在数据帧上重复一个函数并存储输出答案

【问题标题】：Repeat a function on a data frame and store the output在数据帧上重复一个函数并存储输出
【发布时间】：2014-04-23 07:09:54
【问题描述】：

我模拟了一个包含 200 行 x 1000 列的数据矩阵。它在二项分布中包含 0 和 1。 1 出现的概率取决于我创建的概率矩阵。

然后我转置这个数据矩阵并将其转换为数据帧。我创建了一个函数，它将向数据框的每一行引入缺失数据。引入缺失数据后，该函数还会在数据框中添加三列。一列是 1 的 1000 行中每一行的计算频率。第二列是每行中 0 的计算频率。第 3 列是每行中缺失值的频率。

我想用相同的输入数据帧（没有缺失值的那个）重复这个函数 500 次，并输出三个数据帧：一个有 500 列，包含所有计算的 0 频率（每次模拟一列），一个包含 500 列包含所有计算的 1 频率，另一个包含 500 列缺失数据频率。

我看到mapply() 用于类似的用途，但不确定它是否适用于我的情况。每次重复该函数时，如何将函数重复应用于数据帧并存储在该函数中执行的每个计算的输出？

谢谢！

    ####Load Functions####
    ###Compute freq of 0's
    compute.al0 = function(GEcols){
      (sum(GEcols==0, na.rm=TRUE)/sum(!is.na(GEcols))) 
    }

    ###Compute freq of 1's
    compute.al1 = function(GEcols){
      (sum(GEcols==1, na.rm=TRUE)/sum(!is.na(GEcols)))
    }

    #Introduce missing data
    addmissing = function(GEcols){
      newdata = GEcols
      num.cols = 200
      num.miss = 10
      set.to.missing = sample(num.cols, num.miss, replace=FALSE) #select num.miss to be set to missing
      newdata[set.to.missing] = NA
      return(newdata) #why is the matrix getting transposed during this??
    }

    #Introduce missing data and re-compute freq of 0's and 1's, and missing data freq
    rep.missing = function(GEcols){
      indata = GEcols
      missdata = apply(indata,1,addmissing)
      missdata.out = as.data.frame(missdata) #have to get the df back in the right format
      missdata.out.t = t(missdata.out)
      missdata.new = as.data.frame(missdata.out.t)
      missdata.new$allele.0 = apply(missdata.new[,1:200], 1, compute.al0) #compute freq of 0's
      missdata.new$allele.1 = apply(missdata.new[,1:200], 1, compute.al1) #compute freq of 1's
      missdata.new$miss = apply(missdata.new[,1:200], 1, function(x) {(sum(is.na(x)))/200}) #compute missing
      return(missdata.new)  
    }


    #Generate a data matrix with no missing values
    datasim = matrix(0, nrow=200, ncol=1000) #pre-allocated matrix of 0's of desired size
    probmatrix = col(datasim)/1000 #probability matrix, each of the 1000 columns will have a different prob
    datasim2 = matrix(rbinom(200 * 1000,1,probmatrix), 
              nrow=200, ncol=1000, byrow=FALSE) #new matrix of 0's and 1's based on probabilities

    #Assign column names
    cnum = 1:1000
    cnum = paste("M",cnum,sep='')
    colnames(datasim2) = cnum
    #Assign row names
    rnum = 1:200
    rnum = paste("L",rnum,sep='')
    rownames(datasim2) = rnum

    datasim2 = t(datasim2) #data will be used in the transposed form
    datasim2 = as.data.frame(datasim2)

    #add 10 missing values per row and compute new frequencies
    datasim.miss = rep.missing(datasim2)

    #Now, how can I repeat the rep.missing function 
    #500 times and store the output of the new frequencies 
    #generated from each repetition?

【问题讨论】：

标签： r simulation repeat

【解决方案1】：

我不确定你不知道哪一部分是你不知道怎么做的。如果您不知道如何重复存储您的结果。一种方法是拥有一个全局变量，并在您的函数内部执行

     x=c()
     func = function(i){x <<- c(x,i) }
     sapply(1:5,func)

mapply 用于在多个输入列表或向量上重复一个函数。

您想重复您的功能 500 次。所以你总是可以做 sapply(1:500,fund)

【讨论】：

【解决方案2】：

更新：

弗兰克，感谢您的 replicate() 建议。我可以通过在rep.missing() 函数中将return(missdata.new) 更改为return(list(missdata.new)) 来返回重复。然后我使用replicate(500,rep.missing(datasim2), simplify="matrix") 调用该函数。

这几乎正是我想要的。我想做

    return(list(missdata.new$allele.0, missdata.new$allele.1, missdata.new$miss))

在rep.missing() 中，并将这 3 个向量中的每一个作为列表中的 3 列绑定数据帧返回。一个数据框保存missdata.new$allele.0的500次重复，一个保存missdata.new$allele.1的500次重复，以此类推

    replicate(500, rep.missing(datasim2), simplify="matrix")

【讨论】：