执行多项统计计算的函数式编程原则

Question

我想应用一些统计计算，包括可靠性测量，例如 ICC 或变异系数。虽然我可以单独计算它们，但我还不熟悉 R 函数式编程实践来直接执行多个计算而无需太多代码重复。

考虑以下 data.frame 示例，其中包含对五个不同变量 (Var1, ... Var5) 的重复测量 (T1, T2)：

set.seed(123)
df = data.frame(matrix(rnorm(100), nrow=10))
names(df) <- c("T1.Var1", "T1.Var2", "T1.Var3", "T1.Var4", "T1.Var5",
               "T2.Var1", "T2.Var2", "T2.Var3", "T2.Var4", "T2.Var5")

如果我想计算每个变量的两次重复测量之间的类内相关系数，我可以：1) 创建函数 returns：ICC，下限和上限值：

calcula_ICC <- function(a, b) {
  ICc <- ICC(matrix(c(a,b), ncol = 2))
  icc <- ICc$results[[2]] [3]
  lo  <- ICc$results[[7]] [3]
  up  <- ICc$results[[8]] [3]
  round(c(icc, lo, up),2)
}

和 2) 将其应用于每个相应的变量，如下所示：

calcula_ICC(df$T1.Var1, df$T2.Var1)
calcula_ICC(df$T1.Var2, df$T2.Var2)
calcula_ICC(df$T1.Var3, df$T2.Var3)
calcula_ICC(df$T1.Var4, df$T2.Var4)
calcula_ICC(df$T1.Var5, df$T2.Var5)

然后我将对每个变量进行类似的其他统计计算，例如重复测量之间的变异系数或标准误差。

但是，怎么可能会用到一些函数式编程的原理呢？例如，我如何创建一个函数，将 T1 和 T2 上的每个相应变量以及所需的函数作为参数？

Answer 1

将有很多方法可以解决这个问题，我没有时间 post 所有方法，但我可能会回来添加一个 lapply 解决方案，因为apply 函数在 R 中非常重要。

使用 `dplyr` 和 `tidyr`

这里有一个 dplyr 和 tidyr 的解决方案，可能会有帮助：

require(dplyr)
require(tidyr)

# let's have a function for each value you want eventually
GetICC <- function(x, y) {
  require(psych)
  ICC(matrix(c(x, y), ncol = 2))$results[[2]][3]
}

GetICCLo <- function(x, y) {
  require(psych)
  ICC(matrix(c(x, y), ncol = 2))$results[[7]][3]
}

    GetICCUp <- function(x, y) {
      require(psych)
  ICC(matrix(c(x, y), ncol = 2))$results[[8]][3]
}

# tidy up your data, take a look at what this looks like
mydata <- df %>%
  mutate(id = row_number()) %>%
  gather(key = time, value = value, -id) %>%
  separate(time, c("Time", "Var")) %>%
  spread(key = Time, value = value)

# group by variable, then run your functions
# notice I added mean difference between the two
# times as an example of how you can extend this
# to include whatever summaries you need
myresults <- mydata %>%
  group_by(Var) %>%
  summarize(icc = GetICC(T1, T2),
            icc_lo = GetICCLo(T1, T2),
            icc_up = GetICCUp(T1, T2),
            mean_diff = mean(T2) - mean(T1))

只要您传递给汇总的所有内容都在同一级别aggregate/calculate，这就很好用。

Answer 2

函数式编程方法是使用mapply。不需要 "tidying"：

result = mapply(calcula_ICC, df[, 1:5], df[, 6:10], USE.NAMES=FALSE)

colnames(result) = paste0('Var', 1:5)

# Better than setting rownames here is to have calcula_ICC() return a named vector
rownames(result) = c('icc','lo','up')

> result
#      Var1  Var2  Var3  Var4  Var5
# icc  0.09  0.08 -0.37 -0.23 -0.17
# lo  -0.54 -0.55 -0.80 -0.73 -0.70
# up   0.66  0.65  0.29  0.43  0.48

(注意结果是矩阵)

执行多项统计计算的函数式编程原则

Functional programming principles to perform multiple statistical computations

functional-programming

r

dataframe

purrr

使用 `dplyr` 和 `tidyr`

执行多项统计计算的函数式编程原则

Functional programming principles to perform multiple statistical computations

functional-programming

r

dataframe

purrr

使用 dplyr 和 tidyr

使用 `dplyr` 和 `tidyr`