在R中操作mcmc.list对象

Question

我使用通过rjags调用的JAGS来生成mcmc.list对象foldD_samples，它包含大量随机节点(>800个节点)的跟踪监视器。

现在我想使用R来计算这些节点的一个相当复杂的标量值函数，并将输出写入mcmc对象，这样我就可以使用coda来总结后继和运行收敛诊断。

但是，我还没有弄清楚如何将foldD_samples的后置绘图转化为数据帧。任何帮助都很感激。

下面是mcmc.list的结构：

str(foldD_samples)
List of 3
 $ : mcmc [1:5000, 1:821] -0.667 -0.197 -0.302 -0.204 -0.394 ...
  ..- attr(*, "dimnames")=List of 2
  .. ..$ : NULL
  .. ..$ : chr [1:821] "beta0" "beta1" "beta2" "dtau" ...
  ..- attr(*, "mcpar")= num [1:3] 4100 504000 100
 $ : mcmc [1:5000, 1:821] -0.686 -0.385 -0.53 -0.457 -0.519 ...
  ..- attr(*, "dimnames")=List of 2
  .. ..$ : NULL
  .. ..$ : chr [1:821] "beta0" "beta1" "beta2" "dtau" ...
  ..- attr(*, "mcpar")= num [1:3] 4100 504000 100
 $ : mcmc [1:5000, 1:821] -0.492 -0.679 -0.299 -0.429 -0.421 ...
  ..- attr(*, "dimnames")=List of 2
  .. ..$ : NULL
  .. ..$ : chr [1:821] "beta0" "beta1" "beta2" "dtau" ...
  ..- attr(*, "mcpar")= num [1:3] 4100 504000 100
 - attr(*, "class")= chr "mcmc.list"

干杯，雅各布

Answer 1

由于它是一个list结构，您可以使用这些方法中的任何一个将矩阵绑定到一起。

do.call(rbind.data.frame, foldD_samples)

或

rbindlist(lapply(foldD_samples, as.data.frame)) # thanks to BenBolker

A mwe

library(rjags)
library(coda)
library(data.table)

mod <- textConnection("model {
  A ~ dnorm(0, 1)
  B ~ dnorm(0, 1)
}")

# evaluate
mod <- jags.model(mod, n.chains = 4, n.adapt = 50000) 
pos <- coda.samples(mod,  c("A", "B"),  10000)

out <- do.call(rbind.data.frame, pos)
out2 <- rbindlist(lapply(pos, as.data.frame))
all.equal(out, out2, check.attributes=FALSE)

Answer 2

user20650给出的答案肯定会奏效，但它可能会非常慢。还请注意，在撰写本文时，rbind_list()代替了bind_rows()。

我为自己的目的编写的东西将mcmc.list转换为“长格式”data.frame。在我的机器上，它比上述方法快4-7倍，并增加了两列:一列用于链号，另一列用于步长编号。

parameter_names <- varnames(mcmc_list)
saved_steps <- as.integer(row.names(mcmc_list[[1]]))
out <- data.frame("chain" = factor(rep(1 : length(mcmc_list), each = length(saved_steps))),
                  "step" = rep(saved_steps, length(mcmc_list)) )
for (param in parameter_names) {
    out[param] <- NA
}
for (a_chain in 1 : length(mcmc_list)) {
    out[out$chain == a_chain, parameter_names ] <- as.data.frame(mcmc_list[[a_chain]])
}
return(out)

使用一个包含3条链的mcmc.list对象，共计50,000行，rbind_list/do.callMethod: 0.71秒平均运行时间--我的方法:0.12秒

编辑:进一步阅读库"coda“中的代码表明，as.matrix()要快得多。

parameter_names <- varnames(mcmc_list)
saved_steps <- as.integer(row.names(mcmc_list[[1]]))
out <- data.frame("chain" = factor(rep(1 : length(mcmc_list), each = length(saved_steps))),
                  "step" = rep(saved_steps, length(mcmc_list)) )
out <- cbind(out, as.data.frame(as.matrix(chain_samples)))

占用超过0.03秒的时间。