在R中创建合成用户数据；生成用户标识符变量时出现的问题

我正在尝试生成综合用户事件日志数据以供演示。这将是非常基本的功能（总共大约4个变量）。以下是我到目前为止的情况：-

require(wakefield)#for generating the Status variable
require(dplyr)
require(stringi)


set.seed(1)
#data<-data.frame()
eventDate<-seq(as.Date("2015-01-01"), as.Date("2015-12-31"), by = "1 day")
eventDate<-sample(rep(eventDate,each=1000),replace = T)

u <- runif(length(eventDate), 0, 60*60*12) # "noise" to add or subtract from some timepoint
eventDateTime<-as.POSIXlt(u, origin = paste0(eventDate,"00:00:00"))
eventDateTime

eventOutcome<-r_sample_factor(x = c("Passed", "Failed", "Ongoing","Unknown"), n=length(eventDate))
eventOutcome

data<-data.frame(eventDate,eventDateTime,eventOutcome)
head(data)

# eventDate       eventDateTime eventOutcome
#1 2015-01-25 2015-01-25 04:48:47      Unknown
#2 2015-05-05 2015-05-05 09:35:22      Unknown
#3 2015-11-28 2015-11-28 08:56:16       Failed
#4 2015-05-23 2015-05-23 02:24:52      Ongoing
#5 2015-01-26 2015-01-26 07:43:52       Failed
#6 2015-10-22 2015-10-22 03:07:14       Passed

require（wakefield）#用于生成状态变量
需要（dplyr）
要求（stringi）
种子（1）
#数据一个选项可能是为每个用户生成UUID。UUID如下所示：

c7f2dde5-dfeb-45cb-9720-87b23effd45d

如果您使用一个好的UUID生成器，那么几乎不可能多次生成相同的UUID。R有一个
uuid
包，可用于：

库（uuid）
用户uuid一个选项可能是为每个用户生成一个uuid。UUID如下所示：

c7f2dde5-dfeb-45cb-9720-87b23effd45d

如果您使用一个好的UUID生成器，那么几乎不可能多次生成相同的UUID。R有一个
uuid
包，可用于：

库（uuid）
user_uuid您正在生成1300个字符串，但
数据中的行数为365000。因此，您可以使用
sample
随机重复这些字符串

library(stringi)
data$UserId <- sample(stri_rand_strings(1300,6), nrow(data), replace = TRUE)

库（stringi）
data$UserId您正在生成1300个字符串，但
数据中的行数为365000。因此，您可以使用
sample
随机重复这些字符串

library(stringi)
data$UserId <- sample(stri_rand_strings(1300,6), nrow(data), replace = TRUE)

库（stringi）
data$UserId听起来您正在寻找的用户id的分布类似于幂律或幂律。这是一种生成对遵循幂律的每个用户ID进行采样的相对概率向量的方法，然后根据这些相对概率对用户ID进行采样

这里我使用函数
Pareto:：rPareto
来生成相对概率。您可以改变参数，尤其是
alpha
，以获得不同的分布。随着
alpha
的增加，分布将变得更加均匀。我还提供了一个
truncation
参数，这样您就不会有太多用户购买数量过高（在本例中，最常见的ID大约有3700个案例）

注意，您不能保证使用这种特殊的方法对1300个用户ID中的每个ID至少采样一次

接下来，我使用函数
uuid:：UUIDgenerate
生成1300个唯一字符串。最后，我使用
sample
对唯一ID进行采样，并替换数据框中的行。我在样本中绘制了不同ID的频率。同样，如果您不需要此分布，请修改参数

library(Pareto)
library(uuid)
library(ggplot2)

set.seed(1)

n_users <- 1300
n_rows <- 365000

relative_probs <- rPareto(n = n_users, t = 1, alpha = 0.3, truncation = 500) 
unique_ids <- UUIDgenerate(n = n_users)

id_sample <- sample(unique_ids, size = n_rows, prob = relative_probs, replace = TRUE)

# Check the distribution of IDs
ggplot(as.data.frame(table(id_sample)), aes(x = Freq)) +
  geom_histogram() +
  scale_x_log10()

库（帕累托）
图书馆（uuid）
图书馆（GG2）
种子（1）
n_users听起来您正在寻找的用户ID的分布类似于幂律或幂律。这是一种生成对遵循幂律的每个用户ID进行采样的相对概率向量的方法，然后根据这些相对概率对用户ID进行采样

这里我使用函数
Pareto:：rPareto
来生成相对概率。您可以改变参数，尤其是
alpha
，以获得不同的分布。随着
alpha
的增加，分布将变得更加均匀。我还提供了一个
truncation
参数，这样您就不会有太多用户购买数量过高（在本例中，最常见的ID大约有3700个案例）

注意，您不能保证使用这种特殊的方法对1300个用户ID中的每个ID至少采样一次

接下来，我使用函数
uuid:：UUIDgenerate
生成1300个唯一字符串。最后，我使用
sample
对唯一ID进行采样，并替换数据框中的行。我在样本中绘制了不同ID的频率。同样，如果您不需要此分布，请修改参数

library(Pareto)
library(uuid)
library(ggplot2)

set.seed(1)

n_users <- 1300
n_rows <- 365000

relative_probs <- rPareto(n = n_users, t = 1, alpha = 0.3, truncation = 500) 
unique_ids <- UUIDgenerate(n = n_users)

id_sample <- sample(unique_ids, size = n_rows, prob = relative_probs, replace = TRUE)

# Check the distribution of IDs
ggplot(as.data.frame(table(id_sample)), aes(x = Freq)) +
  geom_histogram() +
  scale_x_log10()

库（帕累托）
图书馆（uuid）
图书馆（GG2）
种子（1）
n_用户你好Ronak，感谢您的快速回复。这可以很好地生成ID变量。我想知道是否有一种方法可以使分布在每个ID上的行数更加可变。例如，一组用户只有几行归属于他们，而另一组用户的行数超过几行？我希望这是有意义的
sample
has
prob
参数，您可以定义每个值发生的概率。尽管为1300个值定义概率并不简单。除此之外，没有简单的方法可以控制每个ID的随机性。您需要制定规则来检查和丢弃不符合这些标准的值，并再次为它们生成ID。嗨，Ronak，感谢您的快速响应。这可以很好地生成ID变量。我想知道是否有一种方法可以使分布在每个ID上的行数更加可变。例如，一组用户只有几行归属于他们，而另一组用户的行数超过几行？我希望这是有意义的
sample
has
prob
参数，您可以定义每个值发生的概率。尽管为1300个值定义概率并不简单。除此之外，没有简单的方法可以控制每个ID的随机性。你需要制定规则来检查并丢弃不符合这些标准的值，然后再次为它们生成ID。嗨，Tim，谢谢你的回答。它用于创建用户标识符变量。我想知道是否有一种方法可以使它在每个用户id之间的行分布方式上更加可变？例如，一组用户只有很少的交互，而其他用户则有更多的交互，即几十次/数百次？@Robin，但这听起来好像标识符不是真正随机的。是的，我明白你的意思。我希望这种方式类似于零售网站上的购买事件日志，