是否可以为一个缺失值包含 NA，我可以验证每个人是否与我指定的函数相对应答案

【问题标题】：Is it possible to include NA for one missing value, and can I verify that each individual corresponds with my specified function是否可以为一个缺失值包含 NA，我可以验证每个人是否与我指定的函数相对应
【发布时间】：2020-02-20 16:13:32
【问题描述】：

我这里的代码生成点的随机空间分布，返回每个点与受感染个体之间的距离列，并使用函数计算下一个时间步的感染概率。有 60 台主机，其中一台已被感染。我想用原始坐标将 Pi 的值（计算感染概率）绑定到我的数据框。显然，从距离矩阵中删除了一个点，即被感染的个体。这个值我想在主数据框中替换为 NA 作为我的代码的下一步，并确认坐标与函数 Pi 的输出相对应。

因此，我正在尝试将 59 行的列附加到 60 行的主数据框。

# Create a spatial distribution with infected individuals

xcoord <- sample(1:100,60)
ycoord <- sample(1:100,60)
infectionstatus <- rep(0,60)
Df <- data.frame(xcoord, ycoord, infectionstatus)

a <- sample(1:60, 1)
Df$infectionstatus[a] <- 1

# Calculate distance between infected individuals and susceptibles

library(rdist)

distances <- pdist(Df[,1:2], metric = "euclidean")
position_infected_individual <- which(Df[,3]==1)
distance_from_infected <- distances[-(position_infected_individual), position_infected_individual]

#Assign parameter values and calculate probability of infection

beta<-100
alpha<-0.1
Pi<-vector()
for (p in 1:length(distance_from_infected)){
  Pi[p] = 1-exp(-beta*exp(-alpha*distance_from_infected[p]))
}

【问题讨论】：

您的问题是什么？标题是否与您要解决的问题有关？实际上，说从感染者到自己的“距离”消失了是没有意义的。它是 0。我确信距离函数应该确认这一点。但它们已从风险集中移除。关键是您需要在距离矩阵（实际上是向量）为 1-1 的每个时间点内创建风险个体的子集。我们在时间到事件结果的 Cox 模型中做类似的事情。
您好，感谢您的回复。我的问题是如何将 NA 值添加到 Pi 向量中，仅添加到受感染者所在的位置。我明白了，我还没有听说过事件发生时间结果的 Cox 模型，听起来很有趣，你的意思是感染概率与高危个体坐标之间的 1-1 吗？这就是我想要做的，但是，也许我应该更多地考虑距离矢量，谢谢你的纠正我对 R 比较陌生。希望有所帮助！
为什么要从远处删除position_infected_individual？
我删除了position_infected_individual，因为a。我不想包括到自身和 b 的距离。该人已经被感染，因此不包括在我的等式中，该等式说明了一个人被感染的可能性。

标签： r dataframe na

【解决方案1】：

明显的步骤是：

替换： distance_from_infected <- distances[-(position_infected_individual), position_infected_individual]

与：

distance_from_infected <- c(NA, distances[-(position_infected_individual), position_infected_individual])

但你让自己面临不少失败。

假设只有一个感染病例
DF 始终可以适当排序，因此感染者优先
NA 对这种数字摘要“有意义”

【讨论】：