使用 Tidyverse 和 fitdistrplus 进行批量分布拟合答案

【问题标题】：Batch distribution fitting using Tidyverse and fitdistrplus使用 Tidyverse 和 fitdistrplus 进行批量分布拟合
【发布时间】：2021-04-20 04:17:07
【问题描述】：

我有一个如下数据集（10,000+ 行）：

P_ID	SNUM	RNUM	X
ID_233	10	2	40.31
ID_233	10	3	23.21
ID_234	12	5	11.00
ID_234	12	6	0.31
ID_234	13	1	0.00
ID_235	10	2	66.23

从这个数据集中，我想将每个不同的 P_ID 拟合到 Gamma 分布（忽略对采样数据与分布的拟合程度的测试）

使用fitdistrplus 包，我可以通过将单个P_ID 的X 提取到向量中，然后通过fw <- fitdist(data,"gamma") 运行它，然后提取shape 和rate 描述性变量来实现此目的出来了，但这都是非常手动的。

我想找到一种方法，使用 tidyverse 从上面的数据框转到：

P_ID	Distrib	G_Shape	G_Rate
ID_233	Gamma	1.21557116	0.09206639
ID_234	Gamma	3.23234542	0.34566432
ID_235	Gamma	2.34555553	0.92344521

我将如何使用 Tidyverse 和 Pipes 来实现这一点，而不是进行连续的 for 循环？

【问题讨论】：

如何从fw 中提取shape 和rate 描述性变量？
fw$estimate['shape'] 和 fw$estmate['rate']

标签： r tidyverse fitdistrplus

【解决方案1】：

您可以使用group_by 为每个人应用fitdist，并从每个模型中提取shape 和rate 值。

library(dplyr)
library(purrr)
library(fitdistrplus)

data %>%
  group_by(P_ID) %>%
  summarise(model = list(fitdist(X, "gamma"))) %>%
  mutate(G_Shape = map_dbl(model, pluck, 'estimate', 'shape'),
         G_rate =  map_dbl(model, pluck, 'estimate', 'rate')) -> result

result

【讨论】：