使用 dplyr 的 do 执行引导复制答案

【问题标题】：Using dplyr's do to perform bootstrap replications使用 dplyr 的 do 执行引导复制
【发布时间】：2014-11-05 18:04:21
【问题描述】：

我有兴趣使用 dplyr 构建引导复制（重复分析，其中每次首先对数据进行替换采样）。 Hadley Wickham here 提供了一些代码以有效地重复自举分析：

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))

虽然此函数适用于 summarise，但当 do 包含 data.frame 时，它不适用于 do。（现在假设 data.frame 包含一些有用的东西，例如我们希望引导的分析结果）。

bootstrap(mtcars, 3) %>% do(data.frame(x=1:2))
# Error: index out of bounds

有回溯

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))

我能够通过执行两个do 步骤和一个 group by 来解决这个问题：

bootstrap(mtcars, 10) %>% do(d=data.frame(x=1:2)) %>% group_by(replicate) %>% do(.$d[[1]])

但这似乎需要很多额外的，有些笨拙的步骤（并且还会收到警告，Grouping rowwise data frame strips rowwise nature）。我也知道我可以先将数据复制到十次复制中，例如

data.frame(boot=1:10) %>% group_by(boot) %>% do(sample_n(mtcars, nrow(mtcars), replace=TRUE))

但如果数据或引导复制的数量很大，这在内存中的效率非常低。

有没有办法，也许通过改变bootstrap 设置函数，我可以用bootstrap(mtcars, 3) %>% do(data.frame(x = 1:2)) 执行这些复制？

【问题讨论】：

标签： r dplyr

【解决方案1】：

我认为这是bootstrap 函数中的一个小错误。 vars 属性应与labels 属性中data.frame 中的列名匹配。但是在函数中，vars属性被称为"boot"，列名是replicate。所以，如果你做这个小改动：

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(replicate)) # Change
#  attr(df, "vars") <- list(quote(boot)) # list(substitute(bootstrap(m)))
  class(df) <- c("grouped_df", "tbl_df", "tbl", "data.frame")

  df
}

然后它按预期工作：

bootstrap(mtcars, 3) %>% do(data.frame(x=1:2))
# Source: local data frame [6 x 2]
# Groups: replicate

#   replicate x
# 1         1 1
# 2         1 2
# 3         2 1
# 4         2 2
# 5         3 1
# 6         3 2

【讨论】：