作者F0011010101 (河馬河馬)
看板R_Language
標題[問題] dataframe資料隨機賦值
時間Fri Nov 10 17:56:10 2017
[問題類型]:
程式諮詢(我想用R 做某件事情，但是我不知道要怎麼用R 寫出來)
效能諮詢(我想讓R 跑更快)
[軟體熟悉度]:
入門(寫過其他程式，只是對語法不熟悉)
[問題敘述]:
小弟想請問一下,我想把資料框架中的資料以隨機的方式賦值為NA
但總覺得自己的方法效率不高,所以來版上請教大家
有沒有比較好的寫法
我自己的程式碼如下
[程式範例]:
nr <- 10000
nc <- 10
n <- nr*nc
data <- as.data.frame(matrix(rnorm(n),nrow = nr))
#方法1 可行,但總覺得效率不高
abc <- stack(data)
abc$values[sample(n, n/10)] <- NA
data2 <- as.data.frame(matrix(abc$values, nrow = nr))
#方法2 這個比較有瑕疵,不夠隨機,也無法控制總共有幾個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
雖然想避免讓每一行的NA數都固定
卻變得無法控制NA的總數
有點自己絆自己腳的感覺...
至於速度是比第一種快的
[環境敘述]:
[關鍵字]:
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.164.79.137
※ 文章網址: https://webptt.com/m.aspx?n=bbs/R_Language/M.1510307773.A.CF2.html
1F：→ clansoda: 電腦裡面有完全隨機這種事嗎 不是跟seed有關係嗎 11/10 18:06
的確講完全隨機好像不太好 我改一下
2F：→ HumuHumu: 隨機的意思是：服從某個機率分布，所以你的機率分布要什 11/10 18:18
3F：→ HumuHumu: 麼 11/10 18:18
每個欄位被賦予NA值的機率都一樣 應該是Uniform吧
4F：→ andrew43: 對方法一有什麼關卡嗎？還是它的結果不對？ 11/10 18:57
5F：→ andrew43: 隨機放NA的限制也應補充，例如限制欄內NA數？限制總NA數 11/10 18:59
6F：→ andrew43: 還是都不限而單給定一個機率變NA？ 11/10 19:00
法一結果是我想要的
是用sample從n個資料抓n/10個做為NA 所以NA個數是有設限的 您是這個意思嗎
7F：→ andrew43: 是。方法一是限制總NA數。 11/10 19:46
8F：→ andrew43: 如果這是你要的結果，那方法一已經很快了。 11/10 19:47
9F：→ andrew43: 我唯一可以再挑的就是轉data frame再stack那段是多餘的 11/10 19:48
10F：→ andrew43: 但其實並沒有額外增加多少運算時間，是可以接受的方法。 11/10 19:49
好的~ 非常感謝你的回覆!
11F：推 ypsc: 隨機從亂數表裡面取值當作data frame的index賦值 11/11 17:51
就我所知 那樣會造成NA值之間的位置不獨立
如果已知[1,3]跟[5,7]是NA值 那[1,7]跟[5,3]也會是NA值
除非是用迴圈一個個跑,但那會是很差勁的作法
不知道我有沒有誤會您的意思?
12F：→ celestialgod: 轉成data.table用迴圈，每一個column做就好 11/13 22:55
13F：→ celestialgod: 數量可以每一個column隨機抽 11/13 22:55
14F：→ celestialgod: 用data.table的set，迴圈很快 11/13 22:56
好的,天神大大!我會試試看
看了您很多篇文,所以我自己也有去認識一下data.table
謝謝你的建議~
※ 編輯: F0011010101 (163.13.118.176), 11/14/2017 16:32:07