在R中的数据表中创建“结构化”缺失数据

Question

我正在实验室里和一位导师一起做研究，他开发了一种分析遗传数据的模型，该模型利用方差分析。我已经模拟了一个数据集，我想使用它来评估我们的模型处理不同级别丢失数据的能力。

我们的数据集由15个物种组成，每个物种有4个个体，我们通过将列命名为'A'(x4) 'B'(x4)...etc来表示这些物种。每一行代表一个基因。

​

​

我试图想出一个随机删除1%数据的代码，但这样每个物种至少有2个具有有效数据的个体，否则我们的模型就会退出(因为它是基于方差分析的)。

我意识到这使得“随机”丢失的数据不那么随机，但我们正在尝试不同的方法。重要的是，丢失的数据是随机的。我希望有人能帮我把这个弄好？

Answer 1

我试着做一个玩具的例子，也许能有所帮助。

is_valid_df<-function(df,col,val){
  all(table(df[col])>val)
}


filter_function<-function(df,perc,col,val){
  n=dim(df)[1]
  filter<-sample(1:n,n*perc)

  if(is_valid_df(df[-filter,],col,val)){
    return(df[-filter,])
  }else{
    filter_function(df,perc,col,val)
    cat("resampling\n")
  }
}




set.seed(20)
a<-(filter_function(iris,0.1,"Species",44))