如何基于分组经验分布为多列随机抽取值（R语言）

首先修正你代码里的小错误，iris_new的正确写法是：

iris_new <- iris %>% select(Species)

核心思路 #

按Species分组后，为每个组匹配distributions中对应的经验分布表，使用sample函数结合分布表中的比例（n列）抽取随机值，最终合并到iris_new中生成随机化的特征列。

实现代码 #

1. 定义抽取函数

先写一个通用函数，用来从指定的经验分布表中按比例抽取指定数量的随机值：

sample_from_dist <- function(dist_tbl, n) {
  # dist_tbl是包含特征值和比例的tibble，n是需要抽取的数量
  sample(dist_tbl[[1]], size = n, replace = TRUE, prob = dist_tbl$n)
}

2. 批量生成随机化特征列

利用dplyr的分组和across函数批量处理四个特征列，避免重复代码：

library(dplyr)

# 列出需要生成的特征列名
feature_cols <- c("Sepal.Length", "Sepal.Width", "Petal.Length", "Petal.Width")

iris_randomized <- iris_new %>%
  group_by(Species) %>%
  mutate(
    across(all_of(feature_cols), ~ sample_from_dist(
      # 匹配当前分组Species对应的经验分布表
      distributions[distributions$Species == cur_group()$Species, .x][[1]],
      # 抽取数量等于当前组的行数
      n()
    ))
  ) %>%
  ungroup()

结果验证 #

可以随机抽取一个物种，对比随机化后的分布和原经验分布是否一致：

# 查看setosa的Sepal.Length随机分布比例
iris_randomized %>%
  filter(Species == "setosa") %>%
  count(Sepal.Length) %>%
  mutate(prop = n / sum(n)) %>%
  arrange(Sepal.Length)

运行后会看到，随机化后的比例和distributions中setosa对应的Sepal.Length比例基本吻合。

内容的提问来源于stack exchange，提问作者MatSchu