如何在R中基于另一数据框的概率为变量赋值？

错误原因 #

1. base R的sample()函数没有prop参数，正确用于指定抽样概率的参数是prob
2. 未按ID分组处理，导致无法为每个ID匹配对应的概率分布和名称选项

解决方案代码 #

library(dplyr)

# 按ID分组，针对每个ID对应的概率分布抽样name
data <- data %>%
  group_by(ID) %>%
  mutate(
    name = sample(
      x = filter(probabilities, ID == cur_group()$ID)$name,
      size = n(),
      prob = filter(probabilities, ID == cur_group()$ID)$ratio,
      replace = TRUE
    )
  ) %>%
  ungroup()

代码说明 #

• group_by(ID)：将data按ID分组，确保每个ID单独处理对应的概率规则
• cur_group()$ID：获取当前分组的ID值，用于从probabilities中筛选匹配的名称和概率
• sample(x, size = n(), prob = ..., replace = TRUE)：
  • x是当前ID对应的所有可选name值
  • size = n()表示为当前组的每一条记录都抽样一个name
  • prob指定每个name对应的抽样概率（即probabilities中的ratio列）
  • replace = TRUE允许重复抽样，保证每条记录都能得到结果

验证示例 #

运行代码后查看结果：

print(data)

ID=1的记录会以90%概率为"A"、10%概率为"B"，ID=4的记录会以30%/30%/40%的概率对应"B"/"C"/"G"，完全符合需求。

内容的提问来源于stack exchange，提问作者Daniel