R: 是否可以根据以下条件模拟数据?

我正在使用R编程语言。假设我有以下数据集:

set.seed(123)

var_1 <- rnorm(1000, 10, 1)
var_2 <- rnorm(1000, 10, 5)
var_3 <- rnorm(1000, 10, 10)

my_data <- data.frame(var_1, var_2, var_3)
my_data$group <- as.factor(sample(LETTERS[1:4], 100, replace=TRUE, 
                                  prob=c(0.25, 0.3, 0.5, 0.15)))
my_data$id <- 1:nrow(my_data)

#       var_1     var_2     var_3 group id
# 1  9.439524  6.447967 31.988103     C  1
# 2  9.769823 11.284419 23.124130     A  2
# 3 11.558708  8.766541  7.348549     C  3
# 4 10.070508  8.262287 15.431941     C  4
# 5 10.129288  5.241907  5.856601     C  5
# 6 11.715065  9.774861  5.237531     A  6

我想对此数据进行以下更改:

• 条件1: 对于“组=A或组=B”的所有行,将var_1的至少10%的值随机替换为0,将var_2的至少15%的值随机替代为0

• 条件2: 对于“组=B或组=C”的所有行,随机将var_1的至少20%的值替换为0,将var_3的至少20%值替换为零

• 条件3: 对于“组=A或组=C”的所有行,随机将var_1的至少25%的值替换为0,将var_2的至少25%值替换为零

• 条件4(可选): 0在整个数据中的总体百分比应小于15%

我知道如何模拟与条件1、条件2和条件3相对应的单个数据集:

#condition 1

a <- rnorm(100, 10, 1)
b <- rnorm(100, 10, 5)
c <- rnorm(100, 10, 10)

condition_1 <- data.frame(a, b, c)

perc <- c(0.1, 0.15, 0)

condition_1[] <- Map(function(x, y) {
  x[sample(seq_along(x), length(x) * y)] <- 0
  x
}, condition_1, perc)

condition_1$group <- as.factor(sample(LETTERS[1:2], 100, replace=TRUE, 
                                      prob=c(0.5, 0.5)))

#condition 2

a <- rnorm(100, 10, 1)
b <- rnorm(100, 10, 5)
c <- rnorm(100, 10, 10)

condition_2 <- data.frame(a, b, c)

perc <- c(0.2, 0, 0.2)

condition_2[] <- Map(function(x, y) {
  x[sample(seq_along(x), length(x) * y)] <- 0
  x
}, condition_2, perc)

group <- c("B", "C")

condition_2$group <- as.factor(sample(group, 100, replace=TRUE, prob=c(0.5, 0.5)))

#condition 3

a <- rnorm(100, 10, 1)
b <- rnorm(100, 10, 5)
c <- rnorm(100, 10, 10)

condition_3 <- data.frame(a, b, c)

perc <- c(0.25, 0.25, 0)

condition_3[] <- Map(function(x, y) {
  x[sample(seq_along(x), length(x) * y)] <- 0
  x
}, condition_3, perc)

group <- c("A", "C")

condition_3$group <- as.factor(sample(group, 100, replace=TRUE, prob=c(0.5, 0.5)))

#join all data together

final <- rbind(condition_1, condition_2, condition_3)

我的问题: 有没有一种方法可以同时获取原始数据(即“my_data”)并模拟这些条件,而不是单独模拟每个数据集?

我意识到,条件有时可能会相互矛盾——如果这些条件确实相互矛盾,那么有没有算法可以“看到”你离满足这些条件有多近?

谢谢

附加:缺失数据的可视化

library(ggplot2)

final[final == 0] <- NA

#source for "plot_missing()" function from here: https://github.com/jevgenij-p/blog/blob/master/Missing%20Values%20Plot/MissingValues.R

plot_missing(final)

参考文献:

• https://jev-pankov.com/2017/11/15/visualize-missing-values-in-r/