有效地拆分数据和拟合分布

Question

对于一个项目，我收到了大量机密的患者级别数据，我需要对这些数据进行分布拟合，以便在仿真模型中使用它们。我正在使用 R。

问题是我需要拟合分布以获得至少 288 个独立分布（至少 6 个变量的 48 个子集）的 shape/rate 数据。该过程在变量之间会略有不同（取决于该变量的分布方式），但我希望能够为每个变量设置一个函数或循环，并为我定义的每个子集生成形状和速率数据。

例如：我需要找到部分患者的住院时间数据。有 48 个患者子集。我目前这样做的方法是手动过滤数据，然后将它们提取到向量中，然后使用 fitdist 将数据拟合到向量中。

即对于伽马分布的变量：

vector1 <- los_data %>%
filter(group == 1, setting == 1, diagnosis == 1)

fitdist(vector1, "gamma")

我对数据科学和数据处理还很陌生，我知道一定有比手工更简单的方法！我假设与矩阵有关，但我完全不知道如何最好地进行。

Answer 1

好的，您的示例在这里不太可重现，但我认为您想要的答案如下所示：

result <- los_data %>%
group_by(group, setting, diagnosis) %>%
do({
  fit <- fitdist(.$my_column, "gamma")
  data_frame(group=.$group[1], setting=.$setting[1], diagnosis=.$diagnosis[1], fit = list(fit))
}) %>%
ungroup()

这将为您提供所有拟合的数据框，其中包含用于组、设置、诊断的列以及包含每个拟合的列表列。由于它是一个列表列，您将需要使用双括号来提取单个拟合。示例：

# Get the fit in the first row
result$fit[[1]]

Answer 2

一种常见的做法是使用 split 拆分数据，然后对该组应用感兴趣的函数。假设这里有四列，组、设置、诊断和 stay.length。前三个有两个级别。

df <- data.frame(
  group = sample(1:2, 64, TRUE),
  setting  = sample(1:2, 64, TRUE),
  diagnosis  = sample(1:2, 64, TRUE), 
  stay.length = sample(1:5, 64, TRUE)
)
> head(df)
    group setting diagnosis var
1     1       1         1   4
2     1       1         2   5
3     1       1         2   4
4     2       1         2   3
5     1       2         2   3
6     1       1         2   5

执行split你会得到一个分裂的List :

dfl <- split(df$stay.length, list(df$group, df$setting, df$diagnosis))

> head(dfl)
$`1.1.1`
[1] 5 3 4 1 4 5 4 2 1

$`2.1.1`
[1] 5 4 5 4 3 1 5 3 1

$`1.2.1`
[1] 4 2 5 4 5 3 5 3

$`2.2.1`
[1] 2 1 4 3 5 4 4

$`1.1.2`
[1] 5 4 4 4 3 2 4 4 5 1 5 5

$`2.1.2`
[1] 5 4 4 5 3 2 4 5 1 2

之后，我们可以使用lapply对列表中的每个组执行任何功能。例如我们可以应用 mean

dflm <- lapply(dfl, mean)
> dflm
$`1.1.1`
[1] 3.222222

.
.
.
.

$`2.2.2`
[1] 2.8

对于您的情况，您可以应用 fitdist 或任何其他函数。

dfl.fitdist <- lapply(dfl, function(x) fitdist(x, "gamma"))

> dfl
$`1.1.1`
Fitting of the distribution ' gamma ' by maximum likelihood 
Parameters:
  estimate Std. Error
shape  3.38170  2.2831073
rate   1.04056  0.7573495

.
.
.


$`2.2.2`
Fitting of the distribution ' gamma ' by maximum likelihood 
Parameters:
  estimate Std. Error
shape 4.868843  2.5184018
rate  1.549188  0.8441106

有效地拆分数据和拟合分布

Splitting data and fitting distributions efficiently

simulation

r

distribution

subset

purrr