改进编码-使用tidyverse计算置信区间（针对比例）并将结果添加到单独的行中
我再次在这里请同事们帮助我改进此代码。由于这个论坛很容易接受，我想听听您对这种情况的看法！
这个问题很简单，但是需要有关循环/ for（）/ by（）等的知识，而在R中编程时我几乎是自动编辑的
我正在处理一个数据集，其中我估计了比例，并且我想计算下和上边界以提高置信度间隔。这项工作包括转换以下内容：
对此：
有一个程序包可以为我计算
库（PropCIs）
解决方案是直观的（对我来说）。
1）获取每个点的估计值，
2）计算其上下边界并
3）移至下一行，
4）返回第一步。
我的解决方法基于this post here，并在下面逐步说明。但是，我认为这种解决方案太慢，太幼稚，或者像我对任何本地数据科学家所说的那样带有奇怪的口音。然后，我想知道
library(PropCIs)
library(tidyverse)
set.seed(123)
ds <- data.frame(estimate = runif(15, min=0, max=1),
sample = sample(x = 10:15, 15, replace = T))
ds <- ds %>% mutate(lower = '')
#looping
for(i in 1:nrow(ds)) {
ds$lower[i] <- blakerci(ds$sample[i], 3449, conf.level=0.95)
}
#row to columns
ds <- separate(data = ds, col = lower, into = c("lower", "upper"), sep = ",")
#replace strings
ds <- ds %>% mutate(lower = gsub("c(", "", lower, fixed = TRUE),
upper = gsub(")", "", upper, fixed = TRUE))
#Transform to numeric
ds <- ds %>% mutate_at(vars(lower, upper), funs(as.numeric(.)))
一如既往，非常感谢您的支持！
请考虑到此帖子具有可复制的脚本，可以帮助其他人！ =）
1 个答案:
答案 0 :(得分：1)
我以前没有使用PropCIs，但是概率考虑似乎很酷。
这是tidyverse样式的代码。
library(PropCIs)
library(tidyverse)
library(data.table)
#>
#> 载入程辑包：'data.table'
#> The following objects are masked from 'package:dplyr':
#>
#> between, first, last
#> The following object is masked from 'package:purrr':
#>
#> transpose
set.seed(123)
data.table(
# data.table is faster.
estimate = runif(15, min=0, max=1)
,sample = sample(x = 10:15, 15, replace = T)
) %>%
mutate(
ci = map(sample
,~blakerci(., 3449, conf.level=0.95) %>%
.$conf.int %>%
.[1:2]
# get lower and upper
)
# why n = 3449? Any assumption?
) %>%
mutate(
lower = map_dbl(ci,~.[1])
,upper = map_dbl(ci,~.[2])
) %>%
select(-ci)
#> estimate sample lower upper
#> 1 0.2875775 15 0.002476132 0.007123028
#> 2 0.7883051 11 0.001593144 0.005669411
#> 3 0.4089769 10 0.001481219 0.005245599
#> 4 0.8830174 11 0.001593144 0.005669411
#> 5 0.9404673 15 0.002476132 0.007123028
#> 6 0.0455565 15 0.002476132 0.007123028
#> 7 0.5281055 14 0.002350896 0.006691190
#> 8 0.8924190 13 0.002038424 0.006396837
#> 9 0.5514350 15 0.002476132 0.007123028
#> 10 0.4566147 13 0.002038424 0.006396837
#> 11 0.9568333 14 0.002350896 0.006691190
#> 12 0.4533342 13 0.002038424 0.006396837
#> 13 0.6775706 13 0.002038424 0.006396837
#> 14 0.5726334 11 0.001593144 0.005669411
#> 15 0.1029247 10 0.001481219 0.005245599
由reprex package（v0.2.1）于2018-11-07创建
devtools::session_info()
#> Session info -------------------------------------------------------------
#> setting value
#> version R version 3.5.1 (2018-07-02)
#> system x86_64, darwin15.6.0
#> ui X11
#> language (EN)
#> collate zh_CN.UTF-8
#> tz Asia/Shanghai
#> date 2018-11-07
#> Packages -----------------------------------------------------------------
#> package * version date source
#> assertthat 0.2.0 2017-04-11 CRAN (R 3.5.0)
#> backports 1.1.2 2017-12-13 CRAN (R 3.5.0)
#> base * 3.5.1 2018-07-05 local
#> bindr 0.1.1 2018-03-13 CRAN (R 3.5.0)
