У меня есть данные, которые выглядят так.
investor_name funding_round_type count
<chr> <chr> <int>
1 .406 Ventures angel 1
2 .406 Ventures other 2
3 .406 Ventures private-equity 1
4 .406 Ventures series-a 5
5 .406 Ventures series-b 2
6 .406 Ventures series-c+ 7
7 .406 Ventures venture 1
8 500 Startups angel 40
Я хотел бы заменить все случаи, где funding_round_type равен venture, и заменить его на series-a, series-b или series-c+. Я бы хотел случайным образом выбрать один из них с вероятностью 40% для одного из первых двух и 20% для последнего.
my_df %>%
mutate(funding_round_type = ifelse(funding_round_type == "venture",
sample(c("series-a", "series-b", "series-c"), 1, replace = TRUE, prob = c(.4, .4, .2)),
funding_round_type))
Как ни странно, sample(), кажется, выбирает один раз, а затем возвращается к выбранному значению для каждой строки. Я запускал это несколько раз, и он заменяет venture только одним из значений из моего списка параметров и не включает в себя экземпляры каких-либо других значений.
Как я могу заставить sample () работать заново в каждой строке?
3 ответа
Это потому, что ifelse запускает функцию sample только один раз, и вы выбираете из нее одно значение, которое повторно используется для каждого другого значения. Попробуй сделать
library(dplyr)
my_df %>%
mutate(funding_round_type = ifelse(funding_round_type == "venture",
sample(c("series-a", "series-b", "series-c"),
sum(funding_round_type == "venture"),replace = TRUE, prob = c(.4, .4, .2)),
funding_round_type))
Или с replace
my_df %>%
mutate(funding_round_type = replace(funding_round_type,
funding_round_type == "venture", sample(c("series-a", "series-b", "series-c"),
sum(funding_round_type == "venture"), replace = TRUE, prob = c(.4, .4, .2))))
Также вы можете заменить это напрямую, без ifelse или каких-либо пакетов.
my_df$funding_round_type[my_df$funding_round_type == "venture"] <-
with(my_df, sample(c("series-a", "series-b", "series-c"),
sum(funding_round_type == "venture"), replace = TRUE, prob = c(.4, .4, .2)))
Использование rowwise() приведет к повторной выборке для каждой строки:
df %>%
rowwise %>%
mutate(funding_round_type = if_else(
funding_round_type == "venture",
sample(c("series-a", "series-b", "series-c+"), 1, prob = c(.4, .4, .2)),
funding_round_type))
Также - второстепенный, но вам не нужен replace=TRUE, так как вы тянете только одну выборку за вызов к sample().
Мы можем использовать data.table методы
library(data.table)
setDT(df)[funding_round_type == "venture", funding_round_type :=
sample(c("series-a", "series-b", "series-c+"), 1, prob = c(.4, .4, .2))][]
# investor_name funding_round_type count
#1: .406 Ventures angel 1
#2: .406 Ventures other 2
#3: .406 Ventures private-equity 1
#4: .406 Ventures series-a 5
#5: .406 Ventures series-b 2
#6: .406 Ventures series-c+ 7
#7: .406 Ventures series-b 1
#8: 500 Startups angel 40
Или используя case_when из tidyverse
library(tidyerse)
df %>%
mutate(funding_round_type = case_when(funding_round_type == "venture" ~
sample(c("series-a", "series-b", "series-c+"), 1, prob = c(.4, .4, .2)),
TRUE ~ funding_round_type))
# investor_name funding_round_type count
#1 .406 Ventures angel 1
#2 .406 Ventures other 2
#3 .406 Ventures private-equity 1
#4 .406 Ventures series-a 5
#5 .406 Ventures series-b 2
#6 .406 Ventures series-c+ 7
#7 .406 Ventures series-a 1
#8 500 Startups angel 40
Данные
df <- structure(list(investor_name = c(".406 Ventures", ".406 Ventures",
".406 Ventures", ".406 Ventures", ".406 Ventures", ".406 Ventures",
".406 Ventures", "500 Startups"), funding_round_type = c("angel",
"other", "private-equity", "series-a", "series-b", "series-c+",
"venture", "angel"), count = c(1L, 2L, 1L, 5L, 2L, 7L, 1L, 40L
)), class = "data.frame", row.names = c("1", "2", "3", "4", "5",
"6", "7", "8"))
Похожие вопросы
Новые вопросы
r
R - это бесплатный язык программирования с открытым исходным кодом и программная среда для статистических вычислений, биоинформатики, визуализации и общих вычислений. Пожалуйста, предоставьте минимальные и воспроизводимые примеры вместе с желаемым результатом. Используйте dput () для данных и укажите все небазовые пакеты с вызовами library (). Не вставляйте изображения для данных или кода, вместо этого используйте блоки кода с отступом. По вопросам, связанным со статистикой, используйте https://stats.stackexchange.com.
En Español