如何在R中通过mutate和map为嵌套数据框生成runif分布

问题描述 #

现有如下结构的tibble数据：

# A tibble: 3 × 4
  Species      min   max    sd
  <fct>      <dbl> <dbl> <dbl>
1 setosa       4.3   5.8 0.352
2 versicolor   4.9   7   0.516
3 virginica    4.9   7.9 0.636

需要为每个分组生成100个介于对应行min和max之间的随机样本，新增一列存储这些随机数序列。尝试了以下代码但未成功：

mutate(
  out = map(runif(min = min, max = max, n = 100))
)

以及完整嵌套版代码：

iris %>% 
  group_by(Species) %>% 
  summarise(
    min = min(Sepal.Length),
    max = max(Sepal.Length),
    sd = sd(Sepal.Length)
  ) %>% 
  ungroup() %>%
  group_by(Species) %>% 
  nest() %>% 
  mutate(
    out = map(data, ~ runif(min = min, max = max, n = 100))
  )

问题分析 #

• 第一种写法错误：map需要遍历输入对象，但直接传入runif的调用结果不符合map的使用逻辑，且runif无法直接按行处理列向量生成多组100个随机数。
• 嵌套版写法错误：map内部的min和max未正确指向嵌套数据框中的对应列，无法提取每个分组的区间值。

正确解法 #

解法1：使用map2直接处理列 #

由于需要同时遍历min和max两列，purrr::map2是更合适的选择，它可以并行处理两个输入向量：

library(tidyverse)

# 生成基础统计数据
iris_stats <- iris %>% 
  group_by(Species) %>% 
  summarise(
    min = min(Sepal.Length),
    max = max(Sepal.Length),
    sd = sd(Sepal.Length)
  ) %>% 
  ungroup()

# 新增随机数序列列
iris_stats %>% 
  mutate(
    out = map2(min, max, ~ runif(n = 100, min = .x, max = .y))
  )

执行后，out列会成为列表列，每个元素对应一个分组的100个随机数序列。

解法2：修正嵌套数据框代码 #

如果坚持使用嵌套数据框，需在map内部通过.x（嵌套的子数据框）提取min和max：

iris %>% 
  group_by(Species) %>% 
  summarise(
    min = min(Sepal.Length),
    max = max(Sepal.Length),
    sd = sd(Sepal.Length)
  ) %>% 
  ungroup() %>%
  group_by(Species) %>% 
  nest() %>% 
  mutate(
    out = map(data, ~ runif(n = 100, min = .x$min, max = .x$max))
  ) %>% 
  # 可选：移除嵌套的data列，恢复原数据结构
  unnest(data)

这里.x代表每个Species对应的嵌套子数据框，通过.x$min和.x$max即可获取该分组的区间值，生成符合要求的随机数序列。

内容的提问来源于stack exchange，提问作者user113156