R 使用自然递减数创建模拟数据

我想创建如下所示的随机模拟数据

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

---

从随机数开始，但具有相同ID的第二个数应小于第一个数，第三个数必须小于第二个数。启动的最大数量应为20

如果希望

Amount

列是真正的随机值，这是一个棘手的问题，您可以使用递归调用，递归使用

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

请注意，由于在递归函数中采样较高值的概率较低，因此结果有所不同

然后，您可以使用所选函数轻松创建表，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

set.seed（123）
##ID列
ID您可以先创建数据，然后使用
tidyverse
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))

set.seed（0）
df%
分组依据（id）%>%
排列（id，描述（金额））
两种方法，一种使用
dplyr
，另一种仅使用基本R函数。这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（））
种子（1）
df%分组依据（ID）%>%
变异（数量=排序（样本（1:20，n（），replace=T），递减=TRUE））

方法2
rm（list=ls（））
种子（1）
df
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))

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))

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)

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))