将模拟输出与R中的嵌套列表结合

问题描述

我在R中使用purrr来模拟数据（进行B次迭代）并运行模型，以评估三种方法的性能。我想将结果收集到三个小块的列表中（每个小块带有B行），在这些小块上进行方法分析。如何使用R（purrr）中的函数式编程原理来实现这一点。这是一个示例：

使用此函数创建一个长度= r的列表，每个r元素由n组成，这些元素均来自标准法线：

list_norms <- function(n,r,seed) {
  set.seed(seed)
  map(1:r,rnorm,n = n) %>%
    set_names(c("A","B","C"))
}

然后我使用地图进行10次模拟：

map(1:10,list_norms,n = 5,r = 3)

这里的结果是一个长度为10的列表，其中每个元素是一个长度为3的列表（分别命名为A，B和C），其中每个元素是一个从正态分布中抽取5个向量的向量。我想以长度为3的列表结尾，长度分别为A，B和C，每个包含一个带有十行的小记号（每次模拟迭代一次）和5列（每一次从法线绘制一次） ）。

是否有一种方法可以使用purrr或tidyverse中的其他库，使用R中的函数式编程原理来实现？我正在查看map和reduce的某种组合。

解决方法

我们可以transpose list，然后根据每个data.frame元素创建一个list

library(dplyr)
library(purrr)
map(1:10,list_norms,n = 5,r = 3) %>% 
      transpose %>%
      map(~ as.data.frame.list(.x) %>% 
            t %>%
              `row.names<-`(.,NULL))
#$A
#            [,1]       [,2]       [,3]       [,4]       [,5]
# [1,] 0.37354619  1.1836433  0.1643714  2.5952808 1.32950777
# [2,] 0.10308545  1.1848492  2.5878453 -0.1303757 0.91974824
# [3,] 0.03806658  0.7074743  1.2587882 -0.1521319 1.19578283
# [4,] 1.21675486  0.4575074  1.8911446  1.5959806 2.63561800
# [5,] 0.15914452  2.3843593 -0.2554919  1.0701428 2.71144087
# [6,] 1.26960598  0.3700146  1.8686598  2.7271955 1.02418764
# [7,] 3.28724716 -0.1967717  0.3057075  0.5877070 0.02932666
# [8,] 0.91541393  1.8404001  0.5365172  0.4491650 1.73604043
# [9,] 0.23320396  0.1835417  0.8584648  0.7223950 1.43630690
#[10,] 1.01874617  0.8157475 -0.3713305  0.4008323 1.29454513

#$B
#           [,1]      [,2]      [,4]      [,] 1.1795316 2.4874291 2.7383247  2.5757814 1.6946116
# [2,] 2.1324203 2.7079547 1.7603020  3.9844739 1.8612130
# [3,] 2.0301239 2.0854177 3.1166102  0.7811426 3.2673687
# [4,] 2.6892754 0.7187534 1.7868555  3.8965399 3.7768632
# [5,] 1.3970920 1.5278336 1.3646287  1.7142264 2.1381082
# [6,] 2.3680252 0.6907957 2.7386219  2.0448730 0.9516028
# [7,] 1.0527201 2.7481393 1.8830448  2.1526576 4.1899781
# [8,] 1.8921186 1.8297109 0.9116683 -1.0110517 1.4068257
# [9,] 0.8131275 3.1919869 1.9818097  1.7519154 1.6370631
#[10,] 2.3897943 0.7919238 1.6363240  0.3733273 1.7435216
#...

---

如果我们也进行了一些更改，请在函数中稍作更改以返回tibble，则也可以使用一个小标题来存储输出

list_norms <- function(n,r,seed) {
  set.seed(seed)
   map(1:r,rnorm,n = n) %>%
  set_names(c("A","B","C")) %>%
  as_tibble
   }

map_dfr(1:10,r = 3,.id = 'grp')