for和ifelse循环的替代方法-确定元素是否位于生成的置信区间内
我试图重写代码，使其不包含任何for循环或ifelse循环。其目的是根据变量mu和变量cinterval提取包含0和1的矩阵-如果y0在其第95个CI内，并且0 y0在其第95个CI内，则生成1，对于y1也是如此。对于许多模块，y0和y1都将重复此操作 mu包含y0和y1的值；cinterval包含四行：for和ifelse循环的替代方法-确定元素是否位于生成的置信区间内,r,for-loop,if-statement,confidence-interval,R,For Loop,If Statement,Confidence Interval,我试图重写代码，使其不包含任何for循环或ifelse循环。其目的是根据变量mu和变量cinterval提取包含0和1的矩阵-如果y0在其第95个CI内，并且0 y0在其第95个CI内，则生成1，对于y1也是如此。对于许多模块，y0和y1都将重复此操作 mu包含y0和y1的值；cinterval包含四行： y0的第95个CI下限 y0的第95个上限CI y1的第95个CI下限 y1的第95个上限CI cinterval可编程为具有任意数量的模块： cinterval.fn <- funct
cinterval.fn <- function(y0y1modules) {
matrix(c(y0results, y1results) nrow=4, ncol=no.of.modules, byrow=T) #simplified from true code
rownames(cinterval) <- c("y0 95LCI", "y0 95UCI", "y1 95LCI", "y1 95UCI")
colnames(cinterval) <- paste('module', 1:length(cinterval[1,]), sep='.')
return(cinterval)
}
> cinterval
module.1 module.2 module.3
y0 95LCI 2.434602 1.784056 1.751713
y0 95UCI 5.988160 6.519465 6.833455
y1 95LCI 3.778811 2.681708 2.805293
y1 95UCI 9.228941 9.716476 10.258412
cinterval <- data.frame(rbind(c(2.434602,1.784056,1.751713),
c(5.988160,6.519465,6.833455),
c(3.778811,2.681708,2.805293),
c(9.228941,9.716476,10.258412)),
row.names = c("y0 L","y0 U","y1 L","y1 U")
)
colnames(cinterval) <- paste0("module.",1:3)
mu <- c("y0" = 4, "y1" = 8)
cinterval假设您的输入数据是这样创建的：
mu = c(y0 = 4, y1 = 8)
cinterval <-
data.frame(names = c("y0", "y0", "y1", "y1"),
CI = c("LCI", "UCI", "LCI", "UCI"),
module.1 = c(2.434602, 5.988160, 3.778811, 9.228941),
module.2 = c(1.784056, 6.519465, 2.681708, 9.716476),
module.3 = c(1.751713, 6.833455, 2.805293, 10.258412))
mu=c（y0=4，y1=8）
cinterval我不确定您在多大程度上依赖于数据结构，但我提出了一种不同的方法
如果用另一种格式构造数据集，则可以轻松地将incinterval
的结果写入其他变量中
新数据：
cinterval <- data.frame(year = c(0, 0, 0, 1, 1, 1),
LCI = c(2.434602, 1.784056, 1.751713, 3.778811, 2.681708, 2.805293),
UCI = c(5.988160, 6.519465, 6.833455, 9.228941, 9.716476, 10.258412),
module = c(1, 2, 3, 1, 2, 3)
)
> cinterval
year LCI UCI module
1 0 2.434602 5.988160 1
2 0 1.784056 6.519465 2
3 0 1.751713 6.833455 3
4 1 3.778811 9.228941 1
5 1 2.681708 9.716476 2
6 1 2.805293 10.258412 3
使用findInterval
在行上应用一个简短的ifelse
条件，以获得包含结果的新列：
cinterval$inCI <- apply(cinterval, 1,
function(x) ifelse(x[1] == 0, findInterval(mu["y0"], x[2:3]),
findInterval(mu["y1"], x[2:3]))
)
请注意，findInterval
如果mu
值低于CI，则返回0；如果值在CI内，则返回1；如果值高于CI，则返回2
在处理多年的问题时，这可能会变得很麻烦，但如果您愿意，它可以包含尽可能多的模块。谢谢大家的建议和反馈
我接受了猿的建议，因为这是最简单的
代码现在用粗体文本更改为：
incinterval.fn <- function(cov.xy, mu, n1, dr) {
cinterval <- cintervaloutput.fn(cov.xy, mu, n1, dr) # Generates matrix with 95% CI values for y0 and y1 after treatment modules (can be any number of modules))
**incinterval <- rbind(as.numeric(mu["y0"] >= cinterval[1,] & mu["y0"] <= cinterval[2,]),
as.numeric(mu["y1"] >= cinterval[3,] & mu["y0"] <= cinterval[4,]))**
colnames(incinterval) <- paste('module', 1:length(cinterval[1,]), sep='.')
return(incinterval)
}
incinterval.fn您没有给出一个可重复的示例，但给出了一些类似于.numeric（mu[“y0”]>=cinterval[1，]&mu[“y0”]在R中，增加一个向量是个坏主意。你知道向量的大小，你可以将向量设置为0，只有在需要时才可以更改为1。你能dput
cinterval
matrix吗？手动编写它非常麻烦。@Ape我解释了我的代码，并给出了涉及的变量和结果的示例。我可以编辑我的帖子，使它更清晰如果你提出建议：）？你的建议似乎与我已有的相似。我想我遗漏了一些东西。@Matthew提供代码来生成数据样本及其描述，而不仅仅是发布它的外观，这是一个很好的实践。这里可以包括dput（mu）
和dput（cinterval[，1:3]）
的结果。否则，任何想回答问题的人都必须自己创建数据样本，这是不必要和麻烦的（作为笔记）。感谢您对我的问题的建议，以及我的开场白提示。这项工作做得很完美，比我希望的要好得多！我将你的建议改编为：incinterval=cinterval[1，]&mu[“y0”]=cinterval[3，]&mu[“y0”]不客气。请注意，ifelse
也是矢量化的，因此这也可以完成任务：ifelse（mu[“y0”]>=cinterval[1，]&mu[“y0”]
mu = c(y0 = 4, y1 = 8)
cinterval <-
data.frame(names = c("y0", "y0", "y1", "y1"),
CI = c("LCI", "UCI", "LCI", "UCI"),
module.1 = c(2.434602, 5.988160, 3.778811, 9.228941),
module.2 = c(1.784056, 6.519465, 2.681708, 9.716476),
module.3 = c(1.751713, 6.833455, 2.805293, 10.258412))
sapply(seq_along(mu),
function(y) {
cis <- cinterval[cinterval[["names"]] == names(mu)[y], -1:-2]
apply(cis, 2, function(ci) {
findInterval(mu[y], ci)
})
})
cinterval <- data.frame(year = c(0, 0, 0, 1, 1, 1),
LCI = c(2.434602, 1.784056, 1.751713, 3.778811, 2.681708, 2.805293),
UCI = c(5.988160, 6.519465, 6.833455, 9.228941, 9.716476, 10.258412),
module = c(1, 2, 3, 1, 2, 3)
)
> cinterval
year LCI UCI module
1 0 2.434602 5.988160 1
2 0 1.784056 6.519465 2
3 0 1.751713 6.833455 3
4 1 3.778811 9.228941 1
5 1 2.681708 9.716476 2
6 1 2.805293 10.258412 3
mu <- c("y0" = 4, "y1" = 8)
cinterval$inCI <- apply(cinterval, 1,
function(x) ifelse(x[1] == 0, findInterval(mu["y0"], x[2:3]),
findInterval(mu["y1"], x[2:3]))
)
year LCI UCI module inCI
1 0 2.434602 5.988160 1 1
2 0 1.784056 6.519465 2 1
3 0 1.751713 6.833455 3 1
4 1 3.778811 9.228941 1 1
5 1 2.681708 9.716476 2 1
6 1 2.805293 10.258412 3 1
incinterval.fn <- function(cov.xy, mu, n1, dr) {
cinterval <- cintervaloutput.fn(cov.xy, mu, n1, dr) # Generates matrix with 95% CI values for y0 and y1 after treatment modules (can be any number of modules))
**incinterval <- rbind(as.numeric(mu["y0"] >= cinterval[1,] & mu["y0"] <= cinterval[2,]),
as.numeric(mu["y1"] >= cinterval[3,] & mu["y0"] <= cinterval[4,]))**
colnames(incinterval) <- paste('module', 1:length(cinterval[1,]), sep='.')
return(incinterval)
}