我在创建for循环时遇到麻烦。
我想将样本大小从1增加到200，并在每次新添加观察值之后计算p值。
这样首先我对1个观测值进行采样-计算第一个p值，然后对2个观测值进行采样-计算第二个p值，然后对3个...进行多达200个观测值，这样我就得到200个p值。
所有观察结果都将从数据帧的一列中采样（带有替换）。
可以说数据帧的列称为data $ column1。 样本大小从“ 1：200”开始每增加一圈。
我如何创建一个for循环，以便对于每个“回合”，又进行一次观察，并计算一个新的p值？ 最后，我想绘制所有p值。
n <- 1:200
for i in length(n) {
sample(data$column1,n, replace = TRUE)
pvalue <- t.test(data$column1, alternative = "greater")
}
答案 0 :(得分：3)
尽管我知道您可能想使用for循环，但这是使用sapply或lapply的好机会。我将使用iris演示替代方法。尽管我将对所有示例使用iris$Sepal.Length的简化测试“不等于5”，但是您应该为特定数据更新alternative=和其他参数。
选择1：如果您只需要p值，我们就可以捕获...或捕获整个模型并进行p值的第二阶段检索。
选择2：我们可以使用*apply函数之一，它读起来很好（一旦您更习惯于R向量代码），或者可以坚持使用for循环。第一种选择具有可读性，尽管您可能更喜欢使用for循环，在这种情况下，您应该真正地预先分配列表/向量。 （预先定义长而空的列表/向量的原因：虽然您可以轻松地将向量out与out <- c(out, newstuff)串联在一起，但是从长远来看，重复执行此操作效率很低 。我强烈不建议以“大规模”方式这样做。）
在前面，有一些注意事项：
set.seed(2)，以使结果相同。除非/除非您需要严格的可复制性，否则您不应该使用它。通常不需要生产/学术报告。seq_len而不是2:length(...)：以编程方式执行操作时，最好让它优雅地失败。如果将来由于某种原因您使用1:length(nrow(x))并且x的行数为0，那么1:0会产生一个长度为2的向量，这是违反直觉的（并且几乎可以肯定破坏后续代码）。相反，seq_len(0)产生一个长度为2的向量，这是一件好事。同样，这里不那么重要，但要养成良好的习惯。 （顺便说一句，seq_along(0)仍然输出长度为1的向量，因此也容易出现此问题。）seq_len(...)[-1]来丢弃“ 1”，因为无法完成具有单个基准的t检验。还可以做1 + seq_len(nrow(x)-1)。for循环，仅p值set.seed(2)
out <- rep(NA, nrow(iris))
for (i in seq_len(nrow(iris))[-1]) {
thisdat <- sample(iris$Sepal.Length, size = i)
out[i] <- t.test(thisdat, mu = 5)$p.value
}
summary(out)
# Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
# 0.0000000 0.0000000 0.0000000 0.0080013 0.0000001 0.4156151 1
（您可以假设out对于所有后续示例都是相同的，因此我不会显示。）
*apply，仅p值set.seed(2)
out <- sapply(seq_len(nrow(iris))[-1], function(i) {
thisdat <- sample(iris$Sepal.Length, size = i)
t.test(thisdat, mu = 5)$p.value
})
sapply采用一个向量，通常返回以下值之一：
vector，如果所有返回值的长度都完美地为1； matrix，如果所有返回值都是长度完全相同的向量；或list任何其他时间。因此，某些程序员更喜欢lapply（总是返回list）或vapply（必须声明哪种返回值）如您所愿...，并且在弹出其他内容时失败）。一个人可以做：
set.seed(2)
out <- vapply(seq_len(nrow(iris))[-1], function(i) {
thisdat <- sample(iris$Sepal.Length, size = i)
t.test(thisdat, mu = 5)$p.value
}, numeric(1))
（尝试将numeric(1)更改为numeric(2)，您会看到values must be length 2, but FUN(X[[1]]) result is length 1的错误。）
对于lapply选项，它与下面的第四种方法非常相似。
请注意，这里的length(out)将是nrow(iris)-1，因为我们在seq_len(nrow(iris))[-1]的输入向量上跳过了它。这意味着从技术上讲summary(out)会有所不同：不会NA。所有数字都相等。
for循环，完整模型在这里，我们需要存储的不仅仅是一个数字，所以我们需要将其存储在list中。
set.seed(2)
out <- vector("list", nrow(iris))
for (i in seq_len(nrow(iris))[-1]) {
thisdat <- sample(iris$Sepal.Length, size = i)
out[[i]] <- t.test(thisdat, mu = 5)
}
str(out[1:3])
