R语言双递减随机变量赛跑模拟的高效批量实现方法

你不需要手动逐次执行迭代再手动拼接，把单轮逻辑封装成函数，再用批量迭代工具自动执行+拼接即可，性能比手动操作高几个量级。

核心实现逻辑 #

• 先封装单轮模拟的函数，自动按规则生成a、b序列，直到任一值≤0时终止
• 再通过批量执行工具重复运行单轮函数，自动合并所有结果，全程不需要手动干预

完整代码 #

# 加载依赖，dplyr用于数据处理，没有安装可先运行 install.packages("dplyr")
library(dplyr)

# 单轮模拟函数
# 入参可自定义初始值、步长的均值和标准差
single_run <- function(init = 100, step_mean = 5, step_sd = 10) {
  current_a <- init
  current_b <- init
  step_count <- 1
  # 用列表预存每一步结果，比逐行修改数据框快很多
  step_res <- list()
  
  while (current_a > 0 & current_b > 0) {
    # 生成正步长，保证序列严格递减：如果抽出来的步长为负就重抽
    step_a <- rnorm(1, step_mean, step_sd)
    while (step_a <= 0) step_a <- rnorm(1, step_mean, step_sd)
    step_b <- rnorm(1, step_mean, step_sd)
    while (step_b <= 0) step_b <- rnorm(1, step_mean, step_sd)
    
    # 更新当前值
    current_a <- current_a - step_a
    current_b <- current_b - step_b
    
    # 存入当前步结果
    step_res[[step_count]] <- data.frame(
      step = step_count,
      a = current_a,
      b = current_b
    )
    step_count <- step_count + 1
  }
  # 合并单轮所有步的结果
  do.call(rbind, step_res)
}

批量执行模拟 #

比如你需要重复跑1000次模拟，直接运行以下代码即可，最终结果会自动带上sim_id列标记所属的模拟轮次，step列标记当前是该轮的第几步，不需要手动拼接：

# 方法1：base R 实现，不需要额外装包
sim_times <- 1000 # 自定义模拟次数
all_sim_list <- lapply(1:sim_times, function(id) {
  run_df <- single_run()
  run_df$sim_id <- id
  run_df
})
final_result <- do.call(rbind, all_sim_list)

# 方法2：用purrr简化代码，没有安装可先运行 install.packages("purrr")
# library(purrr)
# final_result <- map_dfr(1:sim_times, ~single_run() %>% mutate(sim_id = .x, .before = 1))

优化说明 #

• 解决了原始代码的潜在问题：原始写法里rnorm(1,5,10)有概率生成负值，减去负值会让新值大于旧值，破坏严格递减规则，上述代码加了步长校验，保证每一步步长为正，完全满足序列严格递减的要求
• 采用列表预存结果+最后一次性合并的写法，比逐次bind_rows()/rbind()的效率高10~100倍，跑上万次模拟也不会卡顿
• 输出结果自带轮次、步长标识，后续做统计、画轨迹图直接按sim_id分组即可，不需要额外整理数据

内容的提问来源于stack exchange，提问作者stats_noob