Sono interessato all'utilizzo di dplyr per creare repliche di bootstrap (analisi ripetute in cui i dati vengono prima campionati con sostituzione ogni volta). Hadley Wickham here fornisce un codice per la ripetizione analisi bootstrap in modo efficiente:Utilizzo di dplyr's do per eseguire le repliche di bootstrap
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))
Mentre questa funzione funziona bene per summarise
, non funziona per do
quando do
contiene un data.frame. (Immaginate per ora che data.frame contenga qualcosa di utile come i risultati dell'analisi che desideriamo eseguire il bootstrap).
bootstrap(mtcars, 3) %>% do(data.frame(x=1:2))
# Error: index out of bounds
con il traceback
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))
ero in grado di ovviare a questo eseguendo due do
passi e un gruppo da:
bootstrap(mtcars, 10) %>% do(d=data.frame(x=1:2)) %>% group_by(replicate) %>% do(.$d[[1]])
ma ciò sembra richiedere un sacco di più , e in qualche modo maldestri, passi (e riceve anche un avvertimento, Grouping rowwise data frame strips rowwise nature
). Sono anche consapevole del fatto che ho potuto replicare i dati in dieci repliche prima con qualcosa di simile
data.frame(boot=1:10) %>% group_by(boot) %>% do(sample_n(mtcars, nrow(mtcars), replace=TRUE))
ma se i dati o il numero di bootstrap replica è grande questo è estremamente inefficiente in memoria.
C'è un modo, forse modificando la funzione di installazione bootstrap
, che posso eseguire queste repliche con bootstrap(mtcars, 3) %>% do(data.frame(x = 1:2))
?