Question

我有一个数据帧df，其中包含为每个主题记录的数字列表/向量，以便重复两次测试项目。

subj item rep vec
s1 1 1 [2,1,4,5,8,4,7]
s1 1 2 [1,1,3,4,7,5,3]
s1 2 1 [6,5,4,1,2,5,5]
s1 2 2 [4,4,4,0,1,4,3]
s2 1 1 [4,6,8,7,7,5,8]
s2 1 2 [2,5,4,5,8,1,4]
s2 2 1 [9,3,2,6,6,8,5]
s2 2 2 [7,1,2,3,2,7,3]

对于每个项目，我希望找到50％的rep 1的平均值，然后用0替换rep 2向量中的最低数字，直到rep2的平均值小于或等于rep1的平均值。例如，对于s1 item1：

mean(c(2,1,4,5,8,4,7))*0.5 = 2.1 #rep1 scaled down
mean(c(1,1,3,4,7,5,3)) = 3.4 #rep2
mean(c(0,0,0,0,7,5,0)) = 1.7 #new rep2 such that mean(rep2) <= mean(rep1)

删除rep 2向量中的最小数字后，我想关联rep1和rep2向量并执行一些其他的小算术函数，并将结果附加到另一个（长度初始化的）数据帧。现在，我正在使用与此伪代码类似的循环：

for subj in subjs:
  for item in items:
     while mean(rep2) > mean(rep1)*0.5:
       rep2 = replace(lowest(rep2),0)
     newDataFrame[i] = correl(rep1,rep2)

使用循环执行此操作似乎效率很低;在R中，是否有更有效的方法来查找和替换列表/向量中的最低值，直到均值小于或等于依赖于该特定项的值？将相关性和其他结果附加到其他数据帧的最佳方法是什么？

其他信息：

>dput(df)
>structure(list(subj = structure(c(1L, 1L, 1L, 1L, 2L, 2L, 2L, 
 2L), .Label = c("s1", "s2"), class = "factor"), item = c(1L, 
 1L, 2L, 2L, 1L, 1L, 2L, 2L), rep = c(1L, 2L, 1L, 2L, 1L, 2L, 
 1L, 2L), vec = list(c(2, 1, 4, 5, 8, 4, 7), c(1, 1, 3, 4, 7, 
 5, 3), c(6, 5, 4, 1, 2, 5, 5), c(4, 4, 4, 0, 1, 4, 3), c(4, 6, 
 8, 7, 7, 5, 8), c(2, 5, 4, 5, 8, 1, 4), c(9, 3, 2, 6, 6, 8, 5
 ), c(7, 1, 2, 3, 2, 7, 3))), .Names = c("subj", "item", "rep", 
 "vec"), row.names = c(NA, -8L), class = "data.frame")

我想将此数据帧作为输出（使用rep1与rep2相关性以及rep1与新rep2相关性）。

subj item origCorrel newCorrel
s1 1 .80 .51
s1 2 .93 .34
s2 1 .56 .40
s2 2 .86 .79

Answer 1

摆脱循环的典型策略是将子集化数据上的所有计算都放入自己的函数中，然后在aggregate或apply函数中调用该函数。

two.cors=function(x,ratio=.5) {
  rep1=unlist(x[1,][['vec']])
  rep2=unlist(x[2,][['vec']])
  orig.cor=cor(rep1,rep2)
     while(mean(rep2) > mean(rep1)*ratio) {
   rep2[    which(rep2==min(rep2[which(!rep2==0)]))]=0
    }
  c(orig.cor,wierd.cor=cor(rep1,rep2))
}

我想使用daply所以get plyr，可以使用聚合或基础*apply函数

library(plyr)

然后调用数据集上的函数

 daply(df,c("subj","item"), .fun=function(x) two.cors(x,ratio=.4) )

这个输出可以重新格式化，但我把它留给你，因为我认为你需要two.cors函数中的其他统计数据

替换R中数据框中最低列表值的最有效方法

1 个答案: