随机假设检验r的lappy代替for循环

我有一个df，看起来像这样：

set.seed(42)
ID <- sample(1:30, 100, rep=T) 
Trait <- sample(0:1, 100, rep=T) 
Year <- sample(1992:1999, 100, rep=T)
df <- cbind(ID, Trait, Year)
df <- as.data.frame(df)

set.seed（42）
ID编辑10月10日。清理了代码，并在下面的每条评论中添加了代码，以返回一个组织良好的
tibble\dataframe

####决定需要多少次洗牌并命名
###以有序的方式进行输出
洗牌%
purrr:：map（~tibble:：as_tibble（summary（.x）$solutions，rownames=“model_term”））%%>%
dplyr:：bind_行（，.id='shuffle'）
ddd
#>#A tibble:20 x 7
#>洗牌模型\u术语post.mean`l-95%CI``u-95%CI`eff.samp pMCMC
#>                                      
#>1洗牌1（截取）112。6.39     233.       1030.016
#>2洗牌1 ID-6.31-13.5-0.297112。0.014
#>3洗牌2（截击）24.9-72.5133。7780.526
#>4洗牌2 ID-0.327-6.33 5.33 849。0.858
#>5洗牌3（截击）4.39-77.3 87.4 161。0.876
#>6 shuffle_3 ID 1.04-3.84 5.99 121。0.662
#>7洗牌4（截击）7.71-79.0 107。4180.902
#>8洗牌4 ID 0.899-4.40 6.57 408。0.694
#>9洗牌5（截击）30.4-62.4 144。7320.51
#>10洗牌5 ID-0.644-6.61 4.94 970。0.866
#>11洗牌6（截击）-45.5-148。42.7      208.   0.302
#>12 shuffle_6 ID 4.73-0.211 11.6 89.1 0.058
#>13洗牌7（截击）-16.2-133。85.9      108.   0.696
#>14 shuffle_7 ID 2.47-2.42 10.3 47.8 0.304
#>15随机播放8（截距）0.5680.5490.5816.60 0.001
#>16 shuffle_8 ID-0.0185-0.0197-0.0168 2.96 0.001
#>17洗牌9（截击）-6.95-112。92.2      452.   0.886
#>18 shuffle_9 ID 2.07-3.30 8.95 370。0.476
#>19洗牌10（截击）43.8-57.0 159。7750.396
#>20洗牌10 ID-1.36-7.44 5.08 901。0.62

您的原始数据

set.seed（42）
ID
lappy
是基本的R。如果你真的想要tidyverse，请看
purrr:：map
。你说的“shuffle”
Trait
是什么意思？在不替换Trait列中的行时进行shuffle。这看起来非常有用。我假设花括号不会覆盖我观察到的数据？另外，这与is在for循环中所做的基本相同吗（使用trait col随机化行）？我不熟悉Purrr，原始数据帧本身保持不变。是的，您可以在for循环中完成所有这一切。作为进一步的问题，因为我不习惯从摘要输出中提取那么多数据（用于多次迭代），有没有一种简单的方法可以在单个df中使用它？我想在一个将被集成的循环中——像这样，我将发布一个对清理答案的编辑，并为您提供更好的输出——这很有帮助
library(MCMCglmm) 
m <- MCMCglmm(Trait ~ ID, random = ~ Year, data = df, family = "categorical")