用替換概率替換數據框中的文本字符串

Question

我正在使用R，並且我有一個大型數據框，其中行數以百萬爲單位。 我特別感興趣，但只有一列，$路徑。 從這個數據中我已經產生其標識我希望替換項的索引：

replace.index <- which(df$path == 'First') 

和想象這索引標識50行。

在一張單獨的表中，我已經確定了一個概率表，我希望用它來「取樣」以替換這些「第一」條目中的每一個。

想象這第二個實體是一系列數字命名的所謂「casetable」：

 cum 
alpha 18 
beta 29 
gamma 40 
delta 50 

其中這50場比賽我要替換的行數。

我想寫某種替代其替代

18 cases of "First" with "alpha > First" 
11 cases of "First" with "beta > First" 
11 cases of "First" with "gamma > First" 
10 cases of "First" with "delta > First" 

行動，並在本質上覆蓋在主表中的每個先前確定的行條目。

我相信我可以用for循環來運行這個，但爲了提高速度，我想用一個apply函數來代替，這是我無法解決的。我試過以下，但我無法得到它的權利：

#'Replacement function' 
sampleprevious <- function(rndtbl,upperlimit,reattach) { 
    return(paste0(names(rndtbl[max(which(rndtbl < runif(1, min=1, max=upperlimit)))]) 
    ,' > ', reattach)) 
} 

df$path[replace.index] <- 
    mapply(paste0, sampleprevious(casetable, 50, 'First')) 

這是使用隨機數取樣，因爲我不知道怎麼回事，讓我重複了妥協的嘗試，但我得到這僅僅是針對每行而不是50個單獨採樣的單個採樣值。

我很樂意幫助您生成50個隨機樣本，但請同樣滿意派生分割18 | 11 | 11 | 10。

* _____________ ** **補遺我 已經解決了使用這個「採樣」版本：

sampleprevious <- function(rndtbl,upperlimit,reattach) { 
    return(paste0(names(rndtbl[min(which(rndtbl > runif(1, min=1, max=upperlimit-1)))]) 
    ,'>', reattach)) 
} 

df$path[replace.index] <- 
    replicate(50, sampleprevious(casetable, 50, 'First')) 

，這會給我一個符合任意比例與我casetable。我仍然希望從我的casetable中精確地生成行數。

Answer 1

重現數據，其中tension變量是您path：

data(warpbreaks) 
warpbreaks$tension <- as.character(warpbreaks$tension) 

casetable會給替換值及其權重。

casetable <- data.frame(replacement = letters[1:3], n = c(2, 4, 6), 
         stringsAsFactors = FALSE) 
# replacement n 
# 1   a 2 
# 2   b 4 
# 3   c 6 

我們需要知道有多少樣品取代。從replacement柱casetable，從其n柱概率

subset_n <- sum(warpbreaks$tension == "L") 
# [1] 18 

樣品subset_n值，並且在更換的warpbreakstension列的現有值，其中tension是一個特定的值，L。（這是在您的數據First。）

warpbreaks[warpbreaks$tension == "L", "tension"] <- 
    sample(casetable$replacement, size = subset_n, replace = TRUE, 
     prob = casetable$n) 
warpbreaks 
# breaks wool tension 
# 1  26 A  c 
# 2  30 A  b 
# 3  54 A  c 
# 4  25 A  c 
# 5  70 A  c 
# 6  52 A  a 
# 7  51 A  b 
# 8  26 A  b 
# 9  67 A  c 
# 10  18 A  M 
# 11  21 A  M 
# 12  29 A  M