我有一个数据框 df1
,其中包含 6 列,其中两列 (var1
& var3
) 我用来分割
df1
by,产生数据帧ls1
列表。
对于 ls1
中的每个子数据帧,我想要 sample()
x$var2
, x$num
x$probs
概率如下:
创建数据:
var1 <- rep(LETTERS[seq( from = 1, to = 3 )], each = 6)
var2 <- rep(LETTERS[seq( from = 1, to = 3 )], 6)
var3 <- rep(1:2,3, each = 3)
num <- rep(c(10, 11, 13, 8, 20, 5), each = 3)
probs <- round(runif(18), 2)
df1 <- as.data.frame(cbind(var1, var2, var3, num, probs))
ls1 <- split(df1, list(df1$var1, df1$var3))
看一下前几个列表元素:
$A.1
var1 var2 var3 num probs
1 A A 1 10 0.06
2 A B 1 10 0.27
3 A C 1 10 0.23
$B.1
var1 var2 var3 num probs
7 B A 1 13 0.93
8 B B 1 13 0.36
9 B C 1 13 0.04
lapply
超过 ls1
:
ls1 <- lapply(ls1, function(x) {
res <- table(sample(x$var2, size = as.numeric(as.character(x$num)),
replace = TRUE, prob = as.numeric(as.character(x$probs))))
res <- as.data.frame(res)
cbind(x, res = res$Freq)
})
df2 <- do.call("rbind", ls1)
df2
看看结果的前几个列表元素:
$A.1
var1 var2 var3 num probs res
1 A A 1 10 0.06 2
2 A B 1 10 0.27 4
3 A C 1 10 0.23 4
$B.1
var1 var2 var3 num probs res
7 B A 1 13 0.93 10
8 B B 1 13 0.36 3
9 B C 1 13 0.04 0
因此,对于每个数据帧,都会创建一个新变量 res
,res
的总和等于 num
和 var2< 的元素
在 res
中以与 probs
相关的比例表示。这符合我的要求,但是当数据很多时,它会变得非常慢。
我的问题:有没有办法用更高效/更快的代码替换lapply
代码?
我刚刚开始学习矢量化,我猜这可以矢量化?但我不确定如何实现它。
ls1
最终返回到一个数据帧结构,因此如果它不需要成为一个列表就更好了(尽管数据的结构并不重要)步)。
任何帮助将不胜感激。
最佳答案
首先,您应该使用 data.frame() 创建 df1,而不是从矩阵转换,因为即使您同时拥有数字变量和字符变量,矩阵也会强制所有数据类型相同。
df1 <- data.frame(var1, var2, var3, num, probs)
接下来,使用 rmultinom
函数代替使用 sample
函数,效率更高,因为它直接输出 x$var2 中每个值的抽奖次数:
ls1 <- lapply(ls1, function(x) {
x$res <- rmultinom(1, x$num[1], x$probs)
x
})
这应该比使用示例
方法要快得多。
关于r - 从数据帧子集中对因子变量进行有效采样,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49394284/