生成多個數據集和應用功能，並輸出多個數據集

Question

這裏是我的問題，只是對我來說很難...

我想生成多個數據集，然後應用功能，這些數據集，並輸出相應的輸出在單個或多個數據集（一切可能）...

我的例子，雖然我需要生成大量的變量和數據集

seed <- round(runif(10)*1000000) 

datagen <- function(x){ 
set.seed(x) 
var <- rep(1:3, c(rep(3, 3))) 
yvar <- rnorm(length(var), 50, 10) 
matrix <- matrix(sample(1:10, c(10*length(var)), replace = TRUE), ncol = 10) 
mydata <- data.frame(var, yvar, matrix) 
} 

gdt <- lapply (seed, datagen) 

# resulting list (I believe is correct term) has 10 dataframes: 
# gdt[1] .......to gdt[10] 

# my function, this will perform anova in every component data frames and 
#output probability coefficients... 
anovp <- function(x){ 
      ind <- 3:ncol(x) 
      out <- lm(gdt[x]$yvar ~ gdt[x][, ind[ind]]) 
      pval <- out$coefficients[,4][2] 
      pval <- do.call(rbind,pval) 
     } 

plist <- lapply (gdt, anovp) 

Error in gdt[x] : invalid subscript type 'list' 

這不是工作，我嘗試了不同的選擇。但無法弄清楚......最後決定打擾專家，對不起那個......

我的問題是：

（1）這是可能以這種方式來處理這樣的情況或有其他選擇處理這樣創建的多個數據集？

（2）如果這是正確的方法，我該怎麼做？

感謝您的關注，我會感謝您的幫助......

Answer 1

你的基本思想權，應創建數據幀的列表，然後使用lapply到功能應用到的每個元素列表。不幸的是，你的代碼中有幾個古怪的東西。

隨機生成種子，然後設置它沒有意義。您只需使用set.seed即可使隨機數字具有可重現性。剪切線

seed <- round(runif(10)*1000000) 

，也許

set.seed(x) 

---

rep(1:3, c(rep(3, 3)))相同rep(1:3, each = 3)。

---

不要叫你的變量var或matrix，因爲它們會掩蓋這些函數的名稱。，因爲它很混亂。

---

3:ncol(x)是危險的。如果x的列數小於3，則它不會執行您認爲的操作。

---

......現在，你真正想解決的問題。

問題出在線out <- lm(gdt[x]$yvar ~ gdt[x][, ind[ind]])。

lapply傳遞數據幀到anovp，不indicies，所以x是gdt[x]的數據幀。這會引發錯誤。

---

還有一件事。在重寫該行時，請注意lm需要數據參數，因此您不需要執行以下操作：gdt$some_column;你可以直接參考some_column。

---

編輯：進一步的建議。

您似乎總是使用公式yvar ~ X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8 + X9 + X10。由於每次都一樣，請在致電lapply之前創建它。

independent_vars <- paste(colnames(gdt[[1]])[-1:-2], collapse = " + ") 
model_formula <- formula(paste("yvar", independent_vars, sep = " ~ ")) 

我可能不會打擾anovp函數。只要做到

models <- lapply(gdt, function(data) lm(model_formula, data)) 

然後包括進一步的呼叫lapply在必要時與係數玩。下一行復制您的anovp代碼，但不起作用，因爲model$coefficients是一個向量（所以維度不正確）。調整以檢索您實際需要的位。

coeffs <- lapply(models, function(model) do.call(rbind, model$coefficients[,4][2]))