代码之家 › 专栏 › 技术社区 › Roald

围绕NA值对向量的部分顺序重新排序

shuffle permutation random loops r

Roald · 技术社区 · 7 年前

我有一个大的数据集,我想使用R中的sample()函数以12个为一组重新排序,以生成随机数据集,我可以用这些数据集进行置换测试。但是,这些数据具有NA字符,无法收集数据,我希望在数据被洗牌时,它们保持在各自的原始位置。

    example.data <- c(0.33, 0.12, NA, 0.25, 0.47, 0.83, 0.90, 0.64, NA, NA, 1.00, 0.42)

    example.data[!is.na(example.data)] <- sample(example.data[!is.na(example.data)], replace = F, prob = NULL)

[1] 0.64  0.83  NA  0.33  0.47  0.90  0.25  0.12  NA  NA  0.42  1.00

例如,从第一个示例延伸的向量:

example.data <- c(0.33, 0.12, NA, 0.25, 0.47, 0.83, 0.90, 0.64, NA, NA, 1.00, 0.42, 0.73, NA, 0.56, 0.12, 1.0, 0.47, NA, 0.62, NA, 0.98, NA, 0.05)

example.data[1:12] 和 example.data[13:24] NA 价值观

我试图将此解决方案转化为以下代码:

shuffle.data = function(input.data,nr,ns){
simdata <- input.data
  for(i in 1:nr){
    start.row <- (ns*(i-1))+1
    end.row   <- start.row + actual.length[i] - 1
    newdata = sample(input.data[start.row:end.row], size=actual.length[i], replace=F)
    simdata[start.row:end.row] <- newdata
      }
return(simdata)}

哪里 input.data 是原始输入数据( example.data nr 是组数(2), ns actual.length NAs 存储在向量中( actual.length <- c(9, 8)

有人知道如何实现这一点吗?

1 回复 | 直到 7 年前

duckmayr 7 年前

我同意 Gregor 但是,即使所有数据都在一个向量中,你需要完成的事情仍然可以很容易地完成。

shuffle_real <- function(data){
  # Sample from only the non-NA values,
  # and store the result only in indices of non-NA values
  data[!is.na(data)] <- sample(data[!is.na(data)])
  # Then return the shuffled data
  return(data)
}

现在编写一个函数,该函数接受较大的向量,并将该函数应用于向量中的每个组:

shuffle_groups <- function(data, groupsize){
  # It will be convenient to store the length of the data vector
  N <- length(data)
  # Do a sanity check to make sure there's a match between N and groupsize
  if ( N %% groupsize != 0 ) {
    stop('The length of the data is not a multiple of the group size.',
         call.=FALSE)
  }
  # Get the index of every first element of a new group
  starts <- seq(from=1, to=N, by=groupsize)
  # and for every segment of the data of group 'groupsize',
  # apply shuffle_real to it;
  # note the use of c() -- otherwise a matrix would be returned,
  # where each column is one group of length 'groupsize'
  # (which I note because that may be more convenient)
  return(c(sapply(starts, function(x) shuffle_real(data[x:(x+groupsize-1)]))))
}

example.data <- c(0.33, 0.12, NA, 0.25, 0.47, 0.83, 0.90, 0.64, NA, NA, 1.00,
                  0.42, 0.73, NA, 0.56, 0.12, 1.0, 0.47, NA, 0.62, NA, 0.98,
                  NA, 0.05)

set.seed(1234)

shuffle_groups(example.data, 12)

这导致

> shuffle_groups(example.data, 12)
 [1] 0.12 0.83   NA 1.00 0.47 0.64 0.25 0.33   NA   NA 0.90 0.42 0.47   NA
[15] 0.05 1.00 0.56 0.62   NA 0.73   NA 0.98   NA 0.12

shuffle_groups(example.data[1:23], 12) Error: The length of the data is not a multiple of the group size.