非线性优化多个组在R A data.frame

Question

我需要优化的变量，并找到f的最小值，如前面提出和回答（here）。

不同的是，我还有很长data.frame，有几组（IDS），并需要调用optim()并存储为这些群体中的每一个结果。

服用post的例子，我怎么能适应典雅，将R代码中查找到每一个我的ID在data.frame“测量”（占data.frame的ID一个Y $ PAR）的解决方案？

谢谢！

A <- c(0, 10, 20, 40, 32, 65, 78, 12)
B <- c(0, 1.51, 2.51, 4.32, 9.87, 5.33, 6.22, 4.86)
ID <-c("A", "A", "A", "A", "B", "B", "B", "B") 
Measured <- as.data.frame(cbind(A, B, ID))

Answer 1

我无法准确地重现您的问题，因为你不包括你将如何调用的Optim（）函数的例子，但在我看来，你需要的是分裂的ID数据框，然后使用lapply到调用每个ID的子数据帧相同的功能。

下面是一个例子，在这里我试图找到（A，B）值最小化（A-B）^ 2为每个ID。你真正的代码将可能涉及调用的Optim（）内lapply（）。

A <- c(0, 10, 20, 40, 32, 65, 78, 12)
B <- c(0, 1.51, 2.51, 4.32, 9.87, 5.33,6.22, 4.86)
ID <-c("A","A","A","A","B","B","B","B") 
Measured <- as.data.frame(cbind(A, B, ID))

# Create a list containing one dataframe per ID
Measured2 <- split(Measured, f = Measured$ID)

# Apply a function to each dataframe in the list
# Let us assume we want to find the A, B pair minimizing (A - B)^2
results <- lapply(Measured2, function(df) {
  vals <- (A - B)^2
  df[which.min(vals), , drop = FALSE]
})

# Combined back to dataframe
do.call(rbind, results)
#>    A    B ID
#> A  0    0  A
#> B 32 9.87  B

由reprex package创建于2019年2月9日（v0.2.1）