Question

动机：我目前正在尝试重新考虑我的编码，例如在可能的情况下排除for循环。使用传统的for循环可以很容易地解决下面的问题，但我想知道R是否有可能利用apply-family来使问题更容易。

问题：我有一个矩阵，比如n x k（index.starts矩阵）和两个起始和终止索引矩阵，称为index.stops和{{1 }}，分别。它们的大小为n x B，对于某个整数index.stops = index.starts + m，它保持m。每个index.starts[i,j]和index.stops[i,j]对需要X作为X[ (index.starts[i,j]:index.stops[i,j]),]。即，他们应该在其索引范围内选择X的所有行。我可以使用其中一个应用函数来解决这个问题吗？

应用程序 :(对于理解我的问题不一定很重要。）如果您感兴趣，那么在时间序列应用程序中使用块的自举应用程序需要这样做。 X代表原始样本。 index.starts被抽样为replicate(repetitionNumber, sample.int((n-r), ceiling(n/r), replace=TRUE))，index.stops被获取为index.stop = index.starts + m。我最终想要的是X行的集合。特别是，我想从repetitionNumber重新采样m次r长度为X的块。

示例：

#generate data
n<-100 #the size of your sample
B<-5 #the number of columns for index.starts and index.stops
     #and equivalently the number of block bootstraps to sample
k<-2 #the number of variables in X
X<-matrix(rnorm(n*k), nrow=n, ncol = k)

#take a random sample of the indices 1:100 to get index.starts
r<-10 #this is the block length 
#get a sample of the indices 1:(n-r), and get ceiling(n/r) of these 
#(for n=100 and r=10, ceiling(n/r) = n/r = 10). Replicate this B times
index.starts<-replicate(B, sample.int((n-r), ceiling(n/r), replace=TRUE)) 
index.stops<-index.starts + r

#Now can I use apply-functions to extract the r subsequent rows that are 
#paired in index.starts[i,j] and index.stops[i,j] for i = 1,2,...,10 = ceiling(n/r) and 
#j=1,2,3,4,5=B ?

Answer 1

这可能比你想要/需要的更复杂，但这是第一种方法。只要评论一下，如果这对您有任何帮助，我很乐意提供帮助。

我的方法使用（多个）* apply-functions。第一个lapply“循环”超过1：B的情况，它首先计算起点和终点，它们被合并到take.rows（带子集数）。接下来，初始矩阵由take.rows（并在列表中返回）进行子集化。作为最后一步，对子集化矩阵的每列采用标准偏差（作为虚函数）。

代码（评论很重）看起来像这样：

# you can use lapply in parallel mode if you want to speed up code...
lapply(1:B, function(i){
  starts <- sample.int((n-r), ceiling(n/r), replace=TRUE)
  # [1] 64 22 84 26 40  7 66 12 25 15
  ends <- starts + r

  take.rows <- Map(":", starts, ends)
#   [[1]]
#   [1] 72 73 74 75 76 77 78 79 80 81 82
#   ...

  res <- lapply(take.rows, function(subs) X[subs, ])
#   res is now a list of 10 with the ten subsets
#   [[1]]
#   [,1]        [,2]
#   [1,]  0.2658915 -0.18265235
#   [2,]  1.7397478  0.66315385
#  ...

  # say you want to compute something (sd in this case) you can do the following
  # but better you do the computing directly in the former "lapply(take.rows...)"
  res2 <- t(sapply(res, function(tmp){
    apply(tmp, 2, sd)
  })) # simplify into a vector/data.frame
#   [,1]      [,2]
#   [1,] 1.2345833 1.0927203
#   [2,] 1.1838110 1.0767433
#   [3,] 0.9808146 1.0522117
#   ...
  return(res2)
})

这是否指向正确的方向/给你答案？

使用R中的apply重复相同矩阵的子集化

1 个答案: