生成指定均值与递增标准差的人工DataFrame及代码错误排查

需求说明 #

需要创建10个人工DataFrame组成的列表，每个DataFrame与原DataFrame的列名、行数一致，各列均值与原对应列相同，但标准差分别比原列增加10%、20%……直至100%（对应xs = seq(10, 100, 10)）。

用户原代码及错误信息 #

原代码 #

#First define the function to draw random numbers given specific values of n, mean, sd
rnorm2 <- function(n,mean,sd) {mean+sd*scale(rnorm(n))} 

#Create random df for replicability
df = data.frame(replicate(9,sample(0:1,100,rep=TRUE)))

names(df) = c("a", "b", "b" , "d", 
            "e" , "f", "g" ,
            "h" , "i")

#Compute and store mean, standard deviation and size of each column in my dataset:

# First, initialize  vectors
columns = c("a", "b", "b" , "d", 
            "e" , "f", "g" ,
            "h" , "i")

ncols = length(df)

column_means <- vector(mode = "numeric", length = ncols)
column_sd <- vector(mode = "numeric", length = ncols)

#Now loop through each column to obtain mean, standard deviation and increased standard deviation by x
xs = seq(10, 100, 10)

for(x in seq_along(xs)){
    for (i in seq_along(columns)){
     column_means[i] <- mean(df[[i]], na.rm = TRUE)
     column_sd[i] <- sd(df[[i]], na.rm = TRUE)
     column_sd_new[[i]][x] <- column_sd[i] + ((x/100)*column_sd[i])
 } 
}

错误信息 #

Error in `*tmp*`[[i]] : subscript out of bounds

错误原因 #

1. 未初始化对象导致下标越界：column_sd_new没有提前声明和初始化，直接使用[[i]][x]赋值时，R无法找到该对象的索引，触发下标越界错误。
2. 百分比计算逻辑错误：循环中x是seq_along(xs)返回的索引值（1到10），而非xs中的百分比数值（10到100），计算新标准差时应该用xs[x]/100，否则实际只增加了1%到10%，不符合需求。
3. 未生成目标DataFrame列表：原代码仅尝试计算新标准差，完全没有调用rnorm2函数生成随机数据，也没有将数据组装成DataFrame并加入列表，未完成核心需求。

修正后的完整代码 #

# 定义生成指定均值、标准差的随机数函数（优化：移除scale的属性，返回纯数值）
rnorm2 <- function(n, mean, sd) {
  mean + sd * scale(rnorm(n))[,1]  # 取[,1]去掉scale返回的矩阵属性
}

# 创建可复现的原DataFrame
set.seed(123)  # 设置随机种子保证结果可复现
df <- data.frame(replicate(9, sample(0:1, 100, rep=TRUE)))
names(df) <- c("a", "b", "b", "d", "e", "f", "g", "h", "i")

# 计算原数据的列均值和列标准差（只需计算一次，无需重复循环）
column_means <- sapply(df, mean, na.rm = TRUE)
column_sd <- sapply(df, sd, na.rm = TRUE)
n_rows <- nrow(df)  # 获取原数据行数

# 定义标准差递增的百分比序列
xs <- seq(10, 100, 10)

# 初始化存储结果的列表
df_list <- vector("list", length(xs))
names(df_list) <- paste0("sd_increase_", xs, "%")

# 循环生成每个DataFrame
for (idx in seq_along(xs)) {
  # 计算当前百分比对应的新标准差：原标准差 * (1 + 百分比/100)
  new_sd <- column_sd * (1 + xs[idx]/100)
  
  # 为每列生成符合要求的随机数，组装成DataFrame
  new_df <- as.data.frame(lapply(seq_along(df), function(col_idx) {
    rnorm2(n_rows, column_means[col_idx], new_sd[col_idx])
  }))
  
  # 设置列名与原DataFrame一致
  names(new_df) <- names(df)
  
  # 将新DataFrame加入列表
  df_list[[idx]] <- new_df
}

# 验证结果（可选）
# 查看第一个列表元素的列均值和标准差
lapply(df_list[[1]], mean)
lapply(df_list[[1]], sd)

代码说明 #

1. 优化rnorm2函数：添加[,1]提取scale返回矩阵的数值部分，避免后续DataFrame出现不必要的属性。
2. 提前计算均值和标准差：原数据的均值和标准差只需计算一次，减少重复计算。
3. 正确计算新标准差：使用xs[idx]/100获取当前百分比，确保标准差按需求递增10%到100%。
4. 生成并存储DataFrame列表：循环中调用rnorm2生成每列的随机数据，组装成DataFrame后加入预先初始化的列表，完成核心需求。

内容的提问来源于stack exchange，提问作者txz10001