R 具有固定列和的随机二进制数据帧

我试图构建一个完全由1和0组成的数据帧。它应该是随机构建的，除了每个列需要相加到一个指定的值

---

如果只针对一个数据帧，我会知道如何做到这一点，但它需要构建到一个函数中，在所述函数中，它将作为一个迭代过程完成，最高可达1000倍

一种有效的方法是为每列洗牌一个向量，使其具有适当数量的1和0。您可以定义以下函数来生成具有指定行数和每列1数的矩阵：

build.mat <- function(nrow, csums) {
  sapply(csums, function(x) sample(rep(c(0, 1), c(nrow-x, x))))
}
set.seed(144)
build.mat(5, 0:5)
#      [,1] [,2] [,3] [,4] [,5] [,6]
# [1,]    0    0    0    0    1    1
# [2,]    0    0    0    1    0    1
# [3,]    0    0    0    0    1    1
# [4,]    0    1    1    1    1    1
# [5,]    0    0    1    1    1    1

---

如果零比一多得多，反之亦然，@akrun的方法可能更快：

build_01_mat <- function(n,n1s){
  nc        <- length(n1s)
  zerofirst <- sum(n1s) < n*nc/2

  tochange  <- if (zerofirst) n1s else n-n1s

  mat       <- matrix(if (zerofirst) 0L else 1L,n,nc)

  mat[cbind(
    unlist(c(sapply((1:nc)[tochange>0],function(col)sample(1:n,tochange[col])))),
    rep(1:nc,tochange)
  )] <- if (zerofirst) 1L else 0L
  mat
}

set.seed(1)
build_01_mat(5,c(1,3,0))
#      [,1] [,2] [,3]
# [1,]    0    0    0
# [2,]    1    1    0
# [3,]    0    1    0
# [4,]    0    1    0
# [5,]    0    0    0

---

如果可以对一个数据帧执行此操作，请编写相应的函数，然后将其放入

for

循环或在其上运行

replicate

。你需要更加具体，展示你所做的尝试，并展示示例输入和期望的输出，这才是一个好问题。你可以使用

sample

。例如，假设您要创建一个长度为10、总和为5的向量。i、 e.5

1s

<代码>v1我想两个答案都没有明确说明，但在这里使用矩阵而不是data.frame是至关重要的。顺便说一下，有一个“性能”标签，你可以考虑添加到这个问题，如果它是你的首要关注。不知道为什么这几乎是封闭的，如不清楚。乔西尔伯和我似乎同意对它的解释……是的，我认为这是正确的方式，尽管我不会使用

nrow

（因为它是一个函数名）。此外，OP声称必须多次执行此操作，因此如果这些运行中的行数很小且恒定，则可以在函数外部预计算并存储向量，以便更快地访问：

vecs@Frank good catch--我删除了对
nrow
的覆盖。我想，如果你的提案加快了速度，可能会有一些用例，但对于长而窄的数据帧，它可能会使代码慢得多，因为你需要分配一个巨大的矩阵
vecs
，其中大部分你可能永远不会使用；我想这取决于情况，阿克伦的方法是否更快。（补充了一个解释。）嗯，我想你可以更进一步，也可以用一个if语句来检测是否有更多的1或0，然后决定是从所有0开始并替换少数1，还是从所有1开始并替换少数0。@josilber好的，我已经做出了改变。基准测试与直觉非常吻合。在“替换”方法速度达到2倍之前，您必须进行大约75-25次拆分。我相信这两种方法都可以加快一些速度，所以我可能仍然会选择“置换”方法，除非我的数据是超级不平衡的。
build_01_mat <- function(n,n1s){
  nc        <- length(n1s)
  zerofirst <- sum(n1s) < n*nc/2

  tochange  <- if (zerofirst) n1s else n-n1s

  mat       <- matrix(if (zerofirst) 0L else 1L,n,nc)

  mat[cbind(
    unlist(c(sapply((1:nc)[tochange>0],function(col)sample(1:n,tochange[col])))),
    rep(1:nc,tochange)
  )] <- if (zerofirst) 1L else 0L
  mat
}

set.seed(1)
build_01_mat(5,c(1,3,0))
#      [,1] [,2] [,3]
# [1,]    0    0    0
# [2,]    1    1    0
# [3,]    0    1    0
# [4,]    0    1    0
# [5,]    0    0    0

require(rbenchmark)

# similar numbers of zeros and ones
benchmark(
  permute=build.mat(1e7,1e7/2),
  replace=build_01_mat(1e7,1e7/2),replications=10)[1:5]
#      test replications elapsed relative user.self
# 1 permute           10    7.68    1.126      6.59
# 2 replace           10    6.82    1.000      6.27

# many more zeros than ones
benchmark(
  permute=build.mat(1e6,rep(10,20)),
  replace=build_01_mat(1e6,rep(10,20)),replications=10)[1:5]
#      test replications elapsed relative user.self
# 1 permute           10   10.28    3.779      8.51
# 2 replace           10    2.72    1.000      2.23

# many more ones than zeros
benchmark(
  permute=build.mat(1e6,1e6-rep(10,20)),
  replace=build_01_mat(1e6,1e6-rep(10,20)),replications=10)[1:5]
#      test replications elapsed relative user.self
# 1 permute           10   10.94    4.341      9.28
# 2 replace           10    2.52    1.000      2.09