Question

我正在尝试学习purrr以在每次迭代中使用具有不同均值，sd和n的rmrm模拟数据。这段代码生成了我的数据框：

parameter = crossing(n = c(60,80,100),   
                    agegroup = c("a", "b","c"), 
                    effectsize = c(0.2, 0.5, 0.8),
                    sd =2
                        ) %>%
# create a simulation id number
group_by(agegroup) %>%
mutate(sim= row_number())%>%
ungroup() %>%
mutate(# change effect size so that one group has effect, others d=0
       effectsize= if_else(agegroup == "a", effectsize, 0),
       # calculate the mean for the distribution from effect size
       mean =effectsize*sd)

现在，我要遍历不同的模拟，并针对每行使用rnorm根据均值，sd和r生成数据

# create a nested dataframe to iterate over each simulation and agegroup
nested_df =  parameter %>%
  group_by(sim, agegroup, effectsize)%>%
  nest() %>% arrange(sim)

这就是我的数据框的样子：

现在，我要创建“数据”列中给出的均值，sd和n的正态分布数据。

nested_df = nested_df %>%  
  mutate(data_points = pmap(data,rnorm))

但是上面的代码给出了一个我无法找到解决方案的错误：

Error in mutate_impl(.data, dots) : 
  Evaluation error: unused arguments

我阅读了R for Data Science中的“迭代”一章，并用Google搜索了一堆，但是我不知道如何将pmap和nest结合起来。我之所以要使用这些功能，是因为它可以更轻松地将参数，模拟数据以及所有输出保留在一个数据帧中。

Answer 1

您不一定需要嵌套参数。例如：

parameter %>%
  # Use `pmap` because we explicitly specify three arguments
  mutate(data_points = pmap(list(n, mean, sd), rnorm))
# A tibble: 27 x 7
#         n agegroup effectsize    sd   sim  mean data_points
#     <dbl> <chr>         <dbl> <dbl> <int> <dbl> <list>     
#   1    60 a               0.2     2     1   0.4 <dbl [60]> 
#   2    60 a               0.5     2     2   1   <dbl [60]> 
#   3    60 a               0.8     2     3   1.6 <dbl [60]>

有了嵌套的数据框，您可以使用map而不是pmap：

nested_df %>%
  # Use `map` because there is really one argument, `data`,
  # but then refer to three different columns of `data`.
  mutate(data_points = map(data, ~ rnorm(.$n, .$mean, .$sd)))

Answer 2

首先，可以像这样使用pmap：

x <- tibble(n = 100, mean = 5, sd = 0.1)
pmap(x, rnorm)

与使用do.call非常相似：

do.call(rnorm, x)

但是，如果要在pmap中使用mutate，则可以将函数.f的输入设置为正确的形状。撰写

nested_df %>% 
  mutate(y = pmap(x, f))

表示f需要输入x。在您的情况下，rnorm需要三个输入，但只能得到一个。

因此，如果您坚持嵌套输入，则可以执行以下操作：

nested_df %>%  
  mutate(data_points = pmap(list(data), function(z) pmap(z, rnorm))[[1]])

或

   nested_df %>%  
      mutate(data_points = pmap(list(data), function(z) do.call(rnorm, z))).

但是我建议做一些不同的事情：

parameter %>% 
  mutate(data_points = pmap(list(n, mean, sd), rnorm))

希望这会有所帮助。

purrr结合pmap和nest

2 个答案: