R数据框用随机样本数据填充命名列

Posted 2023-03-12

【中文标题】R数据框用随机样本数据填充命名列

【英文标题】：R dataframe filling named columns with random sample data

【发布时间】：2021-10-04 18:04:33

【问题描述】：

我正在尝试为其他程序生成大量测试数据。 在 R Studio 中工作，我导入了一个 SPSS sav 文件，该文件包含 73 个变量以及其中记录的值和标签，使用 Haven 作为数据框“td”。这为我提供了我需要使用的所有变量名称。然后我删除所有现有数据。

td <- td[0,]

然后我通过加载索引 ID 生成 10,000 个测试数据行

td$ID <- 12340000:12349999

到目前为止一切顺利。

我有一个常量叫ThismanyRows <- 10000 我在一个名为 BinaryVariables 的变量中有大量列标题名称 还有一个有效值向量，称为CheckedOrNot <- c(NA, 1)

这就是问题所在：

td[,BinaryVariables] <- sample(x = CheckedOrNot, size= ThismanyRows, replace = TRUE)

确实用数据填充所有列。但它都是完全相同的数据，这不是我想要的。 我希望示例函数针对每一列运行，但不是每一列中的每个值。

即使

Fillbinary <- function () sample(x = CheckedOrNot, size= ThismanyRows, replace = TRUE)

和

td <- lapply(td[,BinaryVariables],Fillbinary) 生成：FUN(X[[i]], ...) 中的错误：未使用的参数 (X[[i]])

到目前为止，我还无法弄清楚如何将每一列作为一列处理并将示例函数应用于它。

非常感谢任何帮助。

【问题讨论】：

您正在生成 10 个值并将其输入以替换 3 * 10 个值。将您的样本调整为size=ThismanyRows*length(BinaryVariables)

【参考方案1】：

让我们先为示例生成一些假数据：

BinaryVariables <- c("v1","v2","v3")
CheckedOrNot <- c(NA, 1)
ThismanyRows <- 10

td <- data.frame(ID=1:10)

问题是您正在生成 10 个值并将其输入以替换 3 * 10 个值。

有几种方法可以解决这个问题。你可能一开始会想，好吧，我会生成 10 个值 3 次，如下所示：

td[BinaryVariables] <-  replicate(length(BinaryVariables),
                          sample(x = CheckedOrNot, size=ThismanyRows, replace=TRUE),
                        simplify=FALSE)

这会很好，但是如果你可以sample 一次并填写一次，为什么要sample 3 次？

td[BinaryVariables] <- sample(x = CheckedOrNot, 
                              size=ThismanyRows*length(BinaryVariables), replace = TRUE)

而且（嗯，a）结果表明每一列的值都不一样：

#   TD v1 v2 v3
#1   1 NA  1  1
#2   2 NA  1  1
#3   3 NA  1 NA
#4   4 NA  1 NA
#5   5  1 NA  1
#6   6 NA  1  1
#7   7  1 NA  1
#8   8  1  1 NA
#9   9  1 NA NA
#10 10  1 NA NA

【讨论】：

@PeterKing - 你为什么要循环列名来应用一个不使用列名的函数（因此你有一个未使用的参数的错误）？我想你想要replicate(length(BinaryVariables), Fillbinary(), simplify=FALSE)

@PeterKing - 你的问题可以重新定义为 - 我如何复制函数 n 列的结果来替换 n 列？我的意思是，你可以完全按照你的要求和lapply(BinaryVariables, function(x) sample(CheckedOrNot, size= ThismanyRows, replace = TRUE)) 做，定义一个永远不会使用x 参数的函数，但这只是令人困惑。

请注意：td[BinaryVariables] sample(x = CheckedOrNot, size = ThismanyRows * length(td), replace = TRUE) 必须与现有的兼容数据。 x 现有数据有 10000 行。 x 分配的数据有 730000 行。 i 只有大小为 1 的向量被回收。运行rlang::last_error() 以查看错误发生的位置。

lapply 解决方案正常工作，复制版本也很高兴接受答案正文中的任何一个作为解决方案，尽管我认为 lapply 版本更接近我正在寻找的内容。谢谢。

对我来说很好。您使用的是 tibble 还是普通的旧 data.frame？我怀疑 tibble 因为它返回 tidyverse (rlang) 错误。