dplyr 使用 rbinom 变异不返回随机数答案

【问题标题】：dplyr mutate using rbinom do not return random numbersdplyr 使用 rbinom 变异不返回随机数
【发布时间】：2015-08-07 22:23:41
【问题描述】：

我想使用 mutate 来计算使用二项分布的列。

我有以下例子：

library("dplyr")

d = data.frame(ref = rbinom(100,100,0.5))
d$coverage = 100
d$prob = 0.5
d$eprob= d$ref / d$coverage
d = tbl_df(d)

mutate(d,
       ref1= ref,
       cov1 = coverage,
       eprob1 = eprob,
       ref2=rbinom(1, coverage, eprob),
       ref3=rbinom(1, cov1, eprob1)
       )

结果是这样的：

Source: local data frame [100 x 9]

   ref coverage prob eprob ref1 cov1 eprob1 ref2 ref3
1   52      100  0.5  0.52   52  100   0.52   45   44
2   50      100  0.5  0.50   50  100   0.50   45   44
3   45      100  0.5  0.45   45  100   0.45   45   44
4   45      100  0.5  0.45   45  100   0.45   45   44
5   47      100  0.5  0.47   47  100   0.47   45   44
6   46      100  0.5  0.46   46  100   0.46   45   44
7   50      100  0.5  0.50   50  100   0.50   45   44
8   53      100  0.5  0.53   53  100   0.53   45   44
9   44      100  0.5  0.44   44  100   0.44   45   44
10  56      100  0.5  0.56   56  100   0.56   45   44

我不明白 - 我希望 mutate 函数返回从 ref 和覆盖率（“ref2”）给出的二项分布中抽取的随机数...

Mutate 正确读取列 - 但是在调用 rbinom 时会发生一些奇怪的事情...

感谢任何帮助。

【问题讨论】：

标签： r dplyr

【解决方案1】：

尝试更改rbinom 的n：

mutate(d,
   ref1= ref,
   cov1 = coverage,
   eprob1 = eprob,
   ref2=rbinom(100, coverage, eprob),
   ref3=rbinom(100, cov1, eprob1)
)

或更笼统地说：

mutate(d,
   ref1= ref,
   cov1 = coverage,
   eprob1 = eprob,
   ref2=rbinom(n(), coverage, eprob),
   ref3=rbinom(n(), cov1, eprob1)
)

【讨论】：

一个更通用的解决方案是rbinom(n(), coverage, eprob)，因为n() 会找到正在变异的任何数据的大小。（这也适用于分组表）
@DavidRobinson - 是的，这样更好。我将编辑我的答案以反映这一点。谢谢。
但这不会对所有 100 次平局使用相同的 eprob 值吗？（这不是我想要的——我不想从 100 个不同的二项分布中抽取 1 个数字，因为 eprobe 有 100 个不同的值）。
刚刚测试过——你是对的（对你来说并不意外）。非常感谢。将接受这是一个有效的答案。不过我不太喜欢这种语法......无论如何 - 非常感谢你们 - 你真的帮助了我！
我阅读了 mutate 语法，因为每个变量都保存一个值 - 然后 rbinom(n(),...) 突然变成长度为 n 的向量。但我应该将变量视为列（向量）。

【解决方案2】：

另一种解决方案是：

d %>% rowwise() %>%
      mutate(ref1= ref,
             cov1 = coverage,
             eprob1 = eprob,
             ref2=rbinom(1, coverage, eprob),
             ref3=rbinom(1, cov1, eprob1))

rowwise() 命令按（每）行分组，并指定每行需要 1 个随机值。

【讨论】：

这可行，但随着行数的增加，速度会大大变慢。
但我认为这是唯一一个给出正确答案的人，因为每一行的 eprob 都不同 - 我必须在星期一测试它 - 但我真的非常感谢一个有效的答案- 因为我今天早些时候在我的代码中发现了这个错误 - 我们即将提交论文 - 所以谢谢！
忽略我的评论 - 两种解决方案都很好用。第一个更快 - 但最后一个的语法可能更直观（？）
我认为第一个更好。如果您有 N 行，我的解决方案将采样 N 次。第一个将发现具有相同概率的行并将它们组合在一起。从给定分布中采样 10 个值比从同一给定分布中采样 10 次更快。（这里是 10 个例子）.... 显然，不是按行分组，而是按概率列分组。如果在你的 N 行中你有 N 个唯一的概率值，那么这些方法将是相同的...... PS：祝你这篇论文好运！