R 创建5个随机抽样观测平均值的数据帧

我目前正在阅读“数据科学家的实用统计”，并在R中跟随他们演示一些代码。有一段代码我特别难以遵循其逻辑，希望有人能提供帮助。该代码正在创建一个包含1000行的数据框，其中每个观察值是从数据框中随机抽取的5个收入值的平均值

loans\u income

。但是，我对代码的逻辑感到困惑，因为它与

tapply（）

函数和嵌套的

rep（）

语句相当复杂

创建相关数据帧的代码如下所示：

samp_mean_5 <- data.frame(income = tapply(sample(loans_income$income,1000*5),
                                          rep(1:1000,rep(5,1000)),
                                          FUN = mean),
           type='mean_of_5')

---

samp_意味着在一个向量中你有50000笔贷款收入。让我们详细分析一下您的代码：

tapply（样本（贷款收入$收入，1000*5），
代表（1:1000，代表（51000）），
乐趣=平均值）

我将用10代替1000，用随机数代替收入，这样更容易解释。我还设置了
set.seed（1）
，以便可以复制结果

示例（贷款收入$income，1000*5）


我们从你的矢量中随机抽取50个收入，不需要替换。它们（暂时）放入长度为50的向量中，因此输出如下所示：
rep（1:1000，rep（51000））


现在，我们正在创建长度为50的索引向量：
代表（1:10，代表（5,10））
[1]  1  1  1  1  1  2  2  2  2  2  3  3  3  3  3  4  4  4  4  4  5  5  5  5  5  6  6  6
[29]  6  6  7  7  7  7  7  8  8  8  8  8  9  9  9  9  9 10 10 10 10 10

这些索引将步骤1中的样本“分组”。因此，基本上这个向量告诉

R

“样本向量”的前5个条目属于一起（索引1），接下来的5个条目属于一起（索引2），依此类推

FUN=mean

只需对数据应用

mean

-函数即可

tapply

因此

tapply

获取采样数据（

sample

-part）并通过第二个参数（

rep（）

-part）对其进行分组，并对每个分组应用

mean

-function

如果您熟悉data.frames和

dplyr

程序包，请查看以下内容（仅显示前10行）：

set.seed（1）
df%
分组依据（指数）%>%
汇总（平均值=平均值（收入））

这给了我们

# A tibble: 10 x 2
   index  mean
   <int> <dbl>
 1     1 0.551
 2     2 0.425
 3     3 0.827
 4     4 0.391
 5     5 0.590
 6     6 0.373
 7     7 0.514
 8     8 0.451
 9     9 0.566
10    10 0.435

结果基本相同：

123456789
0.5507529 0.4250946 0.8273149 0.3905850 0.5902823 0.3730092 0.5143829 0.4512932 0.5658460 
10
0.4352546

你在一个向量中有50000笔贷款和收入。让我们详细分析一下您的代码：

tapply（样本（贷款收入$收入，1000*5），
代表（1:1000，代表（51000）），
乐趣=平均值）

我将用10代替1000，用随机数代替收入，这样更容易解释。我还设置了

set.seed（1）

，以便可以复制结果

示例（贷款收入$income，1000*5）

我们从你的矢量中随机抽取50个收入，不需要替换。它们（暂时）放入长度为50的向量中，因此输出如下所示：

rep（1:1000，rep（51000））

现在，我们正在创建长度为50的索引向量：

代表（1:10，代表（5,10）） [1] 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 4 4 4 4 4 5 5 5 5 5 6 6 6 [29] 6 6 7 7 7 7 7 8 8 8 8 8 9 9 9 9 9 10 10 10 10 10 这些索引将步骤1中的样本“分组”。因此，基本上这个向量告诉

R

“样本向量”的前5个条目属于一起（索引1），接下来的5个条目属于一起（索引2），依此类推

FUN=mean

只需对数据应用

mean

-函数即可

tapply

因此

tapply

获取采样数据（

sample

-part）并通过第二个参数（

rep（）

-part）对其进行分组，并对每个分组应用

mean

-function

如果您熟悉data.frames和

dplyr

程序包，请查看以下内容（仅显示前10行）：

set.seed（1）
df%
分组依据（指数）%>%
汇总（平均值=平均值（收入））

这给了我们

# A tibble: 10 x 2
   index  mean
   <int> <dbl>
 1     1 0.551
 2     2 0.425
 3     3 0.827
 4     4 0.391
 5     5 0.590
 6     6 0.373
 7     7 0.514
 8     8 0.451
 9     9 0.566
10    10 0.435

结果基本相同：

123456789
0.5507529 0.4250946 0.8273149 0.3905850 0.5902823 0.3730092 0.5143829 0.4512932 0.5658460 
10
0.4352546

感谢您的回复。（1.）与只键入“5000”相比，是否有将“1000*5”作为示例函数的第二个参数的约定？（或50，在您的示例中）（2）第二个嵌套的rep（）函数满足哪个参数？看看这些文件，是《时代》杂志吗“争论？我知道这一步的总体目的是创建一个索引向量，但我想我很难理解它是如何做到的。我一直想深入研究dplyr包，因为到目前为止我对它的理解还很肤浅。但它看起来非常有用！谢谢你的邀请suggestion@cliftjc1我不知道什么惯例。我想做

1000*5

应该清楚地表明，您正在为1000次观察绘制每5个样本。将其分解为

1000*5

可以使您更容易地（为了建模的目的）将其替换为

n*m

，使用可变数量的样本和观察值。（2）

rep（）

的第二个参数是times参数。因此，对于第一个参数的每个条目，它包含重复的次数（在本例中：每个条目将重复5次）。请查看

rep（1:10，1:10）

。感谢您的回复。（1.）与只键入“5000”相比，是否有将“1000*5”作为示例函数的第二个参数的约定？（或5）