R语言模拟患者数据集报错及可复现性问题求助

原代码的核心错误 #

• rep()函数用法错误：rep("control", "treatment")的第二个参数必须是重复次数（数值），不能传入字符串，这会直接导致数据框创建失败。
• sample()未指定样本量且未允许重复：比如sample(20:75)默认只生成56个不重复值（20到75共56个数字），但要生成100条数据，必须指定size=100并开启replace=TRUE（允许重复取值）。
• set.seed()位置不对：必须放在所有随机生成代码的最开头，才能让所有随机过程的结果完全可复现。
• 依赖未声明且思路冗余：sample_n()是dplyr包的函数，未加载包会报错，且原思路“先创建数据集再抽样”完全没必要，直接生成100条数据更高效。

修正后的可运行代码（Base R版本，无需额外包） #

# 设置随机种子，必须放在所有随机操作最前面，保证每次运行结果一致
set.seed(30)

# 直接生成100条模拟患者数据
pulse_sim <- data.frame(
  # 按1:1比例生成对照组和治疗组，共100条
  group = rep(c("control", "treatment"), each = 50),
  # 从20-75岁中随机抽取100个值，允许重复
  age = sample(20:75, size = 100, replace = TRUE),
  # 随机生成性别，可通过prob调整比例（这里是1:1）
  gender = sample(c("male", "female"), size = 100, replace = TRUE, prob = c(0.5, 0.5)),
  # 生成40-120的静息心率
  resting_pulse = sample(40:120, size = 100, replace = TRUE),
  # 生成140-220cm的身高
  height_cm = sample(140:220, size = 100, replace = TRUE)
)

# 查看前6条数据验证结果
head(pulse_sim)

代码说明 #

• 调整分组比例：如果需要非1:1的分组，比如60个对照组、40个治疗组，把group行改成rep(c("control", "treatment"), times = c(60, 40))即可。
• 控制重复取值：如果某个变量的取值范围足够大（比如超过100个不同值），可以去掉replace=TRUE，生成不重复的随机值。
• 性别比例调整：修改prob参数的数值就能改变男女比例，比如prob = c(0.6, 0.4)表示60%男性、40%女性。

内容的提问来源于stack exchange，提问作者Sarah