作者F0011010101 (河马河马)
看板R_Language
标题[问题] dataframe资料随机赋值
时间Fri Nov 10 17:56:10 2017
[问题类型]:
程式谘询(我想用R 做某件事情，但是我不知道要怎麽用R 写出来)
效能谘询(我想让R 跑更快)
[软体熟悉度]:
入门(写过其他程式，只是对语法不熟悉)
[问题叙述]:
小弟想请问一下,我想把资料框架中的资料以随机的方式赋值为NA
但总觉得自己的方法效率不高,所以来版上请教大家
有没有比较好的写法
我自己的程式码如下
[程式范例]:
nr <- 10000
nc <- 10
n <- nr*nc
data <- as.data.frame(matrix(rnorm(n),nrow = nr))
#方法1 可行,但总觉得效率不高
abc <- stack(data)
abc$values[sample(n, n/10)] <- NA
data2 <- as.data.frame(matrix(abc$values, nrow = nr))
#方法2 这个比较有瑕疵,不够随机,也无法控制总共有几个NA值
data3 <- cbind.data.frame(
lapply(data, function(x, n = rnorm(1, mean = nr/10, sd = nr^(1/4))){
x[sample(nr,n)] <- NA
return(x)
})
)
sum(is.na(data3))
方法二中
虽然想避免让每一行的NA数都固定
却变得无法控制NA的总数
有点自己绊自己脚的感觉...
至於速度是比第一种快的
[环境叙述]:
[关键字]:
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 1.164.79.137
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/R_Language/M.1510307773.A.CF2.html
1F：→ clansoda: 电脑里面有完全随机这种事吗 不是跟seed有关系吗 11/10 18:06
的确讲完全随机好像不太好 我改一下
2F：→ HumuHumu: 随机的意思是：服从某个机率分布，所以你的机率分布要什 11/10 18:18
3F：→ HumuHumu: 麽 11/10 18:18
每个栏位被赋予NA值的机率都一样 应该是Uniform吧
4F：→ andrew43: 对方法一有什麽关卡吗？还是它的结果不对？ 11/10 18:57
5F：→ andrew43: 随机放NA的限制也应补充，例如限制栏内NA数？限制总NA数 11/10 18:59
6F：→ andrew43: 还是都不限而单给定一个机率变NA？ 11/10 19:00
法一结果是我想要的
是用sample从n个资料抓n/10个做为NA 所以NA个数是有设限的 您是这个意思吗
7F：→ andrew43: 是。方法一是限制总NA数。 11/10 19:46
8F：→ andrew43: 如果这是你要的结果，那方法一已经很快了。 11/10 19:47
9F：→ andrew43: 我唯一可以再挑的就是转data frame再stack那段是多余的 11/10 19:48
10F：→ andrew43: 但其实并没有额外增加多少运算时间，是可以接受的方法。 11/10 19:49
好的~ 非常感谢你的回覆!
11F：推 ypsc: 随机从乱数表里面取值当作data frame的index赋值 11/11 17:51
就我所知 那样会造成NA值之间的位置不独立
如果已知[1,3]跟[5,7]是NA值 那[1,7]跟[5,3]也会是NA值
除非是用回圈一个个跑,但那会是很差劲的作法
不知道我有没有误会您的意思?
12F：→ celestialgod: 转成data.table用回圈，每一个column做就好 11/13 22:55
13F：→ celestialgod: 数量可以每一个column随机抽 11/13 22:55
14F：→ celestialgod: 用data.table的set，回圈很快 11/13 22:56
好的,天神大大!我会试试看
看了您很多篇文,所以我自己也有去认识一下data.table
谢谢你的建议~
※ 编辑: F0011010101 (163.13.118.176), 11/14/2017 16:32:07