在R语言中生成339个符合正态分布的日期的技术求助

原代码问题分析 #

你提供的代码无法运行的核心原因是prob参数的总和不等于1（0.2+0.2+(0.1/337)*337=0.5），不符合sample()函数对概率参数的要求，同时这种手动设置概率的方式也无法生成正态分布的日期序列。

解决方案：基于数值化日期生成正态分布 #

在R中，日期本质是从1970-01-01开始计数的整数（天数），我们可以利用这一特性，先生成正态分布的数值，再转换为日期，同时确保日期落在指定范围内。

完整代码如下：

# 1. 定义目标日期范围
date_start <- as.Date('2022/01/01')
date_end <- as.Date('2023/01/01')

# 2. 将日期转换为数值（R中日期的底层存储形式）
num_start <- as.numeric(date_start)
num_end <- as.numeric(date_end)

# 3. 设定正态分布参数：均值取日期范围中点，标准差设为30天（可自定义调整）
mean_num <- mean(c(num_start, num_end))
sd_num <- 30  # 数值越大，日期分布越分散；越小则越集中在中点附近

# 4. 生成339个正态分布数值，并截断到日期范围的数值区间（避免超出边界）
norm_nums <- rnorm(n = 339, mean = mean_num, sd = sd_num)
norm_nums_clamped <- pmax(pmin(norm_nums, num_end), num_start)

# 5. 将数值转回日期类型
norm_dates <- as.Date(norm_nums_clamped, origin = '1970-01-01')

# 可选：验证分布情况（绘制直方图）
hist(norm_dates, breaks = "days", main = "正态分布日期直方图", xlab = "日期")

说明 #

• 生成的日期会围绕2022-07-02（日期范围中点）呈正态分布，你可以通过调整sd_num的值控制分布的分散程度
• pmax()和pmin()函数确保所有生成的日期都不会超出2022/01/01到2023/01/01的范围
• 如果需要更贴合特定的正态分布特征（比如不同的均值或标准差），直接修改mean_num和sd_num即可

内容的提问来源于stack exchange，提问作者mdb_ftl