# List of 3
# $ : NULL
# $ :List of 9
# ..$ statistic : Named num 1.31
# .. ..- attr(*, "names")= chr "t"
# ..$ parameter : Named num 1
# .. ..- attr(*, "names")= chr "df"
# ..$ p.value : num 0.416
# ..$ conf.int : num [1:2] -2.41 14.11
# .. ..- attr(*, "conf.level")= num 0.95
# ..$ estimate : Named num 5.85
# .. ..- attr(*, "names")= chr "mean of x"
# ..$ null.value : Named num 5
# .. ..- attr(*, "names")= chr "mean"
# ..$ alternative: chr "two.sided"
# ..$ method : chr "One Sample t-test"
# ..$ data.name : chr "thisdat"
# ..- attr(*, "class")= chr "htest"
# $ :List of 9
# ..$ statistic : Named num 1.76
# .. ..- attr(*, "names")= chr "t"
# ..$ parameter : Named num 2
# .. ..- attr(*, "names")= chr "df"
# ..$ p.value : num 0.22
# ..$ conf.int : num [1:2] 3.61 8.33
# .. ..- attr(*, "conf.level")= num 0.95
# ..$ estimate : Named num 5.97
# .. ..- attr(*, "names")= chr "mean of x"
# ..$ null.value : Named num 5
# .. ..- attr(*, "names")= chr "mean"
# ..$ alternative: chr "two.sided"
# ..$ method : chr "One Sample t-test"
# ..$ data.name : chr "thisdat"
# ..- attr(*, "class")= chr "htest"
列表很长，但是您可以看到（1）第一个元素为空，这并不奇怪，因为我们跳过了i的1； （2）之后的每个元素都包含您希望模型拥有的所有内容。
好吧，让我们来看一下。我们首先分配完整列表，然后像以前一样运行for循环。循环中的唯一区别是我们存储了整个模型（需要使用out[[i]]而不是out[i]）而不是仅存储$p.value。现在，为了获得p值，我们可以使用for循环或sapply，我将演示后者：
head(sapply(out[-1], `[[`, "p.value"))
# [1] 0.41561507 0.22019340 0.05766889 0.08544124 0.03243253 0.09059092
# more verbose, same thing though, showing the "anonymous-function" definition
head(sapply(out[-1], function(m) m$p.value))
我使用out[-1]是因为我们知道第一个是空的。在上面的out <- out[-1]循环之后，我们可以很容易地完成for。
通过使用我上面演示的“匿名函数”定义，人们可以从模型中获取其他任何属性，例如模型系数。
*sapply，完整版这可能并不会让您感到惊讶。
set.seed(2)
out <- lapply(seq_len(nrow(iris))[-1], function(i) {
thisdat <- sample(iris$Sepal.Length, size = i)
out[[i]] <- t.test(thisdat, mu = 5)
})
如果您查看这些内容，则第一个元素也不为空（类似于上面的sapply示例），因为我们甚至没有为其运行或预先分配。
然后，您可以对单个列表元素执行任何操作：
out[[1]]$p.value
# [1] 0.4156151
str(out[[17]])
# List of 9
# $ statistic : Named num 3.98
# ..- attr(*, "names")= chr "t"
# $ parameter : Named num 17
# ..- attr(*, "names")= chr "df"
# $ p.value : num 0.000974
# $ conf.int : num [1:2] 5.48 6.57
# ..- attr(*, "conf.level")= num 0.95
# $ estimate : Named num 6.03
# ..- attr(*, "names")= chr "mean of x"
# $ null.value : Named num 5
# ..- attr(*, "names")= chr "mean"
# $ alternative: chr "two.sided"
# $ method : chr "One Sample t-test"
# $ data.name : chr "thisdat"
# - attr(*, "class")= chr "htest"
out[[19]]$statistic
# t
# 3.420489
如果要检索所有测试统计信息（类似于获取p值），则可以执行以下操作：
head(sapply(out, `[[`, "statistic"))
# t t t t t t
# 1.307692 1.761625 3.000000 2.273030 2.935307 2.014477
答案 1 :(得分：1)
@ r2evans有一个很好的答案。我只专注于您的代码，并尝试将其绘制出来。
改进之处包括：
for的语法为for (i in seq_along(n))以遍历每个i。在您的情况下，您实际上要执行for (i in 2:200)，因为i==1将无法计算p.value。sample语句直接放在t.test()调用中。pvalue将以循环的最后一个值结束。 我喜欢apply系列，因为您不必显式地预先分配任何内容。
set.seed(1)
n <- 50
results <- sapply(seq(2, n)
, function(n) {
t.test(sample(iris$Sepal.Length, n, replace = T), mu = 5.5, alternative = 'greater')$p.value
})
plot(y = results, x = seq(2, n))
理论上，您所需要做的就是将iris$Sepal.Length替换为data$column1，然后使用您喜欢的n。