Несколько раз попробовать data.frame с dplyr

Question

я это data.frame:

x <- rnorm(1000, 3, 2) 
groups <- rep(c("GroupA", "GroupB"), each = 500) 
df <- data.frame(x, groups) 

Используя dplyr, можно попробовать 100 строк df затем вычислить разницу между средствами GroupA и GroupB:

df_difference_means <- df %>% 
add_rownames %>% 
filter(rowname %in% sample(1:1000, 100)) %>% 
group_by(groups) %>% 
summarise(mean.x = mean(x)) %>% 
as.data.frame %>% 
summarise(difference.mean.x = mean.x[2] - mean.x[1]) %>% 
mutate(.replicate = 1) %>% 
as.data.frame 

    difference.mean.x .replicate 
1  -0.7258672   1 

Как, используя dplyr, могу ли я повторить этот процесс 100 раз и вывести результаты в data.frame. Полученный data.frame должен выглядеть df_difference_means_100:

difference.mean.x <- rnorm(100, -0.72, 2) 
.replicate <- 1:100 
df_difference_means_100 <- data.frame(difference.mean.x, .replicate) 

df_difference_means_100 

    difference.mean.x .replicate 
1   -1.74745341   1 
2   -1.60671744   2 
3   -0.73216685   3 
4   2.53595482   4 
5   -2.13187162   5 
6   0.42921334   6 
7   -1.23031115   7 
8   2.66900128   8 
9   -0.26267355   9 
10   0.97573805   10 
11   4.38242693   11 
12  -2.09175166   12 
13   1.17403184   13 
14   0.77553541   14 
15  -3.61322099   15 
16   1.85055915   16 
17   0.06395296   17 
18  -1.42459781   18 
19   2.90383461   19 
20  -1.79359430   20 
21  -0.43856161   21 
22   1.81433832   22 
23   3.15741676   23 
24  -1.14643453   24 
25  -2.14220126   25 
26  -0.32972133   26 
27  -0.27037302   27 
28   2.20310891   28 
29   3.05937838   29 
30   0.11348566   30 
31   0.09080867   31 
32  -2.11559132   32 
33  -0.50134470   33 
34   0.31628255   34 
35   0.968
36   3.42165046   36 
37   2.47089399   37 
38  -1.34196912   38 
39  -1.11181326   39 
40  -3.48664556   40 
41  -2.49013457   41 
42   3.67952537   42 
43  -3.80781570   43 
44   0.68793508   44 
45   0.05869912   45 
46   5.25205269   46 
47  -3.00920009   47 
48  -2.48109066   48 
49  -0.22790952   49 
50   1.41952375   50 
51   0.79675613   51 
52   1.13585093   52 
53   0.63646903   53 
54   0.56779986   54 
55  -1.48099201   55 
56  -0.24586261   56 
57   3.16075196   57 
58  -0.55765459   58 
59   1.78498217   59 
60   3.38490948   60 
61  -0.09666898   61 
62  -2.38897557   62 
63  -0.50976285   63 
64   4.25219676   64 
65  -1.57526334   65 
66   0.58006652   66 
67   0.89549514   67 
68  -0.17842015   68 
69  -2.57422568   69 
70   4.14008849   70 
71  -3.48424762   71 
72  -3.48788857   72 
73  -4.22862573   73 
74   1.98098272   74 
75   0.73889898   75 
76  -2.78759887   76 
77  -0.75359051   77 
78  -0.24062074   78 
79  -0.39441863   79 
80  -0.58710463   80 
81  -2.95208480   81 
82  -0.18225793   82 
83   0.98356501   83 
84   0.77963590   84 
85  -1.21736133   85 
86   1.36733389   86 
87  -0.41273956   87 
88   4.58347146   88 
89   0.37946472   89 
90  -5.02405002   90 
91  -0.09883054   91 
92  -1.99874326   92 
93  -0.77896124   93 
94  -0.05878099   94 
95   0.82023492   95 
96   2.29944232   96 
97  -2.24368129   97 
98   1.39608682   98 
99  -0.61909894   99 
100  0.74170204  100 

Answer 1

Вот возможный подход с использованием dplyr в сочетании с replicate и lapply:

# define a custom function: 
my_func <- function(df) { 
    df %>% 
    summarise(difference.mean.x = mean(x[groups == "GroupA"]) - 
             mean(x[groups == "GroupB"])) 
} 

# sample repeatedly (100 times) 100 rows of df and store in a list 
# apply the custom function to each sample in the list, 
# bind rows together and create an index column, all in a "pipe": 

replicate(100, sample_n(df, 100), simplify = FALSE) %>% 
    lapply(., my_func) %>% 
    bind_rows %>% 
    mutate(replicate = 1:n()) 

#Source: local data frame [100 x 2] 
# 
# difference.mean.x replicate 
#1   0.2531246   1 
#2   -0.1595892   2 
#3   0.1759745   3 
#4   -0.1119139   4 
#5   -0.1332090   5 
#6   -0.8790818   6 
#7   0.2170683   7 
#8   -0.3484234   8 
#9   0.2238635   9 
#10  -0.4445486  10 
#..    ...  ... 

Answer 2

Вот способ поставить всю логику в одном dplyr трубопровода, но это происходит за счет копирования df 100 раз в самом начале:

set.seed(111) 
rep_df <- lapply(1:100, function(rep) { 
    df[['replicate']]=rep 
    df 
}) 
rep_df <- do.call(rbind, rep_df) 

rep_df %>% 
    group_by(replicate) %>% 
    sample_n(100) %>% 
    group_by(replicate, groups) %>% 
    summarize(mean_x = mean(x)) %>% 
    summarize(mean_x_group_diff = diff(mean_x)) -> rep_df 
str(rep_df) 

PS. Вы также можете использовать аналогичный трубопровод в вызове lapply. Это более компактный и не копирует df 100 раз, но может быть менее читаемым:

set.seed(111) 
output <- lapply(1:100, function(rep) { 
    sample_n(df, 100) %>% 
    group_by(groups) %>% 
    summarize(mean_x = mean(x)) %>% 
    summarize(mean_x_group_diff = diff(mean_x)) %>% 
    mutate(replicate=rep) 
}) 
rep_df <- do.call(rbind, output) 
str(rep_df) 

Answer 3

Вы можете создать формулу dplyr людей, используя

row_rep <- function(df, n) { df[rep(1:nrow(df), times = n),] }

Sourced из https://gist.github.com/mdlincoln/528a53939538b07ade86