Question

我有一大组数据，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，我可以使用它来执行排列测试。但是，这些数据有NA字符，无法收集数据，我希望它们在数据混洗时保持各自的原始位置。

在上一个问题的帮助下，我设法使用以下代码将24个值的单个向量的NA值周围的数据混洗：

    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

从这一点开始，如果我有一组长度为24的数据，我将如何重新排序第一组和第二组12个值作为循环中的个别情况？

例如，从第一个示例扩展的向量：

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]在NA值的各个群组中分别进行混洗。

我尝试使用此解决方案的代码如下：

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)}

input.data是原始输入数据（example.data）; nr是组数（2），ns是每个样本的大小（12）; actual.length是存储在向量中的NAs的每个组的长度（上例中为actual.length <- c(9, 8)）。

有人知道如何实现这个目标吗？

再次感谢您的帮助！

Answer 1

我同意Gregor的评论，即以另一种形式处理数据可能是更好的方法。但是，即使所有数据都在一个向量中，您仍然可以轻松完成所需的工作。

首先创建一个仅对整个矢量的非NA值进行混洗的函数：

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)
}

现在编写一个接受更大向量的函数，并将此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)]))))
}

例如，

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)

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

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

按顺序对NA值周围的矢量部分进行重新排序

1 个答案: