.6606

<强>除了

您的dest2函数需要变量n（您尚未定义）。
您的dest2函数未返回明显的值。
您的mean_detects功能可以简化为：
```
mean(obs[cens==0])
```

使用apply函数到R中的2个单独列表

1 个答案: