Question

我使用通过rjags调用的JAGS来生成mcmc.list对象foldD_samples，其中包含大量随机节点（> 800个节点）的跟踪监视器。

我现在想用R来计算这些节点的相当复杂的标量值函数，并将输出写入mcmc对象，这样我就可以使用coda来总结后验和运行收敛诊断。

但是，我还没有弄清楚如何将后验从foldD_samples绘制到数据帧中。任何帮助非常感谢。

这是mcmc.list的结构：

str(foldD_samples)
List of 3
 $ : mcmc [1:5000, 1:821] -0.667 -0.197 -0.302 -0.204 -0.394 ...
  ..- attr(*, "dimnames")=List of 2
  .. ..$ : NULL
  .. ..$ : chr [1:821] "beta0" "beta1" "beta2" "dtau" ...
  ..- attr(*, "mcpar")= num [1:3] 4100 504000 100
 $ : mcmc [1:5000, 1:821] -0.686 -0.385 -0.53 -0.457 -0.519 ...
  ..- attr(*, "dimnames")=List of 2
  .. ..$ : NULL
  .. ..$ : chr [1:821] "beta0" "beta1" "beta2" "dtau" ...
  ..- attr(*, "mcpar")= num [1:3] 4100 504000 100
 $ : mcmc [1:5000, 1:821] -0.492 -0.679 -0.299 -0.429 -0.421 ...
  ..- attr(*, "dimnames")=List of 2
  .. ..$ : NULL
  .. ..$ : chr [1:821] "beta0" "beta1" "beta2" "dtau" ...
  ..- attr(*, "mcpar")= num [1:3] 4100 504000 100
 - attr(*, "class")= chr "mcmc.list"

干杯，雅各布

Answer 1

由于它是list结构，您可以使用这些方法中的任何一种将矩阵绑定在一起。

do.call(rbind.data.frame, foldD_samples)

或

rbindlist(lapply(foldD_samples, as.data.frame)) # thanks to BenBolker

Mwe

library(rjags)
library(coda)
library(data.table)

mod <- textConnection("model {
  A ~ dnorm(0, 1)
  B ~ dnorm(0, 1)
}")

# evaluate
mod <- jags.model(mod, n.chains = 4, n.adapt = 50000) 
pos <- coda.samples(mod,  c("A", "B"),  10000)

out <- do.call(rbind.data.frame, pos)
out2 <- rbindlist(lapply(pos, as.data.frame))
all.equal(out, out2, check.attributes=FALSE)

Answer 2

user20650给出的答案肯定会有效，但可能会很慢。另请注意，在撰写本文时，不推荐使用rbind_list（）代替bind_rows（）。

我为自己的目的编写的东西将mcmc.list转换为＆＃34;长格式＆＃34; data.frame。在我的机器上，它比上述方法快4-7倍，并增加了两列：一列用于链号，一列用于步号。

parameter_names <- varnames(mcmc_list)
saved_steps <- as.integer(row.names(mcmc_list[[1]]))
out <- data.frame("chain" = factor(rep(1 : length(mcmc_list), each = length(saved_steps))),
                  "step" = rep(saved_steps, length(mcmc_list)) )
for (param in parameter_names) {
    out[param] <- NA
}
for (a_chain in 1 : length(mcmc_list)) {
    out[out$chain == a_chain, parameter_names ] <- as.data.frame(mcmc_list[[a_chain]])
}
return(out)

使用3个链的mcmc.list对象，总共50,000行， rbind_list / do.call方法：平均耗时0.71秒我的方法：0.12秒平均经过时间

编辑：进一步阅读库中的代码＆＃34; coda＆＃34;表明as.matrix（）要快得多。

parameter_names <- varnames(mcmc_list)
saved_steps <- as.integer(row.names(mcmc_list[[1]]))
out <- data.frame("chain" = factor(rep(1 : length(mcmc_list), each = length(saved_steps))),
                  "step" = rep(saved_steps, length(mcmc_list)) )
out <- cbind(out, as.data.frame(as.matrix(chain_samples)))

过度消耗时间为0.03秒。

在R中操作mcmc.list对象

2 个答案: