R中数据帧的混洗块答案

【问题标题】：Shuffle Chunks of a Data Frame in RR中数据帧的混洗块
【发布时间】：2021-01-20 20:44:21
【问题描述】：

我有一个 90 行 90 列的数据框。

我的目标是将这个数据框分成 9 块，每块 30 行 30 列。然后，我想随机打乱这 9 个片段以获得一个新的数据帧。

我不确定如何处理这个问题，因为我是 R 的新手。任何帮助表示赞赏！

【问题讨论】：

标签： r dataframe

【解决方案1】：

在向量列表上使用`sample`，然后取消列表和子集：

如果我理解正确，您正在尝试做一些类似于 3*3 滑动图片拼图的事情，对吧？您将 df 分成 30 个块，然后“洗牌”这些块。这将做到这一点：

### Create a 90 by 90 data frame
set.seed(2)
df <- as.data.frame(array(runif(90*90), dim = c(90,90)))

### Function to randomise subsetting
rand_dims <- function(){
  myDims <- list(1:30, 31:60, 61:90)
  unlist(sample(myDims))
}

### Shuffle 'chunks' of df
df[rand_dims(), rand_dims()] -> shuffled

### Checking the leading row/col names
### Shows we've succeeded 
colnames(shuffled)[1:5]
#> [1] "V61" "V62" "V63" "V64" "V65"
rownames(shuffled)[1:5]
#> [1] "31" "32" "33" "34" "35"

^{由reprex package (v0.3.0) 于 2021-01-21 创建}

【讨论】：

【解决方案2】：

也许您可以使用split + sample 尝试以下代码，这有助于对块进行洗牌

set.seed(1)
mat <- matrix(data = rnorm(90 * 90), ncol = 90, nrow = 90)
rrnd <- split(sample(seq(nrow(mat))), gl(3, nrow(mat) / 3))
crnd <- split(sample(seq(ncol(mat))), gl(3, ncol(mat) / 3))

mat.shuffle <- c()
for (i in rrnd) {
  for (j in crnd) {
    mat.shuffle <- c(mat.shuffle, list(mat[i, j]))
  }
}

注意mat.shuffle 是9 块的列表。如果你想转换回大小为90x90的矩阵，你可以在之后运行下面的代码

out <- do.call(
  rbind,
  lapply(
    split(
      mat.shuffle,
      gl(3, length(mat.shuffle) / 3)
    ),
    function(x) do.call(cbind, x)
  )
)

你会看到

> str(out)
 num [1:90, 1:90] -0.639 -0.984 -0.108 -0.939 1.743 ...
> str(mat.shuffle)
List of 9
 $ : num [1:30, 1:30] -0.639 -0.984 -0.108 -0.939 1.743 ...
 $ : num [1:30, 1:30] -0.718 -0.154 -0.29 -0.796 1.7 ...
 $ : num [1:30, 1:30] -0.886 0.887 -0.381 0.371 0.327 ...
 $ : num [1:30, 1:30] -0.4555 -0.901 0.0312 -3.0223 0.8688 ...
 $ : num [1:30, 1:30] 0.705 1.559 -1.278 -0.676 1.933 ...
 $ : num [1:30, 1:30] -0.1916 -0.98649 -1.65769 0.00104 -0.19544 ...
 $ : num [1:30, 1:30] 1.668 -0.869 1.469 -0.222 -1.869 ...
 $ : num [1:30, 1:30] 0.9931 0.4116 1.995 -0.4456 -0.0692 ...
 $ : num [1:30, 1:30] -1.462 -0.206 1.197 -1.611 -1.708 ...

【讨论】：

谢谢！这也很有效！

在向量列表上使用sample，然后取消列表和子集：

在向量列表上使用`sample`，然后取消列表和子集：