在 R 中的数据框中存储双精度数

Question

我有一个数据框如下：

fitnorm <- data.frame(dataset=0,mean=0,sd=0,normopl=0)

经过以下迭代过程

normdat <- rnorm(25, mean = 30, sd = sqrt(9))
fitnorm[i,1] <- normdat
fitnorm[i,2] <- mean(normdat)
fitnorm[i,3] <- sd(normdat)
fitnorm[i,4] <- qnorm(1-(400/1000), mean=fitnorm[i,2], sd=fitnorm[i,3])

但是，我遇到了这个错误。

Error in `[<-.data.frame`(`*tmp*`, 1, 1, value = c(27.431413650154, 
30.3657212588031,  :  replacement has 25 rows, data has 1

我知道这是因为我试图将类型为 double 且大小为 25 的 'normdat' 放入数据框的单个元素中。数据框不应该能够容纳双精度类型的对象吗？我做错了什么？

Answer 1

Shouldn't a dataframe be able to hold an object of type double? What am I doing wrong?

可以。但这不是你在做什么

在行

## I've assumed i <- 1
fitnorm[i,1] <- normdat

您正在尝试将数值向量 (normdat) 分配给数据框的一个单元格（即行 i，第 1 列）

你是不是想做

fitnorm[i,1] <- normdat[i]

更新

根据您的评论，您不能将矢量存储在 data.frame 的单个项目中，您需要使用列表：

lst <- list(dataset = normdat,
            mean = mean(normdat),
            sd = sd(normdat),
            normopl = qnorm(1-(400/1000), mean=fitnorm[i,2], sd=fitnorm[i,3]))

## Which gives
lst
$dataset
 [1] 33.43470 28.66693 29.41060 32.95761 32.66531 29.86056 31.61961 29.32424 28.07063 31.80155
[11] 32.88489 31.90562 31.81625 24.62625 31.19141 27.41913 31.43993 29.60108 29.73310 23.77482
[21] 28.50347 27.22960 24.65698 27.13001 35.85981

$mean
[1] 29.82336

$sd
[1] 2.981638

$normopl
[1] 30.57875

如果您确实想要使用data.frame，您必须使每一列的长度相同

fitnorm <- data.frame(dataset = normdat,
                  mean = mean(normdat),
                  sd = sd(normdat),
                  normopl = qnorm(1-(400/1000), mean=fitnorm[i,2], sd=fitnorm[i,3]))

head(fitnorm)
#   dataset     mean       sd  normopl
#1 33.43470 29.82336 2.981638 30.57875
#2 28.66693 29.82336 2.981638 30.57875
#3 29.41060 29.82336 2.981638 30.57875
#4 32.95761 29.82336 2.981638 30.57875
#5 32.66531 29.82336 2.981638 30.57875
#6 29.86056 29.82336 2.981638 30.57875

OP编辑

以上代码有效。但是，由于列表必须是迭代的，所以我做了一些改动。

fitnorm <- list(dataset=list(),mean=list(),sd=list(),normopl=list())

for (i in 1:5000){
    normdat <- rnorm(25, mean = 30, sd = sqrt(9))
    fitnorm$dataset[[i]] <- normdat
    fitnorm$mean[[i]]<- mean(normdat)
    fitnorm$sd[[i]] <- sd(normdat)
    fitnorm$normopl[[i]] <- qnorm(1-(400/1000), mean=fitnorm$mean[[i]], sd=fitnorm$sd[[i]])
    }

fitnorm$dataset[1]
[[1]]
 [1] 33.43470 28.66693 29.41060 32.95761 32.66531 29.86056 31.61961 29.32424 28.07063 31.80155
[11] 32.88489 31.90562 31.81625 24.62625 31.19141 27.41913 31.43993 29.60108 29.73310 23.77482
[21] 28.50347 27.22960 24.65698 27.13001 35.85981

fitnorm$mean[1]
[[1]]
[1] 29.82336

fitnorm$sd[1]
[[1]]
[1] 2.981638

fitnorm$normopl[1]
[[1]]
[1] 30.57875

更新 - Symbolix

R 中有一个 'rule of thumb'，我尝试坚持使用 lapply 而不是 for，因为它是通常效率更高（它在 C 中有效）——关于这个已经有很多讨论了。

因此，我会将您的 for 循环替换为

lst <- lapply(1:5000, function(x){

    normdat <- rnorm(25, mean = 30, sd = sqrt(9))

    list(fitnorm = list(dataset = normdat,
                        mean = mean(normdat),
                        sd = sd(normdat),
                        normopl = qnorm(1-(400/1000), mean = mean(normdat), sd = sd(normdat))
    ))
  })

还有一点基准测试：

Unit: milliseconds
           expr      min       lq     mean   median       uq      max neval
   fun_lapply() 220.2830 236.1661 252.7315 249.1904 267.1123 337.0799   100
 fun_for_loop() 373.5972 399.8972 427.1629 421.7407 442.4626 593.7227   100

最终，此示例中的收益很小，但值得牢记。

更新 - Symbolix 2

如果您喜欢使用它们，您也可以创建一个 data.frame：

这里我使用 data.table 包是为了它提供的速度

library(data.table)
lst <- lapply(1:5000, function(x){

  normdat <- rnorm(25, mean = 30, sd = sqrt(9))
  data.table(id = x,
             dataset = normdat,
             mean = mean(normdat),
             sd = sd(normdat),
             normopl = qnorm(1-(400/1000), mean=mean(normdat), sd=sd(normdat)))
})

##lst is now a list of data.tables, so we can 'rbind' them together
dt <- rbindlist(lst)

## now we have one data.table, and the 'id' column indicates 
## which dataset each row belongs too
dt
# id  dataset     mean       sd  normopl
# 1:    1 24.09486 29.46829 3.261638 30.29462
# 2:    1 26.30732 29.46829 3.261638 30.29462
# 3:    1 31.42603 29.46829 3.261638 30.29462
# 4:    1 29.69081 29.46829 3.261638 30.29462
# 5:    1 30.01235 29.46829 3.261638 30.29462
# ---                                         
# 124996: 5000 28.13584 30.39716 2.591752 31.05377
# 124997: 5000 27.44665 30.39716 2.591752 31.05377
# 124998: 5000 29.79728 30.39716 2.591752 31.05377
# 124999: 5000 28.73398 30.39716 2.591752 31.05377
# 125000: 5000 27.83779 30.39716 2.591752 31.05377

在 R 中的数据框中存储双精度数

Store a double within a data frame in R

double

r

dataframe