将 for 循环的输出从列表转换为数据框

Question

我已经使用函数内的循环构建了一个离散时间 SIR 模型（我在下面添加了我的代码）。

目前迭代的结果以列表形式出现，似乎首先显示所有 S 值，然后是 I 值，然后是 R 值，这是我从值的性质推断出来的。

我需要将输出作为数据框的列名：从左到右的“迭代”、“S”、“I”和“R”以及下面的相应值，这样当读取一行时它会告诉您在该迭代中 S、I 和 R 的迭代和值。

我不知道如何构建一个以这种方式返回输出值的数据框，我几周前才开始学习 R，所以还不精通，因此非常感谢任何帮助。

提前谢谢你。

#INITIAL CONDITIONS 
S=999
I=1
R=0

#PARAMETERS 
beta  = 0.003 # infectious contact rate (/person/day)
gamma = 0.2 # recovery rate (/day)

#SIR MODEL WITH POISSON SAMPLING 
discrete_SIR_model <- function(){
for(i in 1:30){ #the number of iterations of loop indicates the 
  #duration of the model in days 
  # i.e. 'i in 1:30' constitutes 30 days

  deltaI<- rpois(1,beta * I * S) #rate at which individuals in the 
  #population are becoming infected
  
  deltaR<-rpois(1,gamma * I)#rate at which infected individuals are
  #recovering 
  
  S[i+1]<-S[i] -deltaI
  I[i+1] <-I[i] + deltaI -deltaR
  R[i+1]<-R[i]+deltaR
}
}
output <- list(c(S, I, R))
output

Answer 1

如果使用了for循环，可以预先定义向量或数据框来存储结果：

beta  <- 0.001 # infectious contact rate (/person/day)
gamma <- 0.2   # recovery rate (/day)

S <- I <- R <- numeric(31)

S[1] <- 999
I[1] <- 1
R[1] <- 0

set.seed(123) # makes the example reproducible
for(i in 1:30){
  deltaI <- rpois(1, beta * I[i] * S[i])
  deltaR <- rpois(1, gamma * I[i])

  S[i+1] <- S[i] - deltaI
  I[i+1] <- I[i] + deltaI - deltaR
  R[i+1] <- R[i] + deltaR
}

output <- data.frame(S, I, R)
output
matplot(output)

作为替代方案，也可以为此使用包。软件包 deSolve 用于微分方程，但它也可以使用“euler”方法求解离散情况：

library(deSolve)

discrete_SIR_model <- function(t, y, p) {
  with(as.list(c(y, p)), {
    deltaI <- rpois(1, beta * I * S)
    deltaR <- rpois(1, gamma * I)
    list(as.double(c(-deltaI, deltaI - deltaR,  deltaR)))
  })
}

y0 <- c(S = 999.0, I=1, R=0)

p <- c(
  beta  = 0.001, # infectious contact rate (/person/day)
  gamma = 0.2    # recovery rate (/day)
)

times <- 1:30

set.seed(576) # to make the example reproducible
output <- ode(y0, times, discrete_SIR_model, p, method="euler")

plot(output, mfrow=c(1,3))

注意：我降低了 beta，否则离散模型会变得不稳定。