如何在R中基于数据框选择对应分布函数并组合计算联合分布均值

咱们一步步来解决你的问题：你需要根据数据框每行的分布名称，计算不同组合分布的均值，但之前的嵌套写法行不通。这里有两个靠谱的解决方案，再给你一些工作流的优化建议：

方法1：逐行处理（适合小规模数据） #

先写一个函数来处理单行数据：它会根据行内的分布名称从PDFS列表中取出对应函数，生成所有需要的组合分布，再计算均值。之后用apply逐行应用这个函数即可。

library(pdqr)
library(dplyr)

# 定义单行处理函数
calc_combined_means <- function(distr1, distr2, distr3, pdf_list = PDFS) {
  # 获取当前行对应的三个分布函数
  f1 <- pdf_list[[distr1]]
  f2 <- pdf_list[[distr2]]
  f3 <- pdf_list[[distr3]]
  
  # 计算各组合分布的均值
  mean_var1_var2 <- summ_mean(foo(f1, f2))
  mean_var1_var3 <- summ_mean(foo(f1, f3))
  mean_var2_var3 <- summ_mean(foo(f2, f3))
  mean_all <- summ_mean(foo(f1, f2, f3))
  
  # 返回结构化结果
  c(var1_var2_mean = mean_var1_var2,
    var1_var3_mean = mean_var1_var3,
    var2_var3_mean = mean_var2_var3,
    all_three_mean = mean_all)
}

# 应用到数据框每一行
combined_means <- t(apply(df, 1, function(row) {
  calc_combined_means(row["distr_var1"], row["distr_var2"], row["distr_var3"])
}))

# 合并结果到原数据框
df <- cbind(df, as.data.frame(combined_means))

方法2：预计算所有组合均值（适合大型数据框） #

你的每个变量只有3种分布，所有可能的组合是有限的：两两组合各有9种，三个变量组合共27种。提前计算所有组合的均值，再匹配到数据框中，能避免大量重复计算，效率提升明显。

步骤1：生成所有组合并预计算均值

# 预计算var1-var2组合的均值
var1_var2_combs <- expand.grid(
  distr_var1 = names(PDFS)[1:3], 
  distr_var2 = names(PDFS)[4:6], 
  stringsAsFactors = FALSE
)
var1_var2_combs$mean <- mapply(function(d1, d2) {
  summ_mean(foo(PDFS[[d1]], PDFS[[d2]]))
}, var1_var2_combs$distr_var1, var1_var2_combs$distr_var2)

# 预计算var1-var3组合的均值
var1_var3_combs <- expand.grid(
  distr_var1 = names(PDFS)[1:3], 
  distr_var3 = names(PDFS)[7:9], 
  stringsAsFactors = FALSE
)
var1_var3_combs$mean <- mapply(function(d1, d3) {
  summ_mean(foo(PDFS[[d1]], PDFS[[d3]]))
}, var1_var3_combs$distr_var1, var1_var3_combs$distr_var3)

# 预计算var2-var3组合的均值
var2_var3_combs <- expand.grid(
  distr_var2 = names(PDFS)[4:6], 
  distr_var3 = names(PDFS)[7:9], 
  stringsAsFactors = FALSE
)
var2_var3_combs$mean <- mapply(function(d2, d3) {
  summ_mean(foo(PDFS[[d2]], PDFS[[d3]]))
}, var2_var3_combs$distr_var2, var2_var3_combs$distr_var3)

# 预计算三个变量组合的均值
all_three_combs <- expand.grid(
  distr_var1 = names(PDFS)[1:3], 
  distr_var2 = names(PDFS)[4:6], 
  distr_var3 = names(PDFS)[7:9], 
  stringsAsFactors = FALSE
)
all_three_combs$mean <- mapply(function(d1, d2, d3) {
  summ_mean(foo(PDFS[[d1]], PDFS[[d2]], PDFS[[d3]]))
}, all_three_combs$distr_var1, all_three_combs$distr_var2, all_three_combs$distr_var3)

步骤2：将预计算结果合并到原数据框

df <- df %>%
  left_join(var1_var2_combs, by = c("distr_var1", "distr_var2")) %>%
  rename(var1_var2_mean = mean) %>%
  left_join(var1_var3_combs, by = c("distr_var1", "distr_var3")) %>%
  rename(var1_var3_mean = mean) %>%
  left_join(var2_var3_combs, by = c("distr_var2", "distr_var3")) %>%
  rename(var2_var3_mean = mean) %>%
  left_join(all_three_combs, by = c("distr_var1", "distr_var2", "distr_var3")) %>%
  rename(all_three_mean = mean)

对整体工作流的优化建议 #

1. 简化分布函数的定义：不用单独定义每个分布变量，直接在PDFS列表中生成，减少冗余代码：

   PDFS <- list(
     var1_distr1 = as_d(function(x)dnorm(x, mean = 3, sd = 1)),
     var1_distr2 = as_d(function(x)dnorm(x, mean = 6, sd = 1)),
     var1_distr3 = as_d(function(x)dnorm(x, mean = 2, sd = 2)),
     var2_distr1 = as_d(function(x)dnorm(x, mean = 5, sd = 3)),
     var2_distr2 = as_d(function(x)dnorm(x, mean = 3, sd = 1)),
     var2_distr3 = as_d(function(x)dnorm(x, mean = 4, sd = 2)),
     var3_distr1 = as_d(function(x)dnorm(x, mean = 4, sd = 1)),
     var3_distr2 = as_d(function(x)dnorm(x, mean = 5, sd = 1)),
     var3_distr3 = as_d(function(x)dnorm(x, mean = 7, sd = 2))
   )
   

2. 优化foo函数的x取值：当前固定的seq(1,10,by=1)可能无法覆盖分布的有效范围，建议根据分布的属性动态生成更合理的x序列：

   foo <- function(...){
     funs <- list(...)
     # 获取所有分布的x范围，扩展后生成密集序列
     all_x <- lapply(funs, function(f) attr(f, "x"))
     x_min <- min(unlist(all_x)) - 2
     x_max <- max(unlist(all_x)) + 2
     x <- seq(x_min, x_max, length.out = 1000)
     
     y <- 1L
     for (fun in funs) y <- y * fun(x)
     
     p <- data.frame(x,y)
     new_d(p, type = "continuous")
   }
   

3. 优先选择预计算方案：如果你的数据框行数很多，预计算所有组合均值能避免重复生成相同的分布，大幅提升运行效率。

内容的提问来源于stack exchange，提问作者Johan Vos