R 分配''；基于正态分布的数值

我有一个数据集，有超过400000个观察值。一个变量有许多“？”值。其因子表如下所示

 ?       AA     BB     CC     DD    EE       FF      GG        HH
17082    247   1813    96     72    12529    49732   382188    9

我不想删除所有的“？”值，而是希望基于正态分布将“？”值分为其他因子。例如，虽然“GG”因子应接收到“？”值的大部分，因为它具有最大的因子，“HH”应接收到“？”值的最小部分。我想不出用R怎么做

---

我想根据正态分布分配17082'？'值，然后分配相应的因子。

您可以使用

示例
如下：

set.seed(42)
table(sample(factor(c("AA", "BB", "CC", "DD", "EE", "FF", "GG", "HH")), 17082, TRUE, prob=c(247, 1813, 96, 72, 12529, 49732, 382188, 9)))
#   AA    BB    CC    DD    EE    FF    GG    HH
#   15    71     4     2   482  1884 14624     0

或者使用真实数据集：

#Create your dataset
x <- factor(c("?", "AA", "BB", "CC", "DD", "EE", "FF", "GG", "HH"))
x <- rep(x, c(17082, 247, 1813, 96, 72, 12529, 49732, 382188, 9))

tt  <- table(x)
set.seed(42)
x[x=="?"]  <- sample(levels(x)[-1], tt[1], TRUE, prob=tt[-1])
table(x)
#     ?     AA     BB     CC     DD     EE     FF     GG     HH 
#     0    262   1884    100     74  13011  51616 396812      9 

#创建您的数据集
x您可以使用
示例
如：

set.seed(42)
table(sample(factor(c("AA", "BB", "CC", "DD", "EE", "FF", "GG", "HH")), 17082, TRUE, prob=c(247, 1813, 96, 72, 12529, 49732, 382188, 9)))
#   AA    BB    CC    DD    EE    FF    GG    HH
#   15    71     4     2   482  1884 14624     0

或者使用真实数据集：

#Create your dataset
x <- factor(c("?", "AA", "BB", "CC", "DD", "EE", "FF", "GG", "HH"))
x <- rep(x, c(17082, 247, 1813, 96, 72, 12529, 49732, 382188, 9))

tt  <- table(x)
set.seed(42)
x[x=="?"]  <- sample(levels(x)[-1], tt[1], TRUE, prob=tt[-1])
table(x)
#     ?     AA     BB     CC     DD     EE     FF     GG     HH 
#     0    262   1884    100     74  13011  51616 396812      9 

#创建您的数据集
x如果我理解正确，您希望将所有
？
值按其显示的比例分配给其他值。如果是这样，只需创建不带
？
值的
属性表
，并将其重新缩放到总数的大小（可能是
圆形
，以便更好地测量）

x如果我理解正确，您希望将所有
？
值按其显示的比例分配给其他值。如果是这样，只需创建不带
？
值的
属性表
，并将其重新缩放到总数的大小（可能是
圆形
，以便更好地测量）

x我不明白你为什么要把正态分布带到这里来？@Dason也许OP意味着对数据进行正态化，我不能平均分配“？”值，因为所有其他因素都有不同的计数。我认为在这种情况下，“GG”应该比“HH”因子接收更多的“？”值。除了正态分布之外，我想不出任何其他的想法。有什么建议吗？如果这只是众多变量中的一个（或几个），我会研究多重插补。我不明白你为什么要将正态分布引入其中？@Dason也许OP意味着将数据标准化，我不能平均分配“？”值，因为所有其他因素都有不同的计数。我认为在这种情况下，“GG”应该比“HH”因子接收更多的“？”值。除了正态分布之外，我想不出任何其他的想法。有什么建议吗？如果这只是众多变量中的一个（或几个），我会研究多重插补。