R语言多分组下lapply调用自定义随机化函数的正确性验证

在数据框df中，已构建自定义函数f，用于计算x.sample与y.sample的相关系数。当前需求为执行999次随机化，针对4个sp分组分别计算每次随机化得到的per（即随机化场景下的预期相关系数）。需要验证现有代码中lapply的写法是否正确，是否确实调用了per的计算逻辑，确认代码是针对4个sp分组计算per相关系数，而非执行其他计算逻辑。

set.seed(111)
library(truncnorm)
x <- rtruncnorm(n = 288,a = 0,b = 10,mean = 5,sd = 2)
v <- rtruncnorm(n = 288,a = 0,b = 10,mean = 5,sd = 2)
y <- ((v/x^2) - (1/x))
sp <- rep(c("A","B","C","D"), each = 72)

df <- data.frame(v,x,y,sp)

library(data.table)
setDT(df)
# 自定义计算函数
f <- function(x,v) {x.sample <- sample(x, length(x), replace=T)
y.sample <- (v/x.sample^2) - (1/x.sample)
per <- cor(y.sample, x.sample)}

set.seed(1234)
# 每个物种生成999次随机化结果
result = rbindlist(
  lapply(1:999, \(i) df[,.(est = f(x,v)), sp][, i:=i])
)

• 校验结果维度：代码运行完成后执行dim(result)，正常返回值应该是3996行（999次迭代*4个分组）、3列（sp分组、est计算值、迭代编号i）。再执行table(result$sp, result$i)，可以看到每个迭代编号i下，A/B/C/D四个分组各有1条记录，说明迭代和分组逻辑没有问题。
• 加校验逻辑调试函数入参：临时修改函数f，加入入参长度校验和打印逻辑，不用跑满999次，只跑前2-3次迭代即可确认分组是否正确：

f <- function(x,v) {
  # 单个sp分组固定有72个样本，长度不对直接报错终止
  stopifnot(length(x) == 72, length(v) ==72)
  x.sample <- sample(x, length(x), replace=T)
  y.sample <- (v/x.sample^2) - (1/x.sample)
  per <- cor(y.sample, x.sample)
  # 打印当前计算的样本量和结果，方便核对
  message("当前分组样本量：", length(x), "，per计算结果：", round(per,4))
  return(per)
}
# 只跑3次迭代测试
test_res <- rbindlist(
  lapply(1:3, \(i) df[,.(est = f(x,v)), sp][, i:=i])
)

运行后如果没有报错，且每次打印的样本量都是72，说明函数确实是在单个sp分组内被调用的。

• 手动计算对照结果：固定随机种子，单独提取单个分组手动计算，和代码输出结果比对。比如固定和原代码一致的种子1234，单独计算sp=A组第一次迭代的结果：

set.seed(1234)
# 手动计算第一次迭代A组的per值
manual_cal <- df[sp=="A", f(x,v)]
# 提取原代码结果中第一次迭代A组的est值
code_res <- result[i==1 & sp=="A", est]
# 两个值完全一致则说明计算逻辑没有偏差
stopifnot(manual_cal == code_res)

补充说明：你当前写的代码逻辑本身是正确的，df[,.(est = f(x,v)), sp]是data.table标准的按组计算语法，会自动按sp列拆分数据，把每个分组的x、v向量传入函数f计算，外层lapply负责循环999次、给每次结果标记迭代号，最后合并所有结果，完全匹配你的需求。

内容的提问来源于stack exchange，提问作者Rspacer