在 R 中，如何根据数据帧中的值创建多个随机值向量？答案

【问题标题】：In R, how do I create multiple vectors of random values based on values from a data frame?在 R 中，如何根据数据帧中的值创建多个随机值向量？
【发布时间】：2018-02-11 23:19:13
【问题描述】：

我有一个数据框 rT，它可以有任意数量的列和行。

            A      B      C      D
1      69.581 62.633 59.953 59.861
2      70.118 62.705 60.171 60.126
3      71.031 62.832 60.623 60.666
4      71.684 62.998 61.191 61.256
5      72.306 63.215 61.810 61.882
6      72.850 63.411 62.447 62.470
7      73.330 63.652 63.081 63.060
8      73.750 63.919 63.660 63.679

我想生成一个新的数据框 delT，它具有与 rT 相同的列数（也具有相同的列标题），有 n 行，其中每列是随机且统一的，并且每列的最小值为delT 基于 rT 对应列的最小值和最大值。 rT 的最小值和最大值不一定在每列的第一行和最后一行。

例如，使用 runif:

runif(n, min = max(x) - min(x), max = 100)

其中 x 是 rT 的相应列。对于 delT 的 A 列（基于 rT 的 A 列），runif 的 max(x) = 73.750 和 min(x) = 69.581。

我试过把它放在一个函数中并使用apply，但不能让它工作。

【问题讨论】：

标签： r

【解决方案1】：

看起来很简单。在lapply 循环中使用您的runif 调用。

n <- 8
delT <- lapply(rT, function(x) runif(n, min = max(x) - min(x), max = 100))
delT <- as.data.frame(delT)

数据：

rT <-
structure(list(A = c(69.581, 70.118, 71.031, 71.684, 72.306, 
72.85, 73.33, 73.75), B = c(62.633, 62.705, 62.832, 62.998, 63.215, 
63.411, 63.652, 63.919), C = c(59.953, 60.171, 60.623, 61.191, 
61.81, 62.447, 63.081, 63.66), D = c(59.861, 60.126, 60.666, 
61.256, 61.882, 62.47, 63.06, 63.679)), .Names = c("A", "B", 
"C", "D"), class = "data.frame", row.names = c("1", "2", "3", 
"4", "5", "6", "7", "8"))

【讨论】：

我认为我遗漏了一些明显的东西。您和 ycw 几乎同时提供了相同的答案。

【解决方案2】：

我们可以使用lapply将你设计的函数应用到每一列，然后使用as.data.frame将列表转换为数据框。这里我以n = 10为例，生成了一个10行的数据框。 rt2 是最终输出。

# Set the seed for reproducibility
set.seed(123)

rt2 <- as.data.frame(
  lapply(rt, function(x){
    # Set the number of rows in the first argument
    runif(10, min = max(x) - min(x), max = 100)  
}))

rt2
           A         B        C         D
1  31.727841 95.738847 89.36341 96.443597
2  79.713069 46.036428 70.41912 90.602927
3  43.361667 68.171708 65.38332 70.251415
4  88.789441 57.812934 99.44822 80.327647
5  94.294920 11.446107 66.84688  6.185393
6   8.534725 90.111322 71.93352 49.773372
7  54.777877 25.578305 56.09675 76.768155
8  89.690409  5.437865 60.91872 24.632548
9  57.013569 33.656366 31.55106 34.421286
10 47.926847 95.508873 17.87301 26.096231

数据

rt <- read.table(text = "            A      B      C      D
1      69.581 62.633 59.953 59.861
                 2      70.118 62.705 60.171 60.126
                 3      71.031 62.832 60.623 60.666
                 4      71.684 62.998 61.191 61.256
                 5      72.306 63.215 61.810 61.882
                 6      72.850 63.411 62.447 62.470
                 7      73.330 63.652 63.081 63.060
                 8      73.750 63.919 63.660 63.679",
                 header = TRUE)

【讨论】：

【解决方案3】：

使用tidyverse 及其purrr 包，您可以根据data.frame 的每一列应用一个函数。然后，当您获得与函数相同长度的向量时，您可以再次将结果绑定到 data.frame 中。

purrr::map 允许您遍历列表，因此遍历 data.frame 的列。对于每一列，应用函数~runif(n, min = max(.x)-min(.x), max = 100)。由于每个结果的长度为n，我们可以将它们绑定在一起。 map_dfc 用于使用 map 并给出一个列绑定 data.frame 作为结果。

rT <- data.frame(
  A = c(69.581, 70.118, 71.031, 71.684, 72.306,
        72.85, 73.33, 73.75),
  B = c(62.633, 62.705, 62.832, 62.998, 63.215,
        63.411, 63.652, 63.919),
  C = c(59.953, 60.171, 60.623, 61.191,
        61.81, 62.447, 63.081, 63.66),
  D = c(59.861, 60.126, 60.666,
        61.256, 61.882, 62.47, 63.06, 63.679)
  )
library(purrr)
n <- 5
rT %>%
  map_dfc(~runif(n, min = max(.x)-min(.x), max = 100))
#> # A tibble: 5 x 4
#>           A        B         C        D
#>       <dbl>    <dbl>     <dbl>    <dbl>
#> 1  5.954893 52.99178 35.314039 88.06139
#> 2 75.256292 11.50050 17.731318 92.13357
#> 3 10.511348 15.13069 90.662412 91.01179
#> 4 44.521538 98.34528 27.756598 53.75294
#> 5 27.128326 94.98931  6.512121 59.73266
n <- 10
rT %>%
  map_dfc(~runif(n, min = max(.x)-min(.x), max = 100))
#> # A tibble: 10 x 4
#>            A         B         C        D
#>        <dbl>     <dbl>     <dbl>    <dbl>
#>  1 72.906857 71.907060 17.426403 66.71158
#>  2 16.310144 77.950989 57.590292 20.20146
#>  3 69.083519 83.131703 18.149709 88.18446
#>  4 27.283926  3.569011  7.818614 61.14583
#>  5 49.978554 45.326009 70.542656 20.57136
#>  6 23.625139 87.162790 69.688542 94.57557
#>  7 84.301649 53.648099 54.296879 78.02967
#>  8  9.086232 97.715472 61.867758 93.03181
#>  9 14.799283 64.542723 75.905285 82.73306
#> 10 18.165695 50.796225 12.418779 34.12631

【讨论】：