Question

我试图在this post中完成相同的工作，即用密度叠加多个组织图。推荐帖子中的解决方案有效，但我想知道dfn是否可以使用purrr / purrrlyr这样的新包进行计算：

set.seed(1)
df <- data.frame(bsa=rnorm(200, mean=rep(c(1,4),each=100)), 
                 group=rep(c("test","control"),each=100))

stats <- df %>% group_by(group) %>% summarise(m = mean(bsa), sd = sd(bsa))
x <- with(df, seq(min(bsa), max(bsa), len=100))

dfn <- do.call(rbind,lapply(1:nrow(stats), 
                            function(i) with(stats[i,],data.frame(group, x, y=dnorm(x,mean=m,sd=sd)))))

为了执行内部lapply部分，我一直在尝试

的内容

stats %>%
    dplyr::group_by(group) %>%
    purrr::map(x, dnorm, m, sd)

也就是说，从统计信息传递m和sd并使用相同的x。不幸的是，它不起作用。（一旦内部部分完成，我可以将结果传递给do.call，这样就不会有问题了。

Answer 1

如果你dplyr，我认为你真的不需要分别计算stats和x。我做了：

dfn_2 <-
  df %>% 
  mutate_at(vars(bsa), funs(min, max)) %>% 
  arrange(group) %>% 
  group_by(group) %>% 
  transmute(
    x = seq(first(min), first(max), length.out = n()), 
    y = dnorm(x, mean(bsa), sd(bsa))
  ) %>% 
  as.data.frame()

all.equal(dfn, dfn_2)
# [1] TRUE

或者，我有两种方法不推荐。只是为了证明它是可能的，以及你如何做你正在尝试的事情：

dfn_3 <-
  stats %>% 
  split(.$group) %>% 
  map2_df(names(.), ~ tibble(group = .y, x, y = dnorm(x, .x$m, .x$sd)))

# # A tibble: 200 x 3
#      group         x            y
#      <chr>     <dbl>        <dbl>
#  1 control -1.888921 6.490182e-09
#  2 control -1.809524 1.045097e-08
#  3 control -1.730128 1.672139e-08
#  4 control -1.650731 2.658301e-08
#  5 control -1.571334 4.199062e-08
#  6 control -1.491938 6.590471e-08
#  7 control -1.412541 1.027772e-07
#  8 control -1.333145 1.592550e-07
#  9 control -1.253748 2.451917e-07
# 10 control -1.174352 3.750891e-07
# # ... with 190 more rows

all.equal(dfn, as.data.frame(mutate_at(dfn_3, vars(group), as.factor)))
# [1] TRUE


dfn_4 <-
  stats %>% 
  group_by(group) %>% 
  transmute(x = list(x), y = map(x, dnorm, m, sd)) %>% 
  ungroup() %>% 
  tidyr::unnest()

# # A tibble: 200 x 3
#      group         x            y
#     <fctr>     <dbl>        <dbl>
#  1 control -1.888921 6.490182e-09
#  2 control -1.809524 1.045097e-08
#  3 control -1.730128 1.672139e-08
#  4 control -1.650731 2.658301e-08
#  5 control -1.571334 4.199062e-08
#  6 control -1.491938 6.590471e-08
#  7 control -1.412541 1.027772e-07
#  8 control -1.333145 1.592550e-07
#  9 control -1.253748 2.451917e-07
# 10 control -1.174352 3.750891e-07
# # ... with 190 more rows

all.equal(dfn, as.data.frame(dfn_4))
# [1] TRUE

Answer 2

按@ Aurele的要求，这是我的看法：

library(dplyr)
library(tidyr)
library(ggplot2)

df <- data.frame(bsa=rnorm(200, mean=rep(c(1,4),each=100)), 
           group=rep(c("test","control"),each=100))

选项1：

df %>% 
  group_by(group) %>% 
  summarise_all(funs(mean, sd, min, max)) %>% 
  group_by(group) %>%                                                        
  mutate(newdata = list(data_frame(x = seq(min, max, length.out = 80)))) %>%     
  unnest() %>%                                                             
  mutate(dens = dnorm(x, mean, sd)) %>% 
  ggplot() + 
  geom_histogram(data = df, aes(bsa, y = ..density.., fill = group), alpha = 0.5) +
  geom_line(aes(x, dens, color = group), size = 2)

选项2：

df %>% 
  group_by(group) %>% 
  summarise_all(funs(mean, sd, min, max)) %>% 
  group_by(group, mean, sd, min, max) %>% 
  do(data_frame(x = seq(.$min, .$max, length.out = 80))) %>% 
  mutate(dens = dnorm(x, mean, sd)) %>% 
  ggplot() + 
  geom_histogram(data = df, aes(bsa, y = ..density.., fill = group), alpha = 0.5) +
  geom_line(aes(x, dens, color = group), size = 2)

我的两种方法是相同的，只是在生成新数据时略有不同。

分组组
生成摘要统计信息
再次分组组
创建一个名为list的新newdata列，其中包含从 min 到 max 的 x 值的序列 bsa ，然后tidyr::unnest展开

OR

按所有统计信息进行分组以使其保持在环境中
为新的 x 值生成do的全新数据框，每个数据框都从环境中继承统计信息列

THEN

使用适当的平均值和 sd 生成每个 x 的密度。
以密度
添加一个包含原始数据直方图的图层（使用y = ..density..进行缩放）

我的方法和Aurele之间的唯一区别是它们产生了一个新的原始数据的每一行的x值。如果你有50-100个数据点，这是个好主意。如果您有<20个数据点，则您的密度线将是跳跃且不平滑的。如果你有> 500个数据点，那么你就会浪费你的时间来获得不需要的高分辨率并占用内存。曲线生成的ggplot2默认值通常为80磅，因此我使用的是（length.out = 80两种选项中的。）

评估dnorm的多个参数值和相同的参数

2 个答案:

选项1：

选项2：

OR

THEN