根据不同组的均值和标准差多次生成分布

Question

我有一个由分组变量、均值和 sd 组成的数据框。我想根据他们的组均值和 sd 为每个组生成许多方法（例如 10）。我可以使用 rnorm 结合 dplyr 函数 "mutate" 来做到这一点，但我在多次执行此操作并将列表编译到带有标记的副本的数据框中时遇到了麻烦。

Group = c("A","B","C","D","E") 
Mean = c(1.25,5.5,3.25,1,5) 
SD = c(2.5,3,2.25,2,5.35) 
df = data.frame(Group,Mean,SD)

df

#works for one rep
df%>%
  group_by(Group)%>%
  mutate(est_mean=rnorm(1,mean=Mean,sd=SD))

#replicated 10 times but in list form
replicate(10, df%>%
        group_by(Group)%>%
        mutate(est_mean=rnorm(1,mean=Mean,sd=SD)))

Blockquote

最终我想得到一个数据框，其中包含组、均值、SD、估计均值和基于重复数的 ID 号（在本例中为 1 到 10）。下面是前 5 行的示例。

Group  Mean    SD      est_mean  ID
 A     1.25   2.50     3.07      1
 B     5.50   3.00     7.64      1
 C     3.25   2.25     2.90      1
 D     1.00   2.00     0.11      1
 E     5.00   5.35     1.03      1

Answer 1

如果我对你的问题的理解正确，你想要相同的 df 生成 10 次，每个组使用不同的方法，10 次不同的时间？如果是这样，这里有一个稍微老套的方法来完成这样的事情：

library(tidyverse)

set.seed(123)

Group = c("A","B","C","D","E") 
Mean = c(1.25,5.5,3.25,1,5) 
SD = c(2.5,3,2.25,2,5.35) 
df = data.frame(Group,Mean,SD)

df
#>   Group Mean   SD
#> 1     A 1.25 2.50
#> 2     B 5.50 3.00
#> 3     C 3.25 2.25
#> 4     D 1.00 2.00
#> 5     E 5.00 5.35

map_df(1:10, ~df) %>% 
    mutate(ID = rep(1:10, each=5),
           est_mean = map2(Mean, SD, ~rnorm(1, .x, .y)))
#>    Group Mean   SD ID   est_mean
#> 1      A 1.25 2.50  1 -0.1511891
#> 2      B 5.50 3.00  1   4.809468
#> 3      C 3.25 2.25  1   6.757094
#> 4      D 1.00 2.00  1   1.141017
#> 5      E 5.00 5.35  1   5.691689
#> 6      A 1.25 2.50  2   5.537662
#> 7      B 5.50 3.00  2   6.882749
#> 8      C 3.25 2.25  2  0.4036122
#> 9      D 1.00 2.00  2 -0.3737057
#> 10     E 5.00 5.35  2   2.615708
#> 11     A 1.25 2.50  3   4.310204
#> 12     B 5.50 3.00  3   6.579441
#> 13     C 3.25 2.25  3   4.151736
#> 14     D 1.00 2.00  3   1.221365
#> 15     E 5.00 5.35  3    2.02625
#> 16     A 1.25 2.50  4   5.717283
#> 17     B 5.50 3.00  4   6.993551
#> 18     C 3.25 2.25  4  -1.174889
#> 19     D 1.00 2.00  4   2.402712
#> 20     E 5.00 5.35  4   2.470566
#> 21     A 1.25 2.50  5  -1.419559
#> 22     B 5.50 3.00  5   4.846075
#> 23     C 3.25 2.25  5    0.94149
#> 24     D 1.00 2.00  5 -0.4577825
#> 25     E 5.00 5.35  5    1.65604
#> 26     A 1.25 2.50  6  -2.966733
#> 27     B 5.50 3.00  6   8.013361
#> 28     C 3.25 2.25  6    3.59509
#> 29     D 1.00 2.00  6  -1.276274
#> 30     E 5.00 5.35  6   11.70791
#> 31     A 1.25 2.50  7   2.316161
#> 32     B 5.50 3.00  7   4.614786
#> 33     C 3.25 2.25  7   5.264033
#> 34     D 1.00 2.00  7   2.756267
#> 35     E 5.00 5.35  7   9.395459
#> 36     A 1.25 2.50  8   2.971601
#> 37     B 5.50 3.00  8   7.161753
#> 38     C 3.25 2.25  8   3.110699
#> 39     D 1.00 2.00  8  0.3880747
#> 40     E 5.00 5.35  8    2.96448
#> 41     A 1.25 2.50  9 -0.4867674
#> 42     B 5.50 3.00  9   4.876248
#> 43     C 3.25 2.25  9  0.4028582
#> 44     D 1.00 2.00  9   5.337912
#> 45     E 5.00 5.35  9    11.4626
#> 46     A 1.25 2.50 10  -1.557771
#> 47     B 5.50 3.00 10   4.291345
#> 48     C 3.25 2.25 10   2.200025
#> 49     D 1.00 2.00 10    2.55993
#> 50     E 5.00 5.35 10   4.553975

^{由 reprex package (v0.2.1)}

创建于 2019-05-06

Answer 2

我提出了另一个没有 dplyr 的答案，但我不得不处理数据类型。但是我可以模拟 10 个随机变量而无需调用 10 次 rnorm 函数。不知道是1次模拟调用10次好还是10次模拟调用一次好

问题数据：

Group = c("A","B","C","D","E") 
Mean = c(1.25,5.5,3.25,1,5) 
SD = c(2.5,3,2.25,2,5.35) 
df = data.frame(Group, Mean, SD)

我的代码如下：

m <- length(Mean)
p <- 10
res <- data.frame(factor("A", level=Group), matrix(0, nrow=m*p, ncol=4))
res[,1] <- rep(Group, each = p)
res[,2] <- rep(Mean, each = p)
res[,3] <- rep(SD, each = p)
res[,4] <- matrix(apply(df, 1, function(row, p){
  rnorm(p, mean=as.numeric(row[2]), sd=as.numeric(row[3]))}, p = p), nrow=p*m, ncol=1)
res[,5] <- rep(seq(1, p), m)

colnames(res) = c("Group", "Mean", "SD", "Est_Mean", "Indices")
res = res[order(res$Indices), ]

根据不同组的均值和标准差多次生成分布

Generate distribution based on mean and sd multiple times for different groups

r

list

replicate

dplyr