用自然递减的数字创建模拟数据

Question

我想创建随机模拟数据，如下所示。

__ID__|__Amount__
  1        20
  1        14
  1         9
  1         3
  2        11
  2         5
  2         2

从随机数开始，但是具有相同ID的第二个数字应该小于第一个数字，并且第三个数字必须小于第二个数字。开始的最大数量应该是20。

Answer 1

您可以使用tidyverse首先创建数据，然后根据需要对其进行排序：

set.seed(0)
df <- data.frame(id = rep(1:3,10), amt = sample(1:20, 30, replace = TRUE))

df %>%
  group_by(id) %>%
  arrange(id, desc(amt))

Answer 2

这是一个棘手的问题，如果您希望Amount列是真正的随机值，您可以使用递归调用来递归地使用sample：

## Recursively sampling from a uniform distribution
recursive.sample <- function(start, end, length, results = NA, counter =0) {

    ## To enter the recursion, counter must be smaller than the length out
    ## and the last result must be smaller than the starting point (except the firs time)
    if(counter < length && ifelse(counter != 0, results[counter] > start, TRUE)){

        ## Increment the counter
        counter <- counter + 1

        ## Sample between start and the last result or the start and the end of the vector
        results[counter] <- ifelse(counter != 1, sample(start:results[counter-1], 1), sample(start:end, 1))

        ## Recursive call
        return(recursive.sample(start = start, end = end, length = length, results = results, counter = counter))

    } else {

        ## Exit the recursion
        return(results)
    }
}

## Example
set.seed(0)
recursive.sample(start = 1, end = 20, length = 3, results = NA, counter = 0)
#[1] 18  5  2

或者(以更简单的方式)，您可以使用sort(sample())

set.seed(0)
sort(sample(1:20, 3), decreasing = TRUE)
#[1] 18  7  6

请注意，由于在递归函数中采样较高值的概率较低，因此结果不同。

然后，您可以使用您选择的函数轻松创建表，如下所示：

set.seed(123)
## The ID column
ID <- c(rep(1, 4), rep(2,3))
## The Amount column
Amount <- c(recursive.sample(1, 20, 4, NA, 0), recursive.sample(1, 11, 3, NA, 0))
## The table
cbind(ID, Amount)
#     ID Amount
#[1,]  1     18
#[2,]  1      5
#[3,]  1      2
#[4,]  1      2
#[5,]  2     10
#[6,]  2      3
#[7,]  2      3

或者，再次使用简单的sort(sample())函数，以获得更高的选择较大数字的概率。

Answer 3

两种方法，一种使用dplyr，另一种仅使用基本R函数。这些与前面的两个解决方案略有不同。

我使用了排序ID列，但这不是必需的。

方法1

rm(list = ls())
set.seed(1)
df <- data.frame(ID = rep(1:3, each = 5))

df %>% group_by(ID) %>% 
  mutate(Amount = sort(sample(1 : 20, n(), replace = T), decreasing = TRUE))

方法2

rm(list = ls())
set.seed(1)
df <- data.frame(ID = rep(1:3, each = 5))
df$Amount <- NA

uniq_ID <- unique(df$ID)
index_lst <- lapply(uniq_ID, function(x) which(df$ID == x))
res <- lapply(index_lst, function(x) sort(sample(1 : 20, length(x)), 
                                   decreasing = TRUE))
df$Amount[unlist(index_lst)] <- unlist(res)

方法2.5

这比第二种方法更复杂。

rm(list = ls())
set.seed(1)
df <- data.frame(ID = rep(1:3, each = 5))
df$Amount <- NA

tab <- as.data.frame(table(df$ID))
lapply(1 : nrow(tab), function(x) df$Amount[which(df$ID == tab$Var1[x])] <<-
         sort(sample(1 : 20, tab$Freq[x]), decreasing = TRUE))