#> bindrcpp * 0.2.2 2018-03-29 CRAN (R 3.5.0)
#> broom 0.5.0 2018-07-17 CRAN (R 3.5.0)
#> cellranger 1.1.0 2016-07-27 CRAN (R 3.5.0)
#> cli 1.0.0 2017-11-05 CRAN (R 3.5.0)
#> colorspace 1.3-2 2016-12-14 CRAN (R 3.5.0)
#> compiler 3.5.1 2018-07-05 local
#> crayon 1.3.4 2017-09-16 CRAN (R 3.5.0)
#> data.table * 1.11.8 2018-09-30 cran (@1.11.8)
#> datasets * 3.5.1 2018-07-05 local
#> devtools 1.13.6 2018-06-27 CRAN (R 3.5.0)
#> digest 0.6.16 2018-08-22 cran (@0.6.16)
#> dplyr * 0.7.6 2018-06-29 CRAN (R 3.5.1)
#> evaluate 0.11 2018-07-17 CRAN (R 3.5.0)
#> forcats * 0.3.0 2018-02-19 CRAN (R 3.5.0)
#> ggplot2 * 3.0.0 2018-07-03 CRAN (R 3.5.0)
#> glue 1.3.0 2018-07-17 CRAN (R 3.5.0)
#> graphics * 3.5.1 2018-07-05 local
#> grDevices * 3.5.1 2018-07-05 local
#> grid 3.5.1 2018-07-05 local
#> gtable 0.2.0 2016-02-26 CRAN (R 3.5.0)
#> haven 1.1.2 2018-06-27 CRAN (R 3.5.0)
#> hms 0.4.2 2018-03-10 CRAN (R 3.5.0)
#> htmltools 0.3.6 2017-04-28 CRAN (R 3.5.0)
#> httr 1.3.1 2017-08-20 CRAN (R 3.5.0)
#> jsonlite 1.5 2017-06-01 CRAN (R 3.5.0)
#> knitr 1.20 2018-02-20 CRAN (R 3.5.0)
#> lattice 0.20-35 2017-03-25 CRAN (R 3.5.1)
#> lazyeval 0.2.1 2017-10-29 CRAN (R 3.5.0)
#> lubridate 1.7.4 2018-04-11 CRAN (R 3.5.0)
#> magrittr 1.5 2014-11-22 CRAN (R 3.5.0)
#> memoise 1.1.0 2017-04-21 CRAN (R 3.5.0)
#> methods * 3.5.1 2018-07-05 local
#> modelr 0.1.2 2018-05-11 CRAN (R 3.5.0)
#> munsell 0.5.0 2018-06-12 CRAN (R 3.5.0)
#> nlme 3.1-137 2018-04-07 CRAN (R 3.5.1)
#> pillar 1.3.0 2018-07-14 CRAN (R 3.5.0)
#> pkgconfig 2.0.1 2017-03-21 CRAN (R 3.5.0)
#> plyr 1.8.4 2016-06-08 CRAN (R 3.5.0)
#> PropCIs * 0.3-0 2018-02-23 CRAN (R 3.5.0)
#> purrr * 0.2.5 2018-05-29 CRAN (R 3.5.0)
#> R6 2.3.0 2018-10-04 cran (@2.3.0)
#> Rcpp 0.12.19 2018-10-01 cran (@0.12.19)
#> readr * 1.1.1 2017-05-16 CRAN (R 3.5.0)
#> readxl 1.1.0 2018-04-20 CRAN (R 3.5.0)
#> rlang 0.2.2 2018-08-16 cran (@0.2.2)
#> rmarkdown 1.10 2018-06-11 CRAN (R 3.5.0)
#> rprojroot 1.3-2 2018-01-03 CRAN (R 3.5.0)
#> rvest 0.3.2 2016-06-17 CRAN (R 3.5.0)
#> scales 1.0.0 2018-08-09 CRAN (R 3.5.0)
#> stats * 3.5.1 2018-07-05 local
#> stringi 1.2.4 2018-07-20 CRAN (R 3.5.0)
#> stringr * 1.3.1 2018-05-10 CRAN (R 3.5.0)
#> tibble * 1.4.2 2018-01-22 CRAN (R 3.5.0)
#> tidyr * 0.8.1 2018-05-18 CRAN (R 3.5.0)
#> tidyselect 0.2.5 2018-10-11 cran (@0.2.5)
#> tidyverse * 1.2.1 2017-11-14 CRAN (R 3.5.0)
#> tools 3.5.1 2018-07-05 local
#> utils * 3.5.1 2018-07-05 local
#> withr 2.1.2 2018-03-15 CRAN (R 3.5.0)
#> xml2 1.2.0 2018-01-24 CRAN (R 3.5.0)
#> yaml 2.2.0 2018-07-25 CRAN (R 3.5.0)
相关问题
最新问题
- 我写了这段代码，但我无法理解我的错误
- 我无法从一个代码实例的列表中删除 None 值，但我可以在另一个实例中。为什么它适用于一个细分市场而不适用于另一个细分市场？
- 是否有可能使 loadstring 不可能等于打印？卢阿
- java中的random.expovariate()
- Appscript 通过会议在 Google 日历中发送电子邮件和创建活动
- 为什么我的 Onclick 箭头功能在 React 中不起作用？
- 在此代码中是否有使用“this”的替代方法？
- 在 SQL Server 和 PostgreSQL 上查询，我如何从第一个表获得第二个表的可视化
- 每千个数字得到
- 更新了城市边界 KML 文件的来源？