我有以下数据结构:
set.seed(100)
x <- data.frame("smp_1"=runif(20)*100,"smp_2"=runif(20)*99)
x["weight_1"] = x$smp_1/sum(x$smp_1)
x["weight_2"] = x$smp_2/sum(x$smp_2)
> head(x)
smp_1 smp_2 weight_1 weight_2
1 66.61718 68.976341 0.05721288 0.061115678
2 24.65804 77.966842 0.02117709 0.069081607
3 66.10397 1.611913 0.05677212 0.001428216
4 93.95866 1.793973 0.08069459 0.001589529
5 19.96638 31.008240 0.01714774 0.027474488
6 66.35187 97.033923 0.05698502 0.085975770
现在我想创建一个新的数据框,使用权重列作为概率从每个 smp 列中进行采样,并将每个列样本添加到新的数据框和新列中。我可以使用 for 循环来做到这一点:
tempdf <- data.frame(matrix(0,ncol=0,nrow=1000))
for (k in 1:2){
tempdf[,paste0("sim_",k)] <- sample(x[,paste0("smp_",k)],size=1000, replace=T, prob = x[,paste0("weight_",k)])
}
我的问题是如何在没有 for 循环的情况下以更有效的方式做到这一点?我将对 100k 多个列进行采样,因此我需要快速完成一些操作。
最佳答案
这是一个 data.table
方法。
在答案 ans
中,变量值(1 或 2)是您的 k
。
library(data.table)
#melt to long format
DT <- melt( setDT(x) ,
id.vars = NULL,
measure.vars = patterns( smp = "^smp",
weight = "^weight"))
#pull samples
ans <- DT[ , .( sim = sample( smp,
size = 1000,
replace = TRUE,
prob = weight)),
by = .(variable) ]
# variable sim
# 1: 1 69.02905
# 2: 1 30.77661
# 3: 1 37.03205
# 4: 1 35.75249
# 5: 1 48.37707
# 6: 1 55.23224
关于使用示例函数删除 for 循环,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56060296/