Question

我正在执行一些分析，在这些分析中，我必须使用数据帧列表作为输入。该软件使用数据集列表作为进行多次插补的输出。但是，我希望能够使某些分析自动化。例如，以下一些玩具数据可以说明我的问题：

a <- rnorm(10, 0, 1)
b <- rnorm(10, 0, 1)
c <- rep(c("a","b"),5)
data <- cbind.data.frame(a,b,c)
mylist <- list(data, data)
mylist

因此mylist包含两个数据集。这些是我正在使用brms运行的贝叶斯模型的输入：

require(brms)
library(brms)
brm_multiple(a ~ b, data=mylist, cores =2)

在这里，brms从多个数据集中合并后验对象。我有两个问题：

如何对列表进行子集化，以便仅对变量“ c”的“ a”行运行模型。也就是说，我想在a ~ b时拟合模型data$c == a。
接下来，有没有一种方法可以遍历变量“ c”的值并存储变量每个级别的估计值？也就是说，使过程自动化，以便在a ~ b时得到data$c == a，然后在data$c == b等时得到，然后将估计值保存在矩阵中？

Answer 1

a <- rnorm(10, 0, 1)
b <- rnorm(10, 0, 1)
c <- rep(c("a","b"),5)
data <- cbind.data.frame(a,b,c)
mylist <- list(data, data)
mylist



modelfunction <- function(dflist) {
  resultlist <- list()
  modelvars <- as.character(unique(dflist[[1]]$c))
  for(i in 1:length(modelvars)) {
    subsetdf <- lapply(dflist, function(x) x[x$c == modelvars[[i]], ])
    model <- brm_multiple(a ~ b, data=subsetdf, cores =2)
    resultlist[[i]] <- model 
  }
  return(resultlist)
}

modelfunction(mylist)

我为此编写了一个函数。为data.frame列表中的变量“ c”中的每个唯一类别动态子集，并将每个模型存储在列表中。

子集列表和R中的列表循环

1 个答案: