R中每行随机抽样的矢量化解决方案

我想将以下for循环转换为矢量化格式：

for (i in 1:100){ if (runif<0.01){b<-sample(1:2,1)} else {b<-NA}}

---

for（i in 1:100）{if（runif首先制作样本向量，然后根据
prob_rand
进行子集设置怎么样

x <- sample( 1:no_options , 100 , repl = TRUE )
x[ runif(100) > prob_rand ] <- NA

x prob\u rand]先生成样本向量，然后根据
prob\u rand
进行子集设置怎么样

x <- sample( 1:no_options , 100 , repl = TRUE )
x[ runif(100) > prob_rand ] <- NA

x prob\u rand]您的第一个示例不起作用，我想您的意思是：

for (i in 1:100){ if (runif<0.01){b<-sample(1:2,1)} else {b<-NA}}

你的第一个例子不起作用，我想你的意思是：

for (i in 1:100){ if (runif<0.01){b<-sample(1:2,1)} else {b<-NA}}

在data.frame中可能是

df = data.frame(r=runif(100))
df$b = ifelse(df$r<0.01,sample(1:2,1),NA)

df=data.frame（r=runif（100））
df$b=ifelse（数据帧中的df$r可能是

df = data.frame(r=runif(100))
df$b = ifelse(df$r<0.01,sample(1:2,1),NA)

df=data.frame（r=runif（100））
df$b=ifelse（df$r您也可以使用rbinom

n <- 100
(runif(n) < 0.1) * sample(2, n, replace = TRUE)
rbinom(n, size = 1, prob = 0.1) * sample(2, n, replace = TRUE)

n您也可以使用rbinom

n <- 100
(runif(n) < 0.1) * sample(2, n, replace = TRUE)
rbinom(n, size = 1, prob = 0.1) * sample(2, n, replace = TRUE)

n是否可以赋值而不是NA nothing？因此，如果已经存在一个值，那么就保留该值？我很难理解你的意思。但我猜你的意思是，某个向量
b
已经存在，如果掷骰子的数量大于
概率
，你想替换其中的值，但如果不，那就别管
b
。如果是这样的话，那就用
b
替换
NA
。可以赋值而不是不赋值吗？所以如果已经有一个值，那就保留那个值吧？我很难理解你的意思。但我猜你的意思是，某个向量
b
已经存在了sts，如果骰子滚动大于
prob\u rand
，则要替换其中的值，但如果不是，则只需离开
b
。如果是这种情况，则只需将
NA
替换为
b
。