Question

我有一个数据框，其中包含样本大小，均值和标准差以及target值的列：

ssize <- c(200, 300, 150)
mean <- c(10, 40, 50)
sd <- c(5, 15, 65)
target <- c(7, 23, 30)
df <- data.frame(ssize, mean, sd, target)

我希望添加另一个变量below，该变量返回小于target值的元素数，这是从具有参数mean和sd的正态分布中得出的，并且样本大小ssize。但是，我无法获得rnorm来将每一行的值用作参数。例如，运行

df$below <- sum(rnorm(df$ssize, df$mean, df$sd) < df$target)

生成样本大小等于length(df$ssize)而不是df$ssize本身的值的分布。

已更新：大型数据集的数据表解决方案？

@alistaire和@ G5W的解决方案效果很好，但是我想从每行的100个rmrm复制中提取below的平均值。我尝试了两种解决方案：

df <- df %>% mutate(below = mean(replicate(100, pmap_int(., ~sum(rnorm(..1, ..2, ..3) < ..4)))))

df$below <- with(df, sapply(1:nrow, function(i) mean(replicate(100, sum(rnorm(n[i], mean[i], sd[i]) < target[i])))))

但是使用我的数据集（行数超过430万）将花费很长时间。是否有可能更快的数据表（或其他）解决方案？

Answer 1

列表列是执行此操作的自然方法，因此您可以将样本存储在生成样本的参数旁边。使用purrr进行迭代，

library(tidyverse)
set.seed(47)    # for reproducibility

df <- data_frame(n = c(200, 300, 150),    # rename to name of parameter in rnorm so pmap works naturally
                 mean = c(10, 40, 50), 
                 sd = c(5, 15, 65), 
                 target = c(7, 23, 30))

df %>% 
    mutate(samples = pmap(.[1:3], rnorm),    # iterate in parallel over parameters and store samples as list column
           below = map2_int(samples, target, ~sum(.x < .y)))    # iterate over samples and target, calculate number below, and simplify to integer vector
#> # A tibble: 3 x 6
#>       n  mean    sd target samples     below
#>   <dbl> <dbl> <dbl>  <dbl> <list>      <int>
#> 1   200    10     5      7 <dbl [200]>    47
#> 2   300    40    15     23 <dbl [300]>    41
#> 3   150    50    65     30 <dbl [150]>    58

Answer 2

您可以在lapply和一个临时函数的基础R中完成此操作

df$below = with(df,  
    sapply(1:3, function(i) sum(rnorm(ssize[i], mean[i], sd[i]) < target[i])))
df$below
[1] 44 45 48

设置rmrm参数等于矢量

已更新：大型数据集的数据表解决方案？

2 个答案: