使用 for next 循环在大矩阵 R 中随机引入空白

Question

我有一个大矩阵，n x m，其中 m - 不。列中，数据集称为数据。实际上，ncol 的范围可以从 80 到 200 列。

我想引入随机缺失的单元格值，例如每列中的 1%，使用

res<-do.call(cbind,lapply(lapply(data[,1:ncol(data)],function(x) data.frame(x)),function(x) x[sample(1:nrow(x),0.01*nrow(x)),]))

缺失的单元格将包含 NA，使用

data[,1][data[,1]%in%res[,1]]<- NA

其中 [,1] 是第 1 列。如果没有。 [ncol] 的列数为 5，我可以通过每次更改上述等式中的数字来手动完成。如果说有 50 列，这将非常耗时。如果 200 列或更多列....

我尝试使用 for/next 循环，即

ncol(data)  
n = length(ncol(data))

for (i in 1:n)

{

  data[,i][data[,i]%in%res[,i]]<- NA
  
}

但这不起作用 - 没有插入随机 NA。

我的问题 -

[1] 如何使用 for/next 循环在 n x m 矩阵中生成 0.1%、1% 和 5% 的随机 NA？

[2] 我毫不怀疑有一种更有效的方法可以做到这一点，但到目前为止我还没有运气。最好的方法是什么？

[3] 如果我采用手动方法，则列内容会根据需要进行更改。有没有办法保存更改的[即现在包含随机 NAs] n x m 矩阵？

Answer 1

ktiu 已经提供了答案，但要澄清为什么您的代码不起作用以及如何修复它并解决您的问题 (1)：

n <- ncol(data)

for(i in 1:n){
random_rows <- sample(1:nrow(data), 0.01*nrow(data))
data[random_rows, i] <- NA
}

请注意 1) ncol(data) 已经为您提供了列数。 现在您可以使用for 循环遍历所有列，并在每一列中生成行索引的随机样本。然后只需将i 列中的那些行设置为 NA。

使用apply 比使用循环要快得多，但是对于初学者来说并不那么直观。

问题（3）取决于您要如何保存矩阵。有很多方法可以在 R 中保存数据，例如您可以将它们保存为RDA or RDATA，或者您可以将它们保存为export them as csv 文件甚至as Excel file。 （请注意，这需要安装和加载相应的包。）

关于您的评论，我认为这应该可行：

n <- ncol(data)

for(i in 1:n){
random_number <- runif(1, min = 0.001, max = 0.05)
random_rows <- sample(1:nrow(data), round(random_number*nrow(data), digits = 0))
data[random_rows, i] <- NA
}

在这里，我们只生成一个介于 0.001 和 0.05 之间的随机数，并将该数字用作该列的 NA 值的份额。我将计算（共享*行数）包装在round() 中，以确保结果数字是整数（sample() 函数也接受非整数值作为要选择的样本数，但在这种情况下它将始终向下取整，从不向上取整，这使得 5% 的可能性低于其他可能的值，我猜）。

Answer 2

我希望这种方法能解决您的一些问题：

采用一个包含 100 列、每列 200 个值的大型矩阵

data <- matrix(runif(20000), ncol = 100)

你可以的

apply(data, 2, \(c) {
   na_positions <- sample(1:length(c), 0.01 * length(c))
   c[na_positions] <- NA
   return(c)
}) -> data_with_na

验证前四列的结果：

summary(data_with_na[, 1:4])

       V1                 V2                  V3                 V4         
 Min.   :0.004131   Min.   :0.0009613   Min.   :0.004394   Min.   :0.00178  
 1st Qu.:0.246076   1st Qu.:0.2334719   1st Qu.:0.224328   1st Qu.:0.20329  
 Median :0.499454   Median :0.4686971   Median :0.458352   Median :0.49704  
 Mean   :0.501149   Mean   :0.4868858   Mean   :0.482523   Mean   :0.48674  
 3rd Qu.:0.767258   3rd Qu.:0.7511260   3rd Qu.:0.756019   3rd Qu.:0.72742  
 Max.   :0.997355   Max.   :0.9889819   Max.   :0.993775   Max.   :0.99797  
 NA's   :2          NA's   :2           NA's   :2          NA's   :2