时间戳

首页 > 解决方案 > 创建一个复制其他函数 100 次的函数

r - 创建一个复制其他函数 100 次的函数

问题描述

我正在尝试创建一个复制其他两个函数 100 倍的函数，然后计算这些值的平均值。

我有一个这样的矩阵：

str(pref)
#num [1:9, 1:158] 4 9 15 6 7 8 6 11 11 4 ...
#- attr(*, "dimnames")=List of 2
# ..$ : NULL
# ..$ : chr [1:158] "V1" "V2" "V3" "V4" ...

我试图用这段代码重现它（也许不是最好的）：

pref <- cbind(v = c(6,4,3,5,2,6), 
              c = c(5,6,7,4,2,5), 
              d= c(0,2,4,5,12,4))

它是包vegan和的组合SpadeR，输出o chao

library(vegan)
library("SpadeR")
library(tidyverse)
library(data.table)

pref[is.na(pref)] <- 0

chaox100 <- function(x, y){
  replicate(100, {
    subsample <-  rarefy(x, y)
    chao <- ChaoSpecies(subsample)
    df <- chao$Species_table
  })
}

如果这有帮助，chao$Species_table是一个矩阵，所以该函数应该复制 100 次，但输出数据是一团糟。看看怎么样：

我想拥有所有数据的所有平均值。我试过了cbind，，，，。rbindgroup_by(row.names)summarize_all

str(test)
# num [1:9, 1:4, 1:100] 262 221 779 530 829 ...
# - attr(*, "dimnames")=List of 3
#  ..$ : chr [1:9] "    Homogeneous Model" "    Homogeneous (MLE)" "    Chao1 (Chao, 1984)" "    Chao1-bc" ...
#  ..$ : chr [1:4] "Estimate" "s.e." "95%Lower" "95%Upper"
#  ..$ : NULL

标签： rfunctionveganreplicate

解决方案

为了运行问题中的函数并让它返回平均值，apply函数mean到replicate.

chaox100 <- function(x, y){
  test <- replicate(100, {
    subsample <-  rarefy(x, y)
    chao <- ChaoSpecies(subsample)
    chao$Species_table
  })
  apply(test, MARGIN = 1:2, mean)
}

chaox100(pref, 70)
#                              Estimate  s.e. 95%Lower 95%Upper
#    Homogeneous Model            6.000 0.541    6.000    7.543
#    Homogeneous (MLE)            6.467 0.795    6.047   10.595
#    Chao1 (Chao, 1984)           6.000 0.541    6.000    7.543
#    Chao1-bc                     6.000 0.541    6.000    7.543
#    iChao1 (Chiu et al. 2014)    6.000 0.541    6.000    7.543
#    ACE (Chao & Lee, 1992)       6.000 0.541    6.000    7.543
#    ACE-1 (Chao & Lee, 1992)     6.000 0.541    6.000    7.543
#    1st order jackknife          6.000 0.541    6.000    7.543
#    2nd order jackknife          6.000 0.541    6.000    7.543
#There were 50 or more warnings (use warnings() to see the first 50)

推荐阅读