在R中匹配矩阵内对象与分布列表并采样生成FSA列

需求说明 #

现有记录儿童触摸物体的数据集，需为包含bodypart和object列的dataframe新增FSA列，规则如下：

• Animal：从截断正态分布（范围2%-27%）随机采样
• Fabric_Toy、Clothes：从截断对数正态分布随机采样
• Nothing：固定值1

原代码问题分析 #

你尝试的嵌套循环存在逻辑冗余，多次循环赋值会导致结果被覆盖；且用cbind将列表组合成dist.matrix后，索引结构复杂，易引发错误。

优化实现方案 #

步骤1：加载依赖包 #

确保安装并加载提供截断分布函数的truncnorm包：

# 首次运行需安装
# install.packages("truncnorm")
library(truncnorm)

步骤2：修正并创建示例数据集 #

修复原数据中向量长度不匹配的问题：

bodypart <- c("Left_hand", "Left_hand", "Right_hand", "Left_hand", "Right_hand", "Left_hand")
object <- c("Animal", "Fabric_Toy", "Nothing", "Fabric_Toy", "Clothes", "Animal")
df <- data.frame(bodypart, object)

步骤3：构建清晰的物体-分布映射 #

用命名列表建立分组与预生成分布的对应关系，结构更直观：

# 预生成各分布的样本集（可按需调整样本量）
dist_mapping <- list(
  Animal = rnormTrunc(100, mean = 0.10, sd = 0.08, min = 0.02, max = 0.27),
  Fabric = rlnormTrunc(100, meanlog = 0.10, sdlog = 0.08, min = 0, max = Inf),
  Nothing = rep(1, 100) # 固定值重复生成，统一采样逻辑
)

# 建立物体到分组的映射表
object_group <- data.frame(
  object = c("Animal", "Fabric_Toy", "Clothes", "Nothing"),
  group = c("Animal", "Fabric", "Fabric", "Nothing")
)

步骤4：生成FSA列（dplyr版本） #

用向量化操作替代循环，高效完成匹配与采样：

library(dplyr)

df <- df %>%
  left_join(object_group, by = "object") %>%
  mutate(
    FSA = case_when(
      group == "Animal" ~ sample(dist_mapping$Animal, n(), replace = TRUE),
      group == "Fabric" ~ sample(dist_mapping$Fabric, n(), replace = TRUE),
      group == "Nothing" ~ 1, # 直接赋值固定值
      TRUE ~ NA_real_ # 处理未匹配的异常物体
    )
  ) %>%
  select(-group) # 移除中间分组列

步骤4：生成FSA列（基础R版本） #

若不想依赖dplyr，可使用基础R函数实现：

# 匹配分组信息
df$group <- object_group$group[match(df$object, object_group$object)]

# 逐行采样生成FSA列
df$FSA <- sapply(df$group, function(g) {
  if (is.na(g)) return(NA)
  sample(dist_mapping[[g]], 1)
})

# 移除临时分组列
df$group <- NULL

结果示例 #

运行后df会新增FSA列，每个物体对应正确的采样值：

> df
     bodypart     object        FSA
1   Left_hand     Animal 0.1123456
2   Left_hand Fabric_Toy 0.9876543
3  Right_hand    Nothing 1.0000000
4   Left_hand Fabric_Toy 0.8765432
5  Right_hand    Clothes 1.2345679
6   Left_hand     Animal 0.0987654

内容的提问来源于stack exchange，提问作者JHo