我有兴趣使用dplyr构建自助法复制(重复分析,在每次分析前将数据进行替换抽样)。Hadley Wickham在这里提供了一些有效地重复自助法分析的代码:
bootstrap <- function(df, m) {
n <- nrow(df)
attr(df, "indices") <- replicate(m, sample(n, replace = TRUE),
simplify = FALSE)
attr(df, "drop") <- TRUE
attr(df, "group_sizes") <- rep(n, m)
attr(df, "biggest_group_size") <- n
attr(df, "labels") <- data.frame(replicate = 1:m)
attr(df, "vars") <- list(quote(boot)) # list(substitute(bootstrap(m)))
class(df) <- c("grouped_df", "tbl_df", "tbl", "data.frame")
df
}
library(dplyr)
mboot <- bootstrap(mtcars, 10)
# Works
mboot %.% summarise(mean(cyl))
虽然这个函数对于summarise
很有效,但当do
包含一个数据框时,它对于do
并不起作用。(想象一下数据框包含一些有用的东西,比如我们希望进行自助法分析的结果)。
bootstrap(mtcars, 3) %>% do(data.frame(x=1:2))
# Error: index out of bounds
有了回溯信息
11: stop(list(message = "index out of bounds", call = NULL, cppstack = NULL))
10: .Call("dplyr_grouped_df_impl", PACKAGE = "dplyr", data, symbols,
drop)
9: grouped_df_impl(data, unname(vars), drop)
8: grouped_df(cbind_list(labels, out), groups)
7: label_output_dataframe(labels, out, groups(.data))
6: do.grouped_df(`bootstrap(mtcars, 3)`, data.frame(x = 1:2))
5: do(`bootstrap(mtcars, 3)`, data.frame(x = 1:2))
4: eval(expr, envir, enclos)
3: eval(e, env)
2: withVisible(eval(e, env))
1: bootstrap(mtcars, 3) %>% do(data.frame(x = 1:2))
我通过执行两个do
步骤和分组操作来解决了这个问题:
bootstrap(mtcars, 10) %>% do(d=data.frame(x=1:2)) %>% group_by(replicate) %>% do(.$d[[1]])
但是这似乎需要很多额外的步骤,并且有些笨拙(还会收到警告:分组行数据框剥离行向性质
)。我也意识到,我可以首先使用类似以下的方法将数据复制十次:
data.frame(boot=1:10) %>% group_by(boot) %>% do(sample_n(mtcars, nrow(mtcars), replace=TRUE))
但是,如果数据或bootstrap复制品的数量很大,那么内存效率非常低。
有没有办法通过更改bootstrap
设置函数来执行这些复制品:bootstrap(mtcars, 3) %>% do(data.frame(x = 1:2))
?