Question

N=1000
alpha=0.1 

zerosandones = rbinom(N, 1,alpha)

vector1=sample(c("raw","cooked"),1000,T,prob=c(0.12,.88))
vector1

densf=NULL
densft=NULL

for (i in (1:N))
{   
  if (zerosandones[i]==1 && vector1[i]=="raw") {densf[i] = 1} 
  else {if(zerosandones[i]==1 && vector1[i]=="cooked") {densft[i] <- rbinom(1, 1,alpha*0.2)}
  else {if (zerosandones[i]==0 && vector1[i]=="raw") {densf[i]=0} 
  else {if (zerosandones[i]==0 && vector1[i]=="cooked") {densft[i]=0}}}}}
densft
densf

嘿伙计们，

我是R的新手，并建立了定量风险评估模型。简单地说，这里的想法是我们生成一个1000 0和1的样本，每个0,1都有一个原始/煮熟的关联。所有0都被删除，我们进一步分析1。因此，例如，如果有一个和它的原始然后新的densf应该等于1，否则为0.同样，如果有一个并且它已经煮熟，那么新的densft应该等于1（基于二项式rv模拟一个在上述情况下，α为0.02，否则为0.

那就是说，我需要一些帮助，因为“densf”和“densft”会产生一堆NaN值，将0和1放在错误的位置。请帮忙！

Answer 1

这是一个有效的矢量化解决方案：

N=1000
alpha=0.1 
zerosandones = rbinom(N, 1,alpha)
vector1=sample(c("raw","cooked"),1000,T,prob=c(0.12,.88))

# new code:
densf <- as.integer(zerosandones & vector1 == "raw")
densft <- (zerosandones & vector1 == "cooked") * rbinom(N, 1, alpha*0.2)

Answer 2

在R中学习编程时最重要的事情之一就是考虑向量运算而不是循环。您在两个向量中得到NA s（与R中的NaN不同），因为您没有填充所有位置：您只填充densf中的位置您拥有"raw"以及densft中"cooked"所在地的位置。你想让R用其他空间填充什么？ NA是默认值，但如果需要，您可以使用其他内容（例如零）填充它们。这就是我在下面所做的。

# your code
N=1000
alpha=0.1 

zerosandones = rbinom(N, 1,alpha)

vector1=sample(c("raw","cooked"),1000,T,prob=c(0.12,.88))

# my code
densf <- ifelse(zerosandones == 1 & vector1 == "raw", 1, 0)
densft <- ifelse(zerosandones == 0 & vector1 == "raw", rbinom(N, 1,alpha*0.2), 0)

注意事项：

使用ifelse，if。
使用&，&&。
没有循环！ R中的循环很慢。从向量的角度思考需要一些调整，但几乎总是更好。

当我跑步时，densf中有12个，densft中有3个，这与我的预期相符。如果这不是你期望的那样，那么你需要更好地解释你在这里尝试做什么，以及为什么你期望不同的东西。

定量风险评估模型

2 个答案: