我在创建 for 循环时遇到问题。 我想将样本数量从 1 增加到 200，并在每次新添加的观测值后计算 p 值。 因此，首先我样本 1 个观测值 - 计算第一个 p 值，然后样本 2 个观测值 - 计算第二个 p 值，然后是 3...最多 200 个观测值，以便我得到 200 个 p 值。
观测值将从数据框的一列中全部采样(带替换)。
假设数据框的列称为 data$column1。 样本数量从 1：200 开始，每"轮次"增加 1。
如何创建一个 for 循环，以便对于每个"轮次"，再采样一个观测值并计算新的 p 值？ 最后，我想绘制所有 p 值。
n <- 1:200
for i in length(n) {
sample(data$column1,n, replace = TRUE)
pvalue <- t.test(data$column1, alternative = "greater")
}
虽然我知道你可能想使用for循环，但这是使用sapply或lapply的好机会。我将使用iris演示替代方案。虽然我将对所有样本使用"不等于 5"的简化测试iris$Sepal.Length，但您应该更新特定数据的alternative=和其他参数。
选择1：如果你只需要p值，我们可以捕获这个......或者我们可以捕获整个模型并对 p 值进行第二阶段检索。
选择 2：我们可以使用*apply函数之一，它读起来很好(一旦你更习惯了 R 矢量码)，或者你可以坚持使用for循环。第一个选项具有可读性优势，尽管您可能更习惯for循环，在这种情况下，您应该真正预先分配列表/向量。(预定义长而空的列表/向量的原因：虽然您可以轻松地将向量out与out <- c(out, newstuff)连接起来，但从长远来看，重复这样做效率非常低。我非常不鼓励"大规模"这样做。
在前面，一些注意事项：
- 我为每个都使用
set.seed(2)，以便结果相同。除非/除非您需要严格的可重复性，否则不应使用它。通常不需要用于生产/学术报告。 - 我做
seq_len而不是2:length(...)是因为习惯模式：当以编程方式做事时，让它优雅地失败是件好事。如果出于某种原因，您将来使用1:length(nrow(x))并且x结果为 0 行，那么1:0会产生一个长度为 2 的向量，这是违反直觉的(并且几乎肯定会破坏后续代码)。相反，seq_len(0)生成长度为 2 的向量，这是一件好事。同样，这里不那么重要，但这是一个好习惯。(顺便说一句：seq_along(0)仍然输出长度为 1 的向量，因此也容易出现此问题。 - 我用
seq_len(...)[-1]丢弃了"1"，因为无法完成具有单个基准面的 t 检验。一个人也可以做1 + seq_len(nrow(x)-1).
1：for循环，仅 p 值
set.seed(2)
out <- rep(NA, nrow(iris))
for (i in seq_len(nrow(iris))[-1]) {
thisdat <- sample(iris$Sepal.Length, size = i)
out[i] <- t.test(thisdat, mu = 5)$p.value
}
summary(out)
# Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
# 0.0000000 0.0000000 0.0000000 0.0080013 0.0000001 0.4156151 1
(您可以假设所有后续示例out都是相同的，所以我不会展示它。
2.*apply，仅p值
set.seed(2)
out <- sapply(seq_len(nrow(iris))[-1], function(i) {
thisdat <- sample(iris$Sepal.Length, size = i)
t.test(thisdat, mu = 5)$p.value
})
sapply采用向量，通常返回以下之一：
vector如果所有返回值的长度都完全为 1;matrix如果所有返回值都是长度完全相同的向量;或者list任何其他时间。
正因为如此，一些程序员更喜欢lapply(总是返回list)或vapply(您必须声明您期望的返回值类型......当弹出其他内容时它会失败)。一种可能会做：
set.seed(2)
out <- vapply(seq_len(nrow(iris))[-1], function(i) {
thisdat <- sample(iris$Sepal.Length, size = i)
t.test(thisdat, mu = 5)$p.value
}, numeric(1))
(尝试将numeric(1)更改为numeric(2)，您将看到values must be length 2, but FUN(X[[1]]) result is length 1的错误。
对于lapply选项，它与下面的第四种方法非常相似。
请注意，这里的length(out)将是nrow(iris)-1，因为我们在seq_len(nrow(iris))[-1]的输入向量上跳过它。这意味着从技术上讲，summary(out)会有所不同：不会有NA.所有数字在其他方面都是相等的。
3.for循环，完整模型
在这里，我们需要存储的不仅仅是一个数字，因此我们需要将其存储在list.
set.seed(2)
out <- vector("list", nrow(iris))
for (i in seq_len(nrow(iris))[-1]) {
thisdat <- sample(iris$Sepal.Length, size = i)
out[[i]] <- t.test(thisdat, mu = 5)
}
str(out[1:3])
# List of 3
# $ : NULL
# $ :List of 9
# ..$ statistic : Named num 1.31
# .. ..- attr(*, "names")= chr "t"
# ..$ parameter : Named num 1
# .. ..- attr(*, "names")= chr "df"
# ..$ p.value : num 0.416
# ..$ conf.int : num [1:2] -2.41 14.11
# .. ..- attr(*, "conf.level")= num 0.95
# ..$ estimate : Named num 5.85
# .. ..- attr(*, "names")= chr "mean of x"
# ..$ null.value : Named num 5
# .. ..- attr(*, "names")= chr "mean"
# ..$ alternative: chr "two.sided"
# ..$ method : chr "One Sample t-test"
# ..$ data.name : chr "thisdat"
# ..- attr(*, "class")= chr "htest"
# $ :List of 9
# ..$ statistic : Named num 1.76
# .. ..- attr(*, "names")= chr "t"
# ..$ parameter : Named num 2
# .. ..- attr(*, "names")= chr "df"
# ..$ p.value : num 0.22
# ..$ conf.int : num [1:2] 3.61 8.33
# .. ..- attr(*, "conf.level")= num 0.95
# ..$ estimate : Named num 5.97
# .. ..- attr(*, "names")= chr "mean of x"
# ..$ null.value : Named num 5
# .. ..- attr(*, "names")= chr "mean"
# ..$ alternative: chr "two.sided"
# ..$ method : chr "One Sample t-test"
# ..$ data.name : chr "thisdat"
# ..- attr(*, "class")= chr "htest"
列表很长，但你可以看到(1)第一个元素是空的，这并不奇怪，因为我们跳过了1i;(2)之后的每个元素都包含你期望模型拥有的所有内容。
好的，让我们来看看。我们首先分配完整列表，然后像以前一样运行for循环。循环中唯一的区别是我们存储整个模型(需要out[[i]]而不是out[i])，而不仅仅是$p.value。现在，为了能够获得 p 值，我们可以使用for循环或sapply，我将演示后者：
head(sapply(out[-1], `[[`, "p.value"))
# [1] 0.41561507 0.22019340 0.05766889 0.08544124 0.03243253 0.09059092
# more verbose, same thing though, showing the "anonymous-function" definition
head(sapply(out[-1], function(m) m$p.value))
我用out[-1]因为我们知道第一个是空的。我们可以很容易地在上面的for循环之后立即完成out <- out[-1]。
通过使用我上面演示的"匿名函数"定义，可以从模型中获取任何其他属性，例如模型系数。
4.*sapply，全型号
这可能不会让您感到惊讶。
set.seed(2)
out <- lapply(seq_len(nrow(iris))[-1], function(i) {
thisdat <- sample(iris$Sepal.Length, size = i)
out[[i]] <- t.test(thisdat, mu = 5)
})
如果你看一下这些，第一个元素不是空的(类似于上面的sapply例子)，因为我们甚至没有为它运行或预分配。
然后，可以对单个列表元素执行任何操作：
out[[1]]$p.value
# [1] 0.4156151
str(out[[17]])
# List of 9
# $ statistic : Named num 3.98
# ..- attr(*, "names")= chr "t"
# $ parameter : Named num 17
# ..- attr(*, "names")= chr "df"
# $ p.value : num 0.000974
# $ conf.int : num [1:2] 5.48 6.57
# ..- attr(*, "conf.level")= num 0.95
# $ estimate : Named num 6.03
# ..- attr(*, "names")= chr "mean of x"
# $ null.value : Named num 5
# ..- attr(*, "names")= chr "mean"
# $ alternative: chr "two.sided"
# $ method : chr "One Sample t-test"
# $ data.name : chr "thisdat"
# - attr(*, "class")= chr "htest"
out[[19]]$statistic
# t
# 3.420489
如果你想检索所有的检验统计量，类似于获取p值，你可以这样做：
head(sapply(out, `[[`, "statistic"))
# t t t t t t
# 1.307692 1.761625 3.000000 2.273030 2.935307 2.014477
@r2evans有一个很好的答案。我将只关注您的代码并尝试使其绘制。
改进包括：
for语法for (i in seq_along(n))遍历每个 i。在您的情况下，您实际上想要执行for (i in 2:200)i==1因为将无法计算 p.值。- 需要将数据样本分配给变量。照原样，什么也没发生。或者，您可以直接将
sample语句放在t.test()调用中。 - 您希望将每个循环的结果保存为 pvalue。如果它按原样工作，
pvalue最终会得到循环的最后一个值。
我喜欢apply系列，因为您不必明确地预先分配任何内容。
set.seed(1)
n <- 50
results <- sapply(seq(2, n)
, function(n) {
t.test(sample(iris$Sepal.Length, n, replace = T), mu = 5.5, alternative = 'greater')$p.value
})
plot(y = results, x = seq(2, n))
理论上，您需要做的就是用data$column1替换iris$Sepal.Length并使用您喜欢的任何n。